Challenge: kunnen 112-meldingen worden voorspeld op basis van data?
Van 22 t/m 26 oktober host de Meldkamer Rotterdam een challenge rondom het voorspellen van de spoedvraag.
Tijdens de challenge ontwikkelen onderzoekers van TNO samen met de politie en brandweer een algoritme om 112-meldingen te voorspellen op basis van historische en live databronnen. Het doel van dit onderzoek is om te bepalen in hoeverre de spoedvraag kan worden voorspeld en hoe dit de meldkamers kan helpen om zich meer proactief op te stellen. Op dit moment is een meldkamer reactief; er komt een 112-melding binnen en daar wordt op geacteerd. Met behulp van een voorspelmodel kan de meldkamer mogelijk proactiever worden. Als bekend is dat over een uur een grote kans is op een ongeluk op locatie x kan daar bij het plannen van de inzet van de hulpdiensten rekening mee worden gehouden en bijvoorbeeld bepaalde eenheden beter worden gepositioneerd.
Beter anticiperen
Slimme sensoren en een hoge mate van digitale verbondenheid zorgen voor steeds meer data. Deze data kunnen worden gebruikt door zogeheten ‘machine learning algoritmes’ – (be)rekenformules- om trends te ontdekken en voorspellingen te doen. Politie, brandweer en ambulance maken al gebruik van voorspellende algoritmes om te bepalen waar de kans op incidenten het grootst is. Maar deze algoritmes zijn voornamelijk gebaseerd op historische incidentdata. De vraag is of andere (live) databronnen zoals weer en verkeer kunnen worden benut om beter te anticiperen op de spoedvraag. Van tevoren is data verzameld en voorbereid en tijdens de challenge wordt op locatie en met de input van de centralisten een prototype voorspelmodel ontwikkeld.
Het Nieuwe Melden
Dit onderzoek is onderdeel van het Programma Het Nieuwe Melden, waarin het Ministerie van Justitie en Veiligheid (JenV), de Landelijke Meldkamer Samenwerking (namens alle hulpverleningsdiensten) en TNO samen onderzoeken hoe de overheid zich slimmer kan organiseren en beter gebruik kan maken van de kansen die nieuwe technologieën bieden voor het melden van veiligheidsincidenten. Het onderzoek leidt tot inzichten in de mogelijkheden en meerwaarde van voorspellende algoritmes voor 112-meldingen.
