Objektherkenning Iepenbiere romte

Gemeente Amsterdam

De Direktoraat Tafersjoch en Hanthavening Iepenbiere Ruimte hat it Kompjûterfisyteam fan 'e gemeente Amsterdam opdracht jûn om te ûndersykjen hoe't objektherkenning kin helpe om te foarkommen dat kwetsbere brêgen en kaaimuorren ynstoarte as der swiere objekten op pleatst wurde.

Lêst feroare op 4 juny 2025 om 13:22 | Publikaasjestandaard 1.0

• Publicatiecategorie: Ympaktfolle algoritmes
• Impacttoetsen: Fjild net ynfierd.
• Status: Yn gebrûk

Algemene ynformaasje

Tema

• Ekonomy
• Romte en ynfrastruktuer

Begjindatum

Fjild net ynfierd.

Kontaktgegevens

[e-mail]

Ferantwurde gebrûk

Doel en impact

De Direktoraat Tafersjoch en Hanthavening Iepenbiere Ruimte (THOR) hat it Kompjûterfisyteam fan 'e gemeente Amsterdam (hjirnei: CVT) opdracht jûn om te ûndersykjen hoe't objektherkenning kin helpe om te foarkommen dat kwetsbere brêgen en kaaimuorren ynstoarte trochdat der swiere objekten op pleatst wurde. It giet hjir om konteners, bouloodsen, mobile toiletten en steigers. Der is op it stuit gjin dúdlik sicht op wêr't dizze objekten yn (kwetsbere) dielen fan 'e stêd lizze. Tidens de Pilot sil test wurde oft dizze objekten yn iepenbiere romten mei súkses werkenber binne mei in scanwein dy't foarsjoen is fan in kamera. Nei it werkennen fan objekten yn iepenbiere romten kin in sinjaal generearre wurde. Troch dit sinjaal te foarsjen fan ekstra ynformaasje út (gemeentlike) boarnen kin it wurk fan tafersjochhâlders ek better útfierd wurde. Dit kin bygelyks dien wurde troch ynformaasje yn in rapport op te nimmen oer hoe urgent it sinjaal is op basis fan 'e kwetsberens fan 'e kaai dêr't it objekt op pleatst is. Hjirmei kin prioriteit jûn wurde oan urgente situaasjes. Neist it generearjen fan in sinjaal kinne meiwurkers in digitale kaart brûke dy't de fûn objekten werjout. De pilot waard mei súkses foltôge yn 2024. It is oantoand dat objekten mei súkses werkenber wurde kinne en dat de technology brûkt wurde kin om ferkeard pleatste objekten spesifiker te identifisearjen.

Afwagings

De brêgen en kaaimuorren yn it stedssintrum binne slim ferswakke troch jierren fan oermjittige lading. Doe't dizze brêgen en kaaien boud waarden, wie der gjin swier ferkear. Wy fersterkje of ferfange de brêgen en kaaimuorren. Dêrom binne swier ferkear en swiere objekten no op ferskate plakken ferbean.

Minskele tuskenkomst

Der is gjin automatisearre beslútfoarming troch it brûken fan de byldherkenningsfoarsjenning. De foarsjenning genereart wol automatysk in sinjaal. Dit sinjaal wurdt dan (mei de hân) beoardiele troch in tafersjochhâlder, wêrnei't in ekstern ûndersyk plakfine kin. De tafersjochhâlder beoardielet selsstannich oft de situaasje legaal of yllegaal is. As dat lêste it gefal is, sil in hanthaveningsamtner selsstannich in beslút nimme. Dit betsjut dat der genôch betsjuttingsfolle minsklike yntervinsje is. De 'útfier' fan 'e algoritmen draacht wol by oan it nimmen fan 'e 'beslissing' oft der al of net fierder ûndersyk (ekstern ûndersyk) dien wurdt nei it waarnommen objekt yn 'e iepenbiere romte. Dit betsjut dat de foarsjenning (mei byhearrende algoritmen) wol in wichtige ynfloed hat.

Risikobehear

Oer de hiele linie binne maatregels nommen om de gegevens feilich te ferwurkjen en ynsidinten (bygelyks: it wazigensalgoritme wurket net mear) fluch en effektyf op te lossen neffens fêste prosedueres. Benammen binnen it projekt wurdt omtinken jûn oan it sekuer anonymisearjen fan de miljeubylden dy't makke wurde en it fuortheljen fan ûnnedige gegevens. Derneist wurdt in soad omtinken jûn oan de einbrûkers fan 'e foarsjenning. Sy moatte goed ynformearre wurde oer de wurking fan 'e foarsjenning (mei byhearrende algoritmen) en wat de potinsjele risiko's binne. Tafersjochhâlders moatte altyd selsstannige keuzes meitsje kinne. Dêrom is it wichtich dat de útfier goed ynterpretearre wurde kin en dat der ek in sinjaal oan 'e kant set wurde kin.

