Neuro City: Облачное платформенное решение для региональных органов власти

Главное о кейсе

Neuro City это импортозамещающая B2G-платформа, объединяющая данные из десятков городских информсистем, видеокамер и сенсоров в единую аналитическую среду для органов власти. Проект решает ключевую проблему фрагментации городских данных до внедрения: отсутствие сквозного контроля инцидентов, ручное распределение задач, задержки в реагировании.

После запуска: автоматическое выявление, классификация и маршрутизация инцидентов по принципу «одного окна», сокращение сроков исполнения поручений на 40%, рост собираемости штрафов на 25%, снижение административных издержек на 30%. Платформа работает в режиме 24/7 с любого устройства и уже интегрирована в ИТ-инфраструктуру 12 муниципалитетов РФ.

Как проект изменил жизнь пользователей

Главы городов и администраторы получили инструмент для принятия решений на основе глубокой аналитики. Для сотрудников городских служб на основе инцидентов поручения формируются и распределяются автоматически, с контролем в режиме «светофора».

Жители стали получать ответы на обращения в 2-3 раза быстрее благодаря чат-боту с технологией ИИ и сквозной системе отслеживания работы администрации с обращениями и инцидентами. Улично-дорожная сеть (УДС) теперь контролируется круглосуточно: ямы, неработающее освещение, стертость дорожной разметки, реклама на опорах освещения, нарушения уборки снега фиксируются до поступления жалоб.

Бизнес-задача и ее решение

Задача: создать отечественную, безопасную и масштабируемую платформу для цифрового управления городом или поселением, соответствующую требованиям импортозамещения и суверенитета данных.

Решение: разработана модульная архитектура с возможностью развёртывания в защищенном сегменте облака или закрытом контуре. Реализованы 7 ключевых модулей: тикет-система, контроль УДС с ИИ-детекторами, видеоаналитика с превентивным оповещением, чат-бот в MAX для жителей, единая диспетчерская служба, медиа-аналитика и цифровой двойник территории.

Все модули интегрированы в BI-ядро с поддержкой Big Data, ETL и BPMN.

Крафт (мастерство), реализация, технические детали

Платформа использует собственные алгоритмы компьютерного зрения: модуль дефектов дорожного полотна распознаёт ямы с точностью 96%, модуль контроля освещения - неработающие опоры освещения с 94%. Превентивное оповещение (голос, сирена, прожектор) снижает количество инцидентов на 90% с первого использования. Для анализа обращений граждан применён fine-tuned LLM с поддержкой трёх языков и контекстной маршрутизации. Все данные хранятся в ГИС-пространстве с привязкой к 3D-моделям и ТИМ-моделям зданий.

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Изначальная гипотеза по сбору данных провалилась на этапе пилота: данные были, но без контекста и действий. Команда провела 37 интервью с главами городов, диспетчерами и работниками ЖКХ, выявив главную боль - отсутствие обратной связи по поручениям в автоматизированном режиме от исполнителей.

Это привело к созданию “светофора” исполнения поручений и фото/видео-фиксацией устранения инцидентов. Заказчик настаивал на закрытом контуре и мы перестроили архитектуру за 3 недели, сохранив все функции. Тестирование в реальных условиях (включая метель и перебои связи) показало: система сохраняет работоспособность даже при частичной недоступности видеопотока или сенсоров благодаря резервированию источников данных и кэшированию ключевых метрик.

Скриншоты