1.4 Predictive Policing
Algoritmen
construeren uit de analyse van Big Data (waaronder historische gegevens
over gepleegde delicten, tijdstippen, locaties en slachtoffers)[1] patronen, op grond waarvan
formules kunnen worden ontwikkeld die weergeven hoe groot de kans op een
bepaald type delict op een bepaalde locatie is.[2] In de evaluatie van de
Nederlandse pilot Criminaliteits Anticipatie Systeem (CAS) wordt predictive
policing nadrukkelijk niet getypeerd als een voorspeller, maar als een
risicotaxatiemiddel.[3] Het taxeren van het risico
op incidentie van delicten heeft tot doel om de inzet van een bepaalde
strategie ter preventie van misdrijven te ondersteunen of om aanhoudingen op
heterdaad te bespoedigen.[4] Het National Intelligence
Model voor een landelijk informatiegestuurde politie is overigens sinds 2008
een vast begrip, waarbij CAS als voornaamste succes wordt geciteerd.[5]
De
gemene deler van alle predictive policing-instrumenten is dat zij
draaien op (Big) Data-analyse en daarbij gebruikmaken van een digitaal
warenhuis voor opslag en verversing van data. De data in dit Warehouse dienen
als referentiepunt om patronen te kunnen vormen met nieuwe data.
Eerder
heb ik aangegeven dat een onderzoek naar de oorzaak van een bepaald resultaat, of
het causaal verband tussen oorzaak en gevolg, buiten beschouwing blijft bij de
inzet van een door algoritmen gedreven analyse. Opmerkelijk zijn enkele
praktijksituaties die zich voor hebben gedaan als gevolg van het kritiekloos op
predictive policing-systemen leunen. Zo werden bij gebreke van actuele
informatie over de omgeving, viswinkels als trekpleisters voor crimineel gedrag
aangewezen[6] en door onvoldoende
variabelen toe te voegen aan het systeem is een vrouw met medicijnen voor haar
hondje als drugsrunner uit een heroïnedetectiesysteem gerold.[7] Deze beperkingen van
actuele predictive policing-systemen worden in de evaluatie van de
landelijke pilot onderkend, waarbij het belang van de menselijke waarneming
wordt benadrukt. De aanbeveling in de pilotevaluatie is dat geautomatiseerde predictive
policing wordt verrijkt met het ‘Wandelgangeninformatiesysteem’, de kennis
uit de dagelijkse praktijk van menselijke interventies door
opsporingsambtenaren. Gepleegde interventies, inclusief resultaten, moeten als
variabelen worden toegevoegd aan het predictive policing-instrument.[8]
1.4.1 PredPol
1.4.1 PredPol
In
2008 is korpschef Bratton van de Los Angeles Police Department een
samenwerkingsverband aangegaan met Jeffrey Brantingham, onderzoeker aan de
Californische Universiteit, met het doel het statistiekprogramma COMPSTAT te
gebruiken voor het doen van voorspellingen over de kans dat bepaalde misdrijven
zich op een bepaalde plaats en tijd voordoen (‘de kans op criminaliteit’ is
geen accurate term, want te aspecifiek).[9] Het resultaat van dit
samenwerkingsverband is het systeem PredPol. PredPol dient ertoe om de
politiecapaciteit zo efficiënt en effectief mogelijk te benutten, door te
anticiperen op mogelijke delicten.[10] PredPol analyseert
historische gegevens over inbraken en projecteert vervolgens op een landkaart
op welke locaties (coördinaten) de kans op prevalentie van misdrijven het
hoogst is.[11]
Volgens de evaluatie van de Nederlandse landelijke pilot ‘Predictive
Policing’ draait PredPol op een ontoereikend systeem, omdat PredPol alleen
zogeheten ‘near-repeat-gegevens’[12] gebruikt: locaties en
tijd van vorige inbraken. Door deze beperking is het beeld ontstaan dat PredPol
niet meer voorstelt dan het handmatig inkleuren van vakjes op een landkaart
waar de meeste inbraken hebben plaatsgevonden; dat PredPol nog in gebruik is,
zou vooral komen door het gebruiksgemak van een dergelijk weinig complex
systeem.[13]
In een aanbeveling om PredPol te verbeteren, wordt in de Nederlandse
pilotevaluatie gewezen op het belang van het meewegen van geografische data
(waaronder uitvalswegen), omgevingsfactoren (aanwezigheid straatverlichting),
demografische en economische data in de analyse.[14]
1.4.2 Criminaliteits Anticipatie Systeem (CAS)
1.4.2 Criminaliteits Anticipatie Systeem (CAS)
Een
Nederlandse vinding is het Amsterdamse CAS[15], ontworpen door dataminer
Willems.[16]
CAS dient het risico op de incidentie van high impact crimes, zoals
woninginbraken, straatroven en overvallen te voorspellen.[17] Een belangrijk doel van
CAS is het bewerkstelligen van prescriptive policing, het vinden van de
meest geschikte strategie om opsporingsambtenaren en middelen efficiënt in te
