Objektherkenning Iepenbiere romte

Gemeente Amsterdam

De direksje Tafersjoch en Hanthavening Iepenbiere Romte hat it Computer Vision Team fan 'e gemeente Amsterdam opdracht jûn om te ûndersykjen hoe't objektherkenning kin helpe om te foarkommen dat kwetsbere brêgen en kaaimuorren ynstoarte troch swiere objekten dy't derop pleatst wurde.

Lêst feroare op 10 septimber 2025 om 13:40 | Publikaasjestandaard 1.0

• Publicatiecategorie: Ympaktfolle algoritmes
• Impacttoetsen: DPIA, De Etyske Folder, IAMA
• Status: Yn gebrûk

Algemene ynformaasje

Tema

• Ekonomy
• Romte en ynfrastruktuer

Begjindatum

2022-07

Kontaktgegevens

[e-mail]

Ferantwurde gebrûk

Doel en impact

De Direktoraat Tafersjoch en Hanthavening Iepenbiere Ruimte (THOR) hat it Computer Vision Team fan 'e stêd Amsterdam (hjirnei: CVT) opdracht jûn om te ûndersykjen hoe't objektherkenning kin helpe om it ynstoarten fan kwetsbere brêgen en kaaimuorren te foarkommen, feroarsake troch swiere objekten dy't derop pleatst wurde. Dizze objekten omfetsje konteners, bouoanhingers, draachbere toiletten en steigers. Op it stuit is der gjin dúdlik oersjoch fan 'e lokaasje fan dizze objekten yn (kwetsbere) gebieten fan 'e stêd. It pilotprojekt sil testen oft dizze objekten mei súkses werkenber binne yn iepenbiere romten mei in scanauto dy't foarsjoen is fan in kamera. Nei it werkennen fan objekten yn iepenbiere romten kin in sinjaal generearre wurde. Troch dit sinjaal oan te foljen mei ekstra ynformaasje út (gemeentlike) boarnen kin it wurk fan tafersjochhâlders ek ferbettere wurde. Dit kin bygelyks dien wurde troch ynformaasje op te nimmen yn in rapport oer de urginsje fan it sinjaal op basis fan 'e kwetsberens fan 'e kaai dêr't it objekt pleatst is. Dit makket it mooglik om prioriteit te jaan oan driuwende situaasjes. Neist it generearjen fan in sinjaal kinne meiwurkers in digitale kaart brûke dy't de fûn objekten werjout. It pilotprojekt waard yn 2024 mei súkses foltôge. It is oantoand dat objekten mei súkses werkenber wurde kinne en dat de technology brûkt wurde kin om ferkeard pleatste objekten effektiver 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 mei de ôfbyldingsherkenningsfunksje. De funksje genereart automatysk in sinjaal. Dit sinjaal wurdt dan (mei de hân) beoardiele troch in tafersjochhâlder, wêrnei't in fjildûndersyk útfierd wurde kin. De tafersjochhâlder beoardielet selsstannich oft de situaasje legaal of yllegaal is. As dat lêste it gefal is, sil in hanthaveningsamtner in ûnôfhinklik beslút nimme. Dit betsjut dat der genôch betsjuttingsfolle minsklike yntervinsje is. De útfier fan 'e algoritmen draacht wol by oan 'e beslissing oft fierder ûndersyk (fjildûndersyk) dien wurde moat nei it waarnommen objekt yn 'e iepenbiere romte. Dêrom hat de funksje (en de byhearrende algoritmen) wol in wichtige ynfloed.

