Druktebeeld (NL)

Digitalisering, Innovatie en Informatie, Ruimte en Economie

Overzicht

Druktebeeld (NL)

Tags

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.

Contactgegevens

Gedetailleerde informatie over het systeem

Hier kunt u kennismaken met de door het systeem gebruikte informatie, de werkingslogica en het bestuur ervan op de gebieden die u interesseren.

Datasets Toon Meer Toon Minder

Belangrijke gegevensbronnen die worden gebruikt bij de ontwikkeling en het gebruik van het systeem, hun inhoud en gebruiksmethoden. De verschillende gegevensbronnen worden gescheiden door subkoppen.

Naam

CMSA

Beheerder

controller

Datasetbeschrijving

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

Functies

hoeveelheid burgers die sensoren passeren

Operating

Persoonlijke gegevens

Geen persoonlijke gegevens

Geanonimiseerde voorbeeldgegevens

Bron adres

https://api.data.amsterdam.nl/v1/crowdmonitor/passanten/?format=api

Testing

Training

Naam

Resono

Adres van de beheerder

https://reso.no/

Datasetbeschrijving

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/

Functies

geschatte hoeveelheid mensen binnen geofences

Operating

Persoonlijke gegevens

Geen persoonlijke gegevens

Geanonimiseerde voorbeeldgegevens

Testing

Training

Naam

Parkeergaragebezetting

Beheerder

controller

Datasetbeschrijving

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. Dit zijn open gegevens die dus door iedereen gebruikt kunnen worden. Het zijn gegevens over de capaciteit en het aantal vrije plekken per locatie. Er wordt onderscheid gemaakt tussen plekken die voor korte termijn kunnen worden gebruikt (bezoekers) en plekken die voor langere tijd kunnen worden gebruikt (abonnementen en licentiehouders). Volledige beschrijving: https://open.data.amsterdam.nl/uploads/actuele_beschikbaarheid_parkeergarages/Beschrijving%20Dataset%20-%20Actuele%20beschikbaarheid%20Parkeergarages%20v2.pdf

Functies

capaciteit, vrije plekken

Operating

Persoonlijke gegevens

Geen persoonlijke gegevens

Geanonimiseerde voorbeeldgegevens

Bron adres

opd.it-t.nl/data/amsterdam/GuidanceSign.json

Testing

Training

Naam

Nationaal Dataportaal Wegverkeer

Datasetbeschrijving

Floating car data van het Nationaal Dataportaal Wegverkeer. Dit zijn open data, gebaseerd op samengevoegde en anonieme gegevens uit navigatiesystemen.  Ze worden geleverd door Be-Mobile. De data geven de gemiddelde snelheid weer die over de afgelopen 15 minuten werd gereden. Dit wordt vergeleken met de snelheid die daar gemiddeld wordt gereden. Op deze manier kunnen gebruikers zien of er vertragingen zijn.

De gegevens zijn geanonimiseerd.

Operating

Persoonlijke gegevens

Geen persoonlijke gegevens

Geanonimiseerde voorbeeldgegevens

Naam

Gemeentevervoerbedrijf (GVB)

Datasetbeschrijving

De gemeente ontvangt wekelijks een overzicht van hoe vaak er op de haltes van het GVB wordt ingecheckt en uitgecheckt. Op basis van deze gegevens maken we een verwachting van de drukte voor de grote metrostations. De gegevens zijn anoniem en samengevoegd per uur met een minimum aantal in-  of uitchecks van 15.

Operating

Persoonlijke gegevens

Geen persoonlijke gegevens

Geanonimiseerde voorbeeldgegevens

Human oversight Toon Meer Toon Minder

Menselijk toezicht tijdens het gebruik van de dienst.

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.

Niveau van menselijke controle

Human-in-command

Gegevensverwerking Toon Meer Toon Minder

De operationele logica van de automatische gegevensverwerking en redenering uitgevoerd door het systeem en de gebruikte modellen.

Gegevensstroomdiagram

Beschrijving van de systeemarchitectuur

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 zienw. 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. Op de Public Eye-pagina van het algoritmeregister (https://algoritmeregister.amsterdam.nl/public-eye/) lichten we dit nader toe. 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 (input van https://druktebeeld.amsterdam.nl/feedback); 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

Afbeelding van systeemarchitectuur

Prestatie

Key metric: drukte-indicatie (niet druk/druk/te druk) van het model is gelijk aan de crowd-indicatie van de gebruiker (feedback via de Druktebeeld-webapp). Prestaties (gemeten 29/1 – 22/2): 77% 

Prestatietestrapport

Non-discriminatie Toon Meer Toon Minder

Promotie en realisatie van gelijkheid in het gebruik van de dienst.

Gelijkheid en rechtvaardigheid

De modellen van Druktebeeld gaan alleen over aantallen personen en auto’s, niet over persoonlijke kenmerken.

We hebben de 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. Hij is alleen beschikbaar in het Nederlands.

