Voorspellen waar en wanneer de kans op een delict het grootst is

Lokaal - editie november | 2024 (de toekomst)

Hoe kun je de immense hoeveelheid beschikbare data gebruiken om misdaad te voorspellen en te voorkomen? Voor professor criminologie en veiligheidswetenschappen Wim Hardyns is het geen sciencefiction maar wel de inzet van een Europees onderzoeksproject over Big Data Policing.

‘Ik ben altijd gefascineerd geweest door het fenomeen criminaliteit. Waarom plegen bepaalde mensen criminele feiten en anderen niet? Waarom worden bepaalde mensen slachtoffer? Waarom is er in sommige wijken veel criminaliteit en in andere niet? Een eenduidig antwoord bestaat er niet, maar we weten wel dat criminaliteit altijd een samenspel is van individuele kenmerken en omgevingsomstandigheden die invloed uitoefenen op dat individu.’

‘Kwalitatief onderzoek in de vorm van gesprekken en interviews is zeker waardevol, maar cijfers kunnen een algemener beeld en nieuwe inzichten geven, en maken het mogelijk trends en patronen op te merken. Daarom volgde ik al tijdens mijn studies criminologie een aanvullende opleiding statistiek. Mijn doctoraat onderzocht waar en wanneer misdaad zich voordoet en hoe je dat kunt verklaren. Die aandacht voor tijdstip en locatie van criminele fenomenen is sindsdien de rode draad in mijn wetenschappelijk onderzoek en ik bouwde expertise op over fenomenen zoals sportcriminaliteit, extremisme, woninginbraak en tal van overlastfenomenen zoals sluikstorten, nachtlawaai en verkeersoverlast. Daarbij ontwikkelde ik ook databases die de verschillende omstandigheden in verband met criminaliteit fijnmazig in beeld brengen.’

‘Het Europese onderzoeksproject BIGDATPOL bouwt verder op dat voorgaande onderzoek en concentreert zich op Big Data Policing: we verzamelen en analyseren data om die vervolgens om te zetten naar informatie die relevant kan zijn voor de politie. Kort gezegd doen we vier zaken: criminele fenomenen beschrijven, verklaren en voorspellen én aanbevelende analyses formuleren die bijvoorbeeld inzetten op het proactief aansturen van politie. Vanwaar ‘big’ data? Omdat we vandaag met immense gegevensstromen geconfronteerd worden. 

In ons project verdelen we politiezones in hokjes van 200 bij 200 meter. Voor die stratenblokken verzamelen we vervolgens data uit drie belangrijke bronnen: de politiedatabanken met criminaliteitsstatistieken, de administratieve databanken van steden en gemeenten, en de data die afkomstig zijn van open bronnen zoals Google Street View of sociale media. Op die gegevens passen we vervolgens big data analytics toe, een vorm van machine learning waarbij we AI-modellen trainen om zichzelf steeds beter te maken en om patronen te leren herkennen. We zijn nu een model aan het bouwen dat het ons mogelijk moet maken te voorspellen waar en wanneer de kans op een toekomstig delict het grootst is.’

‘De keuze van parameters is doorslaggevend in zo’n model. Ons nulmodel had er ongeveer 25, nu werken we al met 70 parameters. Die baseren we deels op gegevens uit politiedatabanken, met criminaliteitsstatistieken die aangeven waar en wanneer in het verleden iets gebeurd is en in welke mate de politie daarop reageerde. Daarnaast gebruiken we een hele grote groep administratieve gegevens uit de databanken van de steden en gemeenten. Hoeveel alleenstaanden wonen er in een bepaalde regio? Wat is de demografische samenstelling? Hoe zit het met armoedecijfers? Een derde grote groep zijn zogenaamde opportuniteitskenmerken: welke winkels, restaurants, stations, toegangswegen en vluchtwegen zijn er op een bepaalde plaats? Dat zijn allemaal parameters waarvan we weten dat die een opportuniteit voor criminaliteit kunnen creëren.

‘Van de Europese Commissie kregen we dus middelen om BIGDATPOL uit te rollen in Europa. Ons interdisciplinaire onderzoeksteam telt intussen een negental mensen: een jurist, iemand die zich bezighoudt met het ethische luik, een statisticus, een business developer, iemand die de communicatie en de administratie verzorgt, een criminologe die terreinwerk doet… We werken ook nauw samen met de Data Protection Officer en IT-verantwoordelijke van de UGent om alle gegevens te beschermen en om ervoor te zorgen dat de data op een correcte en veilige manier verwerkt worden. Het is een vijfjarig project, we hebben nog vier jaar te gaan.’

