Prediktivna analitika za sigurnije gradove

Prediktivna analitika za sigurnije gradove

Paralelno s usponom umreženih uređaja i naprednih senzora, podaci su postali jedan od najdragocjenijih resursa u upravljanju sigurnošću. Različiti uređaji u rasponu od kamera do senzora za parkiranje, nadležnim tijelima za javnu sigurnost nude pristup većoj količini podataka nego ikada ranije. Ovaj trend će u budućnosti samo jačati, jer države širom svijeta nastoje povećati broj videonadzornih kamera i drugih sigurnosnih uređaja u javnim prostorima, prenosi asadria

Postojanje ogromne količine samostalnih podataka samo po sebi ne može pomoći podizanju nivoa javne sigurnosti. Sustavi bi trebali moći sami prepoznati obrasce među podacima i na osnovu njih izvući zaključke koji mogu poslužiti kao podrška proaktivnijem donošenju odluka. Upravo u tom segmentu analitika polako postaje presudna za sigurnost, a prediktivna analitika je ključni korak naprijed. Ona može predvidjeti konkretne prijetnje na osnovu obrazaca koji se prepoznaju iz ranije zabilježenih podataka. Sistem mora biti u stanju prikupljati svježe podatke, obraditi ih kako bi došao do detaljnih statističkih zaključaka i vizuelno predstaviti dobijene rezultate.

Kako prediktivna analitika pomaže većoj sigurnosti gradova

Kvalitetno iskorištavanje podataka od presudne je važnosti za sigurnost gradova, a jedna od glavnih briga službi za provedbu zakona je njihovo stalno nadmetanje s kriminalcima. Čak i kada te institucije aktivno rade na sprečavanju ilegalnih aktivnosti na određenom području, kriminalci se obično pojave na nekom drugom mjestu. Da bi se riješio ovaj problem, potreban je proaktivan pristup kakav nudi prediktivna analitika.

Cilj je ograničiti eskalaciju problema

Peter Matuchnijak, tehnički direktor u kompaniji Maxxess Systems, smatra da je cilj svih prediktivnih alata za sigurnosnu analitiku sprečavanje eskalacije malih problema u velike. Što prije možete djelovati, lakši će biti i problemi s kojim se suočavate. “Vi možete projektirati rješenje koje će vam dati precizne podatke o ključnim situacijama koje se odvijaju pred vašim očima. Pri tome se u obzir uzimaju ulazni podaci iz širokog spektra sistema i izvora. U tom slučaju možete ih usporediti s onim što se već događalo u prošlosti, a zatim početi predviđati pojavu samih problema. Kod prediktivne analitike važno je imati na umu da možete umanjiti rizike u najširem smislu, a ne samo prepoznavati očigledna narušavanja sigurnosti (alarme i njihove tzv. okidače). Vi ste tada u stanju predvidjeti probleme koji mogu negativno utjecati na operativnu efikasnost. Korisnik može utvrditi o kojim je problemima riječ, a što je veća organizacija ili subjekt koji se prati, obrada podataka će biti sofisticiranija”, kaže Matuchniak.

Korištenje različitih podataka

Današnji gradovi egzistiraju u vrlo dinamičnim okruženjima, koja uključuju i trajne prijetnje. Kako bi izašli na kraj s njima, potrebno je da timovi za sigurnost i upravljanje kriznim situacijama ulože znatne napore kako bi pregledali ogromnu količinu podataka, analizirali trendove i donijeli ispravne odluke u pravo vrijeme. “Pripadnici organa reda, osoblje zaduženo za fizičku i cyber sigurnost, vatrogasci i sigurnosno osoblje dobijaju ogromne količine podataka iz različitih sustava. Oni se čuvaju u više zasebnih baza podataka ili sustava upravljanja. Promatrano odvojeno, ovi skupovi podataka daju samo mali i samim tim nepotpun prikaz sigurnosne situacije na terenu. Mnogo vremena i napora se ulagalo u izradu akcijskih planova koji se na nekoordiniran način bave samo usko definiranim prijetnjama”, kaže Brian Schwab, osnivač i konsultant u kompaniji S3SDC. S druge strane, sustavi za prediktivnu analitiku posjeduju složene algoritme koji im omogućavaju da koriste informacije iz više komponenti sistema i baza podataka. Time se sigurnosnom osoblju pruža cjelovitija slika postojećeg operativnog okruženja.

