МЧС России инициирует поиск инновационных решений для своевременного выявления вероятных мест возникновения ЧС природного и техногенного характера, а также оперативного реагирования на них.
С 28 по 30 мая этого года состоится открытое онлайн-соревнование в области искусственного интеллекта при содействии проекта «Инфраструктура научно-исследовательских данных» (ИНИД). Заявки на участие принимаются с 19 апреля по 24 мая включительно на сайте https://emergencydatahack.ru/. Участниками соревнований могут стать исследователи данных, аналитики и специалисты по машинному обучению.
Во время хакатона предстоит решать три задачи.
В рамках первой - необходимо будет построить модель развития обстановки, которая позволит в паводкоопасный период на 10 дней вперед оценивать вероятность вскрытия реки Лена и возникновения затора на ее участке.
В ходе второго задания специалисты должны построить предиктивную модель, которая позволит в паводкоопасный период на реке Лена на 30 дней вперед оценивать уровень воды (в том числе максимальный) на гидропостах.
Участники по третьему направлению будут разрабатывать модель машинного обучения, позволяющую определять вероятность возникновения ДТП в разрезе временного интервала, отрезка автомобильной дороги и количества потенциальных пострадавших.
Для оказания помощи в разработке решений МЧС России предоставит it-специалистам доступ к части собственных данных, которые сформированы в ходе анализа чрезвычайных ситуаций. На их основе участники построят свои ML-модели, необходимые для решения задач ведомства. Лучшие решения будут внедрены.
«Сегодня очень важно искать новые решения по минимизации ущерба от ЧС и защите населения. Участники хакатона предложат собственные инструменты и рекомендации для решения актуальных задач МЧС России. Современные технологии позволят получить более точные прогнозы и выявить корреляции между различными сценариями развития обстановки», - отметил заместитель Министра Виктор Ничипорчук.
В 2019 и 2020 годы ведомством проведена серия хакатонов, связанных с задачами по предупреждению ландшафтных пожаров и наводнений. Полученные результаты активно используются в практической деятельности.
