Tagarchief: sensoren

Burgers en sensoren: 8 spelregels voor de inzet van sensoren voor veiligheid en leefbaarheid

In Nederland worden in toenemende mate sensoren, zoals camera’s of trackers die je beweging volgen en vastleggen, ingezet om leefbaarheid en veiligheid te bevorderen:

  • burgers en bedrijven bezitten circa 1,5 miljoen beveiligingscamera’s;
  • gemeenten hebben ruim 3.000 toezichtcamera’s;
  • de politie heeft ongeveer 500 tot 1.000 toezichtcamera’s.

Doordat nieuwe technologie steeds kleiner, mobieler en goedkoper wordt, kunnen ze gemakkelijker worden ingebouwd, zoals bij camera’s in smartphones. Verder worden verzameling en verwerking van data steeds gemakkelijker, zoals met slimme algoritmen in apps. Hierdoor is een uitgebreid netwerk van sensoren ontstaan dat een grote hoeveelheid data produceert. Dit netwerk bestaat niet alleen uit nieuwe sensoren, maar ook uit nieuwe actoren en toezichtsvormen:

  • burgers worden gemonitord door de overheid en bedrijven (surveillance);
  • burgers gebruiken sensoren om elkaar te monitoren (horizontale surveillance);
  • burgers gebruiken sensoren om de overheid en bedrijven in de gaten te houden (sousveillance).

We schetsen in dit rapport verschillende trends, die laten zien hoe toezicht verandert:

  1. We zien bij de politie steeds meer gebruik van sensoren en sensordata.
  2. We zien automatisering van kernactiviteiten van de politie zoals getuigen opsporen en handhaven door middel van slimme sensortechnologie.
  3. We zien burgers, bedrijven en gemeenten steeds meer sensordata verzamelen.
  4. We zien nieuwe vormen van samenwerking tussen de politie en andere actoren uit de samenleving om sensoren te gebruiken voor leefbaarheid en veiligheid.
  5. We zien private partijen die zelf speurwerk en handhaving doen met sensoren en sensordata.

Welke factoren bepalen hoe burgers denken over sensoren?

Om inzicht te krijgen in de mening van burgers over het inzetten van sensoren voor veiligheid en leefbaarheid, ontwikkelden we een begrippenkader (zie figuur 1). Hierin onderscheiden we drie dimensies van burgers (linkerkolom, vetgedrukt) en drie dimensies van sensortoepassingen (rechterkolom, vetgedrukt) die invloed hebben op hoe burgers denken over de inzet van sensoren voor leefbaarheid en veiligheid.

De literatuur laat zien dat persoonskenmerken, algemene houdingen en de directe sociale omgeving een rol spelen bij de meningsvorming van burgers. Zo blijkt dat dat oudere mensen meer geneigd zijn om sensortechnologie te accepteren dan jongere mensen. Verder blijkt dat mannen de partij die de sensor inzet (zoals de politie of een beveiligingsbedrijf) belangrijker vinden dan vrouwen, terwijl vrouwen meer waarde hechten aan het doel van de opsporing. Ook blijkt dat een positieve houding ten opzichte van technologie in het algemeen bijdraagt aan het vertrouwen van burgers in sensoren.

Met betrekking tot sensortoepassingen onderscheiden we ook drie dimensies die de kijk op sensoren beïnvloeden. Bij sensortechnologie gaat het over het type sensor en de mate waarin in het ontwerp van de technologie al rekening is gehouden met privacy (privacy-by-design) zijn genomen. Bij sociale praktijk en actoren gaat het om de context waarin de technologie wordt toegepast en de personen of organisaties die hierbij een rol spelen. Tot slot is de maatschappelijke, institutionele context, zoals de wettelijke regels voor cameratoezicht, of het maatschappelijke vertrouwen in autoriteiten, van belang. Om meer te weten te komen over de perspectieven van Nederlanders op sensortechnologie organiseerden we verschillende focusgroepen.

Hoe denken Nederlandse burgers over de inzet van sensoren?

Uit de focusgroepen komt een genuanceerd beeld naar voren van de inzet van sensortoepassingen. Het is niet mogelijk om los van de context te spreken over de acceptatie van bepaalde sensoren of technologieën. Burgers zijn niet voor of tegen bepaalde technologie, zoals bodycams of wifitrackers. Er is bij de inzet van technologie discussie nodig over:

  • de technologische eigenschappen;
  • het doel van de technologie;
  • de effectiviteit van de technologie;
  • de soort criminaliteit die begaan wordt door middel van de technologie; en
  • de context waarin de technologie wordt toegepast (waar, wanneer, hoe, door wie).

Uit de gesprekken blijkt dat twee factoren in het bijzonder van belang zijn: het type leefomgeving waarbinnen sensortechnologie wordt toegepast en de mate van veiligheid die burgers ervaren.

Invloed van de mate van veiligheid en type leefomgeving op de acceptatie van sensoren voor leefbaarheid en veiligheid door burgers.

We zien dat de acceptatie van sensorinzet afhankelijk is van de mate van veiligheid: hoe onveiliger burgers een situatie inschatten, des te meer ze het geoorloofd vinden om sensoren toe te passen om de veiligheid en leefbaarheid te vergroten.

De acceptatie is daarnaast afhankelijk van het type leefomgeving: de inzet van sensoren in de privéruimte is minder acceptabel dan de toepassing in de openbare ruimte, met name als de drukte daar groot is.