Prednosti prediktivne analitike

Nekoliko gradova već koristi prediktivnu analitiku kako bi ubrzali proces prikupljanja i analize velike količine podataka koji se koriste kao podrška donošenju odluka. To omogućava brže donošenje kvalitetnijih odluka. Prema Adlanu Hussainu, zamjeniku direktora marketinga u kompaniji CNL Software, tri su glavna područja u kojima prediktivne funkcije unapređuju sigurnost i rad policije:

Optimalno iskorištavanje resursa. Raspoređivanje interventnog osoblja na osnovu lokacija na kojima je ranije dolazilo do sličnih situacija. U vrijeme najvećeg operativnog opterećenja, poput petka navečer, na ovaj način se može skratiti vrijeme reagiranja i postići više uz manje osoblja.

Brža detekcija kriminaliteta. Prepoznavanje lica u stvarnom vremenu, praćenje izvora buke, videonadzor i prepoznavanje registarskih tablica (LPR) danas se odvijaju pomoću prediktivne analitike. Na ovaj način se nadležnim tijelima omogućava prepoznavanje skrivenih obrazaca koji mogu poslužiti za brže otkrivanje krivičnih djela.

Podrobnije razumijevanje žarišta kriminaliteta. Prediktivna analitika može se koristiti za efikasnije i preciznije identificiranje lokacija na kojima dolazi do ozbiljnih zločina. Podaci se mogu prikupljati iz širokog spektra izvora i oni pomažu državnim tijelima da lakše prepoznaju obrasce i identificiraju prethodno nepoznata žarišta zločina.

Budite svjesni ograničenja

Iako se stručnjaci u industriji uglavnom slažu u vezi s prednostima prediktivne analitike u sigurnim gradovima, neki od njih upozoravaju da je ova tehnologija ponekad nerealno predstavljena u javnosti. Giovanni Gaccione, Genetecov menadžer za javnu sigurnost, smatra da je nerealistično očekivati da policijske uprave ili druge jedinice za suzbijanje kriminala mogu otkriti i spriječiti kriminal u gradu prije nego što se on i dogodi. Iako je u sigurnosnoj tehnologiji došlo do značajnog napretka, ovakav nivo prediktivne analitike još je daleko od konkretne primjene. “Ipak, neka inteligentna rješenja mogu unaprijediti ove prednosti kroz ustupanje djelotvornih podataka i poboljšanje međuagencijske saradnje. Ova tehnologija omogućava gradskim tijelima da bolje razumiju urbana okruženja i znatno skrate vrijeme reagovanja u hitnim situacijama, kao i da brže utvrde gdje, kada i kako najbolje iskoristiti dostupne resurse. Ako je riječ o velikom gradskom događaju ili suočavanju s neočekivanom situacijom, interventni timovi imaju kvalitetnu podršku tijekom cjelokupnog trajanja intervencije”, kaže Gaccione.

