"Morgen verwachten we regen in het westen, en inbraken in uw straat". Het voorspellen van criminaliteit: kans of bedreiging?

Gert-Jan
Van de Walle

Kunnen we criminaliteit voorspellen? Door deze vraag denken we al snel aan de film 'Minority Report' en hoe schijnbaar onfeilbare criminaliteitsvoorspellingen nochtans serieus fout kunnen lopen. Maar is deze vergelijking wel correct? Hoe voorspellen we zulke feiten, en kan dit misschien toch niet allemaal fatsoenlijker verlopen dan in die beruchte film? Een onderzoeker aan de Universiteit Gent zocht het de voorbije maanden voor u uit, en ging in gesprek met enkele ontwikkelaars van het Nederlandse Criminaliteits Anticipatie Systeem (CAS). Wat blijkt? Het voorspellen van criminaliteit helpt wel degelijk bij het verzamelen en interpreteren van informatie, en biedt een sterke meerwaarde bij het veiligstellen van uw buurt, zonder privacy-inbreuk. Geen nood, dus!

CAS?

Het Criminaliteits Anticipatie Systeem is een statistisch model dat allerlei ingewikkelde formules gebruikt om criminaliteitsrisico's in te schatten in Nederland. Dit model wordt 'getraind' op het leren herkennen van patronen, zodat toekomstige locaties en periodes met verhoogde risico's kunnen worden geanticipeerd. De criminologie dicteert immers dat veel criminaliteit patroonmatig voorvalt, waardoor sommige feiten kunnen worden voorspeld. De ontwikkelaars van het programma besloten daarom om na te gaan of zulke voorspellingen wel degelijk kloppen, en het politieambt vooruit kunnen helpen.

Het model gebruikt enerzijds de locatie en tijdstippen van voorgaande criminaliteitsfenomenen, en anderzijds hoeveel gekende verdachten in een buurt wonen. De ervaring leert ons tenslotte dat deze twee gegevenstypes het beste criminaliteit kunnen voorspellen. Vervolgens, als een locatie een risico kent op een feit als woninginbraken, zal een informatiespecialist nagaan of dit risico reëel is. Deze persoon gaat dus, kort gezegd, na of het systeem wel klopt door de voorspelling dieper te onderzoeken. Op basis van deze analyse vertelt de teamchef wat vervolgens dient te gebeuren, zoals een gerichte patrouille in de wijk of een anti-inbraakinfosessie voor de bewoners. Samengevat, CAS versnelt het proces van informatieverzameling. Door deze verbeterde informatiepositie kan de politie haar agenten op meer efficiënte wijze inzetten, en wordt het weer een stukje veiliger. Een win-win, dus!

Oké, goed, maar betekent dat dat ik zomaar kan worden opgepakt?

Neen, CAS voorspelt nooit wat individuen mogelijks zullen doen. Het systeem classificeert enkel een regio als wel of niet risicovol op basis van aangiftes en criminele woonplekken. Deze regio, in essentie een vakje van 125 bij 125 meter, licht vervolgens op in een bepaalde kleur om een indicatie van het risico te geven. De politie kan hierop reageren door bijvoorbeeld meer patrouilles preventief te laten rondrijden.

Daarbij aansluitend, de reden dat de ontwikkelaars kozen voor aangiftes in plaats van vaststellingen door de politie, is om vooringenomenheden te voorkomen. Het zou kunnen dat een agent 20 keer in dezelfde wijk patrouilleert, waardoor de kans op een waargenomen feit veel groter is dan een wijk waarin hij slechts één keer patrouilleert. Dit gedrag zou kunnen leiden tot bevooroordeelde voorspellingen, aangezien de nieuwe feiten terug in het model worden gestoken. Als een slachtoffer daarentegen aangifte doet via de telefoon, op de website, of op het kantoor, kan men vooringenomenheid van politieagenten uitsluiten. De vraag blijft wel of deze aanpak voor elk crimineel feit nu optimaal is.

Hoe kan België hiervan leren?

België kan zeer zeker dit Nederlands model overnemen, mits enkele garanties. Zo moet als eerste een lokale politiezone bereid zijn om met een dergelijk systeem te experimenteren. Verder is het van groot belang dat de aangifteverwerking binnen deze zone gestroomlijnd verloopt door de aangiftes te verzamelen in één toegankelijke centrale databank. Personeels- en infrastructuurvereisten zijn er ook. Zo dienen er programmeurs aanwezig te zijn die dergelijke modellen kunnen bouwen en onderhouden, maar ook informatiespecialisten die de voorspellingen naar de praktijk kunnen omzetten. Ten slotte speelt communicatie binnen en buiten de politie eveneens een grote rol, aangezien het systeem valt of staat door de mate aan transparantie.