Wurking

Gegevens

Trainingsdatasets:

Wazige algoritme

It giet hjir om rûchwei 10.000 ôfbyldings mei rauwe, dus net-anonymisearre, gegevens. Dizze ôfbyldings wiene nedich om it algoritme sels te learen minsken en kentekenplaten te werkennen, sadat se út ôfbyldings fuorthelle wurde kinne. Dizze ôfbyldings binne allinich tagonklik foar in oantal ûntwikkelders dy't de modellen traine. De ôfbyldings wurde bewarre salang't it algoritme fierder ûntwikkele wurde moat.

Algoritme foar ôfbyldingsherkenning

Om dit algoritme te learen objekten goed te werkennen, waarden sawat 1500 foar in part anonymisearre en foar in part net-anonymisearre ôfbyldings brûkt om it algoritme manuell te trainen. It brûken fan net-anonymisearre ôfbyldings wie hjirfoar needsaaklik, sadat de kontekst (iepenbiere romte fan 'e gemeente Amsterdam) safolle mooglik yntakt bliuwt. Dit soarget derfoar dat it algoritme de objekten better werkenne kin. Oars as bygelyks Google Maps, fervaagt de gemeente ek de hiele hâlding fan minsken yn 'e iepenbiere romte.

Produksjedatums:

It Scansysteem fangt ôfbyldings dy't metadata befetsje lykas datum, tiid, lokaasje en rjochting. Dizze ôfbyldings wurde dan allegear anonymisearre mei it wazigensalgoritme ûntwikkele troch de gemeente Amsterdam. Direkt dêrnei wurde de ôfbyldings filtere op ôfbyldings mei konteners, bouhokken, mobile toiletten en steigers derop mei it ôfbyldingsherkenningsalgoritme 'objekten'. Alle ôfbyldings dy't gjin fan dizze objekten sjen litte, wurde direkt wiske. Nei't de foarige gegevens binne krigen, wurdt dizze ynformaasje ferrike mei ynformaasje út fergunningen en ynformaasje oer kwetsbere brêgen en kaaimuorren. Dêrnei wurdt ûndersocht oft it objekt him op in kwetsbere brêge of kaaimuorre leit. De folgjende ynformaasje kin dan generearre wurde op basis fan de boppesteande gegevens:

· Kategory Oranje (of Read): mooglik yllegaal objekt (op kwetsbere kaai)

· Ofstân ta kwetsbere kaai: 25 meter

· Ofstân ta objektfergunning: 40 meter

De boppesteande gegevens wurde nei de Signalen Informatievoorziening Amsterdam stjoerd. SIA ferwurket dit ta in 'sinjaal' mei in kaart mei lokaasje-oantsjutting en stjoert dit nei CityControl, sadat in tafersjochhâlder dermei wurkje kin. Anonimisearre ôfbyldings wêrop objekten te sjen binne, wurde opnij brûkt om it ôfbyldingsherkenningsalgoritme opnij te trainen/ferbetterjen.

Technyske wurking

Optreden

De algoritmen prestearje goed op basis fan resultaten mei de trainingsdataset. De bedoelde Pilot is nedich om de algoritmen te testen mei produksjegegevens. De prestaasjes wurde sekuer metten tidens de Pilot. Dochs hat elk algoritme ek in saneamde flatermarge. De CVT hat dit ûndersocht en dizze komme foar yn 'e folgjende situaasje:

· Algoritme foar ôfbyldingsherkenning

It objekt is te fier fuort foar it algoritme om it te werkennen. It risiko om it objekt te missen is lykwols lyts, om't it wierskynlik is dat yn it risikofolle gebiet it skennende auto úteinlik it objekt foarby sil gean, wêrtroch't it werkenber wurdt.

· Blur-algoritme

It wazigensalgoritme hat op it stuit in krektens fan sawat 95% foar minsken dy't ticht by de kamera binne. Foar minsken dy't fierder fan 'e kamera ôf binne, is dit sawat 92%. Fisuele ynspeksje fan in stekproef hat oantoand dat de minsken dy't net werkenber binne meastal net werkenber binne, om't se bygelyks foar in part efter in beam steane. Ideaallik binne dizze minsken ek wazich. It wazigensalgoritme sil yn 'e kommende moannen fierder ûntwikkele wurde. De ferwachting is dat de prestaasjes fierder ferbetterje sille en sawat 99% berikke sille. Foar de Pilot, en sjoen alle maatregels dy't nommen wurde om de ôfbyldings feilich te ferwurkjen, wurdt de krektens fan 95% foarearst as foldwaande beskôge. As ekstra maatregels wurde ôfbyldings wiske op basis dêrfan wurdt gjin sinjaal generearre. Dit wurdt binnen 24 oeren dien.

Update 2024: Blurring as a Service (BaaS) is no yn gebrûk nommen, wat brûkt wurde sil yn in mooglik ferfolchproses om de ôfbyldings te anonymisearjen.

Leveransier

n/f