Druktebeeld (NL)
- Publicatiecategorie
- Overige algoritmes
- Impacttoetsen
- DPIA
- Status
- In gebruik
Algemene informatie
Thema
- Ruimte en infrastructuur
- Economie
Begindatum
Contactgegevens
Verantwoord gebruik
Doel en impact
Drukte in de openbare ruimte is al jaren een probleem in Amsterdam. Sinds de coronapandemie is het alleen maar belangrijker geworden om een goed beeld te hebben van de drukte in de stad. Druktebeeld is een webapp, die een beeld geeft van de actuele drukte in de stad door verschillende informatiebronnen samen te brengen. Het laat bijvoorbeeld zien hoeveel bezoekers er op een locatie zijn of welke parkeerplaatsen in gebruik zijn. Om dit beeld te krijgen, maken we gebruik van de locatiegegevens van de bezoekers via bijvoorbeeld de webapp Weeronline.
Druktebeeld is bedoeld om het publiek te informeren over de drukte in de openbare ruimte. Mensen kunnen zien hoe druk het ergens is, en er vervolgens voor kiezen om er op een rustiger moment naartoe te gaan, of om een andere route te nemen. Bovendien helpt Druktebeeld de gemeente bij het managen van drukte als dat nodig is.
Gelijkheid en rechtvaardigheid
De modellen van Druktebeeld gaan alleen over aantallen personen en auto’s, niet over persoonlijke kenmerken.
We hebben de invoergegevens voor het voorbijgangermodel (CMSA-tellingen) onderzocht. Dit heeft geen vooroordelen op basis van ras of geslacht aangetoond. Het algoritme wordt getraind met allerlei afbeeldingen zonder rekening te houden met het ras of geslacht van de mensen in die afbeeldingen. Het algoritme telt alleen het aantal hoofden.
De invoergegevens van het vertoningsmodel (Resono-tellingen) zijn gebaseerd op gps-locaties van een app-gebruikersgroep. Er worden dus alleen locaties van de aanwezige mensen gebruikt. Dit zal een vertekening in de telling geven, met name per land van herkomst, maar mogelijk ook bijvoorbeeld naar geslacht of leeftijd. Omdat deze persoonskenmerken niet door Resono worden verzameld, kunnen we niet precies zeggen hoe groot het effect hiervan is. Er wordt geen gebruik gemaakt van MAC-adressen.
Toen we begonnen met de ontwikkeling van de webapp hebben we belanghebbenden (publiek en medewerkers van de gemeente) gevraagd naar hun behoeften. Belanghebbenden kunnen ook deelnemen door in de webapp aan te geven of de drukte-indicatie hun eigen ervaring/interpretatie van drukte weergeeft. Daarnaast hebben we een apart kanaal ontwikkeld voor het crowdmanagementteam van de gemeente om ons uitgebreidere feedback te sturen.
De resultaten van de modellen zijn te bekijken in de Druktebeeld-webapp. Deze app is nog niet volledig geschikt voor beperkingen zoals kleurenblindheid en analfabetisme, en is alleen beschikbaar in het Nederlands.
Afwegingen
Menselijke tussenkomst
Human-in-command.
Er worden geen geautomatiseerde besluiten genomen op basis van de modellen van Druktebeeld. Elke beslissing op basis van drukte wordt genomen door mensen, dat kunnen zowel ambtenaren als burgers zijn, met ondersteuning van de Druktebeeld-data en webapp.
Uit de ‘passer-by’- en ‘impression’-modellen komen massa-indicaties. Die worden gemonitord door om de paar weken een rapport uit te brengen. Dit rapport evalueert de invoergegevens, de gebruikersfeedback op de drukte-indicaties en de feedback van het crowdmanagementteam op de drukte-indicaties. Het rapport bevat tabellen en grafieken met gegevens en resultaten die onverwacht/onregelmatig lijken. Naar aanleiding van de resultaten van het rapport worden de modellen zo nodig aangepast.
Risicobeheer
De geïdentificeerde risico’s zijn:
1.Besluit wordt genomen op onjuiste indicatie van menigte.
Er kunnen verschillen zijn tussen gepresenteerde (gemodelleerde) en waargenomen (werkelijke) drukte. Het gevolg daarvan kan zijn dat iemand:
- een locatie/route vermijdt omdat het (te) druk was, terwijl dat niet zo was;
- een locatie/route gebruikt in de veronderstelling dat het niet (te) druk was, terwijl dat wel zo was.
De drempels worden continu geëvalueerd om ervoor te zorgen dat gebruikers de best mogelijke indicatie van drukte hebben. Bij deze evaluatie houden we ook rekening met de feedback van de gebruikers.
2.Bewoners/bezoekers hebben het gevoel dat ze bekeken worden door de gemeente.
Als ze de webapp gebruiken, kunnen mensen het gevoel hebben dat ze worden bekeken, vanwege alle gegevens over drukte die blijkbaar beschikbaar zijn.