Aan de ene kant zeggen burgers dus ‘ja’ tegen de inzet van sensoren in zeer onveilige situaties en drukke openbare ruimtes, ‘mits’ voldaan wordt aan belangrijke randvoorwaarden. Aan de andere kant zeggen burgers ‘nee’ tegen de inzet van sensoren in thuissituaties, en in de rustige openbare ruimte als die veilig of licht onveilig is of aanvoelt, ‘tenzij’ het de veiligheid en leefbaarheid duidelijk verhoogt en voldaan wordt aan belangrijke randvoorwaarden, zoals privacy en persoonlijke vrijheid.

Maatschappelijke acceptatie sensorinzet
Figuur 2 Invloed van de mate van veiligheid en type leefomgeving op de acceptatie van sensoren voor leefbaarheid en veiligheid door burgers

Uit de focusgroepen bleek dat ook waarden richting geven aan de mening van burgers. Zo werd de discussie over de toepassing van sensortechnologie veelal geframed als een afweging tussen veiligheid en privacy. Tegelijkertijd blijkt uit de gesprekken duidelijk dat burgers bij de inzet van sensoren een breder palet aan waarden belangrijk vinden. Naast veiligheid en privacy gaat het daarbij om waarden zoals democratische rechten, efficiëntie, effectiviteit, innovatievermogen, transparantie, leefbaarheid en menselijk contact.

Acht spelregels voor de toepassing van sensoren

Bij het inzetten van sensoren en sensordata wordt van de politie verwacht dat ze zich bewust is van het belang van de genoemde publieke waarden en dat deze daadwerkelijk worden toegepast. In de praktijk kunnen bovengenoemde waarden op gespannen voet met elkaar komen te staan. Burgers verwachten dat de politie, in overleg met de samenleving, een goede balans vindt tussen verschillende waarden.

Op basis van de resultaten van het literatuuronderzoek en het focusgroepenonderzoek hebben we daarom spelregels geformuleerd, die handvatten geven voor de vertaling van waarden naar praktijk. Deze spelregels zijn toegespitst op de politie. Ons onderzoek laat echter zien dat burgers deze spelregels ook belangrijk vinden voor andere overheidsdiensten, bedrijven en medeburgers.

  1. Bij de inzet van sensoren dient de politie zo te handelen dat het vertrouwen wekt bij burgers.
  2. Burgers willen graag helder en transparant geïnformeerd worden over de inzet van sensoren.
  3. Burgers vinden dat privacy-by-design moet worden toegepast bij de inzet van sensoren.
  4. Burgers willen niet dat de inzet van sensoren ten koste gaat van de aanwezigheid van en het contact met politieagenten.
  5. Burgers willen dat het innovatievermogen van de politie op orde is en dat de inzet van sensoren effectief gebeurt.
  6. De inzet van sensoren mag niet leiden tot discriminatie.
  7. Om de persoonlijke vrijheid te waarborgen is het belangrijk om de inzet van sensoren voor veiligheidsdoeleinden te beperken tot onveilige situaties en drukke publieke ruimtes.
  8. Bovengenoemde spelregels gelden ook voor de samenwerking van de politie met andere partijen.

Rapport:

[slideshare id=171674827&doc=burgersensensoren-190913185622&type=d]

Bron: Rathenau

Sensing Clues: Van wilde natuur naar veilige omgeving

Als politie-onderzoeker kent hij de modernste technologie die wordt ingezet bij opsporing. Met zijn stichting zet Jan-Kees Schakel die in om stroperij in wildparken te bestrijden. “Sensing Clues turns wild spaces into safe havens!” valt te lezen op de website.

De rangers van Wildlife Works in Kenia en Phundundu in Zimbabwe hebben vandaag de dag een nieuw wapen in de strijd tegen stropers, illegale houtkap, en andere bedreigingen. Dankzij een applicatie van de Nederlandse non-profit Sensing Clues kunnen de rangers hun observaties nu in real-time met elkaar delen en combineren.?Natuurgebieden worden voortdurend bedreigd door illegale activiteiten, vari?rend van stroperij tot illegale begrazing, houtkap, ontginning, mijnbouw en afvaldumping. Met name in Afrika wordt de bescherming van bedreigde flora en fauna bemoeilijkt door de enorme omvang van de natuurgebieden, en het beperkte aantal rangers. In Kenia wordt bijvoorbeeld een natuurgebied van ruim 200.000 hectare natuur beschermd door minder dan 150 rangers ? een gebied dat ongeveer zo groot is als de provincie Limburg.

Tot op heden gebruikten veel rangers papieren formulieren om hun ervaringen en observaties te rapporteren. Daardoor krijgen ze pas veel later? soms maanden ? een duidelijk overzicht van wat er in het natuurgebied speelt. Vanaf vandaag hebben de rangers van Wildlife Works en Phundundu de beschikking over de nieuwe applicatie van Sensing Clues om al hun observaties in ??n beveiligde analyse-omgeving te centraliseren.

?Rangers vormen de voorhoede van natuurbeschermingsorganisaties,??zegt Dr. Schakel.??Zij zien veel sporen van illegale activiteiten in het gebied, maar konden hun individuele observaties niet eenvoudig met elkaar delen om hier vervolgens gezamenlijke inzichten uit te destilleren. Onze app geeft ze die mogelijkheid. Zij hebben nu een uiterst professionele observatie- en analysetool die ze helpt om op basis van de verzamelde informatie gericht in actie te komen. Dit is essentieel voor effectieve bescherming, omdat de gebieden immens groot zijn, het aantal ?boots on the ground? zeer beperkt, en stropers hier handig misbruik van maken.?