Zahtjevi implementacije

Kombinacija tehnologije i javnih politika neophodna je za uspješnu primjenu prediktivne analitike u gradovima. Da bi postigli maksimalne rezultate, urbanisti, državna tijela i privatna preduzeća trebaju pristup platformi koja pokriva više stavki istovremeno. Na terenu su obično već dostupne tehnologije koje zajedno mogu raditi na poboljšanju uvida u situaciju u gradu, poput videonadzora, kontrole pristupa, automatskog prepoznavanja registarskih tablica, usluga u oblaku, podrške operativnim odlukama i upravljanja istražnim slučajevima. “Uzmimo, naprimjer, gradski saobraćaj”, kaže Gaccione i dodaje: “Videonadzorne kamere, automatsko prepoznavanje registarskih tablica i analitika mogu zajedno raditi na poboljšanju prometa. Organi reda mogu brže može prepoznati incidente, što znači da će brže reagirati na njih i uspostaviti normalan tok prometa”. Kada dođe do određene situacije, policija i lokalne organizacije mogu iskoristiti tehnologiju za slanje informacija o zaobilaznim rutama, što rezultira boljim protokom prometa i većim zadovoljstvom građana. Ova rješenja mogu koristiti i ponuđači usluga javnog prijevoza, poput podzemne željeznice ili autobusa, i mogu se podesiti da u stvarnom vremenu obavještavaju vozače koju rutu trebaju odabrati na osnovu postojećih prometnih parametara.

Potrebne komponente za prediktivnu analitiku

Sigurni gradovi su lokacije na kojima rješavanje problema gradskog kriminala podrazumijeva više od puke upotrebe policijske sile. Matuchniak navodi da se u razvoju bilo kojeg gradskog rješenja koriste tri ključne komponente. To su vanjski i javni izvori obavještavanja, koji obično uključuju dostupne informacije kao što su vijesti, vremenski izvještaji, sistemska upozorenja poput podataka o prepoznavanju lica, sisteme kontrole pristupa i ljudsku inteligenciju. Građani ili članovi timova pri tome direktno prijavljuju probleme pomoću svojih telefona. Schwab detaljnije opisuje ključne elemente rješenja za sigurne gradove na najvišem nivou poput interoperabilnih senzora koji bi trebali biti integrirani u zajedničku mrežu ili rješenja kod kojih su u stvarnom vremenu mapirane informacije o vremenskim prilikama, prometu i lokaciji resursa. Podaci pristižu iz raznih integriranih senzora, s kamera i druge sigurnosne opreme. Time se dolazi do veoma precizne slike o postojećem operativnom okruženju. Kada su u pitanju videopodaci i analitika, riječ je o integraciji podataka iz više sistema, a izlazni podaci se obrađuju pomoću videoanalitike, sistema prepoznavanja registarskih tablica, tehnologije prepoznavanja lica i analize ponašanja, kao i drugih tipova softvera za identifikaciju potencijalnih prijetnji. Također, mobilna širokopojasna tehnologija i oblak (cloud) neophodni su za podršku informacijsko-komunikacijskoj tehnologiji zasnovanoj na internetu stvari. Kao i suradnja između svih agencija.

Kontinuirani procesi

Andrea Sorri je direktor poslovnog razvoja u sektoru nadzora gradova i infrastrukture u kompaniji Axis Communications. On upozorava da je prediktivna analitika još u povojima. “Sposobnost predviđanja šta će se dogoditi u budućnosti temelji se na mašinskom učenju, a za efikasno mašinsko učenje potrebno vam je mnogo podataka. Dakle, ovo je prvi zahtjev: količina podataka mora biti dovoljna da računalima omogući učenje i, na osnovu toga, predviđanje događaja”, smatra Sorri. Opseg i raznovrsnost podataka potrebnih da se omogući prediktivna analitika dovode do zaključka da sami podaci s kamera nisu dovoljni za taj zadatak, iako su ključna komponenta. Njih je nužno kombinirati s podacima drugih senzora, uključujući termalne i radarske senzore, sisteme za praćenje zagađenja i kvaliteta zraka, detektore dima, senzore za mjerenje porasta nivoa vode i mnoge druge. Samo u kombinaciji jednih s drugim, ovi ulazni podaci mogu poslužiti za precizno predviđanje budućih događaja i preduzimanje korektivnih mjera.

