PlayCool: Chytrý monitoring pražských hřišť
PlayCool
Mobilita a veřejný prostor
Popis nápadu/projektu
Povrchy pražských hřišť mají v létě přes 70 °C. Dítěti stačí sekunda k popálenině. Přesto to žádné hřiště v Praze neměří. PlayCool je síť malých solárních čidel, která na mapě ukazují stav hřišť v reálném čase: zelená, žlutá, červená. Rodič ví kam jít, správce kde zasáhnout, město získá první otevřená data o teplotě hřišť jako podklad pro výsadbu stromů a klimatickou adaptaci.
Představte krátce tým. Co si slibujete od účasti v inovačním maratonu? O jaké přednášky byste v rámci programu stáli?
Chceme dostat PlayCool z prototypu na první hřiště. Hledáme mentory, kteří nám pomůžou propojit se s OICT a městskými částmi, a zpětnou vazbu od lidí co ví, jak v Praze prosadit nový datový projekt.
Představte svůj nápad (projekt). Co a jak nápadem řešíte. Jaký má nápad přínos pro město.
V létě se povrchy pražských hřišť rozpalují na 60 až 87 °C, přičemž k popálení dětské kůže stačí pouhá sekunda při 48 °C. V Praze se měří teplota vzduchu nebo UV index, povrchovou teplotu z 1 696 hřišť ale nikdo systematicky nesleduje. PlayCool tuto mezeru zaplňuje. Tvoříme webovou mapu pražských hřišť, která na základě dat z ČHMÚ a predikčních modelů počítá rizikové skóre (zelená, žlutá, červená). Tento model doplňujeme vlastní sítí malých solárních IoT senzorů, které z vybraných hřišť posílají aktuální data o teplotě povrchů. Přínos je dvojí: Rodiče na mapě okamžitě vidí, kam s dětmi vyrazit. Správci hřišť (městské části, Lesy HMP) a město samotné získají historicky první tvrdá data o teplotě herních ploch. Přestanou tak střílet od boku a budou přesně vědět, kde je nutné vysadit stromy, instalovat stínění nebo změnit tmavý povrch za světlejší.
V jaké fázi se nápad (projekt) nachází? (neověřený / ověřený nápad, rozpracovaný / zavedený projekt)
Jsme ve fázi rozpracovaného projektu s funkčním MVP. Mapa všech pražských hřišť s predikcí teplot už běží a přenos dat je funkční. Hardwarový prototyp senzoru nyní kompletujeme pro venkovní instalaci. Největším posunem je dohodnutá spolupráce s naší první školkou, MŠ Jahoda, kam za 2 týdny nasadíme první pilotní senzor do terénu.
Pro koho je projekt určený, definujte cílovou skupinu.
Míříme na dvě skupiny. Uživateli jsou pražští rodiče, kteří v létě pro děti hledají bezpečné a klidné hřiště. Partnery a zákazníky jsou správci hřišť (městské části, Lesy HMP). Ti od nás získají analytická data pro rozhodování. Na celoměstské úrovni navíc cílíme na Magistrát a platformu Golemio, kterým data pomohou plnit klimatické plány Smart Prague 2030.
Plánujete zapojit komunitu nebo cílovou skupinu během vývoje projektu?
Ano, bez nich to nejde. Začínáme pilotní instalací u MŠ Jahoda. Po spuštění živých dat do mapy oslovíme místní rodiče, abychom zjistili, jestli mapu reálně využijí a co jim případně chybí. Po létě si pak sedneme s městskými částmi nad sesbíranými daty. Cílem je zjistit, jaký formát dat či reportů je pro ně nejužitečnější při plánování rozpočtů na zeleň a stínění.
Jaké jsou existující alternativy k nápadu (projektu) a v čem vnímáte, že je vaše řešení inovativní? Kde jste se inspirovali?
V Praze se měří mikroklima, ale rozpálené povrchy hřišť nikdo neřeší. V zahraničí vznikají chytrá hřiště, a my na základě toho tvoříme srozumitelný nástroj přímo pro rodiče a úřady. Inovujeme naší efektivitou: nebudeme draze osazovat všech 1 696 hřišť. Celou Prahu pokryjeme prediktivním modelem, který přes existující sítě kalibrujeme několika senzory a napojíme na Golemio.
