Погода в доме: Александр Набатов о «Метеуме» — новой фишке «Яндекса»

Погода сильно влияет на наши ближайшие планы. С утра, выглянув в окно или зайдя в тематическое мобильное приложение, мы понимаем, что надеть и как доехать на работу: с ветерком на велосипеде или в душном салоне маршрутки. Как говорит директор по распространению технологий «Яндекса» Григорий Бакунов, несмотря на востребованность прогнозной информации, сами по себе предоставляемые аудитории данные до сих пор вызывают серьезные сомнения.

Макро- и микропрогнозы

«Прогноз погоды связан с огромным массивом подсчетов атмосферных явлений. На погоду в Москве реально влияет ураган в Японии, а на температуру воздуха в Омске — легкое потепление в Сахаре. При этом мы стали жить в огромных городах, а значит, нужно принимать в расчет не только макроситуацию, но и четко привязываться к локации. Города расположены на значительной территории, и погода может быть разной чуть ли не в каждом округе. Чтобы работать с локальными данными, нужно использовать совершенно другие методы. На объединении классической физики и статистики мы и построили наш новый продукт, он называется «Метеум», — рассказывает Бакунов.

«Метеум» сочетает в себе методы метеопрогнозирования и передовые техники машинного обучения. Типичный прогноз погоды основан на расчетах в математических моделях атмосферы. Они должны учитывать массу разнооб-разных параметров. Учесть все из них может лишь настоящий суперкомпьютер.

Любые модели не могут работать без данных. Эту информацию предоставляют более 80 спутников с орбиты Земли, десятки тысяч метеостанций по всему миру, иные источники.

В «Яндексе» применяется модель Weather Research and Forecast, она создана в Национальном центре атмосферных исследований США. Модель учитывает все данные спутников и метео-станций, а в результате расчетов дает прогноз погоды с достаточно высоким разрешением детализации территории.

«Эта модель не является единственной. «Чужие» прогнозы мы получаем от партнеров со всего мира. Все эти модели очень сложные, однако все они ошибаются. Из-за чего ошибается и прогноз. Наши исследования в области больших данных позволяют утверждать, что модели грешат, каждая по- своему. Например, часть завышает количество осадков, а другие, наоборот, занижают ночную температуру в черте города. Анализируя архивы погодных сведений, можно получить достаточное количество разнообразных закономерностей. Проблема состоит в том, что объемы данных огромные. И человеку с ними работать очень сложно, а вот алгоритмы машинного обучения прекрасно справляются. И чтобы выявлять неявные закономерности в погодных данных, мы используем алгоритм Matrixnet», — объясняет руководитель группы метеопрогнозов Дмитрий Соломенцев.

Matrixnet собирает все данные тех моделей, которые существуют, сравнивает их с наблюдениями на профессиональных метеостанциях и делает выводы о текущей метеорологической обстановке. «Яндекс» заключил договор с Гидрометцентром России и получает все данные с их метеостанций. Причем, как подчеркивает Григорий Бакунов, сам прогноз государственной службы компания не учитывает, а только актуальную и точную информацию наблюдений.

«На метеостанциях исследования производят не постоянно, а с временным интервалом. Как правило от трех до шести часов. Поэтому использовать только эти данные неэффективно, поскольку за время между наблюдениями погода может серьезно поменяться», — уточняет эксперт.

Результаты вычислений программы регулярно сверяются с фактической погодой. 140 тысяч раз в день. Matrixnet запоминает повторяющиеся расхождения и устанавливает закономерности, которые позволяют уточнить расчеты.

Главней всего — погода в доме

Хорошо известно, что локальная погода в той точке, где находится пользователь, сильно зависит от того, какой тип поверхности его окружает — песчаный пляж, асфальт или травяное поле. Погода на Красном Пути может отличаться от ситуации на пляже Зеленого острова. Асфальт нагревается быстрее, чем покрытая травой земля. Для учета этого параметра разработчики погодного сервиса обращаются к данным «Яндекс.Карт». В итоге программа умеет рассчитывать прогноз погоды для реальной геолокации пользователя. Всего Matrixnet использует более десяти тысяч различных параметров, ежедневно обрабатывая по девять ТБ информации.

Часто потребители погодных данных используют метеоприложения как градусник. Им проще запустить сервис, чем посмотреть в окно. Но, как уверяет Дмитрий Соломенцев, точно показать погоду на данную минуту не проще, чем предсказать ее на завтра. И это при том, что требования к сиюминутной сводке значительно выше.

«Поэтому мы усовершенствовали технологию таким образом, что программа собирает данные с нескольких ближайших к пользователю метеостанций и подставляет их в формулу расчета локальной сводки. Каждый раз, когда человек обращается на «Яндекс.Погоду», он передает информацию о местоположении. В ответ получает прогноз погоды для требуемых координат за доли секунды», — продолжает Соломенцев.

Руководитель сервиса «Яндекс.Погода» Андрей Усенко уверяет, что точность погоды, а в первую очередь — буквальное совпадение данных приложения с погодой за окном, влияет на посещаемость сервиса. Если учесть, что основным способом монетизации затрат является, как и в большинстве продуктов от «Яндекса», рекламная модель, то можно отметить, что в качестве информации заинтересованы не только клиенты, но и разработчики. Благодаря технологии «Метеум», погода от «Яндекса» ошибается более чем на 5 градусов (а это значимое несоответствие для пользователя) всего в 2% случаев, в то время как традиционные погодные сервисы — в 6 и 7%. При условии огромного количества пользовательских запросов эти 7% — существенный объем обманутых ожиданий.

Кстати, пользователи могут непосредственно влиять на точность прог-нозов вокруг них. При несовпадении реального положения за окном с информацией в приложении для iOS и Android потребитель может нажать кнопку «Сообщить погоду» и уточнить, что сейчас над его домом отнюдь не пасмурно, а, например, солнечно. Еще одним источником данных могут быть барометры, которые внедряются прак-тически в каждый смартфон. Они еще недостаточно точны, чтобы использовать их как основной инструмент определения атмосферного давления, но как факультативный параметр для обработки больших данных эта информация может пригодиться.

Текст опубликован в газете «Деловой Омск» № 20 (123) 24 мая

Самое актуальное в рубрике: IT и Телеком

Больше интересного в жанре: Спецпроекты