Cyber sigurnost i prediktivna analitika

Analitički podaci mogu biti privlačna meta za hakere jer pružaju ključne uvide u načine funkcioniranja gradova. Jedan od glavnih problema cyber sigurnosti pametnih i sigurnih gradova i sličnih inicijativa je činjenica da ovo područje ne dobiva dovoljno pažnje. To uključuje nepostojeću ili nedovoljnu enkripciju koja bi spriječila preuzimanje kontrole nad sistemima kontrole saobraćaja, uličnom rasvjetom, sigurnosnim kamerama, detektorima oružja i drugim senzorima. Kako je većina ovih tehnologija bežična po prirodi, ove sisteme je lako hakirati ako nisu dobro enkriptirani. A često su u sisteme integrirane i zastarjele tehnologije, koje mogu biti posebno ranjive na napade.

Šta treba poduzeti?

Schwab naglašava neshvatljivi nedostatak čak i osnovnih sigurnosnih praksi u većini razvojnih tehnoloških projekata u gradskim područjima. U kombinaciji s nedostatkom pripremljenih protokola za odgovor na cyber prijetnje, to znači da se gradovi nisu u stanju zaštititi niti da postoji kvalitetan plan mjera reagiranja na incidente ovog tipa.

“Važnost utvrđivanja i primjene osnovnih sigurnosnih protokola i odgovora na cyber prijetnje nikada nije bila evidentnija nego tokom napada ucjenjivačkim softverom (ransomver) na Bay Area sistem transporta u San Franciscu 2016. godine. Isto se desilo i tokom napada na lokalne sisteme u Atlanti 2018. i Baltimoreu 2019. Tek uz adekvatnu obuku općinskih službenika o najboljim praksama cyber sigurnosti i donošenje odgovarajućih protokola za odgovor, može se osigurati minimiziranje rizika od cyber napada. Ako se on i dogodi, šteta će biti ograničena i svedena na najmanju moguću mjeru. Osim toga, mora se osigurati i dostupnost informatičkih timova za odgovore na hitne situacije, koji će biti adekvatno financirani i podržani. Njihovo prisustvo će poslužiti kao garancija da će se za odbranu od napada koristiti odgovarajuća tehnologija i upravljačke prakse”, kaže Schwab. Opsežnost i umreženi karakter ovih inicijativa ostavljaju veliki prostor za napade koji se moraju spriječiti. Veličina i složenost međusobno povezanih sistema otežavaju posao stručnjacima koji moraju znati šta je izloženo napadima i na koji način i koje je sisteme prioritetne zaštite nužno implementirati. Isto važi i za pitanje primjene odgovarajućih sistema redundancije i načina primjene zaštitnih mehanizama koji će osigurati neprekidno funkcioniranje.

Je li analitika ranjiva?

Iako se analitička rješenja temelje na softveru i sadrže podatke kojima bi hakeri rado pristupili, ona sami po sebi nisu razlog zbog kojeg bi napadači mogli dobiti pristup sistemima. Gaccione objašnjava da izvor prijetnji nije upotreba alata za analitiku; najčešće su, zapravo, ljudi najslabija karika kada je u pitanju narušavanje cyber sigurnosti. “Postoje zaposleni koji ne mijenjaju zadane lozinke na uređajima interneta stvari, poput videonadzornih kamera ili senzora. To je jedan od najjednostavnijih načina da kriminalci iz cyber svijeta koji traže svoju priliku dobiju pristup sigurnosnom sistemu. A ako ostanu neotkriveni, na kraju će moći pristupiti i gradskoj mreži”, kaže on. Većina sigurnosnih rješenja u gradu nije finalizirana u vrijeme kada se sistem nadograđuje ili se zastarjeli ili pokvareni proizvodi mijenjaju. Proces dodavanja nove opreme je još jedan izvor ranjivosti, posebno ako je riječ o opremi drugih proizvođača sa slabijim sigurnosnim standardima.