Risikobehear

Oer de hiele linie binne maatregels nommen om gegevens feilich te ferwurkjen en ynsidinten (bygelyks, it wazigensalgoritme wurket net mear) fluch en effektyf op te lossen neffens fêststelde prosedueres. It projekt rjochtet him spesifyk op it soarchfâldich anonymisearjen fan 'e fêstleine miljeubylden en it fuortheljen fan oerstallige gegevens. Fierder wurdt wichtige oandacht bestege oan 'e einbrûkers fan 'e foarsjenning. Sy moatte goed ynformearre wêze oer hoe't de foarsjenning wurket (ynklusyf syn algoritmen) en de potinsjele risiko's. Tafersjochhâlders moatte altyd selsstannige besluten nimme kinne. Dêrom is it krúsjaal dat de útfier goed ynterpretearre wurde kin en dat in sinjaal ûnderdrukt wurde kin.

Impacttoetsen

• Data Protection Impact Assessment (DPIA)
• De Etyske Folder
• Ympact Assessment Minskerjochten en Algoritmes (IAMA)

Wurking

Gegevens

Trainingsdatasets:

Wazige algoritme

Dit giet om sawat 10.000 ôfbyldings mei rûge, net-anonymisearre gegevens. Dizze ôfbyldings wiene nedich om it algoritme manuell te trainen om minsken en kentekenplaten te werkennen, sadat se út 'e ôfbyldings fuorthelle wurde kinne. Dizze ôfbyldings binne mar tagonklik foar in pear ûntwikkelders dy't de modellen traine. De ôfbyldings wurde bewarre salang't it algoritme fierder ûntwikkele wurdt.

Algoritme foar ôfbyldingsherkenning

Om dit algoritme te trainen om objekten effektyf te werkennen, waarden sawat 1.500 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 needsaaklik om de kontekst (iepenbiere romte yn 'e gemeente Amsterdam) safolle mooglik te behâlden. Dit soarget derfoar dat it algoritme objekten better werkenne kin. Oars as bygelyks Google Maps, fervaagt de gemeente ek de hiele hâlding fan minsken yn iepenbiere romten.

Produksjedatums:

It scansysteem fangt ôfbyldings mei metadata lykas datum, tiid, lokaasje en rjochting. Dizze ôfbyldings wurde dan allegear anonymisearre mei it wazige algoritme ûntwikkele troch de gemeente Amsterdam. Direkt dêrnei wurde de ôfbyldings filtere op ôfbyldings mei konteners, boutrailers, draachbere toiletten en steigers mei it "objekt" ôfbyldingsherkenningsalgoritme. Alle ôfbyldings dy't gjin fan dizze objekten befetsje, wurde direkt fuortsmiten. Nei't de foarige gegevens binne krigen, wurdt dizze ynformaasje ferrike mei ynformaasje fan fergunningen en ynformaasje oer kwetsbere brêgen en kaaimuorren. De folgjende stap is om te bepalen oft it objekt him op in kwetsbere brêge of kaaimuorre leit. Op basis fan de boppesteande gegevens kin de folgjende ynformaasje generearre wurde:

· 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 ôfdieling Ynformaasjefoarsjenning Seinen yn Amsterdam stjoerd. SIA ferwurket dizze gegevens ta in "sinjaal" mei in kaart dy't de lokaasje oanjout en stjoert it troch nei CityControl, sadat in tafersjochhâlder it brûke kin. Anonimisearre ôfbyldings dy't objekten sjen litte, wurde opnij brûkt om it algoritme foar ôfbyldingsherkenning opnij te trainen/ferbetterjen.

Technyske wurking

Optreden

De algoritmen prestearje goed op basis fan resultaten mei de trainingsdataset. De plande pilot is needsaaklik om de algoritmen te testen mei produksjegegevens. Prestaasjes sille sekuer metten wurde 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 te werkennen. It risiko om it objekt te missen is lykwols lyts, om't it wierskynlik is dat yn it gebiet mei hege risiko it skennende auto úteinlik it objekt foarby sil gean, wêrtroch't it werkenber wurdt.

Wazige algoritme

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

Update 2024: Blurring as a Service (BaaS) is no ymplementearre en sil brûkt wurde yn in mooglik ferfolchprojekt om ôfbyldings te anonymisearjen.

Leveransier

n/f