Welke gegevens registreren camera’s, sensoren en trackers op straat en in (semi-)publieke ruimtes? Inge Janse en Arthur de Jaeger van Leiden-Delft-Erasmus Centre for BOLD Cities vertellen over hun hun onderzoek naar een door burgers gemaakt sensorregister en begeleiden een datawandeling door de straten van Den Haag.
Lezing
De vierde sessie van deze reeks van de Toekomstacademie focust op dataverzameling in de publieke ruimte. De lezing van Arthur en Inge begint met het duiden van het Start Making Sense project. Het doel van dit project was het ontwikkelen van een door burgers beheerd cameraregister in Rotterdam. Dit register documenteert wie camera's in de stad bezit en beheert, voor welk doel en onder welke voorwaarden.
Er wordt vaak vanuit gegaan dat steden gedetailleerde en transparante registers van bewakingscamera's bijhouden, maar dit is zelden het geval. In Rotterdam bestond geen openbaar cameraregister, ondanks de sterke nadruk die de stad legt op veiligheid en bewaking. De gemeenteraad zet in op meer cameratoezicht om veiligheid te bevorderen, maar een overzicht van cameratoezicht ontbreekt.
De vraag of camera's en andere vormen van surveillance ook echt zorgen voor meer veiligheid in de openbare ruimte komt een aantal keer terug tijdens de lezing. De sprekers benadrukken dat ze hier tijdens het onderzoek eigenlijk geen voorbeelden van konden vinden. Camera’s registreren onveilige situaties, maar zorgen niet dat er tijdig kan worden ingegrepen om een situatie te voorkomen. Bovendien zorgt de aanwezigheid van camera’s er eerder voor dat overlast zich verplaatst dan dat het wordt opgelost. Ook benadrukken de sprekers het verschil tussen positieve en negatieve veiligheid. Positieve veiligheid is het werken aan een collectief gevoel van veiligheid. Vele ‘ogen op straat’ kijken om naar kwetsbare groepen. Een voorbeeld hiervan is de Neighbourhood Watch Afrikaanderwijk. Negatieve veiligheid is het minimaliseren van ongewenst gedrag. Maar wat is ongewenst gedrag? Profilering speelt hierbij vaak een rol, met allerlei vormen van discriminatie tot gevolg.
Datawandeling
Na de lezing gaan de deelnemers onder leiding van Arthur en Inge de straat op. Tijdens de wandeling zoeken de deelnemers naar cameradetectie en andere stedelijke sensoren in de openbare ruimte. Het wordt gelijk duidelijk dat het onmogelijk is om ongedetecteerd over straat te lopen. Op de Rijnstraat ter hoogte van Den Haag Centraal worden zelfs meer dan honderd camera’s geteld, maar op de meeste plekken zie je er al snel een tiental hangen. Van sommigen zijn de eigenaren herkenbaar, zo zit op de camera’s van de politie een herkenbare sticker en dragen andere camera’s duidelijk de kleuren van verschillende vervoersbedrijven. Maar voor de meeste camera’s is niet duidelijk aangegeven aan wie ze toebehoren, laat staan of de beelden worden opgeslagen, bekeken of gedeeld.
Het ontwerp van de camera biedt soms extra inzicht. Zo kan redelijkerwijs worden aangenomen dat een deurbelcamera behoort tot de eigenaar van de voordeur waar deze aan hangt en aan een bulletcamera is duidelijk te zien waar deze op gericht is. Toch is aan de meeste camera’s juist weinig af te lezen. Het is bijvoorbeeld moeilijk te herkennen wat een dome-camera precies filmt. En (vooral bij overheidsgebouwen) matchen camera’s vaak met de kleur van de gevel zodat het de gemiddelde voetganger niet eens opvalt dat er gefilmd wordt. Ook is het bijna nooit duidelijk wanneer een camera aan of uit staat.
Aan de eerdergenoemde deurbelcamera’s hangt weer een ander vraagstuk: de software die de camera koppelt aan je telefoon is vaak van een Chinese of Amerikaanse dienst. De data wordt opgeslagen op servers buiten Europa. Ook zitten er veel meer belanghebbenden achter zo’n deurbel dan je zou denken, zowel de bewoner of verhuurder, het bedrijf achter de deurbel, de gemeente en politie, hackers en zelfs buitenlandse overheden gebruiken de beelden graag voor hun eigen gewin.
Bij een ‘hub’ met deelscooters wordt het duidelijk dat de camera niet de enige techniek is die data verzamelt over de gebruikers van de openbare ruimte. Sharingdiensten verdienen vaak meer aan de data die deze scooters opleveren dan aan de verhuur van een scooter. Wij (de rijders) zijn datapunten die worden verkocht aan derden. Wat gebeurt met de data? Wordt het ingezet voor doeleinden ter verbetering van de openbare ruimte? Of voor commerciële doeleinden?