Kde vnímáte největší překážky z pohledu realizace a z pohledu uplatnění?
U realizace nás brzdí byrokracie. Hřiště si spravuje každá městská část sama, a k plošnému rozšíření nám zatím chybí kontakty. Hrozbu vandalismu senzorů řešíme nenápadným designem a vzdáleností od plochy. Při uplatnění bude klíčové přesvědčit úředníky, že nejde o další „zbytečný graf“. Musíme ukázat, že jim tento nástroj reálně ušetří peníze při rozhodování založeném na datech.
Představte váš tým. Jaké jsou silné a slabé stránky, jaké je zkušenost týmu s danou problematikou.
Jsme tři studenti a celý projekt tvoříme sami: Petr (hardware), Martin (web a komunikace) a Dalibor (design a 3D tisk). Naší velkou výhodou je časová flexibilita a minimální náklady, funkční prototyp a vývoj stál pod 2 000 Kč. Slabinou je chybějící síť kontaktů na správce hřišť a malé zkušenosti se státní správou. S IoT i klimatem se učíme za pochodu, ale výsledky ukazují, že iterujeme rychle.
Jaká je osobní motivace týmu se danému problému (příležitosti) věnovat?
Baví nás tvořit hardware a hrát si s daty. Štve nás ale ten kontrast: v Praze se pořád teoreticky řeší klima, přitom reálně rozpálená hřiště nikdo neměří. Chtěli jsme si dokázat, že to jde postavit levně z otevřených dat, a ne za miliony. Zkrátka máme chuť dotáhnout náš první projekt do reality, ať neskončí v šuplíku a město začne konečně rozhodovat podle čísel, ne odhadů.
Proč byste měli být vybráni mezi TOP 10 nápadů (projektů)?
Protože ukážeme, že rychlá a levná inovace má ve městě své místo. Za jediný měsíc jsme postavili MVP, spustili přenos dat, sehnali partnera pro instalaci a utratili pod 2 000 Kč. Neduplikujeme, co už město dělá, ale zaplňujeme jednu mezeru. Propojujeme existující data s vlastními a díky chytrému modelu pokryjeme Prahu jen s minimem fyzických senzorů.
Jaký přínos pro město má váš projekt?
PlayCool řeší konkrétní dopady klimatické změny na obyvatele a přináší městu data, která dnes nemá. Pro občany (rodiče) to znamená přímé zvýšení bezpečnosti dětí, kdy ihned vědí, které hřiště je rozžhavené v létě. Pro město a jednotlivé části jde o efektivitu vynaložených peněz. Otevřená data o teplotách herních ploch poslouží jako podklad pro Klimatický plán HMP a správci hřišť díky nim uvidí, kde je situace nejkritičtější. Peníze na stínění, výsadbu stromů nebo výměny povrchů se tak nebudou utrácet plošně, ale přesně tam, kde to data vyhodnotí jako nejurgentnější. To vše navíc na datech napojených na infrastrukturu Golemia, aby to pro město nebylo nic složitého k implementaci.
Jak získáte své zákazníky? (jak si je definujete, jak s nimi budete komunikovat, jak jim produkt prodáte?)
Nejdříve cílíme na rodiče, potom na úřady. Abychom získali pozornost městských částí, musíme jim prokázat zájem. Rodiče oslovíme přes sousedské skupiny na Facebooku a místní zpravodaje. Jejich aktivita na webu nám pak dá silný mandát pro jednání s radnicemi. Získat městské části, které hřiště financují, pro nás bude znamenat osobní jednání na odborech životního prostředí. Budeme se je snažit přesvědčit velmi jednoduchým argumentem: za minimální investici do senzorů získají data, která jim obhájí investice do zeleně. Začínáme na Praze 14, kde už máme prvního partnera. Druhou rovinou je pak platforma Golemio, které eventuálně chceme nabídnout čisté partnerské předání našich dat, aby se z nich stal veřejný benefit pro celou Prahu.