Toegankelijkheidsbeschrijving

De resultaten van de modellen zijn te bekijken in de Druktebeeld webapp. Deze app is nog niet volledig geoptimaliseerd voor handicaps zoals kleurenblindheid en analfabetisme. Het is ook alleen beschikbaar in het Nederlands. Het is de bedoeling dat dit in de tweede helft van 2021 wordt verbeterd.

Bias-testrapport

Beschrijving van de betrokkenheid van belanghebbenden

Bij de beginfase van de ontwikkeling van de webapp zijn belanghebbenden (publiek en medewerkers van de gemeente) geconsulteerd over hun behoeften. Ook kunnen belanghebbenden deelnemen door feedback te geven in de webapp 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.

Referenties Toon Meer Toon Minder

Rechtsgrondslag

Openbaar belang of openbaar gezag

Adres privacybeleid

https://druktebeeld.amsterdam.nl/about#privacy

Risicobeheer Toon Meer Toon Minder

Risico's in verband met het systeem en het gebruik ervan en de beheersmethoden.

De geïdentificeerde risico’s zijn:

• Besluit wordt genomen op onjuiste indicatie van menigte.
• Bewoners/bezoekers hebben het gevoel dat ze bekeken worden door de gemeente.
• Onbedoeld gebruik van de informatie.
• 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/

Risico-naam

Verkeerde indicatie van menigte

Risicobeschrijving

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.

Frequentie

Matig

Beschrijving van risicobeperking

De drempels worden continu geëvalueerd om ervoor te zorgen dat gebruikers de best mogelijke indicatie van drukte hebben. Bij deze evaluatie wordt ook rekening gehouden met de feedback van de gebruikers.

Mitigatiestatus

In uitvoering

Waarschijnlijkheid

false

Schaal

false

Ernst

Laag

Risico-type

Ander

Risico-naam

Het gevoel bekeken te worden

Risicobeschrijving

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. Zie voor meer informatie: https://www.amsterdam.nl/privacy/specifieke/privacyverklaring-parkeren-verkeer-bouw/crowd-monitoring-systeem-amsterdam/ https://www.amsterdam.nl/privacy/specifieke/privacyverklaring-parkeren-verkeer-bouw/cmsa-corona-privacy/ https://reso.no/privacy-policy/

We communiceren hier duidelijk en transparant over.

Frequentie

Laag

Beschrijving van risicobeperking

Alle gegevens die we ontvangen voor de Druktebeeld-modellen zijn geaggregeerde tellingen. Er zijn privacymaatregelen getroffen door de partijen die de gegevens aan ons aanleveren. Ze ontvangen ook geen persoonlijke gegevens zoals geslacht, leeftijd en woonadres. Zie voor meer informatie: https://www.amsterdam.nl/privacy/specifieke/privacyverklaring-parkeren-verkeer-bouw/crowd-monitoring-systeem-amsterdam/ https://www.amsterdam.nl/privacy/specifieke/privacyverklaring-parkeren-verkeer-bouw/cmsa-corona-privacy/ https://reso.no/privacy-policy/

Daarnaast proberen we hier duidelijk en transparant over te communiceren.

Mitigatiestatus

In uitvoering

Waarschijnlijkheid

false

Schaal

false

Ernst

Matig

Risico-type

Privacy en gegevensbeveiliging

Risico-naam

Onbedoeld gebruik

Risicobeschrijving

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.

 

Frequentie

false

Beschrijving van risicobeperking

Het niet tonen van werkelijke aantallen kan het risico verkleinen, dit is nog onderwerp van discussie.

Mitigatiestatus

In uitvoering

Waarschijnlijkheid

false

Schaal

false

Ernst

false

Risico-naam

Verkregen data

Risicobeschrijving

De gegevens zijn anoniem en niet te herleiden naar individuen. Het zijn dus geen persoonsgegevens. Het is niet met zekerheid vast te stellen of Resono toestemming heeft gekregen voor deze gegevens op een manier die is toegestaan binnen de AVG. Het is niet helemaal helder om hoeveel miljoenen telefoongebruikers het gaat. Resono heeft dit wel onafhankelijk laten verifiëren door ICT Recht. Zij hebben hiervoor een certificaat gekregen: https://reso.no/privacy-verified-certificering-toegekend-aan-resono/

De gegevens die de gemeente ontvangt en verwerkt zijn geanonimiseerd en niet te herleiden naar personen. 

Frequentie

Matig

Beschrijving van risicobeperking

De gegevens die de gemeente ontvangt en verwerkt zijn annoniem en niet te herleiden naar personen. 

Resono heeft dit onafhankelijk laten verifieren door ICTRecht. Zij hebben hiervoor een certificaat gekregen: https://reso.no/privacy-verified-certificering-toegekend-aan-resono/

Mitigatiestatus

Voltooid

Waarschijnlijkheid

Matig

Schaal

Hoog

Ernst

Hoog

Risico-type

Privacy en gegevensbeveiliging

Datasets combineren

Grootschalige gegevensverwerking

Locatiegegevens

Toezicht

Vond u deze informatie nuttig?