YouTube-блогер Колсто прославился тем, что находил оригинальные способы отслеживать скрытые локации: будь то места съемок обложек альбомов, видеоролики в стиле Primitive Technology или, скажем так, видео с Эндрю Тейтом. (К счастью, последнее теперь доступно всем.) Однако в своем последнем видео Колсто превзошел самого себя. В нем он описывает технику, которая позволяет определить место съемки неизвестной записи, анализируя звуки пролетающих самолетов.
Метод основан на анализе доплеровских кривых, которые показывают, как меняется звук самолета при пролете над наблюдателем из-за эффекта Доплера. Это тот же эффект, который заставляет звук сирены повышаться при приближении и понижаться при удалении. В более общем смысле, это явление, при котором частота волны, воспринимаемой наблюдателем, изменяется, когда наблюдатель и источник волны движутся относительно друг друга. (Кстати, это применимо и к другим типам волн, включая электромагнитные, о чем мы недавно говорили в контексте странных явлений при приближении к скорости света.)
Однако здесь речь идет о звуке, а именно о звуке самолетов. В начале своего видео Колсто демонстрирует карту полетов, которые находились в воздухе в момент записи отслеживаемого им видео. Большая часть этой информации общедоступна. Самолеты, оснащенные системой автоматического зависимого наблюдения-вещания (ADS-B), передают данные о своем положении, скорости и высоте, которые службы отслеживания полетов собирают и делают доступными для общественности. Хотя отслеживаются не все самолеты, система предоставляет огромный объем информации о перемещениях воздушных судов. (Мы также писали об этом не так давно в контексте геолокации дронов Amazon.)
Вот снимок экрана из сети OpenSky Network, которая отслеживает данные ADS-B, показывающий самолеты над Нью-Йорком в момент написания этой статьи:
А вот снимок, сделанный немного дальше:
Таким образом, очевидно, что в любой момент времени над США находится огромное количество самолетов. И это не только США:
Суть в том, что если вы живете в стране, над которой пролетает большое количество самолетов, то в любой момент времени где-то над вами, вероятно, будет самолет. Дело в том, что вам даже не нужно слышать самолеты. Винтовые самолеты издают характерные низкочастотные звуки, которые могут распространяться на большие расстояния и регистрироваться микрофонами, даже когда они слишком слабы, чтобы быть замеченными человеческим слухом.
Как вы, вероятно, уже догадались, основная идея заключается в использовании данных ADS-B для сопоставления самолетов, слышимых в записи, с самолетами в небе, а затем использования этой информации для определения местоположения видео. Конечно, хотя в теории это звучит просто, на практике это сложно, но удивительно эффективно.
Чтобы продемонстрировать идею, Колсто начинает с видео, визуальная часть которого представляет собой простое изображение деревьев в низком разрешении. Все, что нам известно, это то, что видео было снято 8 сентября где-то на территории континентальной части США. Пока мы смотрим, он открывает спектрограмму сопровождающего аудио и сканирует ее, чтобы найти то, что ищет. Как слушатели, мы слышим только фоновые звуки и пение птиц. Но увеличив спектрограмму (которую поклонники Aphex Twin могут узнать как тот же тип графика, в котором наш герой когда-то прятал свое лицо), Колсто обнаруживает две неприметные полосы: доплеровские кривые от пролетающих самолетов, первая из которых находится за 920 секунд до второй.
Это начало, но только начало, потому что оказывается, что во многих, многих местах США в указанную дату слышали два самолета с интервалом в 920 секунд. Ключ к точному определению местоположения — сами доплеровские кривые, которые содержат удивительное количество информации о самолетах, их создавших.
Для начала, их базовая форма дает неплохие оценки скорости самолета и расстояния до микрофона. Перекрестная проверка кривых с данными ADS-B первоначально дает около 70 000 возможных местоположений. Затем Колсто сужает это число примерно до 15 000, ища места, где два самолета пролетели с интервалом в 920 секунд, исключая при этом области, где в записи должны были быть обнаружены дополнительные самолеты. Чтобы перейти от 15 000 к 1, необходимо изучить тонкие детали двух кривых, в частности, мелкие аспекты их формы, которые показывают, что делал самолет во время пролета: ускорялся или замедлялся, набирал или снижал высоту, менял курс и т. д.
Вместо того чтобы пытаться извлечь эту информацию из мельчайших деталей кривых, Колсто работает в обратном порядке: он моделирует множество потенциальных кривых, затем сравнивает их с фактическими данными и оценивает их по степени соответствия. Как только у него появляется сильный кандидат, он идентифицирует соответствующие рейсы, сужает местоположение и — вуаля: после быстрой прогулки по Google Street View он находит точную камеру наблюдения, которая сняла видео.
Это впечатляющее техническое достижение и одновременно пугающий концепт. Есть очевидные оговорки: тот факт, что о США имеется так много данных о полетах, означает, что вам нужен какой-то способ сузить набор данных для начала, потому что просто начать со звука и без дополнительной информации — это как искать иголку в стоге сена из траекторий полетов. Но при наличии записи с соответствующими звуками самолетов и некоторой информацией о том, когда или где она была сделана, эта техника предлагает удивительно мощный способ сузить ее местоположение. Это еще одно напоминание о том, что даже фоновый шум в видео может раскрыть информацию, которой его создатель никогда не собирался делиться. Удачной съемки!
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Tom Hawking