Jaká je finanční rozvaha vašeho řešení?
Celou rozvahu jsme postavili na efektivitě. Nesnažíme se nahradit stávající městská měření, ale chytře je doplňujeme. Odpadají tak velké počáteční investice do zbytečných senzorových sítí.
Fázi vývoje a první funkční prototyp (včetně prediktivní mapy) jsme si zafinancovali sami, celé nás to stálo lehce pod 2 000 Kč. Pro letošní pilotní provoz plánujeme otestovat funkčnost v terénu na první malé síti senzorů, přičemž jeden kompletní solární uzel vyjde na cca tisíc korun.
Běžný provoz platformy (servery, doména atd.) nás ročně vyjde na necelých 6 000 Kč, což z PlayCool dělá velmi udržitelný projekt. I při budoucím škálování na celou Prahu dává náš model finanční smysl. Nepotřebujeme osadit všech 1 696 hřišť, stačí nám zhruba stovka kalibračních senzorů. Vybudování takové celoměstské sítě by vyšlo na přibližně 270 000 Kč. To je pro město přijatelná částka, která se rychle vrátí díky tomu, že se peníze na stínění a zeleň začnou investovat cíleně na základě dat.
Jaké externí zdroje a v jaké výši potřebujete na zajištění prvního roku provozu?
Na první rok provozu, který zahrnuje pilotní umístění senzorů a veřejné spuštění webové platformy, odhadujeme potřebu externího financování ve výši 120 000 Kč. Zhruba čtvrtina (cca 30 000 Kč) pokryje hardwarové náklady na 30 senzorů, jejich solární napájení a krabičky. Další část prostředků využijeme na provozní náklady (hosting, doména) a menší uživatelský výzkum s rodiči. Významnou část rozpočtu tvoří odměna pro tým za průběžnou údržbu a koordinaci projektu během roku a nutná rezerva pro cashflow. Hlavním zdrojem pro nás by byla případná podpora v programu Nakopni Prahu. Budeme také žádat o lokální mikrogranty primárně na Praze 14 a následně pro expanzi na Praze 10 a 11 pro klimatickou adaptaci a rádi bychom získali nefinanční pomoc v podobě konzultace a infrastruktury od platformy Golemio.
Co nyní potřebujete k realizaci v příštích 6 měsících?
Nejvíce teď potřebujeme pomoc s otevíráním dveří. Mentora, který by nám pomohl získat povolení k instalaci senzorů na hřištích, jež nespadají pod naši pilotní školku. Dále potřebujeme dofinancovat výrobu dalších 9 senzorů a nastavit oficiální spolupráci s Golemio, abychom mohli řešit integraci našich dat do jejich katalogu. My na oplátku do léta rozšíříme síť na prvních deset uzlů a budeme přes měření iterovat náš prediktivní model na mapě. Během léta vydáme data pro veřejnost a na podzim chceme mít projekt převedený do stabilního, udržitelného provozu připraveného pro městské části.
Kam jste se s týmem posunuli během soutěže Nakopni Prahu? S kým jste díky Nakopni Prahu navázali kontakt / spolupráci?
Během akceleračního programu jsme udělali velký krok zpět, abychom se posunuli vpřed. Díky zpětné vazbě na workshopech (např. od Pavla Klučky, který se ptal, jaký problém vlastně reálně řešíme) jsme zcela změnili koncept. Původně jsme chtěli obsypat senzory tři konkrétní hřiště. Dnes máme nový, hybridní model: mapu úplně všech pražských hřišť doplněnou jen nezbytným počtem senzorů pro přesná data. Kromě toho jsme sestavili funkční prototyp a zjistili, s kým vůbec musíme na úrovni města jednat. Díky mentorům a komunitě kolem programu jsme pochopili, jak náš technický nápad přetavit ve fungující službu, kterou lze rovnou nasadit.
Otázky poroty
Jaká je přesnost predikčního modelu vs. reálná měření?
Zatím bez odpovědi.