Tot besluit

Het Criminaliteits Anticipatie Systeem is behoorlijk intimiderend voor personen die privacy hoog in het vaandel dragen. We willen immers niet in een politiestaat terechtkomen waarbij alles op band wordt vastgelegd. Desalniettemin bevestigt dit onderzoek het veilige karakter van voorspellende criminaliteitsmodellen indien met genoeg zaken rekening wordt gehouden. CAS is één middel om criminaliteit aan te pakken, en zal nooit het politiewerk komen te vervangen. Toch vergemakkelijkt het de job omwille van de verhoogde efficiëntie en de versterkte informatiepositie. Om die reden is het sterk aangewezen om een concreet plan op te stellen in België, zodat een experiment kan volgen. Deze modellen kunnen zeker in ons voordeel zijn. We willen immers allemaal het risico op woninginbraken bij ons thuis beperken, toch?

Bibliografie

3Bplus.nl. (2021). De rol van Artificial Intelligence-algoritmes bij de toeslagenaffaire. https://3bplus.nl/artificial-intelligence/de-rol-van-artificial-intelligence-algoritmes-bij-de-toeslagenaffaire/

Andresen, M., & Hodgkinson, T. (2018). Predicting Property Crime Risk: an Application of Risk Terrain Modeling in Vancouver, Canada. European Journal on Criminal Policy and Research, 24(4), 373-392. https://doi.org/10.1007/s10610-018-9386-1

Andresen, M., Malleson, N., Steenbeek, W., Townsley, M., & Vandeviver, C. (2020). Minimum geocoding match rates: an international study of the impact of data and areal unit sizes. International Journal of Geographical Information Science, 34(7), 1306-1322. https://doi.org/10.1080/13658816.2020.1725015

Autoriteit Persoonsgegevens. (z.d.). Politie. https://autoriteitpersoonsgegevens.nl/nl/onderwerpen/politie-justitie/politie

Bowers, K., Johnson, S., Guerette, R., Summers, L., & Poynton, S. (2011). Spatial displacement and diffusion of benefits among geographically focused policing initiatives. Campbell Systematic Reviews, 7(1), 1-144. https://doi.org/10.4073/csr.2011.3

Braga, A., Turchan, B., Papachristos, A., & Hureau, D. (2019). Hot spots policing of small geographic areas effects on crime. Campbell Systematic Reviews, 15(3). https://doi.org/10.1002/cl2.1046

Brayne, S., Rosenblat, A., & Boyd, D. (2015, October 27). Predictive Policing [Conference session]. Data & Civil Rights: A New Era of Policing and Justice, Washington, D.C. https://www.datacivilrights.org/pubs/2015-1027/Predictive_Policing.pdf

Chainey, S., Matias, J., Nunes Junior, F., Coelho da Silva, T., de Macêdo, J., Magalhães, R., de Queiroz Neto, J., & Silva, W. (2021). Improving the Creation of Hot Spot Policing Patrol Routes: Comparing Cognitive Heuristic Performance to an Automated Spatial Computation Approach. International Journal of Geo-Information, 10(8), 560. https://doi.org/10.3390/ijgi10080560

Dau, P. (2023). Disrupting Everyday Police Presence. Mapping the Geographies of Policing and Testing the Crime Reduction Effects of Police Dosage [Doctoraatsproefschrift, Universiteit Gent]. Gent. https://lib.ugent.be/catalog/pug01:01GWKMF12D1B3TCK0SN7D6F5KY

Degeling, M., & Berendt, B. (2018). What is wrong about Robocops as consultants? A technology-centric critique of predictive policing. AI & Society, 33(3), 347-356. https://doi.org/10.1007/s00146-017-0730-7

de Vries, A. (2018, November 9). Wat er mis is met predictive policing. Social Media DNA. https://socialmediadna.nl/wat-er-mis-is-met-predictive-policing/

Dietvorst, B., Simmons, J., & Massey, C. (2015). Algorithm Aversion: People Erroneously Avoid Algorithms after Seeing Them Err. Journal of Experimental Psychology: General, 144(1), 114-126. https://doi.org/10.1037/xge0000033