Door de app te gebruiken, kunnen mensen zich ook gevolgd voelen. Maar hun locatie wordt alleen verzameld en opgeslagen als ze feedback willen geven en toestemming geven voor het delen van hun locatiegegevens. Deze locatiegegevens zijn gekoppeld aan een id, niet aan persoonlijke informatie.
Er is sprake van een duidelijke opt-in die alleen verschijnt als je zelf de optie aanklikt om je locatie te delen of feedback te geven. Deze wordt niet opgedrongen door een push-notificatie of een pop-up en verschijnt niet automatisch, zoals bij veel andere websites.
Alle gegevens die we ontvangen voor de Druktebeeld-modellen zijn samengevoegde tellingen. Er zijn privacymaatregelen getroffen door de partijen die de gegevens aanleveren. Ze ontvangen ook geen persoonlijke gegevens zoals geslacht, leeftijd en woonadres.
3.Onbedoeld gebruik van de informatie.
We vertonen drukte, inclusief daadwerkelijke aantallen voetgangers. Dit kan worden gebruikt op manieren die de ontwikkelaars niet bedoelden. Mensen kunnen bijvoorbeeld drukke plaatsen opzoeken in plaats van ze te vermijden. Zakkenrollers zouden de app kunnen gebruiken om drukke locaties op te zoeken.
Door werkelijke aantallen niet te tonen, kunnen we deze risico’s verkleinen. Dit is nog onderwerp van discussie.
4.De gemeente heeft niet onafhankelijk kunnen vaststellen dat de data die Resono verkrijgt volledig geanonimiseerd zijn. ICT heeft een onafhankelijk onderzoek laten uitvoeren en heeft hiervoor een certificaat uitgegeven, zie risico ‘verkregen data’. Link: https://blog.reso.no/privacy-verified-certificering-toegekend-aan-resono-2/.
Impacttoetsen
Werking
Gegevens
CMSA
Het Crowd Monitoring Systeem Amsterdam (CMSA) geeft informatie over het aantal passanten op een aantal drukke plekken in de stad. Het gaat hier om voetgangers. De gegevens zijn anoniem. In CMSA worden vooral 2D- en 3D-sensoren gebruikt. Hiermee meten we hoe druk het ergens is. “Door data te verzamelen over aantallen, dichtheden en stromen voetgangers, is het mogelijk slimmere maatregelen te nemen om drukte goed te laten verlopen.” Zie hiervoor de link https://www.amsterdam.nl/privacy/specifieke/privacyverklaring-parkeren-verkeer-bouw/crowdmanagement/) https://api.data.amsterdam.nl/v1/crowdmonitor/passanten/?format=api
Resono
Om de drukte in parken, op pleinen en in winkelgebieden in de stad aan te geven, maken we gebruik van gegevens van het bedrijf Resono. “Resono meet drukte op elke gewenste locatie met een mobiel panel van meer dan een miljoen mensen. Hiermee maken we een nauwkeurige schatting van de drukte binnen een bepaald tijdsbestek. Locaties kunnen variëren in oppervlakte en type. Denk bijvoorbeeld aan een winkel, winkelgebied, parkeerplaats, wijk of stad. Met Resono hebben klanten integraal inzicht in bezoekersgedrag.” (vertaald van reso.no) De gemeente bepaalt voor welke gebieden Resono de gegevens verzamelt. De dataset bevat een schatting van het aantal bewegende personen binnen die gebieden, per kwartier. De gemeente krijgt dus geen informatie over personen, alleen samengevoegde gegevens. Resono voldoet aan de Nederlandse en Europese privacywetgeving. Ze hebben geen persoonlijke informatie over mensen (zoals leeftijd, geslacht), alleen anonieme locatiegegevens. Het privacybeleid van Resono vindt u hier: https://reso.no/privacy-policy/
Parkeergaragebezetting
Deze bron geeft bijna realtime de beschikbaarheid weer van parkeerlocaties in Amsterdam, waaronder enkele P+R-locaties. Het gaat om openbare parkeergarages en -terreinen, met een focus op grote locaties (200+ plekken) in de binnenstad. Het gaat hierbij dus niet om parkeren op straat. De gegevens komen van meerdere parkeerbeheersystemen, die de in- en uitrijdende auto’s tellen. De gegevens worden verzameld en eenduidig gemaakt door het bedrijf Vialis.
Nationaal Dataportaal Wegverkeer
Floating car data van het Nationaal Dataportaal Wegverkeer. Dit zijn open data, gebaseerd op samengevoegde en anonieme gegevens uit navigatiesystemen. De gegevens zijn geanonimiseerd.
GVB
Geanonimiseerd overzicht van aantal in- en uitchecks in het GVB om drukte op grote metrostations te voorspellen.
