В контексте ИТС это один из самых важных вопросов. Даже когда данные поступают в систему, они могут быть неполными, устаревшими, искаженными или физически невозможными. А это недопустимо при принятии управленческих решений.
🔖 На что стоит обратить внимание, чтобы полноценно оценить качество данных?
👉 Актуальность данных. Когда данные были получены?
Например, детектор транспорта показывает интенсивность движения 850 авт./час. Но если последнее обновление было 3 часа назад, эти данные уже не отражают реальную ситуацию.
👉 Непрерывность поступления. Если метеостанция передавала информацию каждые 60 секунд, а затем начала передавать ее раз в 20 минут, это уже повод для проверки.
👉 Достоверность. Данные должны соответствовать физической реальности.
Если же мы видим следующие данные:
🔸температура воздуха +18 °C, а температура дорожного покрытия +65 °C;
🔸интенсивность движения на трассе резко упала с 1200 до 0 автомобилей в час;
🔸освещенность ночью выше дневной;
очевидно, что требуется дополнительная проверка.
👉 Сравнение. Очень эффективный способ. Если одна метеостанция показывает дождь, а пять соседних в радиусе 20 км показывают сухую погоду, система должна обратить на это внимание.
👉 Полнота данных. Иногда данные поступают, но не все.
Например, при наличии связи и исправности устройства:
✖️отсутствуют показания датчика освещенности;
✖️не обновляются параметры питания;
✖️отсутствуют данные о режиме работы.
Это значит, что хотя объект формально работает, но информации для принятия решений уже явно недостаточно.
👉 Исторический анализ. У каждого объекта есть свой «цифровой паспорт».
Если в течение года контроллер работал в определенном диапазоне параметров, а сегодня появились резкие отклонения, система должна их выявлять автоматически.
Современный диспетчерский центр должен отвечать не на вопрос: «Работает ли объект?», а на вопрос: «Можно ли доверять данным, которые он передает?»
Потому что работающий объект с недостоверными данными опаснее объекта, который вовремя сообщил о своей неисправности.