Tehnološki izazovi

Kao i kod većine novih sigurnosnih tehnologija, postoji više izazova koje sigurnosne agencije moraju otkloniti da bi što bolje iskoristile prednosti prediktivne analitike. Hussain smatra da se ovi izazovi mogu podijeliti u tehnološke i političke. Gradovi ulažu u sigurnosnu tehnologiju već decenijama. Oni često posjeduju širok spektar različitih sistema, od kojih su neki kupljeni zbog konkretnog problema, a neki su stari sistemi koji gradu još nude vrijednost. “Izazov je objediniti ove sisteme u jednu platformu koja omogućava da se svi gradski objekti nadgledaju putem jedinstvene točke. Zaštićenost vlasničkom licencom kod ovih sistema i razlike u tehnologiji na kojoj su razvijeni često su prepreka njihovom zajedničkom radu”, kaže Hussain. Maurice Singleton, predsjednik kompanije Vidsys, dodaje da je važan izazov i činjenica da se u javnosti još nedovoljno zna o načinu iskorištavanja ogromne količine podataka prikupljenih putem različitih senzora. Da bi se to prevladalo, danas se ulažu veliki napori na podizanju svijesti o tome kako iskoristiti analitičke alate.

Analiza i programiranje modela

Prediktivna analitika koristi brojne manje modele kako bi se kreirao jedan sveobuhvatni model koji može otkriti anomalije. Pogreške u kodiranju ovih modela ili njihovo nekorektno modeliranje mogu dovesti do pogrešnih analiza. Ove pogreške dovode do neupotrebljivih izvještaja, što znači da sigurnosni timovi rasipaju kritične resurse u potrazi za potencijalnim prijetnjama na osnovu pogrešnih zaključaka izvedenih iz prediktivne analitike.

“Periodično provjeravanje modela prema scenarijima u kojima je ishod poznat i prethodno analiziran pomaže da se model usporedi s referentnim parametrima i dođe do adekvatne analitičke funkcionalnosti”, kaže Schwab. Drugo je pitanje to što su modeli temeljeni na algoritmima statični, a sigurnosno okruženje u stvarnom svijetu dinamično. Modeli prediktivne analitike mogu biti precizni u konkretnom trenutku, ali promjene u ponašanju izvora prijetnji i drugim aktivnostima zahtijevaju da se oni kontinuirano ažuriraju uz korištenje tačnih i relevantnih podataka. Sigurnosni timovi osoblja moraju imati i stručnjaka koji će znati kako neki model funkcioniše ili angažovati treću stranu koja će ga kontinuirano ažurirati. Cilj je osigurati identifikaciju novih radnih parametara, prilagoditi modele i doći do adekvatnih izlaznih podataka.

Politički izazovi

U gradovima djeluje više agencija, državnih tijela, interventnih službi i privatnih subjekata. To nosi posebne izazove jer je holistički pristup sigurnosti neophodan kako bi se prediktivna analitika učinila efikasnom u gradskim sredinama. Dijeljenje zajedničkih resursa, kao što su videonadzorne kamere i podaci s tzv. crnih lista, presudno je za postizanje kvalitetne sigurnosti u gradu. “Posljednjih nekoliko godina sklopljeno je više javno-privatnih partnerstava koja su učesnici potvrdili potpisivanjem memoranduma o razumijevanju. Ti sporazumi omogućavaju efikasno dijeljenje podataka u slučaju incidenata. Tehnologija će se pobrinuti da se ovlaštenja za korištenje daju samo kada za tim postoji potreba, kao i da se podaci neće zloupotrebljavati”, kaže Hussain. Preduzimanje hitnih mjera na osnovu prikupljenih podataka je još jedan aspekt kojem gradske vlasti moraju posvetiti pažnju. Kada se konačno “naoružaju” podacima, gradske vlasti moraju ispravno postupati kako bi zaštitile ljude i imovinu. Ako se nakon dobijanja podataka o potencijalnom problemu ipak ne preduzme ništa, to znači da grad nije ispunio svoju zakonsku obavezu garantovanja sigurnosti.

