Серьёзная проблема, с которыми сталкиваются жители мегаполисов, — рост преступности. Однако 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 в smart city, есть предпосылки для преодоления криминогенной обстановки. Как smart city помогает полиции выполнять прямые обязанности, поговорим в материале.
Немного утешительной статистики
Недавнее исследование компании Smart Cities Dive , что «умные» 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 организации SAS, в некоторых районах Манхэттена Интернет вещей позволил снизить преступность на 95%. А, 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 технологии в собственной деятельности. Например, в США в конце 1990-х на улицах устанавливали цифровые камеры наблюдения, чтобы следить, кто превышает скорость на дороге.
С 2015 года полиция отдает предпочтение «умным» камерам, которые носят на теле. Так, в США их количество на данный момент достигает 50000, в Великобритании — 17000, а в Австралии, где технологию также приняли на ура, — больше 10000. Об этом сообщается в 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, сертифицированные ANSSI, Национальным агентством безопасных информационных систем, используются для общения, зашифрованного от посторонних.
Ещё одна технология, которая оправдывает себя, — дроны. Кстати, их использование обходится полиции гораздо дешевле, чем вертолеты. Впервые их стала применять повсеместно и круглосуточно британская полиция в Девоне и Корнвелле. 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 видео, собирать факты во время расследований.
Что такое предиктивный анализ?
Интернет вещей даёт возможность полиции анализировать поведение преступников и тенденции в мире криминалистики. Использование элементов Интернета вещей для вычисления, где и когда может произойти несчастный случай, называется предиктивным анализом.
Так, в Чикаго полиция мониторит обстановку в двух самых больших районах, установив смарт-систему ShotSpotter. Этот инструмент определяет со стопроцентной точностью, где раздался выстрел. Сообщение об этом поступает в полицию, и сотрудники имеют возможность в два раза быстрее доехать на место преступления.
Другая система «умного» патруля — Hunchlab — также используется в США. Программа, работой которой управляет искусственный интеллект, выдаёт прогнозы, когда и где может случиться инцидент. Кроме того, Hunchlab предлагает стратегии, как справиться с проблемой, если она возникнет.
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 виртуальной реальности, чтобы определить зоны, где могут ограбить жилые дома или бизнес-центры. Эта информация даёт возможность предпринять меры безопасности и предотвратить кражи.
А, например, в Канаде полиция использует смарт-систему AVATAR (Автоматический виртуальный агент для правдивых оценок в режиме реального времени), чтобы определить, въезжают ли путешественники в страну на легальных основаниях.
Как обезопасить себя в smart city?
Традиционно жители мегаполисов сообщали о несчастных случаях по телефону (либо используя радио-технологии). По крайней мере, так происходило изо дня в день в течение пятидесяти лет. Однако в 2003, после двухлетних разработок, в США и Канаде внедрили сервис NG911 (Next Generation 911), который подключается к Интернету. Стал возможен 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 мобильное приложение ComProNet (community protection network — сеть защиты общества). Человек, ставший случайным свидетелем преступления или его невольным участников, отправляет сигнал в полицию через ComProNet и публикует сообщение в Twitter. Приложение позволяет отправить любую информацию, будь то фото или видео.
«Умные» методы сбора информации рука об руку идут с инструментами объединенной реальности в smart city. AI-методики 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.
Помимо этого, системы виртуальной реальности мгновенно распознают язык говорящего и переводят его на линию к необходимому диспетчеру, либо же обеспечивают синхронный перевод. В свою очередь, чатботы 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. Что интересно, система обнаружила людей, которые разыскивались, на национальном соревновании по регби после того, как сделала более 500 тысяч фотографий.
Системы защиты тоже нужно защищать?
Хотя новейшие технологии открывают перед нами безграничные возможности, они таят в себе риски, о которых также следует задуматься. Самой большой проблемой становится кибербезопасность.
Приложения и IoT системы, стоящие на службе у силовых структур и правительств, оперируют огромными массивами персональной информации. И, к сожалению, нельзя быть уверенными в том, что эта информация всегда будет использована нам во благо, ведь все мы знаем из истории — как часто государства превращались из помощника в агрессора. Кроме того — персональная информация представляет невероятный интерес для преступных группировок, которые могут нанять хакеров для кражи информации (или управления данными в собственных целях).
Поэтому нам всем просто необходимо пользоваться инструментами кибербезопасности, и каждый сотрудник должен выполнять простые, но такие необходимые правила. Пользоваться надежными паролями, , чтобы зашифровать своё местоположение, отслеживать случаи фишинга и утечки персональной информации.
Анастасия Шкуро