‘Dit eerste jaar hebben we vooral heel veel voorbereidend, maar daarom niet minder belangrijk werk gedaan. Op ethisch vlak moet je rekening houden met mensenrechten, privacy, vermijden dat de politie via ons model bevooroordeeld raakt ten opzichte van bepaalde wijken of bevolkingsgroepen… Op juridisch vlak worden we geconfronteerd met heel strikte regelgeving voor gegevensbescherming, privacy en AI-gebruik. Dat bemoeilijkt en vertraagt het proces van onderzoek en ontwikkeling, terwijl bepaalde toepassingen net voordelen voor de maatschappij zouden kunnen opleveren. Het zou bijvoorbeeld nuttig zijn om in dit domein een soort “proeftuinen” te creëren voor onderzoek en ontwikkeling. Ik ontken niet dat AI gevaren kan inhouden. Net daarom hameren we erop dat het gaat om supervised machine learning. 

Ons model beslist niet zelf, er is altijd menselijk toezicht en menselijke interpretatie nodig. We plannen ook trainingen hieromtrent voor alle betrokken politiemedewerkers. Ik ben mij ervan bewust dat we met baanbrekend onderzoek bezig zijn en dat elk aspect grondig bestudeerd moet worden. Net daarom werken we interdisciplinair en zetten we in op een langetermijnvisie. Het is dan ook jammer dat er recent in de pers enkele ongefundeerde aanvallen van “collega-wetenschappers” omtrent BIGDATPOL zijn verschenen. Die uitspraken getuigen van een gebrek aan interesse in de werkelijke inhoud en resultaten van ons project.’

‘Een proefproject in de politiezone Zennevallei toonde aan dat ons model de juiste voorspellingen maakt. De samenwerking leerde ons ook welke parameters interessant zijn. Zo ontdekten we dat dieven minder graag op stap gaan als er slecht weer wordt voorspeld. (lacht) En natuurlijk heeft de test veel input opgeleverd. Hoe lang was de politie op een bepaalde plaats, wat deed ze daar? Wanneer reageerde ze wel of niet? 

Het model staat of valt met de feedback die het krijgt, en de nieuwe inzichten leerden ons veel over hoe je de politie nog beter kunt aansturen. De beschikbare tijd en capaciteit blijken doorslaggevend. In de zone Zennevallei kwamen veel oproepen binnen. Ze waren dus vooral reactief bezig, terwijl ons onderzoeksproject net een switch naar meer proactiviteit beoogt. Ons uiteindelijke doel is om de beperkte middelen van de politie nog beter in te zetten.’

‘We zijn nu klaar voor een eerste grote veldtest – in twintig politiezones in Vlaanderen. Zo’n veldexperiment is redelijk uniek in de wereld. We deden al een survey bij de betrokken politiezones en er is veel enthousiasme om mee te werken. Als ons model zou blijken te werken, zullen we ook moeten onderzoeken hoe we het binnen de bestaande IT-infrastructuur kunnen integreren en hoe we de informatie uit ons model het beste visualiseren. Momenteel is dat een soort dashboard waar hotspots oplichten en verschuiven in de loop van de tijd. Idealiter wordt ons model binnen dit en vijf jaar ook effectief gebruikt in België. Via het project hebben we ook contacten gelegd met Europol en met landen als Servië, Spanje, Nederland, Hongarije, Zwitserland en Oostenrijk.’

‘Dit project past wetenschappelijk onderzoek toe in de praktijk. Er zijn concrete resultaten mee te boeken, die kunnen helpen om onze maatschappij veiliger te maken. Het onderzoek is ook uit te breiden naar andere domeinen. Cybercriminaliteit bijvoorbeeld zal de komende jaren exponentieel stijgen. Het gebruik van data en voorspellende modellen zou daar zeker zijn nut hebben. Maar ook offline zijn er nog vele uitdagingen. In elke Veiligheidsmonitor komen twee zaken terug die een gevoel van onveiligheid creëren: sluikstorten en verkeersoverlast. Op dat vlak zouden we kunnen samenwerken met steden en gemeenten of intercommunales. Er ligt nog een enorme hoeveelheid onderzoeksmateriaal op ons te wachten. Als we als wetenschappers niet op deze trein stappen, zullen opportunisten dat in onze plaats doen.’ —