Gebruiker:Ophelie Crombez/Kladblok

Criminaliteits Anticipatie Systeem, ook wel aangeduid met de Engelse term Crime Anticipation System, is een datamining systeem ontwikkeld om criminaliteitspatronen in kaart te brengen. Het beschikt over geavanceeerde plannings- en voorspellingsmethoden om te voorspellen welke incidenten waar plaats gaan vinden. Dit systeem valt binnen de recente ontwikkeling die bekend staat als Predictive Policing. CAS, ontworpen door dataminer Dick Willems is actief binnen de Regionale Eenheid Amsterdam.

Oorsprong

Binnen de politie Amsterdam maken ze gebruik van hotspotanalyse. Hotspots zijn criminaliteitsdelicten die sterk geconcentreerd zijn in bepaalde geografische locaties. Hotspots worden in kaart gebracht en maken de risicogebieden waarneembaar. Op basis van hotspots ontwikkelen ze een voorspelmodel aan de hand van dataminingtechnieken genaamd CAS.

Doel

Het doel van CAS is om de verdeling van de politiecapaciteiten zo efficiënt mogelijk te houden, zodat de politie ter plaatste is op plaatsen en momenten waar het ertoe doet.

Werking

CAS wordt momenteel gebruikt om High Impact Crimes te voorspellen. Onder High Impact Crimes vallen de delicten woninginbraken, straatroof en overval. De regio Amsterdam wordt verdeeld in vakjes van 125 bij 125 meter. Plaatsen waarvan de kans op delicten laag is, zoals weilanden en open water, worden verwijderd. In de overgebleven vakjes gaat men gegevens verzamelen zoals criminaliteitshistorie, afstand tot bekende verdachten, afstand tot de dichtstbijzijnde snelwegoprit, soort en aantal bedrijven zoals bekend bij de politie, en demografische en socio-economische gegevens van het Centraal Bureau voor de Statistiek. Voor ieder gebied voorspelt CAS de kans op een incident voor een tweewekelijkse periode. Locaties met de hoogste kans op incidenten worden aangeduid op de kaart als de high risk area. Deze kunnen ook naast de tweewekelijkse kaarten aangeduid worden op andere kaarten ingedeeld per weekdag, dagdeel en de diensttijd waarbij alleen de high risk area te zien is. Na de indeling gaat men van ieder vakje op verschillende peilmomenten gegevens registreren die op dit moment bekend zijn. Nadien wordt er vastgelegd wat er in de twee weken van incidenten hebben plaatsgevonden. Hierbij voegen ze per vakje de registratie van delicten in de afgelopen drie jaar. Om te voorspellen welke combinaties van kenmerken indicatief zijn voor criminaliteit in de nabije toekomst, wordt gebruik gemaakt van kunstmatige neurale netwerken die in staat zijn om patronen leren herkennen. Aan de kunstmatige neurale netwerken wordt er van een vakje informatie toegevoegd die bekend is op een bepaald peilmoment. De toegevoegde informatie wordt dan door het netwerk voorspelt, en men gaat na of de feiten reëel gepleegd zijn. De huidige CAS-model kan 36,3% van de woninginbraken en 57,7% van de straatroven voorspellen.

Software

CAS maakt gebruik van IBM SPPS Modeler waarin de datapreparatie en de modelleringstappen van CAS zijn ondergebracht. Het wordt eveneens ondersteund door een ORACLE database die zorgt voor het wegschrijven of ophalen van data. Na de modelleringstappen worden de geografische kaarten samengesteld door middel van MapInfo.

Toepassing op het werkveld

De briefing van de flexteams binnen de Regionale Eenheid Amsterdam gebeurt op basis van de adviezen van CAS. De CAS-kaarten worden om de twee weken automatisch ververst en wordt door een team analisten van de Dienst Regionale Informatieorganisatie (DRIO) een inzetadvies vastgesteld. Dit advies houdt in op welke momenten, tijdstippen men kan verwachten om in te grijpen en op wie er gelet moet worden. Er wordt gecommuniceerd met de collega’s op straat zodat hun bredere kennis op het CAS-systeem wordt toegepast.

Resultaat

Het model haalt positieve resultaten uit. Er is een duidelijke daling van het aantal woninginbraken en straatroven. Gebieden waar er is ingezet is te zien dat er minder delicten hebben plaatsgevonden.

Toekomstbeeld

Momenteel werkt CAS op een tweewekelijkse periode. Het zou ideaal zijn als CAS real time beschikbaar zou zijn. Als men CAS op mobiele apparatuur creeërt, zouden de politieagenten gerichter en efficiënter werk verrichten en kunnen ze ter plaatste de kaarten bewerken. Dit zijn voorlopige ideeën die nog gerealiseerd moeten worden.

Zie ook

Predictive Policing

Cybercrime

Bronnen'

Criminelen vangen met software (2016). Geraadpleegd op 8 december 2016, op http://socialmediadna.nl/criminelen-vangen-met-software/
Willems, D., & Doeleman, R. (2014). Predictive Policing- wens of werkelijkheid? Het Tijdschrift voor de Politie, 76, 4-5. Geraadpleegd via https://www.politieacademie.nl/kennisenonderzoek/kennis/mediatheek/pdf/89539.pdf
De politie van de toekomst houdt iedere burger non-stop in de gaten (2015). Geraadpleegd op 7 december 2016, op https://decorrespondent.nl/3044/de-politie-van-de-toekomst-houdt-iedere-burger-non-stop-in-de-gaten/279163005704-5df91b90
Predictive policing: een overzicht (2016). Geraadpleegd op 6 december 2016, op http://socialmediadna.nl/predictive-policing-overzicht/
Vier steden gaan Criminaliteits Anticipatie Systeem testen (2015). Geraadpleegd op 6 december 2016, op http://www.brinkman-beveiligingen.nl/nl/nieuws-beveiliging/2015/02/07/vier-steden-gaan-criminaliteits-anticipatie-systeem-testen
How big data is reducing burglaries in Amsterdam (2016). Geraadpleegd op 7 december 2016, op https://time.tno.nl/en/articles/how-big-data-is-reducing-burglaries-in-amsterdam/
De Graauw, J.S. (2014). Tijdruimtelijk voorspellen van criminele incidenten [Master thesis]. Amsterdam: Vrije Universiteit Amsterdam. Geraadpleegd via https://www.few.vu.nl/en/Images/stageverslag-graauw_tcm244-414225.pdf
Opstelten, I.W. (2015, 19 februari). Vragen van het lid Marcouch (PvdA) aan de minister van Veiligheid en Justitie over het bericht dat met software criminaliteit kan worden voorspeld [Kamerbrief]. Geraadpleegd op https://www.rijksoverheid.nl/binaries/...criminaliteit.../lp-v-j-0000007566.pdf