zetten ter preventie van delicten of om delicten op heterdaad te ontdekken
(artikel 128 Sv) in het kader van de handhaving van de openbare orde. CAS
verdeelt een gebied in vlakken van 125 bij 125 meter en verwijdert weilanden en
open water van de kaart, omdat het risico op delictsincidentie op deze locaties
laag wordt ingeschat. Na deze verwijdering worden data van ieder deelgebied
verzameld: historische gegevens over gepleegde delicten, afstanden tot bij de
politie bekende verdachten, uitvalswegen, soorten bedrijven bekend bij de
politie en sociaal-economische gegevens die worden betrokken van het Centraal Bureau
voor de Statistiek.[18]
CAS maakt gebruik van een Warehouse, een database met historische gegevens die regelmatig wordt ververst. Algoritmen die door feedback zijn getraind, leggen per vlak van 125 bij 125 meter patronen tussen peilmomenten tot drie jaar terug en peilmomenten tot een halfjaar terug.[19] De algoritmen kunnen een formule met een voorspelling van delictsincidentie op een bepaalde locatie geven. Vervolgens krijgen de algoritmen informatie aangevoerd over de daadwerkelijke prevalentie van delicten op de gegeven locatie. Met deze feedback worden de algoritmen getraind om fouten op te sporen en verbeteringen aan te brengen. CAS geeft voor twee weken een risicotaxatie weer in ‘heat maps’, locaties waar de hoogste delictsincidentie wordt verwacht.[20] Anders dan het eenvoudige PredPol, dat slechts historische gegevens over data en locaties van inbraken gebruikt om te taxeren, werkt CAS met data uit een variatie aan bronnen.
CAS maakt gebruik van een Warehouse, een database met historische gegevens die regelmatig wordt ververst. Algoritmen die door feedback zijn getraind, leggen per vlak van 125 bij 125 meter patronen tussen peilmomenten tot drie jaar terug en peilmomenten tot een halfjaar terug.[19] De algoritmen kunnen een formule met een voorspelling van delictsincidentie op een bepaalde locatie geven. Vervolgens krijgen de algoritmen informatie aangevoerd over de daadwerkelijke prevalentie van delicten op de gegeven locatie. Met deze feedback worden de algoritmen getraind om fouten op te sporen en verbeteringen aan te brengen. CAS geeft voor twee weken een risicotaxatie weer in ‘heat maps’, locaties waar de hoogste delictsincidentie wordt verwacht.[20] Anders dan het eenvoudige PredPol, dat slechts historische gegevens over data en locaties van inbraken gebruikt om te taxeren, werkt CAS met data uit een variatie aan bronnen.
De
politiekorpsen hebben CAS in de praktijk verrijkt, zoals blijkt uit de
pilotevaluatie. Adressen, aangiften, gegevens over gestolen goederen,
getuigenissen en signalementen worden aan CAS gekoppeld door het systeem
Cognos. Over de werking van Cognos geeft de pilotstudie geen uitleg, maar via
een drie jaar oude vacature op Linkedin verneem ik dat het om IBM Cognos gaat,
een systeem dat gebruikmaakt van een Warehouse met nieuw te ontsluiten
databronnen.[21]
Het verdient opmerking dat een van de onderzoekers die de pilotevaluatie voor
de Politieacademie heeft geschreven, de aanbeveling doet dat ook particulieren
in predictive policing worden betrokken. Het is volgens hem de bedoeling
dat particuliere beveiligingsbedrijven een bijdrage leveren aan het toezicht, het
analyseren en verrijken van data. Daarbij zouden prognoses uit CAS moeten
worden gedeeld met particulieren. Welke informatie precies gedeeld zal worden
met particulieren en hoe een eventuele verspreiding van persoonsgegevens
voorkomen of beperkt zal worden, is niet bekend.[22]
1.5 Deelconclusie
1.5 Deelconclusie
Over
de verschillende begrippen die nauw samenhangen met Big Data-analyses en
predictive policing voor strafvorderlijke doeleinden is uitleg
gegeven: het fenomeen Big Data, de inzet van dataminingtechnieken om
patronen in data te ontdekken, predictive policing en belangrijke predictive
policing-instrumenten die in de strafrechtspraktijk worden toegepast,
PredPol en CAS. De essentie van Big Data-analyses en predictive
policing binnen het strafrecht is gelegen in het verhogen van de
efficiëntie van de inzet van opsporingsambtenaren om idealiter delicten te
voorkomen of op heterdaad te ontdekken (artikel 128 Sv) en in het vergaren van
bewijs ten behoeve van de strafvordering. Hansken is een voorbeeld van een
data-analysetechniek die wordt ingezet om strafvorderlijk bewijs te verzamelen.
Ook iColumbo kan worden ingezet voor de strafrechtelijke bewijsgaring.
