Przykłady praktycznych systemów smart city
W mieście ta perspektywa ma wymiar:
1) makro (np. w zakresie koordynacji źródeł rozproszonych, integracji OZE czy wykorzystania sieci cieplnych) oraz
2) mikro (np. inteligentne budynki, optymalizacja oświetlenia czy systemy nawadniania zieleni miejskiej reagujące na prognozy i czujniki wilgotności).
Przykładami praktycznych systemów smart city w tym kontekście są dwa dobrze znane wzorce:
1) modernizacja oświetlenia ulicznego (przejście na LED wraz z system sterowania czasowego i czujnikami obecności) oraz
2) zdalne, inteligentne sterowanie ogrzewaniem w budynkach komunalnych i użyteczności publicznej.
Wdrożenie wymienionych wyżej systemów nie jest jednak jedynie projektem inżynieryjnym — to również projekt organizacyjny, prawny i społeczny, w którym urząd miasta pełni rolę zamawiającego, regulatora i, często, właściciela danych czy oprogramowania. Okoliczności te, nie pierwszy raz, potwierdzają, że prawo ma tendencję do nienadążania za technologią – nie zawsze bowiem to, co techniczne jest w pełni wykonalne, jest akceptowalne w płaszczyźnie prawnej.
Koncepcja inteligentnego miasta
W perspektywie tematu, w centrum koncepcji inteligentnego miasta leży system zintegrowanego zarządzania zasobami, który opiera się na trzech filarach: czujnikach (bazujących na sieci IoT, która to stanowi niejako „stelaż” całej koncepcji smart city – nie tylko w kontekście omawianego tematu), systemach przetwarzania danych (coraz częściej algorytmy głębokiego uczenia – AI) i warstwie wykonawczej, czyli automatyce sterującej. W praktyce działa to jak dobrze skoordynowany organizm – sensory zbierają informacje o stanie środowiska miejskiego, oprogramowanie analizuje je w czasie rzeczywistym, a inteligentne sterowniki reagują natychmiast, dostosowując działanie infrastruktury.
Jak więc widać, system AI zostaje zaimplementowany tam, gdzie wcześniej największą rolę odgrywał człowiek. Chyba najbardziej dojrzałym i powszechnie stosowanym rozwiązaniem w tym zakresie jest inteligentne oświetlenie miejskie. Klasyczne latarnie działają w trybie „włącz/wyłącz” zgodnie z harmonogramem lub zegarem astronomicznym, co prowadzi do znacznych strat energii — świecą, gdy nie trzeba lub zbyt mocno. Systemy smart lighting wyposażone są w czujniki ruchu, natężenia światła i kamery, które pozwalają regulować intensywność świecenia w zależności od faktycznych potrzeb. Gdy ulica jest pusta, oświetlenie redukuje moc do poziomu minimalnego, a gdy pojawia się pieszy, rowerzysta lub samochód — system płynnie rozjaśnia latarnię oraz kilka kolejnych wzdłuż trasy ruchu. Dodatkowo, takie latarnie mogą pełnić rolę multisensorów, tj. zbierać dane o jakości powietrza, poziomie hałasu, natężeniu ruchu, a nawet o stanie nawierzchni. Dla samorządu to ogromna wartość, bowiem jedna infrastruktura zapewnia realizację wielu funkcji, i, co równie ważne, dostarcza precyzyjne dane o realnym zużyciu energii oraz o środowisku miejskim.
Drugim obszarem, w którym zastosowanie technologii przynosi wymierne efekty, jest inteligentne ogrzewanie i zarządzanie energią w budynkach komunalnych. Klasyczne systemy grzewcze działają często w oparciu o stałe harmonogramy i z góry ustalone parametry, niezależnie od rzeczywistych warunków atmosferycznych, liczby osób w budynku czy ciepła pochodzącego z innych źródeł (np. nasłonecznienia). Systemy zarządzania energią — Building Energy Management Systems (BEMS) — integrują czujniki temperatury, wilgotności, otwarcia okien i dane pogodowe z algorytmami predykcyjnymi. Dzięki temu mogą one dynamicznie regulować parametry ogrzewania, wentylacji i klimatyzacji, osiągając znaczną redukcję zużycia.
