calendar tag arrow download print
Image
sensor meet kenteken
artikel
13 juni 2019

Dankzij deze sensoren kunnen rondreizende bandieten minder hun gang gaan

sensor technologie politie
Sensoren 'lezen' kentekens van passerende voertuigen.
In Roermond werken kennisinstellingen, bedrijven en de gemeente samen met de politie om bendes van rondreizende criminelen op te sporen. Slimmer politiewerk krijgt hier vorm door sensoren en big data-analyses. Juliette Anker, specialist Intelligence bij de politie, vertelt over dit experiment.

In het kort

  • In Roermond worden ANPR-camera’s en slimme sensoren gebruikt om rondreizende criminelen op te sporen.
  • De sensoren worden zo geprogrammeerd dat ze verdachte situaties detecteren op basis van informatie over onder andere type personen, auto’s, en land van herkomst.
  • Openheid van algoritmes is een kritiek punt: dit kan criminelen helpen bij het omzeilen van het sensortoezicht.

De designer outlet in Roermond

De grote trekpleister van Roermond is de Designer Outlet, die in 2001 is geopend. Jaarlijks trekt het winkelcentrum meer dan tien miljoen bezoekers. Juliette: ‘Dat is goed, dat wil je hebben als gemeente. De toeristen en dagjesmensen komen overal vandaan, uit alle windstreken. Naast het goedwillende winkelpubliek heeft het Outlet ook een aanzuigende werking op personen met minder goede bedoelingen, zoals winkeldieven en zakkenrollers.

De politie heeft een analyse gedaan om te kijken welke doelgroepen vaak terugkomen in relatie tot deze vormen van criminaliteit. ‘Puur op een analyse van het aangiftepatroon komen daar personen uit naar voren die afkomstig zijn uit bepaalde landen. Uiteraard uit Nederland zelf, maar opvallend vaak ook uit de landen Bulgarije, Polen en Roemenië. Vaak zijn dat mensen zonder vaste woon- of verblijfplaats, en deze vorm van criminaliteit valt onder de definitie mobiel banditisme’. Vanuit het politieprogramma ‘sensing’ in afstemming met de gemeente Roermond, is bedacht om slimme technologie in te zetten om dit probleem terug te dringen.

Het gebruik van sensoren roept ethische en maatschappelijke vragen op. Op verzoek van de Politie onderzoekt het Rathenau Instituut wat kan, wat mag, en wat burgers wenselijk vinden. Wat vinden burgers belangrijk bij het gebruik van sensoren door de politie, gemeenten, bedrijven en medeburgers? Als onderdeel van deze studie publiceren we online een reeks interviews met personen die, veelal professioneel, te maken hebben met sensoren.

Om privacyredenen is de naam ‘Juliette Anker’ gefingeerd

Er zijn spelregels voor sensoren op straat

Meetsensoren en punten tellen

Na een literatuurstudie naar mobiel banditisme in Europa, de operationele bevindingen van de politie op straat en de analyse van data,  is door analisten van de informatieorganisatie een informatieprofiel van mogelijke daders opgesteld dat antwoord geeft op vragen zoals: welke mensen zijn het, van welke leeftijdscategorie, met welke auto’s komen ze, wat is hun land van afkomst en op welke tijdstippen zijn ze actief? Het profiel bestaat uit meer dan tien kennisregels, die de kenmerken  van daders beschrijven.

Op basis van die set van regels zijn sensoren zo geprogrammeerd dat ze observaties in het straatbeeld koppelen aan het profiel. De sensor ANPR (Automated Name Plate Recognition), waarmee bijvoorbeeld kan worden vastgesteld of er een Litouws, Bulgaars, Duits of Nederlands kenteken langskomt, wordt in deze fase het meest gebruikt. De door de ANPR-sensoren geobserveerde nummerborden worden vervolgens gekoppeld aan de database van de RDW (Dienst Wegverkeer), om extra informatie over het voertuig op te halen.

Het is zeer onwenselijk dat je de mensen buiten de gezochte doelgroep aan de kant zet.
Juliette Anker

Uiteindelijk is het doel van het systeem om een verdachte situatie vast te stellen in het straatbeeld. Iedere kennisregel krijgt op basis van een sensormatch een waarde toegekend. De optelsom van al die scores haalt een bepaalde grens. Vanaf een bepaalde score hebben we te maken met een verdachte situatie.