Felson, M., & Poulsen, E. (2003). Simple indicators of crime by time of day. International Journal of Forecasting, 19(4), 595-601. https://doi.org/10.1016/S0169-2070(03)00093-1

Hardyns, W., & Rummens, A. (2017). Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges. European Journal on Criminal Policy and Research, 24(3), 201-218. https://doi.org/10.1007/s10610-017-9361-2

Hardyns, W., & Rummens, A. (2021). Predictive policing: een balans na zes jaar empirisch evaluatieonderzoek in België. Tijdschrift voor Veiligheid, 20(4), 9-23. https://doi.org/10.5553/TvV/.000029

Hunt, P., Saunders, J., & Hollywood, J. (2014). Evaluation of the Shreveport Predictive Policing Experiment. RAND Corporation. https://www.rand.org/pubs/research_reports/RR531.html

Johnson, S. (2008). Repeat burglary victimisation: a tale of two theories. Journal of Experimental Criminology, 4(3), 215-240. https://doi.org/10.1007/s11292-008-9055-3

Kennedy, L., & Dugato, M. (2018). Forecasting Crime and Understanding its Causes. Applying Risk Terrain Modeling Worldwide. European Journal on Criminal Policy and Research, 24(4), 345-350. https://doi.org/10.1007/s10610-018-9404-3

Koper, C. (1995). Just enough police presence: Reducing crime and disorderly behavior by optimizing patrol time in crime hot spots. Justice Quarterly, 12(4), 649-672. https://doi.org/10.1080/07418829500096231

Levine, E., Tisch, J., Tasso, A., & Joy, M. (2017). The New York City Police Department's Domain Awareness System. Interfaces, 47(1). https://doi.org/10.1287/inte.2016.0860

Mali, B. (2020). Predictive policing in Nederland. In J. Janssens, W. Broer, M. Crispel, & R. Salet (Eds.), Informatiegestuurde politie (pp. 89-102). Gompel&Svacina. https://lib.ugent.be/catalog/rug01:002810505

Meijer, A., & Wessels, M. (2019). Predictive Policing: Review of Benefits and Drawbacks. International Journal of Public Administration, 42(12), 1031-1039. https://doi.org/10.1080/01900692.2019.1575664

Mohler, G., Short, M., Malinowski, S., Johnson, M., Tita, G., Bertozzi, A., & Brantingham, P. (2015). Randomized Controlled Field Trials of Predictive Policing. Journal of the American Statistical Association, 110(512), 1399-1411. https://doi.org/10.1080/01621459.2015.1077710

Oatley, G. (2021). Themes in data mining, big data, and crime analytics. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 12(2). https://doi.org/10.1002/widm.1432

Ohyama, T., & Amemiya, M. (2018). Applying Crime Prediction Techniques to Japan: A Comparison Between Risk Terrain Modeling and Other Methods. European Journal on Criminal Policy and Research, 24(4), 469-487. https://doi.org/10.1007/s10610-018-9378-1

Perry, W., McInnis, B., Price, C., Smith, S., & Hollywood, J. (2013). Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. RAND Corporation. https://www.rand.org/content/dam/rand/pubs/research_reports/RR200/RR233/RAND_RR233.pdf

Phillips, P., & Pohl, G. (2021). Algorithms, human decision-making and predictive policing. SN Social Sciences, 1(5). https://doi.org/10.1007/s43545-021-00109-6

Pitt, R. (2018). Effectiveness of focused policing strategies: A review of five Campbell systematic reviews. Campbell Collaboration. https://www.campbellcollaboration.org/media/k2/attachments/Campbell_Policy_Brief_5_Focused_policing_EN.pdf

Politie.nl. (z.d.-a). Criminaliteits Anticipatie Systeem. https://www.politie.nl/woo/korpsstaf/2021-criminaliteits-anticipatie-systeem.html

Politie.nl. (z.d.-b). Geschiedenis Nederlandse Politie. https://www.politie.nl/informatie/geschiedenis-nederlandse-politie.html

Politie.nl. (z.d.-c). Politie Amsterdam. https://www.politie.nl/mijn-buurt/politiebureaus/05/politie-amsterdam.html

Querbach, M., Krom, M., & Jongejan, A. (2020). Review of State of the Art: Predictive Policing. Cutting Crime Impact. https://www.cuttingcrimeimpact.eu

Ratcliffe, J. (2016). Intelligence-led Policing. Routledge.