In hoofdstuk 2 ga ik in op de nationale wettelijke grondslagen voor de inzet van Big
Data-analyses. In het navolgende zal in overweging worden genomen wat in
dit hoofdstuk duidelijk is geworden over Big Data-analyses voor
strafvorderlijke doeleinden: datamininginstrumenten, bijvoorbeeld crawlers die
het internet afspeuren, worden continu ingezet om data van betrokkenen in een Warehouse
op te slaan; in iColumbo wordt gericht naar gegevens over bepaalde personen
gezocht, waarbij relaties met derden in kaart worden gebracht; bovendien worden
persoonsgegevens in de digitale database, het Warehouse, voor onbekende
duur bewaard.
[1] R. Rienks, ‘Predictive Policing. Kansen voor een veiligere
toekomst’, Politieacademie 2015, p.
18-20.
[2] A.R. Lodder en
M.D. Schuilenburg, ‘Politie-webcrawlers en Predictive policing’, Computerrecht 2016/81-3, p. 153.
[3] B. Mali, C. Bronkhorst-Giesen, M. den Hengst, ‘Predictive policing: lessen voor de
toekomst. Een evaluatie van de landelijke pilot’ (2017), p. 60.
[4] D. Willems en R.
Doeleman, ‘Predictive Policing- wens of werkelijkheid?’, Tijdschrift voor de Politie 2014/76-4/5, p. 40; B. Mali, C. Bronkhorst-Giesen, M. den Hengst, ‘Predictive policing: lessen voor de
toekomst. Een evaluatie van de landelijke pilot’ (2017), p. 67.
[5] S. den Hengst en
I. Walraven, ‘Datagovernance bij de Rijksoverheid’, RADIO-Module 2
oktober 2018, presentatie via
https://www.it-academieoverheid.nl/documenten/presentaties/2018/10/02/presentatie-politie-over-data-governance-bij-de-rijksoverheid.
[6] B. Mali, C. Bronkhorst-Giesen, M. den Hengst, ‘Predictive policing: lessen voor de
toekomst. Een evaluatie van de landelijke pilot’ (2017), p. 68.
[7] R. Rienks,
‘Predictive Policing. Kansen voor een veiligere toekomst’, Politieacademie 2015, p. 48.
[8] B. Mali, C. Bronkhorst-Giesen, M. den Hengst, ‘Predictive policing: lessen voor de
toekomst. Een evaluatie van de landelijke pilot’ (2017), p. 68 en 74.
[10] D. Willems en R. Doeleman, ‘Predictive Policing- wens of
werkelijkheid?’, Tijdschrift voor de
Politie 2014/76-4/5, p. 40-41.
[11] S. Smit, A. de
Vries, R. van der Kleij, H. van Vliet, ‘Van
predictive naar prescriptive policing: verder dan vakjes voorspellen’,
(TNO) 2016, p. 16-17.
[12] A. de Vries en S.
Smit, ‘Predictive policing: politiewerk aan de hand van voorspellingen’, Justitiële Verkenningen 2016/42-3, p.
10.
[13] S. Smit, A. de
Vries, R. van der Kleij, H. van Vliet, ‘Van
predictive naar prescriptive policing: verder dan vakjes voorspellen’,
(TNO) 2016, p. 14 en 28.
[14] B. Mali, C. Bronkhorst-Giesen, M. den Hengst, ‘Predictive policing: lessen voor de
toekomst. Een evaluatie van de landelijke pilot’ (2017), p. 66.
[15] ‘Criminaliteits
Anticipatie Systeem verder uitgerold bij Nationale Politie’, Politie, 16 mei
2017, via https://www.politie.nl/nieuws/2017/mei/15/05-cas.html (laatstelijk
geraadpleegd op 18 mei 2019).
[16] D. Willems en R. Doeleman, ‘Predictive Policing- wens of
werkelijkheid?’, Tijdschrift voor de
Politie 2014/76-4/5, p. 39.
[17] A. de Vries,
‘Predictive policing: een overzicht’, 25 april 2016, via
https://socialmediadna.nl/predictive-policing-overzicht/ (laatstelijk
geraadpleegd op 19 mei 2019).
[18] D. Willems en R. Doeleman, ‘Predictive Policing- wens of
werkelijkheid?’, Tijdschrift voor de
Politie 2014/76-4/5, p. 41.
[19] B. Mali, C.
Bronkhorst-Giesen, M. den Hengst, ‘Predictive
policing: lessen voor de toekomst. Een evaluatie van de landelijke pilot’
(2017), p. 93.
[20] D. Willems en R.
Doeleman, ‘Predictive Policing- wens of werkelijkheid?’, Tijdschrift voor de Politie 2014/76-4/5, p. 41.
[21] ‘Politie zoekt
senior Cognos developer’, Linkedin, mei 2016, via https://nl.linkedin.com/jobs/view/senior-cognos-developer-at-politie-ict-132384637
(geraadpleegd op 22 mei 2019).
[22] ‘Predictive
Policing: niet alleen een zaak van de politie’, Security Management 2017/9, p. 28-31.