Kenteken
Zo wordt een kenteken achtereenvolgens gefotografeerd, genormaliseerd op helderheid en contrast en gesegmenteerd voor karakterherkenning. Bron: https://commons.wikimedia.org/w/index.php?curid=565899

Opvolging op straat

Als er sprake is van een verdachte situatie, komt er een automatische melding binnen bij het Operationeel Centrum, van waaruit de aansturing plaatsvindt. ‘Het team op straat in Roermond moet dan kijken of ze in het straatbeeld aantreffen wat er technisch is vastgesteld.’ De agenten proberen dan de auto te onderscheppen en contact  te maken met de inzittenden.  Vaak kiezen kwaadwillende personen eieren voor hun geld na zo’n controle en vertrekken meteen uit Roermond. ‘En dat is precies wat we willen’, geeft Anker aan. ‘Het eventuele misdrijf is voorkomen en dat is waar het om gaat in deze proeftuin’. Op het moment van dit interview (voorjaar 2019) bevindt het systeem zich nog in een proeffase. ‘We worden binnenkort operationeel, waarbij er operationele sturing plaatsvindt richting het blauw op straat. We hebben nu drie maanden proefgedraaid, toen kwamen er tussen de acht en vijftien meldingen per dag binnen.’

Door middel van data-analyse wordt ook gekeken of er afwijkende patronen zijn in de metadata. Zo kan het patroon waarin een auto zich beweegt op een bepaalde tijd en naar een bepaalde richting, indicatief zijn voor een mobiele bandiet. Dit soort bewegings- en gedragspatronen kunnen ertoe leiden dat het daderprofiel wordt aangescherpt. Het uitgangspunt gedurende de hele proeftuinperiode  is dat het systeem dynamisch moet zijn, en niet star: ‘Als blijkt dat je niet de mensen die je zoekt onderwerpt aan controle, moet je goed onderzoeken waar dat aan ligt en vervolgens bijstellen. Bijvoorbeeld door het aanpassen of verwijderen van bepaalde kennisregels. Het is zeer onwenselijk dat je de mensen buiten de gezochte doelgroep aan de kant zet. Dit moet tot een absoluut minimum worden beperkt´.

We willen diefstallen voorkomen, dat moeten we terugzien in de cijfers.
Juliette Anker

Geen onderbuikgevoelens

Een gevaar bij een dergelijk project is de stigmatisering van bepaalde groepen mensen. Anker brengt hier tegenin dat dit systeem onderbuikgevoelens juist buitenspel zet en dat er telkens met een open vizier naar de data wordt gekeken: ‘Wat we zien op locatie en in de Outlet zetten wij cijfermatig af tegen de gehele populatie. Bepaalde groepen die van oorsprong afkomstig zijn uit de genoemde landen springen eruit’.

Anker zou het liefst zo weinig mogelijk false positives hebben. Het systeem moet in hoge mate betrouwbaar zijn en leiden tot effect: ‘We willen diefstallen voorkomen, dat moeten we terugzien in de cijfers. Het aantal winkeldiefstallen en zakkenrollerij in het winkelgebied van Roermond is voor ons een objectieve maatstaf’.

Samenwerking

In dit project wordt nauw samengewerkt met wetenschappers van de TU Eindhoven en Brightlands, een zogenaamde Smart Service Campus in Heerlen. Hogescholen, universiteiten, overheden en private partijen, zoals bedrijven en startups, werken daar samen op het gebied van digitalisering, technologie en datawetenschappen. ‘Die samenwerking was in het begin ook wel even wennen, want je zit daar als politie buiten je eigen muren.

Je kan een mooie probleemstelling hebben, maar niet alle data kan zomaar even delen als het operationeel is. ’Er is ook vanuit het buitenland veel belangstelling voor dit systeem. De Duitse politie is bijvoorbeeld erg geïnteresseerd en kijkt volgens Anker met verwondering naar wat er op dit gebied allemaal mogelijk is in Nederland. De Duitse privacywetgeving is namelijk een stuk strenger.

Transparantie

Openheid van algoritmes en de kennisregels is een kritiek punt bij de politie. Transparantie van het algoritme en onderzoek kan niet altijd worden gegeven, want inzicht in de werking van het algoritme kan criminelen juist helpen bij het omzeilen van het sensortoezicht. In het algemeen werkt de politie met protocollen en regels om bijvoorbeeld het toepassen van geweld te verantwoorden.

Bij dit experiment is echter sprake van een dynamisch systeem dat constant wordt doorontwikkeld. De initiële kennisregels die voortkomen uit de analyse geven geen absolute zekerheid: ‘Het is geen natte vingerwerk als je een kennisregel opvoert, maar als deze in de praktijk niet blijkt te kloppen, moet het worden bijgesteld.’.