Met het combineren van business en competitive intelligence, datawarehousing, big data en data science en dit samen te voegen met sensortechnologie wordt situational awareness mogelijk. Met situational awareness wordt op een revolutionaire manier criminaliteitsbestrijding mogelijk. SensingClues realiseerde samen met aandeelhouder DIKW vier vooruitstrevende en leerzame projecten. ‘Beschouw data als ruwe olie’, zegt DIKW-ceo Rob van Grieken. ‘Je moet op de juiste plaatsen boren om het uit de grond te halen. Vervolgens moet je de ruwe olie raffineren om tot bruikbare producten te komen.’
Case 1
Bedreigde flora en fauna beschermen met een intelligence-toolbox. Sensordata wordt gecombineerd met criminaliteitsmodellen, kennisregels en beschrijvende data van onder andere terrein, bedreigde soorten, patrouilles, historische incidenten en dadergegevens. Hiermee wordt realtime het omgevingsbeeld gecreëerd. Dit omgevingsbeeld helpt rangers dreigende situaties vroegtijdig te onderkennen, zichzelf te positioneren en zo stropers op heterdaad te pakken. De toolbox wordt ingezet voor de bescherming bedreigde diersoorten als neushoorns en olifanten. Dichter bij huis is het toepasbaar voor het beschermen van reeën, hazen en nesten van roofvogels. Ook het dumpen van chemisch afval in natuurgebieden kan ermee worden bestreden.
Case 2
In crisissituaties als aanslagen of bankovervallen telt elke seconde. Vooral in het eerste ‘gouden uur’ is daadkrachtig handelen van levensbelang, soms letterlijk. Maar informatie in dit uur is schaars, of juist overvloedig, maar altijd onvolledig. Hoe sneller de politie in staat is relevante informatie te selecteren en te duiden, hoe sneller passende maatregelen kunnen worden getroffen. Binnen het Sight-project werd het LOODS-werkblad voor de Nationale Politie ontwikkeld. LOODS staat voor Locatie, Object, Omstandigheden, Daders en Slachtoffers. Het is de informatie-ordeningsmethodiek die de Politie tijdens crises hanteert. Door het werkblad te koppelen aan interne en externe databronnen kan informatie snel worden geanalyseerd en geduid.
Case 3
Ladingdiefstal langs de snelwegen vormt een jaarlijkse schadepost van 350 miljoen euro. De aanpak vereist een grondige analyse. Lijsten met hotspots, hot-times, en hot-shots leiden tot een statistisch omgevingsbeeld. Met sensortechnologie kan dit worden verrijkt tot ‘realtime situational awareness’: daar en daar zijn de daders nu actief. Dit is dus intelligence ten top: actiegerichte informatie. De hot-spots zijn inmiddels voorzien van sensoren waarmee ‘parkeerplaatshoppers’ worden gedetecteerd. Dit zijn verkenners die alle parkeerplaatsen langs de snelweg aandoen om te verkennen of er interessante vrachtwagens staan. Dit hopgedrag is kenmerkend voor ladingdieven en dus perfect voor realtime alerting.
Case 4
Bestrijden van graffiti is bepaald niet eenvoudig. Sterker zelfs, in veel gevallen leiden bekladde gevels en tunneltjes tot een gevoel van verloedering en onveiligheid. Gemeentes spannen zich daarom in om graffiti zo snel mogelijk te verwijderen. Het is moeilijk om aan de voorkant van het probleem te komen. Toch is dit gelukt. Er is een graffiti-detector ontworpen die heimelijk geplaatst kan worden. Zodra een spuitbus wordt gedetecteerd, volgt een melding richting de handhavers. Door daders op heterdaad te betrappen, kunnen de schoonmaakkosten op hen worden verhaald, wat ontmoedigend werkt. Het gezag en veiligheidsgevoel worden hersteld.
Dit artikel is ook verschenen in Computable Magazine, jaargang 49, nummer 6, zomer 2016.