Kolejnym elementem jest smart grid — inteligentna sieć elektroenergetyczna, która umożliwia dwukierunkowy przepływ energii i informacji między dostawcami a odbiorcami. W tradycyjnym modelu energia płynie jednostronnie od elektrowni do użytkownika, a system nie reaguje elastycznie na zmiany popytu. W smart grid energia może płynąć w obu kierunkach: mieszkańcy lub instytucje (np. szkoły, szpitale) wyposażone w panele fotowoltaiczne mogą nie tylko zużywać, ale i oddawać nadwyżki do sieci. Sztuczna inteligencja analizuje dane z liczników, prognozy pogody i zapotrzebowanie w czasie rzeczywistym, a następnie balansuje obciążenie, minimalizując straty i zapobiegając przeciążeniom. W dłuższej perspektywie takie rozwiązania umożliwiają powstawanie mikrosieci energetycznych (microgrids) – lokalnych ekosystemów, które, w razie awarii sieci centralnej, mogą działać niezależnie, co wzmacnia odporność miasta na kryzysy.
Dopełnieniem całego ekosystemu są systemy Energy Management Systems (EMS), które integrują dane z różnych źródeł – budynków, pojazdów, sieci energetycznych i infrastruktury publicznej – by zarządzać nimi całościowo. Przykładowo, EMS może połączyć sterowanie oświetleniem, ogrzewaniem i ładowarkami pojazdów elektrycznych w jeden system, który reaguje na zmieniające się ceny energii i prognozy pogody. W miastach, które inwestują w elektromobilność, EMS pozwala sterować mocą ładowania autobusów czy samochodów tak, by nie przeciążać sieci w godzinach szczytu.
Wszystkie te technologie są dziś coraz bardziej dostępne, ale wymagają od samorządów pewnej dojrzałości cyfrowej:
1) posiadania infrastruktury sieciowej,
2) systemu zarządzania danymi i
3) jasno określonych zasad odpowiedzialności za dane oraz decyzje podejmowane automatycznie.
Co więcej, rozwiązania te nie działają, bynajmniej, w próżni, a są ze sobą sprzężone. Smart lighting to często pierwszy krok, który uczy miasto zbierać dane i nimi zarządzać. Kolejne etapy — BEMS, EMS, smart grid – budują ekosystem, który może z czasem przerodzić się w pełnoprawne „miasto uczące się”, gdzie decyzje operacyjne (np. o zużyciu energii, wodzie czy transporcie) podejmowane są na podstawie danych w czasie rzeczywistym, z minimalną ingerencją człowieka, ale przy pełnej jego kontroli (art. 14 AIAct) i nadzorze instytucjonalnym.
Regulacje prawne
Naturalnie, opisane systemy muszą być zgodne z obowiązującymi regulacjami prawnymi. Najistotniejszą nowością prawną w europejskim systemie jest AI Act — rozporządzenie Unii Europejskiej, które wprowadza:
1) kategorie ryzyka dla systemów AI,
2) obowiązki dokumentacyjne,
3) ocenę zgodności oraz
4) wymogi dotyczące systemów o wysokim ryzyku.
Dla urzędu miejskiego oznacza to, że decyzja o wdrożeniu systemu sterującego infrastrukturą krytyczną (np. sterowanie siecią ciepłowniczą) może pociągać za sobą wymóg klasyfikacji rozwiązania jako systemu wysokiego ryzyka i konieczność przeprowadzenia oceny ryzyka czy zapewnienia przejrzystości. Nie wystarczy, aby algorytm działał i przynosił oszczędności. Musi być on udokumentowany, audytowalny i spełniać wymogi ochrony podstawowych praw.
AI Act stał się ramą, którą trzeba znać przed podpisaniem umowy z dostawcą, bowiem przerzucenie odpowiedzialności na firmę zewnętrzną, mimo że bardzo przydatne dla samorządu w perspektywie prywatnoprawnej, nie zwalnia organu publicznego z obowiązku zapewnienia zgodności używanych narzędzi – przede wszystkim z normami europejskimi (obowiązki ustanowione przez AI Act czy RODO mają charakter stricte publicznoprawny).
Równolegle do AI Act, zastosowanie, w omawianym temacie, może znajdować RODO. Inteligentne systemy miejskie generują i przetwarzają ogromne ilości danych, w tym często dane osobowe. Wśród tych danych można wskazać, przykładowo, dane użytkowników infrastruktury miejskiej, obrazy z kamer czy dane lokalizacyjne z sieci miejskich sensorów. Z punktu widzenia podmiotu implementującego system kluczowe jest rozróżnienie między danymi nieosobowymi a danymi osobowymi. W pierwszej kolejności należy jednak wskazać, że zasada minimalizacji przetwarzania danych osobowych nakazuje, w omawianych przypadkach, poczynić starania, aby, w możliwie największym stopniu, budować takie systemy w oparciu o dane nieosobowe, np. dane zanonimizowane. Nie wydaje się bowiem konieczne, dla inteligentnej regulacji oświetlenia miejskiego, ustalenie tożsamości osób przechodzących przez daną ulicę – podobnie jak całkowicie zbędne dla określenia prawidłowej temperatury w poszczególnych mieszkaniach komunalnych jest to, kto w tych mieszkaniach mieszka czy też przebywa.
