Analyse verbetering omgevingsbewustzijn

Hier wordt vooral langs de technologische as gekeken hoe omgevingsbewustzijn te verbeteren is. Dit wordt weer gedaan aan de hand van het Endsley-model voor omgevingsbewustzijn dat het proces beschrijft om van ruwe data te komen tot kennis en inzicht. De belangrijkste onderdelen van het semantische model zijn: sensoren, processing van informatie, semantische analyse om tot inzicht te komen.

Data processing en semantische analyse worden hier samengenomen. In de literatuur (zie bijvoorbeeld Cook et al, 2009) wordt daar ook niet echt onderscheid in gemaakt. Het verschil tussen beide zit vooral in de mate van domeinkennis dat in de analyse wordt meegenomen, in de vorm van modellen, regels en patronen. Maar dat onderscheid is soms vaag en wordt hier daarom niet gemaakt.

Sensoren en sensor dataprocessing

Er wordt ingegaan op de twee onderdelen: sensoren en sensor dataprocessing & semantische analyse. Daarbij wordt een stand van zaken (‘state of the art’) en een vooruitblik gegeven naar verwachte ontwikkelingen (‘trend en roadmap)’.

Type sensoren op basis van gebruik en toepassingsgebied zijn: omgevings-, bewegings, lichaams, fysiologische en diagnostische sensoren.

Er zijn ook algemene parameters die sensoren beschrijven: kosten, grootte en gewicht, energieverbruik, nauwkeurigheid en gevoeligheid, functionaliteit en beweegbaarheid.

Hierbij een korte toelichting op een select aantal sensorparameters: sensortechnologie ontwikkelt zich snel; voeding en energieverbruik zijn kritische en vaak beperkende factoren; beweegbaarheid van sensoren: fixed’-onderdeel van een omgeving, draagbaar-verwerkt in bijvoorbeeld kleding, of mobiel- de sensor kan zich al dan niet autonoom voortbewegen; communicatie vormt de basis van draadloze sensornetwerken.

Trends in sensoren zijn: miniaturisatie, gevoeligheid en sensitiviteit, energiezuinigheid, goedkoper, slimmer, makkelijker te integreren.

Informatieprocessing en semantische analyse

Sensoren zijn een noodzakelijke voorwaarde voor het verkrijgen van omgevingsbewustzijn. Maar de ruwe data als zodanig zijn vaak niet voldoende om inzicht in de situatie te verkrijgen. Daarvoor moet de ruwe data geanalyseerd, geïnterpreteerd en geëvalueerd worden en vergeleken met data uit andere bronnen. Automatische verwerking is noodzakelijk vanwege de soms grote gegevensstromen, de complexe situaties en de tijdsdruk waaronder één en ander plaatsvindt. De menselijke vermogens schieten in dat soort situaties te kort.

Meer toelichting is te vinden in de download Situation Awareness, p19-32 over de algemene kenmerken: architectuur, infrastructuur, situatie en domeinkennis,  informatie over trends en informatie processing & analyse technieken, zoals detectie, anomalidetectie, identificatie en augmented reality.