Kunstmatige Intelligentie

Na een testperiode van enkele maanden worden de observaties van de rangers in de applicatie aangevuld met observaties van ?slimme? sensoren. Sensing Clues ontwikkelt sensoren die in de natuur geplaatst worden om mens-gerelateerde signalen, zoals radiocontact en geluiden op te vangen. Met behulp van kunstmatige intelligentie worden geweerschoten, motorzagen en bromfietsen automatisch herkend. Deze observaties worden gedeeld met de rangers, die hierdoor direct in actie kunnen komen.

In de nabije toekomst wordt het softwareplatform volgens Schakel uitgebreid met nog meer databronnen en algoritmes voor het berekenen van risico?s:??Er zijn veel geweldige initiatieven voor het monitoren van wilde dieren. Biologen en ecologen gebruiken bijvoorbeeld gps-chips om bedreigde diersoorten te volgen. Zulke gegevens zijn ook heel waardevol voor misdaadpreventie als ze gecombineerd worden met de bevindingen van rangers en bijvoorbeeld de weersvoorspelling. De inzichten die dit oplevert helpt rangers om op het juiste moment op de juiste plaats te zijn om bedreigde diersoorten te beschermen.?

Een luide knal

De luide knal van een geweerschot. Jan-Kees Schakel en zijn vrouw worden midden in de nacht opgeschrikt in hun bamboehut in de jungle van Laos. Ze zijn op dat moment de enigen in het resort. Verder alleen de herrie van de natuur. En dat schot dus ineens. Ze wachten op wat komen gaat. Angstige minuten. Een kwartiertje later horen ze een bootje wegtuffen op de nabijgelegen rivier, richting bewoonde wereld. Het kan maar ??n ding betekenen, weet Schakel: stropers. Het incident vormt het begin van zijn stichting Sensing Clues. Als onderzoeker en strategisch adviseur bij de politie heeft hij dan al vele jaren ervaring met het gebruik van de modernste waarnemingstechnologie?n die kunnen worden ingezet bij opsporing. Dat kunnen camerabeelden zijn, maar ook Twitterberichten: alles wat maar kan helpen bij het opsporen van criminelen of het zo snel mogelijk signaleren van een crisissituatie.

In zijn hut in de jungle van Laos beseft Schakel dat precies dit soort informatie hard nodig is om de natuur te beschermen. Hier kan hij zijn oude en zijn nieuwe werk combineren; voordat hij bij de politie terechtkwam, heeft Schakel jarenlang in de tropen gewerkt als natuurbeschermer. Met zijn stichting wil hij parkwachters voorzien van de technieken waar ook de politie mee werkt. Sensoren, analyseprogramma?s, apps: alles wat maar kan bijdragen aan de strijd tegen stropers. Als het de natuurbeschermers aan ??n ding ontbreekt, is het real time-informatie.

Jan-Kees Schakel (links) met een parkwachter in Nepal.?Beeld Sensing Clues

Schakel kwam er snel achter wat het grote probleem is: er zijn gadgets genoeg, maar die werken vaak niet goed samen. Of ze zijn gebruiksonvriendelijk. Het gevolg is dat veel informatie nog altijd op traditionele wijze wordt overgebracht; mondeling, als de rangers elkaar ?s avonds bij het eten treffen. Of via opschrijfboekjes, die pas na drie maanden door iemand in de computer worden ingevoerd. De stroper is dan al lang en breed gevlogen.

???

Kies het type spoor dat gevonden is en leg de observatie vast of deel een melding.

Een deel van de oplossing is volgens Schakel de app van?Sensing Clues. Schakel, die inmiddels nog maar de helft van de tijd bij de politie werkt en de helft van zijn inkomsten heeft ingeleverd, laat de app zien. Eenvoud staat voorop; de ranger kan zijn rapportages doen via een aantal icoontjes. Zo kan hij aangeven dat hij resten van een vuur heeft gevonden, of een strik of bandenspoor. ?Rangers weten vaak niet of iets van belang is of niet. Logisch ook; pas in combinatie met andere sporen kan de grote lijn duidelijk worden.?

Schakel noemt als voorbeeld de vondst van een kapot kapmes door ranger 1 en een paar dagen later in hetzelfde gebied batterijen van een zaklantaarn door ranger 2. ?De combinatie van zaklamp met kapmes kan duiden op het stropen van giraffen?, weet Schakel. ?De ene stroper verblindt de giraffe met een krachtige lichtbundel en maakt lawaai met een ratel, waarop het dier in verwarring blijft staan. Zijn collega benadert de giraffe van achter en hakt de achillespezen door, waarop het beest ter aarde stort.? Het vlees van de ? beschermde ? giraffe wordt vervolgens op de markt verkocht als ?bush meat?, goedkoper dan koeien- of geitenvlees.

Vele uren mankracht

?Alles begint met de waarnemingen. Die kunnen van parkwachters zijn, maar ook van andere mensen die je vertrouwt, zoals boeren, gidsen of toeristen.? Een ander belangrijk onderdeel is het data- en analyseplatform. Hier komen alle gegevens binnen. Schakel had dit nooit kunnen ontwikkelen zonder de hulp van allerlei partijen die hij vanuit zijn politiewerk al kende. Consultants, juristen, datawetenschappers, vormgevers en programmeurs hebben allen belangeloos hun steentje bijgedragen. Door software zonder licentiekosten beschikbaar te stellen, maar ook via vele uren mankracht. Het resultaat is een systeem dat iedereen snapt. De ranger ziet ??n duidelijke kaart waarop alle informatie kan worden getoond. Dit alles met als doel meteen actie te kunnen ondernemen.