“Grad ima veliku odgovornost za svaki incident koji se dogodio, a koji je mogao biti spriječen. Moramo se pobrinuti da pravni odjeli budu dio planiranja, primjene, postavljanja i korištenja ovih sistema. Tako će se smanjiti zakonska odgovornost s kojom se grad suočava u slučaju incidenta. Osim toga, vršenjem odgovarajuće procjene sigurnosti mogu se identificirati oblasti u kojima postoje određene slabosti i primijeniti mjere za smanjenje ranjivosti”, kaže Schwab.

Novac je važan faktor

Pametna rješenja zahtijevaju velika financijska ulaganja, koja pokrivaju država i privatni subjekti. Lisa Brown je direktorica za infrastrukturu i pametne gradove u kompaniji Johnson Controls. Saglasna je s kolegom Donaldom Sullivanom, direktorom kompanije Johnson Controls Ireland, da ključne izazove predstavljaju financije i neophodne liderske sposobnosti. “Prema našem istraživanju pametnih gradova, 36 posto ispitanika u Sjevernoj Americi navodi nepostojanje odgovarajućih izvora financiranja kao glavnu prepreku. U slučaju liderstva, 18 posto gradova prepoznaje nedostatak kvalitetnog gradskog vodstva kao prepreku, dok dodatnih 18 posto ispitanika navodi i nedostatak podrške državnih ili saveznih vlasti“, kaže Brown te dodaje da općine, kako bi provele aktivnosti za upravljanje cyber informacijama i drugim podacima, moraju raditi zajedno, a to često ide u paketu s posebnim izazovima, jer lokalne uprave uglavnom rade na principu zasebnih informacijskih silosa.

Gradovi koriste prediktivnu analitiku kako bi povećali sigurnost

Nekoliko gradova već eksperimentira s analitičkim prediktivnim alatima i postiže odlične rezultate. Iako je riječ o relativno novoj tehnologiji, mnogi gradovi već koriste prediktivnu analitiku kako bi zaštitili ljude i imovinu. U nastavku vam predstavljamo nekoliko ključnih projekata u ovom sektoru iz cijelog svijeta. “U Sjevernoj Americi, naprimjer, većina gradova je u ranoj fazi primjene strategije pametnog grada. Prema našem istraživanju pokazatelja pametnih gradova za 2018. godinu, trideset posto ispitanika je navelo da je njihova strategija u fazi rasprave ili pripreme. Što se tiče ispitanika koji već poduzimaju određene mjere, trideset sedam posto njih već je objavilo svoju strategiju pametnog grada, a dvadeset devet posto već provodi strateški program”, kažu Brown i Sullivan.

SAD i Velika Britanija

Samo u SAD-u postoji najmanje dvadesetak gradova u kojima se eksperimentira sa softverom kompanije PredPol, uključujući Seattle, Tacomu, Los Angeles, San Francisco i Oakland. Ovaj softver je namijenjen za provođenje aktivnosti iz oblasti prediktivnog policijskog rada. “Uključeni gradovi koriste softver kao alat za raspodjelu resursa kako bi smanjili troškove i reducirali kriminalne aktivnosti. Analitika korištena u ovim eksperimentima pokrila je ukupno područje s najmanje šest miliona stanovnika i fokusirala se na predviđanje kriminala za manje ozbiljne zločine ili prekršaje. Područja koja su nadzirana u gradovima obuhvaćala su površine u rasponu od 6.858 kvadratnih metara (46×46 m) do parcela površine 76.200 kvadratnih metara (152×152 m). Za ove zone podaci su pokazali da su u njima kriminalne aktivnosti bile jako izražene”, objašnjava Schwab.

