i4Trust Experiment: Tidy City

Mobiele computer vision-oplossing voor het monitoren van openbare ruimte-infrastructuur.

De Uitdaging

Steden over de hele wereld zijn complexe producten geworden die strijden om een deel van de groeiende bevolking die kiest voor stedelijk leven. Volgens de VN zal het percentage van de wereldbevolking dat in stedelijke gebieden woont, stijgen van 55% in 2018 tot 68% in 2050 en naar verwachting 84% bereiken in 2100. 

Steden zijn niet langer slechts agglomeraties van de bevolking waar openbare autoriteiten zich weinig zorgen hoeven te maken over meer dan het bieden van basisvoorwaarden voor het leven in de samenleving. Om aantrekkelijk te blijven, moeten steden zich inzetten voor een voortdurende creatie van voorwaarden die het welzijn van burgers vergroten door nieuwe diensten en infrastructuur te bieden die onderwijs, mobiliteit, veiligheid, vrijetijdsbesteding, welzijn, ruimtelijke ordening en nutsvoorzieningen verbeteren. Deze projecten worden bijna altijd goed ontvangen door de bevolking en vervullen hun functie om de kwaliteit van leven in de stad te verbeteren, maar ze verhogen ook enorm het aantal infrastructuren en apparatuur die elke dag moeten worden beheerd, gecontroleerd en onderhouden, een taak die middelen vereist die de capaciteit van openbare autoriteiten te boven gaat. De enige manier om de situatie onder controle te houden, is via actieve samenwerkingsnetwerken tussen publieke en private entiteiten, bijgestaan door technologische oplossingen zoals degene die hier wordt voorgesteld, die data deling, intelligente analyse en procesautomatisering combineren om de gehele werking van de moderne stad rond de klok te vergemakkelijken. 

De Oplossing

Het Tidy City-experiment stelt voor om voertuigen uit te rusten met mobiele apparaten om foto’s te nemen en ze later te verwerken om automatisch problemen in publiek zichtbare infrastructuur te detecteren en classificeren. Om vervuiling en CO2-uitstoot te verminderen, worden straatniveau-afbeeldingen verzameld door een breed scala aan voertuigen die al dagelijks door de stad rijden, zoals vuilniswagens en koeriersvoertuigen. De verzamelde afbeeldingen worden naar een server gestuurd voor analyse en classificatie op basis van AI-modellen. In het kader van dit experiment zal het systeem in staat zijn om schade aan outdoor reclame, verlichting en elektrische voorzieningen, en onjuiste afvalverwijderingssituaties (bijvoorbeeld afval buiten containers, banden, oude apparaten en meubels) te detecteren en te registreren. De data over de gedetecteerde incidenten worden gedeeld met de bijbehorende partners voor integratie en optimalisatie van operaties. Om te voldoen aan de RGPD en andere Europese en nationale wettelijke vereisten, worden alle persoonlijk identificeerbare informatie (zoals gezichten van mensen en kentekenplaten) uit de afbeeldingen verwijderd via dezelfde privacy-by-design-processen die al worden gebruikt door Google Street View. 

Zakelijke Prognoses – Schaalbaarheid

KPI’s aan het einde van het experiment:

• Aantal gedetecteerde incidenten: 100 (verwacht wordt dat dit een jaar later met 250% zal groeien) 
• Aantal service consumers: 4 (verwacht wordt dat dit een jaar later met 300% zal groeien) 
• Herhalingspercentage na 2 dagen: 50% (verwacht wordt dat dit een jaar later met 20% zal afnemen)

De oorspronkelijke bron: i4Trust.org.