Je leest:

Strakke politieplanning

Strakke politieplanning

Auteur: | 18 maart 2013

Wiskundigen Rob van der Mei en Sandjai Bhulai van het Centrum Wiskunde en Informatica (CWI) en de Vrije Universiteit werken samen met de politie van Amsterdam-Amstelland om de politie-dienstverlening efficiënter te maken.

Mercedes g politie amsterdam amstelland
MartinD, WIkimedia Commons

Het is voor de politie heel belangrijk dat ze kunnen voorspellen wanneer er agenten nodig zijn, en hoeveel. Dat kan je doen door goed na te denken. Zo zal er in het centrum van de stad nadat de plaatselijke voetbalclub heeft gewonnen waarschijnlijk meer politie nodig zijn dan de buitenwijken.

Op die manier kan je van te voren al beredeneren waar je politie nodig hebt. Maar wat nou als je nog sneller en beter zou kunnen reageren? Dat willen de wiskundigen Rob van der Mei en Sandjai Bhulai van het Centrum Wiskunde en Informatie (CWI) en de Vrije Universiteit bewerkstellingen bij de Amsterdamse politie.

Uitdaging in de wiskunde

Het is natuurlijk mooi dat dit project met de politie loopt, maar hoe werkt wiskunde op deze manier eigenlijk? Rob van der Mei: “Het probleem bij dit soort planningsvraagstukken is de grote mate van onzekerheid in alle facetten van de politie-dienstverlening. De uitdaging is nu de juiste planningbeslissingen te nemen, rekeninghoudend met allerlei complexe en onzekere factoren. Een bijkomend probleem is dat voor politie, brandweer of ambulance de planning heel erg groot is. Hierdoor worden rekentijden voor planningen vaak enorm groot. Het maken van een ingewikkelde planning én de rekentijden kort houden, daarin ligt voor ons de wiskundige uitdaging.” Het is dan ook het plan om nieuwe computerprogramma’s te maken die snel genoeg kunnen rekenen dat de politie er wat aan heeft.

Ze willen dit doen met behulp van het analyseren van ‘Big Data’, een fenomeen waar je misschien wel eens van hebt gehoord. Big data is kort gezegd gewoon een enorme hoeveelheid gegevens. Het bijzondere is echter niet wat Big Data is, maar wat je ermee kan doen. Als je heel veel data hebt, kan je namelijk patronen ontdekken in de data. En met dat soort patronen kan je dan weer (wiskundige) modellen bouwen die de werkelijkheid kunnen voorspellen.

Van der Mei en Bhulai willen met hun team de historische gegevens die de politie voorhanden heeft gebruiken om manschappen beter in te zetten. “Ons hoofddoel is om de politie beter voor te bereiden op dingen die kunnen gebeuren en dat ze daardoor op het juiste moment op de juiste plaats zijn,” vertellen ze aan de telefoon. “Het model dat we willen maken, zal ervoor zorgen dat de berichten die in de meldkamer binnenkomen direct verwerkt worden. Daardoor blijft de politie altijd een goede bezetting houden door het hele gebied.”

Efficientere bezetting

Je kan hierbij bijvoorbeeld denken aan het volgende scenario: een politieauto patrouilleert in een wijk. Hij wordt weggeroepen om bij een inbraak te gaan kijken. Dit zien ze in de meldkamer, en het systeem zegt vervolgens dat een auto in een rustige wijk kan invallen voor de net weggeroepen auto. Op deze manier is de hele stad telkens goed beveiligd. Maar doet de politie dit nu niet ook al? Ze weten toch zelf ook welke wijken meer politie nodig hebben dan anderen en anticiperen daar dan ook op? “Dat klopt,” zegt Bhulai, “maar het is voor mensen niet mogelijk om de Big Data, waar wij me gaan werken, in real time te verwerken. Dat soort taken, daarin is een computer juist wel goed.”

Amsterdam map
Heel Amsterdam en omstreken van politie voorzien is geen gemakkelijke taak. Met een beetje wiskunde kan je echter veel meer doen met de politie die je hebt.
Globe-trotter, Wikimedia commons

Van ambulances tot agenten

De samenwerking met de politie komt niet uit het niets; de groep van Van der Mei en Bhulai werken al langer samen met andere veiligheidsdiensten. Een paar jaar terug nam een ambulancedienst contact op met het CWI. Of zij niet konden zorgen dat ambulances effectiever verspreid konden worden door de stad? Het is bij ambulances immers heel belangrijk dat ze snel op de plaats van bestemming zijn. Inmiddels werken CWI en de VU samen in een groot ambulance-planning project, waarin de wiskundige kennis van planning, kansrekening en Big Data een grote rol speelt.

Dit ambulanceproject zorgde voor de nodige publiciteit. “Daardoor zijn we ook in contact gekomen met de brandweer, die eveneens geinteresseerd is in het efficienter maken van de planning. In zekere zin lijkt brandweerplanning veel op de ambulanceplanning: bij beide moet je snel ergens zijn en moet je daarom zorgen dat er in elke wijk een voertuig in de buurt is op het juiste moment.” Nu zowel de brandweer als de ambulancediensten de efficiëntie van hun dienstverlening actief willen verbeteren met behulp van Big Data, kan de politie niet achterblijven.

“We zijn begin maart met de politie aan het project begonnen,” zegt van der Mei, “voor de politie zijn we daarom nog niet zo ver dat we het in de praktijk kunnen brengen. Maar met de brandweer en de ambulance zijn we verder en beginnen we binnenkort al met het testen van de door ons ontwikkelde methoden.”

Wie weet zijn we in de toekomst wel allemaal veiliger en werken onze ambtenaren efficienter; allemaal dankzij de wiskunde van ‘Big Data’.

Dit artikel is een publicatie van NEMO Kennislink.
© NEMO Kennislink, sommige rechten voorbehouden
Dit artikel publiceerde NEMO Kennislink op 18 maart 2013

Discussieer mee

0

Vragen, opmerkingen of bijdragen over dit artikel of het onderwerp? Neem deel aan de discussie.

NEMO Kennislink nieuwsbrief
Ontvang elke week onze nieuwsbrief met het laatste nieuws uit de wetenschap.