Wat vliegt er boven een haven, fabriek, terminal of evenemententerrein? Hoort die drone daar? Is het een bekende vlucht? Of is er iets aan de hand? Die vragen worden steeds belangrijker. Drones worden vaker ingezet voor inspecties, logistiek, veiligheid en incidentenbestrijding. Tegelijk groeit de behoefte aan overzicht. Zeker op plekken waar veiligheid en continuïteit tellen, zoals havens, luchthavens, industriegebieden en andere kritieke infrastructuur. Binnen Dutch Drone Delta werken partners daarom aan de use case Counter-UAS. De kern: beter zicht krijgen op droneactiviteit in het lagere luchtruim. En vooral: zorgen dat organisaties daar in de praktijk iets mee kunnen.
Meer dan detectie
Het begon met een duidelijke vraag vanuit de praktijk. Het Havenbedrijf Rotterdam (Port of Rotterdam) werkt al langer aan luchtruimbeheer en veiligheid in het havengebied. Daar komt steeds vaker de vraag bij hoe je drones in het lagere luchtruim kunt detecteren en beoordelen. Niels Kalshoven van Port of Rotterdam gaf tijdens de use case-sessie in juni een update over de stand van zaken: “Wij kijken naar verschillende type detectie systemen,. Je zit dan al snel op een flinke hoeveelheid data. De vraag is: hoe maak je daar iets van waar andere partijen ook echt iets aan hebben?”
Daar zit meteen de uitdaging. Er zijn al veel detectiesystemen op de markt. Een organisatie kan sensoren plaatsen en signalen verzamelen. Maar losse signalen geven nog geen bruikbaar beeld. Want wat zegt zo’n signaal precies? Is het één drone? Zijn het er meerdere? Is de drone bekend? En wie moet er iets mee? Thomas Brinkman van AirHub vatte het tijdens de sessie scherp samen: “Iedereen koopt hardware. Iedereen koopt verschillende detectiesystemen. Maar hoe maak je daar één plaatje van? Dat is de moeilijke vraag.”
Van signaal naar bruikbare informatie
De use case richt zich daarom op een platform dat verschillende soorten informatie bij elkaar brengt. In de eerste versie draait het om drie stappen: detecteren, classificeren en melden. Detecteren betekent: zien dat er een drone vliegt. Dat kan via radiofrequentie, radar, geluid of beeld. Classificeren betekent: bepalen wat voor drone het is en of die daar verwacht wordt. Een bedrijf kan bijvoorbeeld weten dat er op dinsdagmiddag een inspectiedrone boven het terrein vliegt. Die vlucht hoort daar dan gewoon. Een onbekende drone boven hetzelfde terrein kan wél reden zijn om op te letten. Melden betekent: zorgen dat de juiste persoon een signaal krijgt op het moment dat het nodig is. Dat laatste is belangrijk. Thomas zei daarover: “Niemand gaat de hele dag naar zo’n dashboard zitten turen. Je wilt notificaties krijgen. Je wilt weten: waarom krijg ik deze melding, wat is de dekking en wat moet ik hiermee?”
Het eerste prototype dashboard
Er ligt inmiddels een eerste basis voor het platform. AirHub bouwde mee aan het dashboard. Ook NLR en Unmanned Valley zijn betrokken bij de verdere validatie en ontwikkeling. De huidige versie werkt nog met mock-updata. Dat is bewust gedaan. Zo kunnen partners rustig testen hoe het systeem werkt, zonder gevoelige operationele informatie te gebruiken.
Een gebruiker kan straks bijvoorbeeld een gebied intekenen en aangeven welke drones daar bekend of toegestaan zijn. Vliegt er een andere drone binnen dat gebied, dan kan het systeem een melding geven. In het dashboard is dan te zien waar de drone vliegt en welke informatie beschikbaar is. Denk aan een containerterminal, chemiebedrijf, energiebedrijf of andere organisatie die wil weten wat er boven het eigen terrein gebeurt. Hetzelfde principe kan ook relevant zijn voor stedelijke gebieden, evenementen of plekken waar tijdelijk extra beveiliging nodig is. Niels gaf aan dat de volgende stap heel praktisch is: “We hebben nu de basis neergezet. De volgende stap is vooral: valideren, valideren, valideren. Met gebruikers kijken wat werkt en wat er nog nodig is.”
Waarom de behoefte groeit
De urgentie neemt toe. Organisaties die vallen onder kritieke infrastructuur krijgen steeds meer te maken met vragen rond weerbaarheid en veiligheid. Droneactiviteit hoort daar ook bij. Het gaat dan niet meteen om dreiging. Vaak begint het simpeler: weten wat er gebeurt. Welke drone vliegt waar? Is de vlucht bekend? Wie kijkt mee? En wanneer moet er actie worden ondernomen?
Volgens Niels is die behoefte duidelijk merkbaar: “Je merkt dat er veel vraag naar is. Organisaties weten dat ze hier iets mee moeten. Dit platform kan een goede eerste stap zijn.” Daarbij gaat het niet om één sector of één locatie. Havengebieden, industrie, luchthavens, stedelijke gebieden en evenementenlocaties lopen allemaal tegen vergelijkbare vragen aan. De context verschilt, maar de basisvraag is hetzelfde: hoe krijg je betrouwbaar zicht op droneactiviteit in het lagere luchtruim?