Verder zijn ook sensoren hard nodig, want mankracht alleen is nooit voldoende. In de Rukinga Wildlife Corridor in Kenia werken bijvoorbeeld zo?n 120 rangers (in groepen van 8) op een gebied van 220 duizend hectare. Dat is maar iets minder dan de provincie Noord-Holland. Op strategische plekken kunnen sensoren worden achtergelaten. Daar komt veel bij kijken, want ze moeten via zonnepanelen (of eventueel een batterij) aan energie komen, maar mogen tegelijk niet opvallen.

Schakel verstopt een zonnecel voor een sensor in een park in Kenia.?Beeld Sensing Clues

Sensing Clues ontwikkelt nu drie typen sensoren: voor het registreren van kunstmatig licht, van elektronica (bijvoorbeeld de signalen die mobieltjes uitzenden) en voor menselijk geluid. ?Stropers maken veel lawaai?, weet Schakel. ?Ze wanen zich onbespied omdat het gebied zo groot is. Ze maken dus gerust een vuurtje en zetten de radio aan.?

Herbert Prins, hoogleraar Natuurbeheer aan de Universiteit van Wageningen, gelooft enorm in het gebruik van sensoren en AI om stropers op te sporen voordat ze een misdaad hebben begaan. Het is de reden dat hij Sensing Clues ondersteunt door in de raad van toezicht plaats te nemen. De natuurbescherming is volgens hem de laatste decennia ?gemilitariseerd?, een slechte ontwikkeling. Volgens Prins moet de geweldsspiraal?? aan beide kanten vallen dodelijke slachtoffers ? doorbroken worden, wat mogelijk is door technologie slim in te zetten. Hij noemt de speciale trackers waaraan het Hilversumse ict-bedrijf Sodaq werkt. Deze worden aangebracht op bijvoorbeeld zebra?s. Door het gedrag van een kudde te analyseren, kan met ?een waanzinnige precisie? voorspeld worden of er stropers in de buurt zijn. ?Zebra?s?reageren anders?op stropers dan op parkwachters of toeristen. Ze ruiken gevaar als ze mensen zien die sluipen of gewoon wandelen en gedragen zich daar dan ook naar door bijvoorbeeld hard weg te lopen.?

Toys for boys

Hoe veelbelovend al dit soort sensoren ook zijn, het zijn geen wondermiddelen, benadrukt Schakel. ?Je hebt niets aan gereedschap als het niet onderdeel is van een hele kist. Alles moet goed op elkaar zijn afgestemd.? En juist daar gaat het vaak mis, volgens Schakel. Hij ziet spectaculaire en mediagenieke voorbeelden voorbijkomen. Camera?s in de hoorn van een neushoorn, drones, noem maar op. ?Dat ziet er allemaal prachtig uit, maar er is niet altijd goed over nagedacht.? In de woorden van Prins:?toys for boys.

Daarom werd Schakel in eerste instantie ook met de nek werd aangekeken toen hij bij parken aanklopte: w??r zo?n westerling die met een gadget komt aanzetten die alles gaat oplossen. Pauline Verheij, programmamanager Wildlife Crime bij dierenwelzijnsorganisatie IFAW, is ?heel enthousiast? over het gereedschap van Sensing Clues. ?Vaak wordt vergeten wat de basisproblemen zijn. Stroperij floreert in landen waar gebrek is aan capaciteit, geld en politieke wil. En waar veel corruptie is. Rangers moeten vaak werken onder slechte omstandigheden, waardoor ze ongemotiveerd zijn. Er is geen benzine, geen uitrusting, geen fatsoenlijke kleding. Dan kun je wel met de nieuwste technieken komen, maar dat lost niets op.? Terwijl techniek volgens Verheij wel degelijk kan helpen om de bestrijding van stroperij effectiever te maken. ?Ik geloof erin als het eenvoudig en laagdrempelig is in het gebruik.? Sensing Clues voldoet daar volgens haar aan.

Voor die gereedschapskist van Sensing Clues moet trouwens nog wel betaald worden. Veel is het niet: een paar duizend euro per jaar voor ondersteuning. Sensing Clues heeft nu afspraken met twee beschermde gebieden: Rukinga Wildlife Corridor in Kenia en Phudunda in Zimbabwe. Dat is het begin, als het aan Schakel ligt: ?We hebben de ambitie om honderden parken te helpen.? Zorg is er ook, over de beveiliging van de webomgeving: ?Stroperij is een miljardenbusiness. Zodra stropers zien dat dit een succes is, gaan ze alles uit de kast halen om ons plat te leggen, zodat rangers hun werk niet meer kunnen doen. We moeten er rekening mee houden dat we van alle kanten worden aangevallen.? Schakel zoekt dus nog hulp van de beste cybersecuritybedrijven. De constante wapenwedloop tussen beschermer en stroper zal ook op internet worden gevoerd.

