Città sicure grazie ai big data: il test parte da Trento

Conoscenza real-time dello stato dei pericoli, con analisi avanzate e automatizzate. Predictive urban security.
Ecco la visione di eSecurity, progetto di ricerca ancora unico nel suo genere a livello internazionale, coordinato dal gruppo di ricerca eCrime della Facoltà di Giurisprudenza dell’Università di Trento

Pubblicato il 11 Nov 2016

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Città sicure grazie ai big data: il test parte da Trento

Viviamo in città più intelligenti ma anche sempre più complicate da gestire. Città in cui le persone si sentono più insicure e in cui rispondere alla criminalità è una sfida crescente per forze di polizia con budget che si vanno riducendo. Ma proprio la smart city, con la banda larga, gli abitanti s

empre connessi e i big data, può trovare al suo interno gli anticorpi più adatti per una risposta efficace alla criminalità e al senso di insicurezza di chi la vive. Trovare questi nuovi anticorpi, tecnologici ma non tecnocratici, è la sfida di una sicurezza urbana innovativa. Ma come? I dati sulle denunce, con i luoghi e i tempi degli eventi criminali, sono il miglior predittore della concentrazione futura della criminalità. Illuminazione, traffico, meteo, uso dei trasporti pubblici o della telefonia mobile in tempo reale parlano, a chi li sa ascoltare, della concentrazione spazio-temporale dei reati, degli stili di vita delle persone, dei fattori di rischio e di protezione rispetto a criminalità, disordine e insicurezza. La tipologia e la collocazione di “obiettivi sensibili”, “facilitatori” o “protettori” di disordine e di criminalità modificano la sicurezza dei cittadini, oggettiva e soggettiva (percepita). Dati sul disordine urbano e sul senso di insicurezza sono facilmente ottenibili direttamente dai residenti, anche con applicazioni ad hoc, e sono di grande utilità. E tutte queste informazioni, spesso raccolte per scopi differenti dalla sicurezza urbana, possono essere fuse, combinate, in modo veloce e produttivo, e analizzate in tempo reale, fornendo automaticamente fotografie, confronti, predizioni, per chi gestisce la sicurezza a livello locale, sia esso sindaco o capo di polizia. È un’idea di sicurezza urbana basata su conoscenza real-time, su analisi avanzate e automatizzate, che permetterà non solo un miglior controllo del territorio, ma soprattutto di capire se gli interventi dell’amministrazione stiano andando nella direzione giusta o, semplicemente, quali siano quelli più opportuni. Una nuova sicurezza urbana, più prossima alla città e ai cittadini, ai loro reali bisogni, più rapida. Più saremo in grado di realizzare questo scenario in modo attento alle persone e alla loro privacy, più avremo vinto questa sfida.

È questa la visione di eSecurity, progetto di ricerca ancora unico nel suo genere a livello internazionale, coordinato dal gruppo di ricerca eCrime della Facoltà di Giurisprudenza dell’Università di Trento e realizzato in partnership con la Questura di Trento, la Fondazione Bruno Kessler e il Comune di Trento. eSecurity, conclusosi di recente dopo tre anni di lavoro, è stato co-finanziato dalla Commissione europea e ha sviluppato un sistema informativo geografico che poggia su una banca dati contenente informazioni su reati denunciati, disordine urbano, vittimizzazione, percezione della sicurezza da parte dei cittadini e altre variabili rilevanti (ad esempio variabili socio-demografiche, condizioni climatiche, traffico, trasporti pubblici). eSecurity genera in modo automatico report, mappe di rischio e di sicurezza urbana predittiva. Consente così di definire, visualizzare e comparare criminalità, insicurezza e disordine urbano, offrendo interpretazioni sulle loro cause, e di prevederne le concentrazioni future. Il sistema informativo georiferito è uno strumento semplice e operativo per le forze di polizia e le amministrazioni, applicabile in ogni contesto locale.

eSecurity parte dall’assunto, proprio della criminologia ambientale e della polizia predittiva, che gli eventi criminali tendono a concentrarsi in luoghi specifici e in particolari archi temporali. La polizia predittiva basa le sue analisi sui crimini passati e sulle eventuali ricorrenze riscontrate negli schemi di comportamento dei criminali per prevedere la criminalità futura e razionalizzare, così, i servizi di pattugliamento. Tra i pochi casi di rilievo di polizia predittiva ci sono il software Crush, sviluppato da IBM per la polizia di Memphis, e l’esperienza del Dipartimento di Polizia di Los Angeles con il supporto di ricercatori dell’Università della California. eSecurity va oltre: sposta l’ottica della sperimentazione dal “predictive policing” (polizia predittiva) alla più articolata “predictive urban security”, la sicurezza urbana predittiva. Lo strumento ICT realizzato a Trento infatti non si serve solo dei dati sui reati denunciati, ma utilizza anche altre variabili ambientali. Tiene poi conto del disordine fisico e sociale e dell’insicurezza dei cittadini, rilevati con applicativi appositamente realizzati e con indagini campionarie semestrali. Così facendo permette non solo di prevedere il “dove” e il “quando” della criminalità, dell’insicurezza e del disordine, ma anche di comprenderne i “perché”.

eSecurity, in definitiva, vuole mostrare un percorso che, sfruttando le tecnologie e valorizzando il patrimonio informativo sempre più presente nelle nostre città, colleghi cittadini e attori istituzionali in un’idea di sicurezza integrata e partecipata di nuova generazione.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

People&Change

Tutti
AI IN AZIENDA
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x