De puzzel onder de motorkap
Een dashboard lijkt misschien simpel. De echte uitdaging zit in de data. Een radar kan iets detecteren. Een RF-systeem kan een radiosignaal oppikken. Een camera kan beeld geven. Een akoestische sensor kan geluid registreren. Maar kijken al die systemen naar dezelfde drone? Of naar verschillende objecten? Die vraag is technisch ingewikkeld. Het combineren van al die signalen heet datafusie. Dat is één van de belangrijkste onderdelen van deze use case. Thomas: “Het lijkt simpel: je maakt een dashboard en klaar. Maar de fusie van die data is heel complex. Hoe maak je de match tussen iets dat een camera ziet, iets dat radar detecteert en een radiosignaal?” Ook de context speelt mee. Een drone boven een terrein kan op het ene moment gepland en gewenst zijn. Op een ander moment kan dezelfde drone juist vragen oproepen. Rond een evenement, hotel of conferentie kan de situatie per uur veranderen. Een goed systeem moet dus meer kunnen dan alleen signalen tonen. Het moet ook rekening houden met tijd, locatie, afspraken en gebruikersrollen.
Wat gebeurt er na een melding?
Detectie is pas het begin. Daarna komt de vraag: wie doet wat? Bij een onbekende drone kunnen meerdere partijen betrokken zijn. Denk aan de eigenaar van het terrein, beveiliging, politie, handhaving, luchtverkeersleiding of andere publieke partijen. Zij moeten snel hetzelfde beeld kunnen delen. Nu gebeurt dat vaak nog handmatig. Iemand ziet iets, pakt de telefoon en probeert uit te leggen wat er aan de hand is. Niels schetste dat herkenbaar: “Als er nu iets gebeurt, wordt er vaak nog gebeld. Dan moet je maar hopen dat iedereen naar dezelfde drone kijkt.” Daarom gaat deze use case ook over werkprocessen. Wie krijgt welke melding? Wanneer schaal je op? Welke informatie mag je delen? En wie neemt uiteindelijk een besluit? Die vragen zijn minstens zo belangrijk als de techniek. Een platform heeft pas waarde als het past in de dagelijkse praktijk van de mensen die ermee moeten werken.
Ook relevant voor veilig vliegen
Tijdens de sessie kwam ook de link met U-space en veilig vliegen naar voren. Informatie over droneactiviteit is niet alleen interessant voor beveiliging. Ook drone-operators kunnen er baat bij hebben. Wie zelf met drones vliegt, wil weten wat er nog meer in de lucht is. Zeker bij BVLOS-vluchten en drone-in-a-box-toepassingen wordt dat belangrijker. Hoe meer droneverkeer er komt, hoe groter de behoefte aan betrouwbaar inzicht in het lagere luchtruim. Daarmee raakt de Counter-UAS-use case aan meerdere ontwikkelingen tegelijk: veiligheid, luchtruimbeheer, U-space, handhaving, kritieke infrastructuur en verdere opschaling van dronevluchten.
Waar staan we nu?
De basis van het platform staat. De komende periode draait om testen met gebruikers. Wat zien zij in het dashboard? Welke meldingen zijn nuttig? Welke informatie missen ze? Waar wordt het te veel? En welke data is nodig om een betrouwbaar beeld te geven? Ook wordt gekeken welke onderdelen breed bruikbaar zijn voor Nederland en welke onderdelen per locatie of sector verschillen.
Aan het einde van deze fase moet er een advies liggen voor verdere opschaling. Daarbij gaat het om vragen als: welke partijen zijn nodig, hoe organiseer je beheer en wie kan welke rol pakken? Thomas benoemde tijdens de sessie de volgende stap helder: “De behoefte is er. Dit moet je met meerdere partijen en op grotere schaal neerzetten.”
Een use case met bredere waarde
De Counter-UAS-use case laat goed zien hoe Dutch Drone Delta werkt. Een concrete vraag uit de praktijk wordt samen met partners verder gebracht. Door met elkaar te bouwen, te testen en stap voor stap te leren wat werkt. Het resultaat kan straks breder waardevol zijn. Voor havens. Voor industrie. Voor evenementen. Voor overheden. Voor drone-operators. En voor andere partijen die veilig en verantwoord met het lagere luchtruim willen omgaan. Tijdens de sessie zei iemand over deze en andere lopende use cases: “Het is software, dus misschien niet voor iedereen het meest sexy. Maar het is wel tastbaar. Supergaaf om daarmee het gesprek aan te gaan.” Dat typeert deze use case goed. Het gaat om techniek, data en dashboards. Maar daarachter zit een grotere vraag: hoe zorgen we dat Nederland beter zicht krijgt op het lagere luchtruim? Daar wordt nu, samen met partners, concreet aan gewerkt.
Wil je meer weten over deze use case, meedenken over de verdere ontwikkeling of onderzoeken of jouw organisatie kan aansluiten? Neem dan contact op via [email protected]. We denken graag mee!