Jeżeli jednak, z dowolnego, odpowiednio doniosłego powodu, konieczne jest, dla implementacji systemu, przetwarzanie danych osobowych, to należy pamiętać, że takie przetwarzanie musi posiadać odpowiednią podstawę prawną.
Już w ustawie o samorządzie gminnym istnieje kilka norm zadaniowych, stanowiących potencjalne podstawy prawne przetwarzania – wespół z odpowiednim przepisem art. 6 RODO. W tym kontekście, w art. 7 ust. 1 SamGminU można bowiem wymienić przykładowo pkt 1 (w zakresie ochrony środowiska), pkt 3 (w zakresie wodociągów i zaopatrzenia w wodę, zaopatrzenia w energię elektryczną i cieplną oraz gaz), pkt 7 (gminne budownictwo mieszkaniowe) czy pkt 14 (porządek publiczny i bezpieczeństwo obywateli).
Tam więc, gdzie przetwarzanie opiera się na zadaniach realizowanych w interesie publicznym, urząd może często powołać się na wykonywanie tego zadania publicznego. Należy również pamiętać, że RODO opiera się też na zasadach „privacy by design” i „privacy by default” – co w praktyce oznacza, że już przy projektowaniu systemu trzeba zaplanować pseudonimizację, wyżej wspomnianą minimalizację zbieranych danych, ograniczenia okresu przechowywania i mechanizmy kontroli dostępu. Europejska Rada Ochrony Danych (EROD) oraz Urząd Ochrony Danych Osobowych (UODO) regularnie publikują wytyczne dotyczące nowych technologii — i to one będą miały duże znaczenie przy kontroli wdrożeń miejskich systemów.
Równolegle, istotne są inne obowiązki unijne i krajowe, które samorząd musi brać pod uwagę przy planowaniu implementacji, w tym wynikające z regulacji dotyczących cyberbezpieczeństwa (zob. np. NIS2), które rozszerzają zakres podmiotów zobowiązanych do wdrożenia zabezpieczeń i zgłaszania incydentów. Dyrektywa NIS2 jest istotna, w opisywanym aspekcie, dlatego że wiele elementów inteligentnej infrastruktury miejskiej mieści się w katalogu „kluczowych usług” (energia, transport, woda) i w praktyce wdrożenie systemów sterujących będzie wymagało spełnienia standardów zarządzania ryzykiem i raportowania incydentów (podmioty samorządowe mogą zostać uznane za „podmioty kluczowe” w rozumieniu NIS2). Konsekwencją jest konieczność planowania budżetów na zabezpieczenia oraz uwzględnienia w umowach wymogów dotyczących bezpieczeństwa IT i ciągłości działania.
Korzyści z implementacji systemów
Korzyści ekonomiczne i środowiskowe z implementacji wspomnianych systemów są proste do wymierzenia:
1) redukcja zużycia energii dzięki adaptacyjnemu sterowaniu oświetleniem i ogrzewaniem,
2) optymalizacja trasy odbioru odpadów czy nawet komunikacji miejskiej,
3) inteligentne systemy nawadniania miejskiej zieleni zmniejszające zużycie wody,
4) ograniczenie korków i emisji dzięki zarządzaniu ruchem (o części z tych rozwiązań pisaliśmy już w poprzednich tekstach).
Przykłady historyczne potwierdzają skalę oszczędności. Projekty implementowane w Barcelonie czy Santanderze pokazały znaczące zmniejszenie zużycia energii w oświetleniu i efekty w gospodarce odpadami przy zastosowaniu sieci czujników i centralnego systemu zarządzania. Jednak każde wdrożenie ma też ciemniejsze strony, przede wszystkim:
1) ryzyko naruszeń prywatności (np. zbyt „czułe” systemy monitoringu bądź zbieranie danych nadmiarowych),
2) ryzyko dyskryminacji wynikające z błędów w modelach (np. algorytm alokujący usługi komunalne, który faworyzuje pewne obszary), a także
3) ryzyko techniczne — awaria systemu centralnego może sparaliżować usługę miejską (co w obliczu coraz częstych ataków cybernetycznych jest ryzykiem nie do pominięcia).
