Article

Inbraakontwikkeling voorspellen met 97% zekerheid

Resultaten State of the State, thema Openbare orde en Veiligheid

Zijn inbraken te voorspellen? En zo ja, met welke nauwkeurigheid? Dat was de vraag die centraal stond in het State of the State onderzoek dat Deloitte in opdracht van de Nationale Politie uitvoerde. Om deze vraag te beantwoorden ontwikkelde Deloitte op basis van een omvangrijke data-analyse een model om het aantal inbraken op weekbasis te voorspellen. Met het inzicht dat dit model biedt, kan de politie een deel van het veiligheidsbeeld van Nederland in kaart brengen om zo de juiste keuzes te maken.

Elke agent ‘weet’ het: in de vakantieperiodes, als de nachten lang zijn en bij regen wordt er meer ingebroken. En als er eenmaal in een wijk is ingebroken, dan wordt er vaak binnen korte tijd nogmaals ingebroken.

Maar zou het voorspellen van inbraken beter kunnen dan enkel op basis van dit soort ervaringsfeiten? Om die vraag te beantwoorden heeft de Nationale Politie Deloitte gevraagd om met behulp van data-analysetechnieken een accuraat inbraakvoorspelmodel te ontwikkelen.

 

Identificatie van type gebieden met verhoogd inbraakrisico

Het eerste component van het model dat Deloitte heeft ontwikkeld, is een zogenoemde segmentatie-analyse. Met deze analysetechniek zijn zeven clusters van gebieden gecreëerd, die elk een eigen inbraakrisico blijken te kennen. Specialisten van Deloitte hebben hiertoe een algoritme geschreven dat in staat is alle postcodes in Nederland op basis van 70 sociaaleconomische kenmerken te clusteren. Bij deze laatste - door het CBS en partner EDM geleverde - gegevens valt te denken aan grootheden als het percentage vrijstaande woningen, het aantal uitgegeven creditcards, de gemiddelde leeftijd van de bewoners, de afstand tot het dichtstbijzijnde treinstation, enzovoort. Vervolgens is per gecreëerd cluster de historische inbraakfrequentie bepaald. Het blijkt dat deze zeven typen gebieden elk hun eigen inbraakrisico kennen.

Bovenstaand overzicht toont enkele van de afwijkende kenmerken van de gebieden met het hoogste en het laagste inbraakrisico. Gebieden met relatief weinig inbraken hebben vooral plattelandskenmerken: relatief veel boerderijen en vrijstaande woningen en een grote afstand tot het dichtstbijzijnde treinstation. Gebieden met relatief veel inbraken hebben vooral (groot)stedelijke kenmerken: relatief lage huurprijzen, veel flats en juist dichtbij een treinstation.

Inbraken daadwerkelijk voorspellen

De Nationale Politie had behoefte aan een buienradar voor inbraken; hoe ontwikkelt het aantal inbraken zich en hoe verplaatst dit zich over het land? Vervolgens is er dan ook gekeken of met behulp van onder meer bovenstaande segmentatie een model valt te ontwikkelen voor het daadwerkelijk voorspellen van inbraken op weekbasis op landelijk niveau.

De basis van dit inbraakvoorspelmodel zijn de historische gegevens van het aantal inbraken per postcode per week: het model gaat uit van het principe dat in de week die gaat komen, er net zoveel inbraken zullen plaatsvinden als zich in deze week gemiddeld in het verleden hebben voorgedaan. Een belangrijk voordeel van deze ‘weekaanpak’ is dat seizoensafhankelijke variabelen als daglengte en vakantieperiodes worden meegenomen.

Vervolgens is getoetst of deze basisvoorspelling met aanvullende variabelen accurater te maken valt. Dit blijkt deels het geval te zijn. Zo blijkt het meenemen van de weersverwachting geen effect te hebben; de voorspelling wordt niet beter door ervan uit te gaan dat als er regen wordt verwacht, er meer inbraken zullen plaatsvinden. Daarentegen wordt de voorspelling wel accurater als het model er vanuit gaat dat als er eenmaal een inbraak heeft plaatsgevonden, er een inbraakgolf volgt. En ook blijkt de betrouwbaarheid van de voorspelling toe te nemen als wordt meegenomen in welke van de zeven genoemde segmenten een specifieke gebied is ingedeeld.

Het resultaat: dankzij toevoeging van onder meer deze twee variabelen voorspelt het model het aantal inbraken op een termijn van twee weken vooruit met 97 procent zekerheid. Dat wil zeggen: in 97 procent van de gevallen wijkt het aantal daadwerkelijke inbraken niet meer dan één af van het aantal voorspelde inbraken. Sterker nog, in 74 procent van de gevallen voorspelt het model het aantal inbraken geheel correct.

Inbraakvoorspelling Nederland

De bovenstaande visual toont de totstandkoming van de voorspelling. In de linker tabel staan de inbraken voor de specifieke postcode voor een aantal weken, ook zien we inbraken voor de omliggende postcodes en het gehele land over dezelfde periode. In deze week is er overal in het land en met name in de omliggende postcodes meer ingebroken dan verwacht. Het model voorspelde daarom voor de komende week dat er in plaats van het historisch gemiddelde meer inbraken zouden plaatsvinden. De optelling van al deze berekeningen zorgt voor het product waar de Politie naar op zoek was, een kaart met op regionaal niveau zicht op de ontwikkeling van het aantal inbraken. De data in deze visualisatie is uiteraard fictief.

Model toepasbaar voor andere vormen van criminaliteit

Deze voorspellingen stellen de politie in staat een betrouwbaar veiligheidsbeeld voor deze vorm van criminaliteit te schetsen. De ontwikkeling van het model is zo uitgevoerd dat andere vormen van criminaliteit hier in de toekomst ook redelijk eenvoudig mee te voorspellen zijn. Uiteraard ligt dit aan de vorm van criminaliteit. Overvallen, geweldsincidenten of overlast zijn mogelijke voorbeelden van criminaliteit die hiervoor geschikt lijken te zijn.

Over State of the State

De ontwikkeling van dit inbraakvoorspelmodel is een onderdeel van Deloitte's State of the State, een actuele data-analyse van ons land, bedoeld om beleidsmakers en organisaties van bruikbare inzichten te voorzien op uiteenlopende maatschappelijke thema’s. Zo komen ook Zorg, Onderwijs en Arbeidsmarkt aan bod in dit programma. Deloitte analyseert hiervoor open data en kijkt naar onderlinge samenhang.

 

Meer weten?

Wilt u meer weten over het inbraakvoorspelmodel of State of the State? Neem dan contact op met Hans van Vliet via +31 (0)88 288 1538 of Pouya Zarbanoui via +31 (0)88 288 1768.

Vond u dit nuttig?