Серьёзная проблема, с которой сталкиваются жители мегаполисов — это рост преступности. Но в умном городе, где информация о каждом жителе становится частью Big Data и собирается в «облаке», вычислить личность — не проблема. А значит, благодаря Интернету вещей, выходящему на городской уровень, есть предпосылки для преодоления криминогенной обстановки. О том, как smart city помогает полиции выполнять прямые обязанности, поговорим в материале.
Статистика поумневшего города
Исследование компании Smart Cities Dive от 2018 года показало, что смарт-технологии, применяемые в масштабе города, в среднем сокращают уровень преступности в мире на 30–40%. Более того, скорость реакции служб экстренной помощи становится на 20–35% быстрее, чем без применения IoT.
Полиция использует информационные системы, чтобы проанализировать суть преступления, быстро собрать данные и обеспечить мгновенную реакцию на проблему. Это позволяет спасти больше людей и наказать преступников.
Так, по сообщению организации SAS, в некоторых районах Манхэттена Интернет вещей позволил снизить преступность на 95%. Например, в 1990-х каждый год фиксировали около 500 случаев вооружённых захватов банков в Англии и Уэльсе. В 2012 году преступники осуществили 69 попыток, и с тех пор ситуация с безопасностью значительно улучшилась.
Полиция предпочитает IoT
Правоохранительные органы всегда использовали высокие технологии. Например, в США в конце 1990-х на улицах начали устанавливать цифровые камеры наблюдения, чтобы следить, кто превышает скорость на дороге.
С 2015 года полиция обеспечена смарт-камерами, которые носят на униформе. Так, в США их количество в 2018 году достигало 50 000, в Великобритании — 17 000, а в Австралии, где технологию также приняли на ура — больше 10 000. Об этом сообщает в отчёте New Scientist.
Посмотрим, как обстоят дела с цифровыми технологиями в полиции других стран. Например, во Франции Национальная Полиция предоставляет оперативникам планшеты и смартфоны, поставляемые Sony и Orange Business Services. Эти гаджеты с сертификацией ANSSI, Национального агентства безопасных информационных систем, используются для общения, зашифрованного от посторонних.
Ещё одна технология, которая оправдывает себя — дроны. Кстати, их использование обходится полиции гораздо дешевле, чем вертолёты. Впервые их стала применять повсеместно и круглосуточно британская полиция в Девоне и Корнуэлле. Дроны способны найти пропавшего, следить за подозреваемым и даже принять участие в антитеррористической операции. Кроме того, британская полиция традиционно патрулирует береговую линию (900 км), чтобы противостоять браконьерам.
В США дроны, в основном, используют в Колорадо для того, чтобы снимать фото- и видеоматериалы во время расследований.
Предиктивный анализ
Интернет вещей даёт возможность полиции анализировать поведение преступников и тенденции для криминалистики. Использование элементов IoT для вычисления того, где и когда может произойти несчастный случай, называется предиктивным анализом.
Так, в Чикаго полиция изучает обстановку в двух самых больших районах, установив смарт-систему ShotSpotter. Этот инструмент с очень высокой точностью определяет, где раздался выстрел. Сообщение об этом поступает в полицию, и сотрудники имеют возможность в два раза быстрее доехать на место преступления.
Ещё одна система смарт-патруля — Hunchlab — также используется в США. Программа, работой которой управляют алгоритмы искусственного интеллекта, выдаёт прогнозы о том, когда и где может случиться инцидент. Кроме того, Hunchlab предлагает стратегии решения проблемы при её возникновении.
При помощи IoT власти предсказывают, какие районы потенциально окажутся в зоне риска. Используя инструменты Big Data и аналитику, просматривая сведения, собранные камерами видеонаблюдения, информацию о поведении криминальных элементов, уведомления жителей и социальные сети, полиция составляет прогноз, в каких областях скорее всего случится преступление.
Так, в Ванкувере эта система доказала свою состоятельность: местная полиция пользуется предиктивной моделью города, чтобы определить зоны, где могут ограбить жилые дома или бизнес-центры. Эта информация даёт возможность предпринять меры безопасности и предотвратить кражи.
Канадская полиция также использует смарт-систему AVATAR (Автоматический виртуальный агент для правдивых оценок в режиме реального времени), чтобы определять легальность оснований въезда путешенственников в страну.
Как обезопасить себя в умном городе
Традиционно жители мегаполисов сообщали о несчастных случаях по телефону либо используя радиотехнологии. Так происходило изо дня в день в течение пятидесяти лет. Однако в 2003 году, после двухлетних разработок, в США и Канаде внедрили сервис NG911 (Next Generation 911), который подключается к интернету. Это открыло одновременный сбор огромного количества информации. Теперь жители могут не только звонить, но и отправлять текстовые сообщения, фотографии, видеозаписи с места происшествия. Диспетчеры просматривают данные и направляют их в полицию.
Благодаря смартфонам свидетели преступления делятся фактами с полицией в режиме реального времени, и цифровая платформа оказывает неоценимую услугу в ситуациях, когда дорога каждая минута.
Вскоре после запуска NG911, digital-системой безопасности озадачились власти немецкого города Гронингена, где полиция запустила мобильное приложение ComProNet (Community protection network — Cеть защиты общества). Человек, ставший случайным свидетелем преступления или его невольным участником, отправляет сигнал в полицию через ComProNet и публикует сообщение в Twitter. Приложение позволяет отправить любую информацию, будь то фото или видео.
Методики на основании искусственного интеллекта используются для определения приоритетных звонков, поступающих из конкретной области, а также для работы с аналогичными происшествиями. Речь идёт, например, об анализе неоднократных преступлений, в характеристиках которых есть что-то общее.
Программы мгновенно распознают речь говорящего и переводят его на линию к необходимому диспетчеру, обеспечивают синхронный перевод. В свою очередь, чат-боты не хуже людей предоставляют отчёты, например, при поиске пропавшего велосипеда (и любых других случаях, которые не являются приоритетными для полиции, при наличии большого количества нераскрытых преступлений).
Машинное обучение и нейронные сети используется для распознавания лиц на камерах видеонаблюдения. Это экономит время полиции и позволяет сотрудникам сосредоточиться на более сложных задачах.
Например, недавно американская полиция искала подозреваемых и решила прибегнуть к помощи программы Automated Facial Recognition. Система обнаружила людей, которые разыскивались, на национальном соревновании по регби после того, как сделала более 500 000 фотографий.
Системы защиты тоже нужно защищать
Хотя новейшие технологии открывают перед нами безграничные возможности, они таят в себе риски. Самой большой проблемой становится кибербезопасность.
Приложения и IoT-системы на службе правоохранительных органов, оперируют огромными массивами информации. А значит, представляют невероятный интерес для преступных группировок, которые могут нанять хакеров для кражи информации или управления данными в собственных целях.
Полиции необходимо пользоваться инструментами кибербезопасности, и каждый сотрудник должен выполнять простые, но необходимые правила: пользоваться надёжными паролями, отслеживать случаи фишинга и утечки персональной информации. А на глобальном уровне разработчикам данных приложений стоит позаботиться об архитектуре, чтобы при попытке взлома, данные жителей мегаполисах не попадали в руки преступников.
Не пропускайте важнейшие новости о дополненной, смешанной и виртуальной реальности — подписывайтесь на Голографику в Telegram, ВК, Twitter и Facebook!
Далее: Тупой дом: почему толпа смарт-устройств не делает жизнь проще
