BioSentry: Effectief en efficiënt crowd management met drones en AI
Crowd management is een uitdaging. Denk aan sportevenementen of manifestaties, waar spanning in de lucht hangt, maar ook festivals en evenementen, waar een goede doorstroom de focus is. De pandemie bracht hier een extra uitdaging bij: de 1,5 meter regel. Video surveillance (bijvoorbeeld met drones) kan hier een goed middel bij zijn om effectief en efficiënt locaties te monitoren en daarbinnen de maatregels te handhaven. Denk aan parken, uitgaanscentra, stranden, winkelcentra, fietspaden, en meubelboulevards. Maar hoe kan je die drone surveillance vervolgens omzetten in realtime feedback? Daar kan AI bij helpen.
Onderdeel van:
Bio-inspired Surveillance for Environmental Testing of Resilience and Sustainability
In het BIOSENTRY (Bio-inspired Surveillance for Environmental Testing of Resilience and Sustainability) project werd een ‘crowd management’ applicatie ontwikkeld in samenwerking met MKB-partner D-Visor. Deze applicatie moet aan de hand van input data in de vorm van videobeelden probleemsituaties kunnen herkennen en direct feedback geven aan de verantwoordelijke handhaver. Denk aan schending van de 1,5 meter regel, eenrichtings-looproutes of capaciteitsoverschrijdingen, zoals dichtheid van winkelend publiek. Dit kan het werk van handhavers, winkeliers, politie- en veiligheidsdiensten en verkeersregelaars aanzienlijk makkelijker en overzichtelijker maken. Ook kan het de veiligheid van het publiek verbeteren.
Onderzoeksvraag:
Kunnen we met AI een real-time feedback inrichten op basis van drone-surveillance om crowd management effectiever en efficiënter te maken?
Generale toepassing:
Hoewel de 1,5 meter regelgeving een directe, brede toepassing biedt voor deze applicatie, zijn er tal van situaties waar crowd management ondersteund kan worden met een applicatie als deze. Ook zijn er diverse doorontwikkelingen denkbaar.
Onderzoeksperiode:
2020 - 2022
Methodiek & Bevindingen
Er zijn een aantal stappen nodig voor de realisatie van het Biosentry project. Allereerst moeten de camerabeelden verzameld worden. Als dit met (semi-)autonome drones gebeurt, is flight planning noodzakelijk. De beelden moeten vervolgens omgezet worden in data voor real-time feedback. Hiervoor is met Vision AI een deep learning model opgezet, die videobeelden kan verwerken en zo drukte pieken kan signaleren. Deze worden via real-time feedback en nudging teruggekoppeld.
Deze feedback kan op verschillende manieren ingezet worden. Er kan direct gesignaleerd worden voor en door handhavers, maar preventie is ook een mogelijkheid. De eerste stap voor het project is dan ook een installatie die inspeelt op drukteproblematiek op festivals of andere evenementen in de openbare ruimte. De installatie geeft weer waar het (te) druk is in de omgeving. Met deze installatie wordt een beroep gedaan op eigen verantwoordelijkheid van de gebruikers van de ruimte. Door mensen inzicht te geven in waar het te druk is kan men zelf de juiste keuze maken.
Voor alle deeltaken geldt dat softwareproducten (code en documentatie) en data in een GIT-repository worden vastgelegd, en alle andere relevante documentatie in de projectwiki.
- Technisch rapport met ontwerp- en implementatierichtlijnen.
- Crowd management prototype (code en documentatie).
- Functionele easy-to-use demonstrator (devices en app) met presentatie.
- Open-access publicatie van het drone platform en realisatie van de ‘crowd management’ use case daarmee.
Onderzoeksteam
- Michiel Groenemeijer, Fontys Hogeschool ICT (Projectleiding)
- Bartosz Paszkowski, Fontys Hogeschool ICT
- Marcel Meesters, Fontys Hogeschool ICT
- Lyubomir Bozhilov, Fontys Hogeschool ICT Student
- Matthijs Besselink, Fontys Hogeschool ICT Student
- Sandra Potten, D-Visor (CEO)