DRONES IN OPKOMST, MAAR EXPERTS HEBBEN TWIJFELS

Sinds een jaar of tien zijn drones flink in opkomst om de natuur te beschermen. De ontwikkelingen gaan hard, zegt Serge Wich, mensaaponderzoeker aan de Universiteit van Amsterdam ?n dronespecialist. Een van de mogelijkheden is drones te verbinden met camera?s of gps-trackers die op dieren zijn aangebracht, zodat ze altijd kunnen worden gevolgd. Met behulp van kunstmatige intelligentie (AI) zou zo?n drone ook, via beeldherkenning, kunnen bepalen of hij een neushoorn ziet of een stroper. De Lindbergh Foundation werkt samen met AI-bedrijf Neurala om zoiets?voor elkaar te krijgen. Wich heeft zijn bedenkingen over de werking: ?Er wordt van alles geroepen, maar er is nog veel onderzoek nodig.? Het is leuk dat de drone een stroper kan herkennen, maar er wordt niet bij verteld hoe vaak hij hem mist, zegt Wich. Ook is het duur drones in de lucht te houden en is er veel training nodig om een vliegtuigje goed te laten landen. Programmamanager Wildlife Crime Pauline Verheij heeft nog meer bedenkingen: ?Zolang er corruptie is, kunnen drones ook worden misbruikt door stropers om dieren op te sporen.? Ook hoogleraar Natuurbescherming Prins ziet de nodige nadelen aan drones, zeker als ze worden ingezet om via beeldherkenning op jacht te gaan naar stropers. ?Daar wil ik niet aan meewerken. De volgende stap is zo?n drone op stropers te laten schieten.? Wat wil niet zeggen dat drones niet nuttig zijn. Bijvoorbeeld om de informatie die door de sensoren wordt doorgegeven te verwerken. De huidige drones maken volgens hem een ?heel irritant? geluid dat op grote afstand is te horen, vergelijkbaar met een zwerm killer-bijen. Zowel beest als stroper slaat ervan op hol. Prins heeft hoge verwachtingen van een heel nieuw type drone: de??Robird?. Het Nederlandse Clear Flight Solutions is een van de partijen die zo?n klapwiekende drone wil ontwikkelen.

CHIMPFACE

Alexandra Russo probeert met haar kersverse initiatief?ChimpFace?het probleem van illegale handel in chimpansees op een heel andere manier aan te pakken. Met gezichtsherkenningssoftware scant ze internet af op afbeeldingen van chimpansees die in gevangenschap leven. Sociale media staan vol met foto?s van in babykleertjes gehulde apen, maar er zijn ook sites waar ze te koop worden aangeboden. Met de slimme software moet het gemakkelijker zijn om dit soort beelden op te sporen, waarna experts er naar kijken. Uiteindelijk is het doel van Russo om ? net als bij gezichtsherkenningssoftware voor mensen ? specifieke?chimpansees te herkennen?om zo een spoor te kunnen volgen over internet. De schade is altijd groter dan die ene schattige chimpansee, weet Pauline Verheij. ?Om ??n babychimp mee te nemen, wordt een hele familie uitgemoord.? Het vlees daarvan wordt op de markt verkocht.

Drones en smartphones worden ook ingezet om?illegale ontbossing tegen te gaan en Sea Shepherd zet nu ook?drone in tegen walvisjagers.

Bron: De Volkskrant, Emerce

Landelijke Meldkamer Samenwerking en het Nieuwe Melden

De wereld verandert continu. Technologische ontwikkelingen en nieuwe toepassingen daarvan in de maatschappij volgen elkaar in rap tempo op. Nieuwe communicatiemiddelen tussen mensen onderling, met bedrijven en de overheid zorgen voor nieuwe mogelijkheden voor het melden van ongevallen en noodsituaties. Het ministerie van Justitie en Veiligheid, de hulpverleningsdiensten (in de vorm van de LMS, de Landelijke Meldkamer Samenwerking) en TNO onderzoeken binnen het programma ?Het Nieuwe Melden? samen hoe de overheid zich slimmer kan organiseren en beter gebruik kan maken van de kansen die nieuwe communicatievormen bieden voor het melden van veiligheidsincidenten. De kennis die deze onderzoeken oplevert, draagt eraan bij om nu en in de toekomst burgers in nood sneller en effici?nter te helpen en de ambulancezorg, brandweer, marechaussee en politie beter te faciliteren bij hulpverlening en bestrijding van crisis en rampen.

Bijeenkomst op de CCR Summit 2018

Visie vormen en experimenteren

Visievormend en experimenteel onderzoek is de kern van de aanpak van Het Nieuwe Melden. Met visievormend onderzoek brengen we de huidige trends en transities in kaart en bedenken samen met de verschillende stakeholders in het meldkamerdomein hoe hier effectief op ingespeeld kan worden. Met experimenten onderzoeken we de invloed van technologische ontwikkelingen op de meldkamer en het meldproces. We beantwoorden vragen als: ?Hoe sturen we hulpverleners voorbereid op weg met big data?? of ?Welke input kunnen sensoren leveren aan de meldkamer??. In het programma werken we nauw samen met de LMS. De LMS, de ‘scale-up’ van het programma Landelijke Meldkamer Organisatie, is het nieuwe organisatieonderdeel van de politie en werkt van en voor alle partijen in het meldkamerdomein. E?n van de belangrijke opdrachten van de LMS is het moderniseren en vernieuwen van meldkamerprocessen, -systemen en ?organisatie, onder andere met sensoren, datascience en netcentrisch opereren. In samenwerking met het meldkamerveld kunnen we onderzoek doen met impact ? waarin de eindgebruiker wordt meegenomen. We vertellen graag meer over de trends en transities en lichten twee recente experimenten toe.

