Ettevalmistusfaas Poolas
See näide on väljavõte Poolas korraldatud esimesest DRIVER+ Trial-õppuse ettevalmistusfaasist. Näide demonstreerib 6-etapilist lähenemist ettevalmistusfaasile ning algab ühest õppuse eesmärgist ning järgib üht probleemkohta ja üht uurimisküsimust. Ka hilisem andmekogumis- ja hindamiskava formuleerimine, stsenaariumi formuleerimine ja lahenduse valik keskenduvad illustratiivsuse huvides sellele kitsendatud valikule.
Eesmärk
Üldine eesmärk oli simuleerida koordineeritud tegevusi kohalikul, piirkondlikul, riiklikul ja rahvusvahelisel tasandil, et leevendada katastroofi mõjusid ning proovida läbi valitud lahenduste sobivus antud kriisireguleerimise probleemkohtadega tegelemiseks. Antud näitega haakuv lisaeesmärk oli parandada keemiareostuse piirkonnas hoonetesse lõksu jäänud inimeste vajaduste tuvastamise tõhusust läbi järgmiste tegevuste:
- Lühendada aega, mis kulub abi vajavate elanike tuvastamiseks / nende asukoha leidmiseks kaardil.
- Parandada vajaduste tüübi tuvastamise täpsust.
Probleemkoht
Üks probleem muude tuvastatud probleemkohtade seas oli puudulik ressursihaldus (inimressursid, riistvara jne) mitmete huvigruppidega pikaajaliste päästeoperatsioonide käigus.
Uurimisküsimus
Uurimisküsimus formuleeriti spetsiaalselt ülaltoodud probleemkoha jaoks. Probleemkohapõhine uurimisküsimus: kuidas saab mitme huvigrupiga pikaajaliste päästeoperatsioonide käigus toetada piiriülest ressursihaldust sotsiotehniliste lahendustega? Lisaks sellele uurimisküsimusele formuleeriti eeldus, mida tuleb hinnata läbi andmekogumise ja hindamiskava. See eeldus ei ole metodoloogia jaoks vajalik, aga see võib aidata edasiste tegevuste suunamisel.
Andmekogumiskava
Õppus Trial viidi läbi simuleeritud lauaõppuse ja väliuuringuna, mis motiveeris kasutama spetsiaalseid vaatlejaid, kes tegevusi salvestasid ja dokumenteerisid. Selle õppuseosa hindamise eesmärkidel koguti allpool kirjeldatud andmeid, vaatlejad täitsid hindamisküsimustikke ning püüti märkida üles ka operatiivotsuste ajapunktid (alates drooniga kogutud andmete saamisest kuni loendamise või mõõtmise lõpuni).
Kolme mõõtme (kriisireguleerimine, õppus ja lahendus) hindamisküsimustikke täitsid järgmised isikud.
Praktikud: tagasiside (andmed õppuse kvaliteedi ja kasutatavuse, uuenduslikkuse, kasutajasõbralikkuse ning lahenduse muude aspektide kohta.
Vaatlejad: tagasiside (andmed) jälgitud organisatoorsete raskuste kohta õppuse läbiviimisel, välised piirangud, mis võivad mõjutada õppuse tulemusi.
Lisaks küsimustikest saadud üldistele rahulolu ja kasutatavuse skooridele on määratletud ka edasised KPI-d, hindamaks uute lahenduste rakendamisega saavutatavat kriisireguleerimise potentsiaalset paranemist.
KPI 1 –Värviliste linadega tähistatud tuvastatud vajaduste arv kokku.
KPI 2 – Otsuse langetamiseks kulunud aeg.
KPI 3 – Värviliste linadega tähistatud õigesti tuvastatud vajaduste tüübid.
KPI 4 – Vajaduste asukoht.
Hindamine
Et parandusmeetmeid oleks võimalik hinnata, viidi läbi mitu seanssi, et võrrelda lähteolukorras kasutatavat tegevuskava uuenduslikke lahendusi hõlmava innovatsiooniolukorraga. See võimaldas seansse omavahel võrrelda. Kombineeritud vaatlustulemused aitavad tulemusi hinnata elluviidud õppuse valguses, võttes arvesse raskusi ja piiranguid ning kolme hindamismõõdet ehk kriisireguleerimist, õppust ja lahendust.
Stsenaariumi planeerimine
Õppuse Trial stsenaarium hõlmas massiivset reostust vedelate toksiliste ainetega, mille põhjustas keemiliste jäätmete hoidla hooldusrike. Klapirikke tõttu ei saanud välja lülitada pumpasid, mis pumpavad keemilisi vedeljäätmeid hoidlasse. Seetõttu tekkis vedela porilaadse mürkkemikaali kiire ja suuremahuline sissevool jäätmehoidlasse. Hoidla kaitsevallid olid viimaste päevade vihmasadude tõttu nõrgenenud. Lisasurve tõttu vallid murdusid.
Valitud lahendused
Kiire kaardistamine drooni abil – see lahendus võimaldab kiirelt luua drooni (RPAS) ortofotodel põhinevad kaardid, mida jagada kriisireguleerimise meeskondadega. Saadud kaarte saab vaadata ja analüüsida vastavas geoportaalis või mõnes teises GIS-keskkonnas, mida kriisireguleerimise organisatsioonid juba kasutavad. Lisasaaduseks oli maastiku 3D-mudel, mis võimaldab huvipiirkonda paremini ja intuitiivsemalt mõista.
