Voorspellen van brandhaarden

9
De Brandweerradar Rotterdam | 5-07-22 Resultaten uit het verleden bieden garantie voor de toekomst

Transcript of Voorspellen van brandhaarden

PPT Veiligheidsregio Rotterdam Rijnmond

De Brandweerradar Rotterdam | woensdag 7 oktober 2015Resultaten uit het verleden bieden garantie voor de toekomst

Intro

Hoe kun je met informatie van derden (gecombineerd met informatie van de veiligheidsregio zelf) afleiden waar de komende 24 uur branden plaatsvinden?

Onderzoeksvraag

30% - 70% Tekst + afbeelding

Onderzoeksvraag van Blomberg is specfieker gemaaktFocus op brandenFocus op een beperkte tijdsperiode van 24u

Voorspellen is altijd lastig het gaat dus om afleiden waar de kans het grootst is (wetende dat een incident zich nooit helemaal laat voorspellen)

2

Uitruk vanuit kazerne Kennis en ervaring binnen de ploeg

Kunnen we dynamischer en meer informatiegestuurd werken met een brandweerradar?

Hoe werken we nu?

70% - 30% Tekst + afbeelding

Huidige werkwijze is statisch: uitruk vanaf een vaste plaats en o.b.v. een risicoprofiel en dekkingsplan dat eens per 4 jaar wordt vastgesteld.

3

3 pijlers: Proces van samenwerking Analyse van data Visualisatie

Bied de professional de inzichten uit het verleden om vandaag de juiste besluiten te kunnen nemen

De Brandweerradar

70% - 30% Tekst + afbeelding

Nadruk ligt op proces van samenwerking: ieder brengt expertise in, beschikt over data dan wel over praktijkervaring.De ervaringen van de wacht en clustercommandant zijn nadrukkelijk meegenomen.

Complex vraagstuk, niet op te lossen door de VRR alleen:Welke data is bruikbaar in de werkelijkheid?Welke data leent zich voor analyse?Wie is eigenaar van de data?Hoe analyseer je?Hoe valideer je je analyse?Hoe maak je analyses bruikbaar voor operationele diensten?Privacy gevoeligheid van GBA Gemeentelijke BasisAdministratie gegevens (inwonergegevens gemeente Maassluis)

Oplossing: samenwerking

De brandweerradar is een concept dat ingezet zou kunnen worden door de professional die dynamisch en op basis van actuele gegevens de schaarse middelen in kan zetten op de plek waar dit waarschijnlijk het meest noodzakelijk is.

4

Proces samenwerking: de coalitie

100% inhoud

Vb data die je dan bij elkaar brengtgemeente: aantal inwoners, locaties prullenbakken, gegevens vergunningenVerzekeraars: gegevens brandclaims (nog in behandeling)Openbare informatie: WeerVeiligheidsregio: tijd, locatie en type incidentEN ervaring!! Van de mensen uit de wacht

Alle coalitiepartners zijn hier geplot in een diagram waarbij duidelijk wordt aan welke van de drie pijlers zij hebben meegewerkt. De brandweerradar past natuurlijk in het middelste driehoekje (zie volgende sheet)

Onder Proces vat ik nu ook het komen tot de antwoorden op de vragen uit de vorige sheet: wie heeft er nog meer informatie? (Huib heeft bv ook het Verbond van Verzekeraars benaderd), en hoe gaan we nu verder in onze queeste? Welke focus brengen we aan? Etc. dus niet alleen het proces van samenwerking.

Daarnaast: gebruik vakkennis van mensen uit de ploegen zelf (maassluis) om te verifieren of de uitkomsten kunnen kloppen.5

Kun je op basis van de inzetten uit de afgelopen 7 jaar (tijd, locatie) afleiden in welk gebied de kans op een inzet het grootst is?

Ja, dat kan! In 53% van de gevallen klopt de voorspelling en was het aantal werkelijke inzetten in dat gebied, op die dag het hoogst.

(in nog eens 39% van de gevallen was het plek 2 of 3)

Analyse

50% - 50% Tekst + afbeelding

We hebben ons in de analyse gericht op de gemeente Maassluis. De kaart van Maassluis hebben we opgedeeld in blokken van ongeveer 1 bij 1 km. Op basis van ervaringen van experts (onderbuikgevoel) en op basis van data hebben we onszelf de vraag gesteld:

In welk blok van 1 bij 1 km is de kans op een inzet het grootst?

Hiervoor zijn de hostorische inzetgegevens van 7 jaar gebruikt om 1 maand (de referentiemaand november 2014) te voorspellen. Deze voorspelling is getoetst aan de werkelijke inzetten van de maand november 2014.

Resultaten:In 53% van de gevallen was de voorspelling correctIn 39% van de gevallen was het niet de nummer 1, maar nummer 2 of 3In 8% van de gevallen was er wel een kans > 0 goed voorspeld, maar stond het blok niet in de top 3In 0% van de gevallen was de voorspelling volkomen verkeerd

Conclusie: resultaten uit het verleden bieden garantie voor de toekomst

Vervolgstappen: benut data over objecten, personen, weer, omgevingsfactoren,vergunningen etc. om het model te verdiepen.

6

Visualisatie

100% inhoud

Hier zie je een weergave van de kaart van Rotterdam, waarbij dezelfde methodiek is toegepast: de stad is verdeeld in vakken van 1 bij 1 km.

Als je alle elementen bij elkaar voegt (proces van samenwerking, beschikbare data, een onderbouwde analyse en een praktische weergave die de brandweer snel inzicht biedt) dan kom je tot het concept van de brandweerradar: dit toont voor blokken waar de kans op een brand in de komende 8 uur het grootst is (rood) en waar hotspots 2 en 3 zich bevinden (oranje) o.b.v. gegevens uit het verleden

7

Animatie

100% inhoud

De VRR durft het aan!

30% - 70% Tekst + 4x afbeelding

Als we doorgaan willen we in november 2015 voor n week gaan afleiden waar de kans op een inzet het grootst is EN willen we hier ons Snel InterventieVoertuig op laten positioneren (vb. sporten of boodschappen doen op die locatie).

We durven het op basis van onze eerste inzichten dus aan het concept in de praktijk te beproeven.9