CAS: Criminaliteits Anticipatie SysteemPredictive Policing bij de Nederlandse Politie

Voorstellen

Dick Willems Achtergrond: Mathematische Psychologie (Radboud Universiteit Nijmegen) Statisticus bij Radboud Universiteit Nijmegen en Universiteit Maastricht Datamining consultant in de commerciele sector In dienst bij de Eenheid Amsterdam sinds 2012

Agenda

Predictive policing: Criminaliteits Anticipatie Systeem

Context Methode Toepassing

Context

Kerntaken van de politie: Zorgen voor veiligheid voor iedereen in Nederland. De openbare orde bewaken. Strafbare feiten opsporen. Hulp verlenen bij nood. Uitvoeren van politietaken voor justitie. Criminaliteit voorkomen en bestrijden.

Context: Hotspot kaarten

Voor CAS: hotspots met behulp van gaussiaanse filters Constructie subjectief Interpretatie subjectief

Doel CAS: Allocateer politiecapaciteit zo efficient

mogelijk, zodat de politie daar ter plaatse is waar het er toe doet, op de momenten dat het er toe doet.

CAS: Methode

Amsterdam wordt verdeeld in vakjes van 125m bij 125 m

Data verzamelen van deze vakjes

Historische verbanden met misdaad vastleggen Periode van 2 jaar Wekelijkse peilmomenten

Vragen: Waar moet worden ingezet? Wanneer moet daar worden ingezet??

CAS: Methode

Per vakje en peilmoment, bepaal: Locatie-specifieke kenmerken van voor het peilmoment; Misdaadhistorie van voor het peilmoment;En: De misdaad in de week na het peilmoment.

Peilmoment

Te voorspellen criminaliteitVoorspellende kenmerken

CAS: Methode

Locatie-specifieke kenmerken CBS-data: demografie en socio-economische

kenmerken Afstand tot dichtstbij wonende bekende verdachte

(van woninginbraak, straatroof, etc) Aantal bekende verdachten in een straal van 500

meter Aantal bekende verdachten in een straal van

1000 meter

CAS: Methode

Criminaliteitshistorie Aantal criminele incidenten in een aantal

verschillende tijdsvensters: Afgelopen week; De week daarvoor; Etcetera t/m 12 weken geleden

Verstreken tijd sinds het laatste criminele incident Hetzelfde voor de aangrenzende vakjes; Lineaire trend in vakje en aangrenzende vakjes; Seizoenseffect.

WoninginbraakGeen selectie: ieder vakje heeft dezelfde kans (1.67%).

Laatste woninginbraak is minder dan 3 maanden geleden: kans stijgt naar 4.0%

In de omringende vakjes is een stijgende trend waar te nemen: 4.9%

Meer dan 5 verdachten van woninginbraak woonachtig binnen een straal van 500 meter: 6.2%

CAS: Methode

CAS: Methode

Doel Optimale selectieregels voor hoog-risico vakjes

Methode Wiskundige classificatie-technieken

Resultaat Model dat de kans op een incident in de toekomst kan

berekenen op basis van bekende kenmerken.

CAS: Methode

Colored area: 3%

CAS: Methode

Colored area: 3%

# incidents: 25

CAS: Methode

Colored area: 3%

# incidents: 25

Direct Hits: 5 (20%)

CAS: Methode

Colored area: 3%

# incidents: 25

Direct Hits: 5 (20%)

Near Hits: 8 (32%)

DH + NH: 13 (52%)

CAS: Methode

Colored area: 3%

# incidents: 25

Direct Hits: 5 (20%)

Near Hits: 8 (32%)

DH + NH: 13 (52%)

Misses: 12 (48%)

CAS: Methode

Wanneer moet worden ingezet?

CAS: Toepassing

CAS-kaarten kunnen voor ieder misdaadtype worden gemaakt, zolang er een bruikbaar patroon kan worden ontdekt: Zakkenrollerij; Straatroof; Geweld; Auto-inbraak; Bedrijfsinbraak; Fietsendiefstal; Etc.

Basisteams kunnen hun eigen voorkeur opgeven (maximaal 4); kaarten worden aangepast aan lokale problematiek.

CAS: Toepassing

Automatisch proces Wekelijks:

Data-extractie; Datapreparatie; Modelbouw; Kaarten genereren;

Geen handwerk nodig; Gebruikers kunnen bij de

kaarten via een HTML landingspagina;

Geen technische kennis nodig.

CAS: Toepassing

Technisch proces Automatisch genereren van de kaarten Ambitie: meer bronnen integreren (met name GPS-

informatie)

Werkproces Verrijken van de kaarten voor een complete prognose Communicatie om “zachte” informatie te integreren Keuzes maken Ambitie: informatie op een interactieve manier aanbieden

Vragen?