U svakom gradu provedena je analiza za utvrđivanje granica područja na kojem će se analitika primijeniti. Pri tome su korišteni podaci o kriminalu u periodu od tri do deset godina. Oni su podijeljeni u cjeline od po tri, sedam, 14 ili 28 dana. Kao osnova za predviđanje pojave kriminaliteta poslužila je pretpostavka da će se specifična krivična djela ponoviti u istim zonama (tzv. ponavljajuća viktimizacija). U Velikoj Britaniji grad Kent je također testirao softver kompanije PredPol, kao i London, koji je poznat po širokoj videonadzornoj mreži s više od 500.000 jedinica i koji koristi analitiku. “Očigledno je da video nudi veliku količinu informacija za borbu protiv kriminala i pružanje pomoći tokom vođenja istraga, što je korisno u gradskim operacijama. Uz video, London koristi i drugi važan element za poboljšanje kvaliteta kretanja kroz grad – podatke o javnom prijevozu. Za kretanje kroz London putnici koriste pametnu transportnu karticu nazvanu Oyster. Ona se koristi za plaćanje putovanja autobusom, podzemnom željeznicom, tramvajem, željeznicom i druge usluge”, kaže Gaccione.

Bliski Istok

Dubai je ostvario dobre rezultate u kreiranju prediktivne policijske platforme koja se temelji na umjetnoj inteligenciji. Projekt je dio programa nazvanog Dubai 2021. Iako nema preciznijih informacija o komponentama koje se koriste u sistemu, tamošnje vlasti su ovaj program ocijenile kao izuzetno uspješan. To pokazuje i činjenica da je grad osnovao novo Generalno odjeljenje za umjetnu inteligenciju u okviru policije grada Dubaija. Do danas je ovaj program navodno doveo do hapšenja više od 100 kriminalaca. Oprema u okviru programa koristi se za predviđanje kriminalnih aktivnosti i poboljšanje sigurnosti u prometu i na cestama. Cilj gradske uprave je potpuno integrirati umjetnu inteligenciju u sve policijske aktivnosti do 2031.

Singapur

Godine 2013. Singapur je proglašen jednom od ekonomski i tehnološki najnaprednijih zemalja na svijetu. Tamo je pokrenut projekt “Testiranje sigurnog grada”. U fokusu projekta bilo je testiranje i iskorištavanje tehnologije za unapređenje javne sigurnosti. Singapurska vlada uložila je 104 miliona američkih dolara u informacijsko-komunikacijsku tehnologiju, senzore zvuka i mobilnih telefona, opremu za praćenje kriminala i videonadzorne kamere s prediktivnom analitikom u sigurnosno osjetljivim zonama. “Grad je također implementirao analitiku za otkrivanje anomalija na platformama društvenih medija. Njen zadatak je prepoznavanje nestandardnih aktivnosti na društvenim medijima pomoću ključnih riječi, a koje mogu predstavljati prijetnju javnoj sigurnosti. Iako je veliki dio testne platforme za sigurni grad i dalje reaktivnog karaktera, kvalitetno implementirana prediktivna analitika može predvidjeti pojavu gužvi. To se radi vizualnim prikazom informacija s videonadzornih kamera, pomoću GPS podataka s uređaja na terenu. Ova platforma uključuje softver za prepoznavanje lica i analizu ponašanja, kao i otkrivanje napuštenih predmeta. Sistem automatski kreira upozorenja za nadležna tijela, koja međusobno surađuju”, objašnjava Schwab.

Tokio

Još jedan grad koji je napredovao u primjeni analitike je Tokio, koji se često naziva najsigurnijim gradom na svijetu. Gaccione ističe da je Tokio uložio dosta sredstava u sigurnosnu infrastrukturu koja štiti građane. “Pored tzv. taktilnog uličnog asfalta i šetnica koje su osmišljene kako bi pomogle slabovidnim osobama da se sigurno kreću, tu su i kvalitetno osvijetljene prometnice, sporedne ulice i uličice. Grad aktivno radi na poboljšanju sigurnosti i kvalitete života”, kaže Gaccione. Policijski službenici u velikom su broju raspoređeni po čitavom Tokiju i smješteni u više od 1.200 manjih objekata, iz kojih po pozivu mogu odmah izaći na teren. Ove aktivnosti se kombiniraju s tradicionalnim sigurnosnim komponentama poput kontrole pristupa i videonadzora s ciljem poboljšanja kvaliteta života u gradu i njegovog besprijekornog funkcioniranja.