Применение информационных технологий для интеллектуального анализа чрезвычайных ситуаций на основе edge computing и компьютерного зрения
DOI:
https://doi.org/10.5281/zenodo.19905552Аннотация
В статье представлены результаты разработки интегрированной системы интеллектуального ана-
лиза чрезвычайных ситуаций (ЧС) на основе компьютерного зрения, сенсорных сетей IoT и алгоритмов машин-
ного обучения. Предложенная архитектура реализована на базе микрокомпьютерных платформ Raspberry Pi в
парадигме Edge Computing и включает четыре ключевых модуля: сбор данных в реальном времени, видеоана-
литику (OpenCV + MobileNet-SSD), кросс-верификацию угроз и оповещение. Экспериментально подтверждено,
что гибридный алгоритм комбинированного анализа видеопотока и телеметрии с IoT-датчиков сокращает время
обнаружения признаков ЧС на 85% по сравнению с традиционным мониторингом и снижает уровень ложных сра-
батываний на 32%. Точность классификации опасных факторов (пожар, задымление) составила 88-92%. Система
совместима с инфраструктурой МЧС Республики Узбекистан и может быть интегрирована в платформы “Безо-
пасный город” и новую GIS-систему ПРООН (2026).
Ключевые слова
чрезвычайные ситуации, интеллектуальный мониторинг, компьютерное зрение, OpenCV, MobileNet-SSD, IoT, Raspberry Pi, Edge Computing, MQTT, LoRaWAN, машинное обучение, МЧС, УзбекистанБиблиографические ссылки
1. 1. Закон Республики Узбекистан “О защите населения и территорий от чрезвычайных ситуаций природного и
2. техногенного характера” № ЗРУ-790 от 17.08.2022 г.
3. 2. Указ Президента Республики Узбекистан № УП-185 от 20.10.2025 г. “О поднятии на качественно новый уровень
4. сферы надёжной защиты населения и территорий от чрезвычайных ситуаций”. Постановление Президента №
5. ПП-311 от 20.10.2025 г. “О мерах по цифровизации сферы защиты от чрезвычайных ситуаций”.
6. 3. Указ Президента Республики Узбекистан № УП-6079 от 05.10.2020 г. “Об утверждении Стратегии “Цифровой
7. Узбекистан - 2030”.
8. 4. Постановление Президента Республики Узбекистан № РП-358 “Об утверждении Стратегии развития техно-
9. логий искусственного интеллекта до 2030 года”. - Октябрь 2024. [Электронный ресурс]. URL: https://lex.uz/
10. docs/7159258
11. 5. UNFCCC. Адаптационный план Республики Узбекистан для сектора по чрезвычайным ситуациям на период
12. 2025-2030 годов. 2025. [Электронный ресурс]. URL: https://unfccc.int/sites/default/files/resource/Uzbekistan_SAP_
13. Emergencies_RUS.pdf
14. 6. UNDP Uzbekistan. Uzbekistan Launches Innovative GIS-Based System to Strengthen Disaster Risk Reduction.
15. January 2026. [Электронный ресурс]. URL: https://www.undp.org/uzbekistan/news/uzbekistan-launches-innovativegis-
16. based-system-strengthen-disaster-risk-reduction
17. 7. FEMA. Hazus 7.1 Release Notes. January 2026. [Электронный ресурс]. URL: https://www.fema.gov/flood-maps/
18. tools-resources/flood-map-products/hazus/release-notes
19. 8. Copernicus Emergency Management Service (CEMS). Home and News. 2026. [Электронный ресурс]. URL: https://
20. emergency.copernicus.eu/
21. 9. ISO/IEC 27001:2022. Information Security Management Systems. Requirements. - Geneva: ISO, 2022.
22. 10. ГОСТ 22.0.02-94. Безопасность в чрезвычайных ситуациях. Термины и определения основных понятий. - М.:
23. ИПК Издательство стандартов, 1996.
24. 11. Соколова А.А., Тихонов М.М., Абдуллаев А.А. Информационные технологии управления в условиях чрезвы-
25. чайных ситуаций: концептуальные основы // Вестник Университета гражданской защиты МЧС Беларуси. - 2020.
26. - Т. 4, № 3.
27. 12. Тягунов Г.В., Коберниченко В.Г., Ярошенко Ю.Г. Информационные технологии в управлении рисками чрезвы-
28. чайных ситуаций // Записки Горного института. - 2004.
29. 13. Бабенышев С.В., Матеров Е.Н. Информационные технологии поддержки принятия решений в ЧС: учебное
30. пособие. - Железногорск: Сибирская пожарно-спасательная академия ГПС МЧС России, 2024.
31. 14. Богданова Е.М. и др. Информационная система прогнозирования ЧС при использовании адаптивных моделей
32. // Вестник С.-Петерб. ун-та ГПС МЧС России. - 2019. - № 2.
33. 15. Луценко С.Г., Уткин О.В. Цифровые технологии единой государственной системы предупреждения и ликви-
34. дации чрезвычайных ситуаций: анализ решений и перспективы развития // Природные и техногенные риски.
35. - 2023. - № 3 (47).
36. 16. Дружинин С.С., Золотарев Д.Н. Информационные технологии в МЧС. - Воронеж: Воронежский институт ГПС
37. МЧС России, 2022.
38. 17. Каримов А. Роль ИТ в мониторинге сейсмической опасности в Узбекистане // Вестник ТУИТ. - 2022. - № 1.
39. 18. Kumar K.S. Real-time Disaster Monitoring using Raspberry Pi and IoT // Proc. IEEE ICECS. - 2021.
40. 19. Holdren J.P., Smith E. Deep Learning for Disaster Management: A Survey // IEEE Transactions on Neural Networks
41. and Learning Systems. - 2020.
42. 20. Rossi R.G. et al. The Role of GIS in Emergency Management // Journal of Emergency Management. - 2019.
43. 21. Smith G.S. Application of Big Data Analytics in Disaster Management // Big Data Research. - 2020.
44. 22. Alghamdi et al. Developing real-time IoT-based public safety alert and emergency response systems // Scientific
45. Reports. - 2025. - Vol. 15. DOI: 10.1038/s41598-025-13465-7.
46. 23. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. - М.: ДМК Пресс, 2018. - 652 с.
47. 24. Шолле Ф. Глубокое обучение на Python. - СПб.: Питер, 2018. - 400 с.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 MAKTABGACHA VA MAKTAB TA’LIMI JURNALI

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