Trends

Er zijn verschillende trends in kaart gebracht die van invloed zijn op het meldproces:

  • Smart community: We leven in een smart community, waarin informatie-uitwisseling explosief toeneemt en mensen altijd en overal met elkaar verbonden zijn. Dit betekent dat er meer kanalen komen via welke burgers meldingen kunnen of willen doen. In deze genetwerkte samenleving is iedereen steeds meer altijd en overal met elkaar verbonden. Daarnaast wordt burgerparticipatie, bijvoorbeeld via sociale media, gemakkelijker.
  • Vermenging digitale en werkelijke wereld: De digitale en werkelijke wereld versmelten, waarbij er een toenemende afhankelijkheid is van digitale systemen. De digitale wereld is in staat tot steeds betere nabootsing of zelfs ?verbetering? van de echte wereld. Denk hierbij bijvoorbeeld aan Augmented Reality of Mens Machine Interfaces. Activiteiten en systemen in het digitale domein krijgen daarmee steeds meer invloed op onze activiteiten in de fysieke wereld. Digitale veiligheid zal daarmee steeds meer impact hebben op de fysieke veiligheid van de burger.
  • Beeldcultuur: We leven in een beeldcultuur, waar de technologie in een stroomversnelling zit en de behoefte aan beeld steeds groter wordt. De impact van deze trend is momenteel al voelbaar in de meldkamers, die steeds vaker toegang hebben tot (live-)beelden uit de regio. Bij dit toenemende aanbod moet rekening gehouden worden met de regie ? voegt het beeld nog wat toe aan reeds ontvangen informatie en in hoeverre draagt het bij aan snellere hulpverlening? Daarnaast is het van belang om de impact op de centralist te duiden; beelden kunnen schokkender zijn of juist een melding afzwakken.
  • Autonome besluitvorming: Er is steeds meer sprake van autonome besluitvorming op basis van data. Wanneer er geen gebruik gemaakt wordt van de toenemende input van data ten behoeve van veiligheid zal de burger zich afvragen waarom niet. Aan de andere kant moet er ook geen overload zijn aan data of beslismodellen die het hulpverleningsproces kunnen verstoren.
  • Digital trust: We worden ons bewust van de keerzijde van het opslaan en transporteren van data, mede omdat de kwetsbaarheid voor digitale veiligheidsincidenten groter wordt en het onderscheid tussen nep en echt steeds moeilijker. Privacy zal soms opgegeven moeten worden ten behoeve van veiligheid, maar waar ligt deze grens? Transparantie over welke gegevens waarvoor worden gebruikt blijkt hierin een belangrijke factor. Daarnaast moeten nieuwe databronnen (zoals beeld) die aangewend worden voor besluitvorming betrouwbaar zijn.
  • Smarter world: We leven in een smarter world, waarin ?dingen? steeds slimmer worden en mens-machine interfaces steeds intu?tiever. Veiligheidsdiensten moeten dus steeds beter kunnen communiceren met dingen in plaats van mensen. Op deze manier zouden slimme voer-, vaar- en vliegtuigen of gebouwen zelf meldingen kunnen doen.

Transities

Om in te spelen op de hierboven beschreven trends en ontwikkelingen zijn verschillende transities voor de meldkamer gedefinieerd: van beperkte gegevens naar relevante multimediale informatie, van volgend naar voorspellend, van menselijke naar kunstmatige intelligentie, van begrensd naar virtueel grenzeloos, van intern hi?rarchisch naar extern genetwerkt, van blind vertrouwen naar transparantie. Aan deze transities worden samen met stakeholders, zoals de verschillende kolommen en het ministerie, actierichtingen gedefinieerd die eind dit jaar gepubliceerd zullen worden.

Transities op de weg naar Het Nieuwe Melden

Beeld in de meldkamer

?Ja mevrouw, ik zie het?!? Een nieuw geluid op de 112-meldkamer tijdens het experiment ?Melden met beeld?. In oktober is een onderzoek uitgevoerd in de Meldkamers Noord-Nederland en Noord-Holland om te onderzoeken wat de invloed is van het gebruik van beelden bij 112-meldingen. Beeld kan namelijk het proces versnellen en de juistheid van informatie vergroten maar mogelijk ook tijd kosten om te interpreteren en afleiden van wat wordt gezegd. Centralisten van verschillende disciplines deden mee aan twee experimenten. Het eerste (quasi) experiment richtte zich op het effect van beeld op het proces en met name op de snelheid, juistheid en volledigheid van de verwerkte informatie. Elke centralist handelde tijdens het experiment acht cases af waar tijdens de intake beeldmateriaal aan werd toegevoegd. Op die manier konden onderzoekers van TNO de prestaties van de centralisten die eerder de cases hebben afgehandeld zonder beeldmateriaal worden vergeleken met de prestaties van de centralisten die wel beeldmateriaal kregen aangeboden. Het tweede experiment was verkennend van aard en richtte zich op de emotionele en cognitieve impact van beeld op de centralist. De eerste conclusies en inzichten van de experimenten worden nu verwerkt en later dit jaar gepresenteerd. Want, de toekomst komt in beeld.

Voorspellen van meldingen

Het voorspellen van de spoedvraag is een ander voorbeeld van een experiment, dit keer in samenwerking met de meldkamer Rotterdam. In dit experiment wordt een algoritme ontwikkelt om 112-meldingen te voorspellen op basis van historische en live bronnen. Verschillende databronnen kunnen gebruikt worden door zogeheten ?machine learning algoritmes? om trends te ontdekken en voorspellingen te doen. Politie, brandweer en ambulance maken al gebruik van voorspellende algoritmes om te bepalen waar de kans op incidenten het grootst is. Maar deze algoritmes zijn nu nog voornamelijk gebaseerd op historische incident data. De vraag is of andere (live) databronnen zoals weer en verkeer kunnen worden benut om beter te kunnen anticiperen op de spoedvraag. Deze vraag wordt op het moment van schrijven getoetst waarbij experts van politie, brandweer en TNO samenwerken om voor dit probleem werkbare oplossingen te realiseren.

