Aanleiding en motivatie

Er is in de samenleving een groeiende behoefte aan directe informatie over de mogelijke gevolgen van bedreiging van buiten af. Deze behoefte wordt gevoed door snelle ontwikkelingen in de communicatie- en sensortechnologie. Met goedkope sensoren komt het binnen bereik van burgers, belangengroepen en experts om zelf sensornetwerken op te zetten om omgevingsfactoren te monitoren, zoals geur, rook, lawaai, NO2 Stikstofdioxide (Stikstofdioxide), CO of radioactieve straling. Goedkope sensoren leveren meestal minder nauwkeurige gegevens, maar wel potentieel op heel veel meetpunten. Als deze metingen goed worden geïnterpreteerd, kunnen ze ook door het RIVM gebruikt worden om snel hulpdiensten of burgers te waarschuwen, of om de input van modellen te verbeteren, en om de duurdere, maar meer nauwkeurige standaard apparatuur effectiever in te kunnen zetten.
Kennis over goedkope sensoren is essentieel voor het RIVM, omdat de data die deze sensoren opleveren potentieel (een deel van) de standaardmetingen kunnen vervangen. Dit is een ontwikkeling waar zowel de samenleving als het RIVM zich op moeten voorbereiden. Onze opdrachtgevers verdienen immers een efficiënte manier om data te verzamelen en de waarborg dat het RIVM een autoriteit blijft op het gebied van milieumetingen. Het gebruik van goedkope sensorendata biedt daarnaast de kans om belanghebbende partijen in de meetprocedure te betrekken. Dit verzekert voor het RIVM een plaats midden in de samenleving (zoals past bij onze “RIVM2020” strategie voor de komende jaren) en het verbetert de dialoog met belangengroepen en het grote publiek over wetenschap, risico’s en de betrouwbaarheid van data.

Doel(en)

Ons doel is om expertise op te bouwen op het gebied van specificaties van goedkope sensoren, het opslaan en verwerken van de data, het ontwikkelen van bijbehorende meetstrategieën, en de rol van de burgers in het geheel. We willen uitproberen hoe netwerken van goedkope sensoren ingezet kunnen worden om de communicatie met de burgers en beleidsmakers te vergroten, en hoe hulpdiensten sneller van data kunnen worden voorzien. Op die manier krijgen we inzicht in de betrouwbaarheid en bruikbaarheid van de goedkope sensordata. Ook leren we meer over de perceptie van risico’s van burgers en hun behoefte aan kennis. We richten ons specifiek op de behoeften van de gebruikers. We zullen aan pilotstudies meedoen om ervaring op te doen met al deze aspecten.

Strategische en innovatieve aspecten

Dit project beoogt het exploreren van het innovatieve veld van goedkope sensoren. Voor het RIVM als referentie-instituut is het van het hoogste belang om expertise op te bouwen over hoe data van goedkope sensoren geduid moet worden, hoe we deze data moeten opslaan en verwerken, en hoe deze data ondersteuning kan bieden bij calamiteiten, bijvoorbeeld voor de MOD Milieu Ongevallen Dienst (Milieu Ongevallen Dienst) op het RIVM.
Daarnaast is expertise nodig over nieuwe meetstrategieën om goedkope sensoren optimaal te kunnen benutten, en er zijn nieuwe manieren nodig om te communiceren met burgers en belanghebbenden, om zo een samenwerking tot stand te brengen die ons midden in de samenleving plaatst.

Geplande resultaten en producten en/of vaardigheden en eindtermen voor expertise

Het project zal expertise opleveren op het gebied van goedkope sensoren en hoe sensornetwerken gebruikt kunnen worden in de activiteiten van het RIVM. We richten ons speciaal op noodsituaties en dreigingen van buitenaf. We leren hoe het RIVM moet omgaan met data van derden (burgers of belangengroepen), hoe we deze goedkope sensoren zelf kunnen inzetten in netwerken of hoe we dit soort netwerken kunnen ondersteunen door het betrekken van burgers in het meetproces en door het effectief communiceren van de gegevens naar beleidsmakers en het publiek.

Beoogd vervolg

De expertise opgedaan in dit project kan gemakkelijk worden toegepast op andere terreinen zoals het monitoren van het milieu nabij stedelijke gebieden, het monitoren van luchtkwaliteit, geluid, lichtvervuiling, en op het snel opkomende gebied van quantified self.