Links naar gegevensbronnen
- CMSA: https://api.data.amsterdam.nl/v1/crowdmonitor/passanten/?format=api
- Resono: https://reso.no/
- Parkeergaragebezetting: https://open.data.amsterdam.nl/uploads/actuele_beschikbaarheid_parkeergarages/Beschrijving%20Dataset%20-%20Actuele%20beschikbaarheid%20Parkeergarages%20v2.pdf
- Parkeergaragebezetting: opd.it-t.nl/data/amsterdam/GuidanceSign.json
Technische werking
Modelarchitectuur
*Voor de visualisaties in Druktebeeld hebben we gebruik gemaakt van drie modellen, één voor iedere databron. Het doel van de modellen is om een waarde te vertalen naar een drukte-indicator:
*niet druk: makkelijk 1,5m afstand houden / voldoende parkeerplaatsen (kleur groen)
*druk: mogelijk 1,5m afstand houden / weinig beschikbare parkeerplaatsen (kleur oranje)
*te druk: moeilijk/niet mogelijk om 1,5m afstand te houden / (bijna) geen beschikbare parkeerplaatsen (kleur rood)
*Drukte is enigszins subjectief. Het doel is om via de kleuren in Druktebeeld de gemiddelde drukte van de gebruikers van de app te laten zien. Toen de 1,5m-maatregel werd afgeschaft, hebben we de definities van de kleuren aangepast. We gebruiken de feedback van gebruikers bij het instellen van druktedrempels (niet direct wanneer de gebruikers feedback geven). De modellen creëren twee drempelwaardes per locatie: drempelwaarde lage drukte en drempelwaarde hoge drukte. Deze waarden worden om de paar weken (Resono) of maanden (CMSA & parkeren) berekend en opgeslagen. Als de telling op een locatie, op een bepaald moment is:
*Onder druktedrempel laag, krijgt een locatie de aanduiding ‘niet druk’.
*Tussen druktedrempel laag en druktedrempel hoog krijgt hij de aanduiding ‘druk’.
*Boven publieksdrempel hoog, krijgt het de aanduiding ‘te druk’.
*Deze drukte-indicaties worden elk kwartier per locatie (vanuit elke bron) berekend en weergegeven in de Druktebeeld-webapp.
Passantenmodel (CMSA)
Het doel van dit model is om drempels te creëren voor het aantal mensen dat een sensor passeert. De druktedrempels worden direct berekend op basis van de breedte van de straat waar de sensor zich bevindt. Voor sommige locaties kan het crowdmanagementteam van de gemeente de waarden aanpassen op basis van de feedback van de bezoekers.
Impressiemodel (Resono)
*Het doel van dit model is om drempels te berekenen om in te schatten hoeveel mensen er in een bepaald gebied zijn. Het model is een beslisboom met de volgende input:
*historische Resono-gegevens;
*type locatie (park/plein/winkelstraat);
*oppervlakte (vierkante meter van het park/plein/winkelstraat);
*lengte van paden binnen het gebied (verzameld met OpenStreetMap);
*feedback van de gebruikers van de webapp; en
*feedback van het crowdmanagementteam van de gemeente.
*De resulterende druktedrempels verschillen uiteraard per locatie.
Parkeren model
Met druktedata uit het verleden kunnen we een indicatie geven hoe groot de kans is dat een locatie vol raakt op het moment dat de gebruiker Druktebeeld controleert. De druktedata geven ook een indicatie of er voldoende tijd zit tussen het moment dat een gebruiker Druktebeeld raadpleegt en het moment dat hij arriveert op de parkeerlocatie en een plek vindt. De bezettingsgraad wordt bepaald op basis van:
*de beschikbare plaatsen;
*de totale capaciteit per garage als het verschil tussen het totaal aantal beschikbare plaatsen; en
*de beschikbare plaatsen van de afgelopen 5 kwartier.
*Op dit moment gebruiken we alleen informatie over kort parkeren. De drempels worden per locatie bepaald door een analyse van historische gegevens. Voor de meeste locaties is de druktedrempel ‘laag’ vastgesteld op een bezetting van 90 procent. Onder dit percentage zijn er voldoende plekken. Voor deze locaties is de druktedrempel ‘hoog’ vastgesteld op 95 procent. Tussen de 90% en 95% zijn er voldoende plekken beschikbaar, maar de kans is groot dat deze binnen 30 minuten vol zijn. Voor sommige locaties kunnen sneller vol raken. Op die locaties zijn de drempels ‘laag’ en ‘hoog’ respectievelijk 80 procent en 90 procent.
Drukteverwachtingen metrohaltes
We maken een drukteverwachting voor de komende week op de metrohaltes. Daarvoor gebruiken we gegevens over in- en uitchecken uit het verleden, weersdata en de weersverwachting. De drempelwaardes zijn per halte vastgesteld, afhankelijk van hun oppervlakte. De drukteverwachting wordt bepaald op basis van:
*Aantal in- en uitchecks afgelopen jaar
*Oppervlakte van de metrohalte
*Weerdata afgelopen week
*Weersverwachting komende week