Conclusie

Door een gedegen visie te vormen over de nabije en verdere toekomst en te leren van experimenteren in de praktijk geeft het onderzoeksprogramma Het Nieuwe Melden inzicht in de meldkamer van de toekomst: wat is er mogelijk en hoe pakken we dit aan? Een mooie uitdaging waar nu en in de komende jaren hard aan gewerkt wordt. Doet u mee?

[slideshare id=124470879&doc=20178ccrsummitmagazinev1-181130084220]

Bron: RB&W

De toekomst van sensing voor veiligheid

Sensing is het vermogen van een organisatie om relevante informatie te verzamelen met behulp van sensoren, met de intentie tot opvolging. Met de onze publicatie ‘De toekomst van sensing voor veiligheid’ plaatsen we sensing voor veiligheid in een maatschappelijke context en helpen we onze partners om zelf tot een visie te komen.

Een eenzijdige focus op meer data en informatie over burgers en bedrijven is niet de oplossing voor de toekomst van sensing op veiligheid. Dat leidt alleen maar tot minder privacy en dus minder vrijheid. Uitvoerende veiligheidsorganisaties worden door de snelheid en hoeveelheid van technologische en maatschappelijke ontwikkelingen uitgedaagd om zelf te bepalen welke informatie ze wel ?n welke ze niet nodig hebben.

TNO geeft inzicht in wat er nodig is voor partners actief in openbare veiligheid en vitale infrastructuren, om z?lf een visie op sensing te kunnen ontwikkelen ter ondersteuning van de uitvoering van operationele taken, gestoeld op expliciet beschreven principes die de relatie tussen maatschappij, uitvoerende veiligheidsorganisatie en technologie duiden.

TNO laat tevens zien hoe uitvoerende veiligheidsorganisaties zelf tot een visie op dit zeer actuele onderwerp kunnen komen, zonder dat men vervalt in een welles-nietesdiscussie over kraaltjes en spiegeltjes.

Download of lees de publicatie online:

[slideshare id=117774888&doc=tno-2018-toekomst-181002105901&type=d]

Bron: TNO

Misdrijven oplossen met data

De politie die meer criminaliteit weet te voorkomen. Weinig mensen zullen daar op tegen zijn. Maar over de manier waarop valt wel te discussi?ren. De politie in Limburg vertrouwt op de rekenkracht van computers die door een berg data te analyseren rondreizende dieven aanwijzen. Terwijl deskundigen ook een hoop beperkingen van dat zogeheten ‘voorspellende politiewerk’ zien.

Zo heeft een algoritme het lang niet altijd bij het juiste eind, zegt Selmar Smit van het onderzoeksinstituut TNO. “Eigenlijk is het niet meer dan een kansberekening: hoe waarschijnlijk is het dat het hier om een verdacht persoon gaat? En een kansberekening zit er weleens naast.”

Hoeveel personen als gevolg daarvan onterecht als verdacht worden aangemerkt, hangt af van hoe ‘strak’ het algoritme wordt afgesteld. Formuleer je heel specifieke kenmerken, dan worden weinig mensen eruit gefilterd. Dat verkleint de kans op fouten, maar vergroot de kans dat een hoop criminelen over het hoofd worden gezien. Hanteer je ruimere kenmerken, dan pak je mogelijk meer boeven, maar wijst de computer ook meer onschuldigen aan.

De politie zegt fouten te ondervangen door agenten uiteindelijk zelf de afweging te laten maken of ze het advies van de computer opvolgen. Zoals in Roermond, waar de politie met camera’s langs de snelwegen en andere sensoren rondreizende dieven probeert te onderscheppen voordat ze toeslaan in het outletcentrum in de Limburgse stad. Agenten die een melding krijgen, gaan er heus niet direct met groot geschut op af, aldus de politie. Ze kijken eerst of dat wat de computer concludeert terecht is.

Steekproef

Het is belangrijk om maatregelen te nemen om agenten scherp te houden, stelt Smit. “Bijvoorbeeld door er af en toe een willekeurige steekproef tussendoor te gooien, zonder dat de agent op straat dat weet.”

Wat er kan gebeuren als de politie te veel op de computer vertrouwt, bleek uit een eerder project dat gericht was op het onderscheppen van drugskoeriers. Agenten waren gewend dat het systeem het altijd bij het goede eind had. Tot een oude vrouw met groot vertoon werd klemgereden.

Marc Schuilenburg, filosoof en criminoloog aan de Vrije Universiteit in Amsterdam, heeft meer bezwaren tegen dat voorspellende politiewerk. Iedereen die straks richting het outletcentrum in Roermond rijdt zal door het algoritme worden beoordeeld.

“Dat betekent dat elke burger als potentieel risico wordt gezien. Dat is een wezenlijk verschil met het traditionele politiewerk, waarbij agenten afgaan op een melding over een verdachte situatie of handelen op basis van hun eigen observatie.”

Risico

De ene groep zal bovendien vaker worden aangewezen als verdacht dan de andere, zegt Schuilenburg. “In Roermond zal dat gaan om Oost-Europeanen, omdat veel rondreizende dieven daar vandaan komen. Maar dat betekent nog niet dat elke bezoeker uit het voormalige Oostblok een risico vormt. Toch zullen ze meer kans maken staande te worden gehouden, terwijl ze helemaal geen misdrijf hebben begaan.”