Reinhart, A., & Greenhouse, J. (2018). Self-exciting point processes with spatial covariates: modeling the dynamics of crime. Journal of the Royal Statistical Society, 67(5), 1305-1329. https://doi.org/10.1111/rssc.12277

Rienks, R., & Schuilenburg, M. (2020). Wat is er nieuw aan het voorspellen van criminaliteit? In J. Janssens, W. Broer, M. Crispel, & R. Salet (Eds.), Informatiegestuurde politie (pp. 39-54). Gompel&Svacina. https://research.vu.nl/files/120034812/Wat_is_er_nieuw_aan_het_voorspellen_van_criminaliteit_.pdf

Rummens, A., & Hardyns, W. (2020). Comparison of near-Repeat, Machine Learning and Risk Terrain Modeling for Making Spatiotemporal Predictions of Crime. Applied Spatial Analysis and Policy, 13, 1035-1053. https://doi.org/10.1007/s12061-020-09339-2

Schuilenburg, M. (2016). Predictive policing: de opkomst van een gedachtenpolitie? Ars Aequi. https://marcschuilenburg.nl/_downloads/PredictivePolicing.pdf

Sherman, L., & Weisburd, D. (1995). General detterent effects of police patrol in crime hot spots: randomized, controlled trial. Justice Quarterly, 12(4), 625-648. https://heinonline.org/HOL/P?h=hein.journals/jquart12&i=635

Short, M., Brantingham, P., Bertozzi, A., & Tita, G. (2010). Dissipation and displacement of hotspots in reaction-diffusion models of crime. Proceedings of the National Academy of Sciences, 107(9), 3961-3965. https://doi.org/10.1073/pnas.0910921107

Telep, C., & Weisburd, D. (2016). Policing. In D. Weisburd, D. Farrington, & C. Gill (Eds.), What Works in Crime Prevention and Rehabilitation: Lessons from Systematic Reviews (pp. 137-168). Springer. https://doi.org/10.1007/978-1-4939-3477-5

Torres, O. (2018, January 9). Data Science gone wrong: Predictive Policing is a WMD. Towards Data Science. https://towardsdatascience.com/the-perils-of-predictive-policing-11928a9f1d60

Townsley, M., Homel, R., & Chaseling, J. (2003). Infectious Burglaries. A Test of the Near Repeat Hypothesis. British Journal of Criminology, 43(3), 615-633. https://doi.org/10.1093/bjc/43.3.615

van de Weijer, S., & Bernasco, W. (2016). Aangifte- en meldingsbereidheid: Trends en determinanten. NSCR. http://hdl.handle.net/20.500.12832/2248

Waardenburg, L., Sergeeva, A., & Huysman, M. (2020). Predictive policing ontcijferd. Een etnografie van het 'Criminaliteits Anticipatie Systeem' in de praktijk. In J. Janssens, W. Broer, M. Crispel, & R. Salet (Eds.), Informatiegestuurde politie (pp. 69-88). Gompel&Svacina. https://research.vu.nl/en/publications/predictive-policing-ontcijferd-een-etnografie-van-het-criminalite

Weisburd, D. (2015). The Law of Crime Concentration and the Criminology of Place. Criminology, 53(2), 133-157. https://doi.org/10.1111/1745-9125.12070

Weisburd, D., Bruinsma, G., & Bernasco, W. (2009). Units of Analysis in Geographic Criminology: Historical Development, Critical Issues, and Open Questions. In D. Weisburd, W. Bernasco, & G. Bruinsma (Eds.), Putting Crime in its Place (pp. 3-31). Springer. https://doi.org/10.1007/978-0-387-09688-9_1

Willems, D., Bruggeling, M., de Vries, A., & Doeleman, R. (2017). Predictive policing. In M. den Hengst, T. ten Brink, & J. ter Mors (Eds.), Informatiegestuurd politiewerk in de praktijk (pp. 263-273). Vakmedianet.

Willis, J. (2018). Police Technology. In M. Deflem (Ed.), The Handbook of Social Control (pp. 221-234). John Wiley & Sons Ltd. https://doi.org/10.1002/9781119372394.ch16

Download scriptie (1.29 MB)
Universiteit of Hogeschool
Universiteit Gent
Thesis jaar
2023
Promotor(en)
Wim Hardyns, Robin Khalfa