Algoritmes zeggen alleen iets over de groep die wordt gepakt, zegt ook Smit. Want met die kenmerken wordt de computer gevoed. Zo kan een focus op ??n bepaalde groep ontstaan. “De vraag is of je het acceptabel vindt dat een Oost-Europees gezin telkens wordt aangesproken als ze komen winkelen omdat daarmee de veiligheid zou worden vergroot.”

Schuilenburg pleit voor meer toezicht op de algoritmes. “Bij andere opsporingsmethoden, zoals een observatie, moet de rechter-commissaris vooraf toestemming geven. Dat geldt niet voor dit voorspellende werk, waarvoor de politie wettelijke bevoegdheid heeft. Er is hooguit achteraf een toetsing door de rechter, als een verdachte voor moet komen. Dat is veel te beperkt.”

NOS bracht de stand van zaken in andere landen in kaart:

China: score per burger

Het bekendste voorbeeld is wel ver weg: China. En dat is dan ook het voorbeeld dat het verst gaat. Is de politie in Nederland bezig met het opsporen van zakkenrollers en plofkrakers, in China?wil?de overheid ook minder vergaande ‘overtredingen’ bestraffen.

Je ouders niet vaak genoeg bezoeken, zwartrijden, oversteken bij rood licht? Het kan van invloed zijn op je ‘sociale kredietscore’, een cijfer dat invloed heeft op de vraag of je een trein kunt nemen, bepaalde banen kunt krijgen of je kinderen naar de goede scholen kunt sturen.

Het systeem is nog niet operationeel, maar in delen van China wordt er al volop mee getest, met slimme camera’s die gezichten kunnen herkennen.

Verenigde Staten: niet altijd even transparant

Zo ver gaat het in westerse landen nog niet. Maar in de Verenigde Staten is de politie wel al meer dan tien jaar bezig om te zoeken hoe voorspellende technologie?n kunnen worden ingezet tegen criminaliteit.

In Chicago hebben honderdduizenden burgers bijvoorbeeld een score waarmee de politie inschat hoe gevaarlijk ze zijn. Als de politie een burger staande houdt, weet de agent die dat doet hoe gevaarlijk die persoon is. Ook in andere grote steden wordt deze aanpak gebruikt.

Dat gebeurt niet altijd even transparant: vaak zijn de onderliggende algoritmes geheim. In New Orleans bleek zelfs al zes jaar een project te bestaan voor het voorspellen van misdrijven, zonder dat burgers of gemeenteraadsleden dat wisten. Na publiciteit erover trok de gemeente de stekker uit het project.

Duitsland: een brug te ver

Zoiets zou in Duitsland nooit gebeuren, zegt correspondent Kees van Dam. “Privacy is hier een groot goed: we hebben hier geen DigiD, ov-chipkaart en Google Street View.” De afgelopen jaren is veel gedebatteerd over nieuwe wetgeving om de politie makkelijker achter de voordeur te laten kijken, maar die is nog niet aangenomen.

Een uitzondering is er in Beieren: daar is een wet aangenomen die de politie en de inlichtingendiensten preventief laat tappen en arresteren. Ook kunnen er camera’s met gezichtsherkenning worden ingezet en lopen agenten rond met bodycams. “Maar daar gaat het echt om terrorisme. Zoiets inzetten voor zakkenrollers is in Duitsland echt een paar bruggen te ver”, aldus Van Dam.

In Frankrijk heeft de politie meer ervaring met voorspellend rechercheren, maar dat blijkt ondanks een investering van 108 miljoen euro geen succes: agenten zijn onvoldoende opgeleid en de resultaten zijn niet spectaculair.

“Databases werden hierbij gekoppeld om beter te voorspellen waar welke vorm van misdaad zich zou voordoen”, zegt correspondent Frank Renout. “Maar zoals een politiechef die zo’n project leidde, al zei: vroeger plakten we blaadjes met een punaise op een bord, nu hebben we data, maar dat is nog geen voorspellend politiewerk.”

Weliswaar kon de politie in het departement L’Oise, in Noord-Frankrijk, 74 procent van alle strafbare feiten voorspellen met software, maar dat lukte de politiedienst net zo goed door ouderwets veldwerk op straat. Het project werd dan ook stopgezet.

Desondanks schuift de Franse politie digitaal rechercheren nog niet aan de kant: er is vorig jaar een speciale politiedienst opgericht die zich richt op agenten die niet de straat opgaan, maar wetenschappelijke of technische expertise hebben.

Verenigd Koninkrijk: weinig kritiek

In het Verenigd Koninkrijk, het land met de grootste hoeveelheid beveiligingscamera’s per inwoner, is de politie wel blij met de voorspellende technologie. In Kent, bijvoorbeeld, heeft voorspellende software geleid tot 6 procent minder geweldsdelicten op straat. “Ook was de politie vaker in staat om snel aanwezig te zijn en escalatie te voorkomen”, zegt correspondent Tim de Wit. De politie in Kent is nu aan het onderzoeken hoe ook het aantal inbraken kan worden teruggedrongen en ook andere politiekorpsen experimenteren met de technologie.

Burgers vinden het prima. “Ongeveer de helft van de Britten vindt het goed als politie en veiligheidsdiensten meer bevoegdheden krijgen”, zegt De Wit. “Maar privacywaakhonden en ook mensenrechtenorganisaties waarschuwen voor de gevolgen.”

Bronnen: Trouw, NOS, NOS, Trouw, De Telegraaf