B2. Fietsdiefstal en -tracking volledige versie (AMS, nov 2022).pdf

Fietsendiefstal en -tracking

Colofon Datum 28 November 2022

Hoofdauteur Titus Venverloo (Technische Universiteit Delft) t.venverloo@tudelft.nl

Supervisie Serge Hoogendoorn (Technische Universiteit Delft) Fabio Duarte (Massachussets Institute of Technology)

Samenvatting Steden maken steeds meer gebruik van de fiets als een effectieve manier om files, de uitstoot van broeikasgassen en overgewicht te verminderen. Met de opkomst van de fiets in steden, wordt fietsendiefstal echter een steeds grotere uitdaging voor steden over de hele wereld. Een van de steden die hiermee veel problemen heeft ondervonden is de stad Amsterdam in Nederland. De huidige maatregelen van de stad Amsterdam om fietsendiefstal te voorkomen lijken niet te volstaan om het grote aantal fietsen dat jaarlijks wordt gestolen terug te dringen. Nieuwe benaderingen en inzichten zijn nodig om het aantal fietsendiefstallen te verminderen. Het doel van dit onderzoek is tweeledig. Ten eerste is bestudeerd welke stedelijke karakteristieken bedragen aan de kans dat een fiets gestolen wordt. Ten tweede, is bestudeerd wat er gebeurt nadat een fiets is gestolen. Dit gebeurt door inzicht te verschaffen in twee theorieën over stedelijke criminaliteit met betrekking tot fietsendiefstal, en door het ontwikkelen van een nieuwe onderzoeksmethode om de reis na de diefstal te onderzoeken. Ten eerste wordt de invloed van specifieke voorzieningen op fietsendiefstal geanalyseerd met een meervoudig lineair regressiemodel. Ten tweede wordt de invloed van het aantal fietsen per buurt op fietsendiefstal onderzocht met behulp vanstraatbeeldanalyse vanuit computer vision.

De resultaten worden gebruikt om een onderzoeksopzet te ontwikkelen waarbij honderd met locatiesensoren uitgeruste fietsen worden ingezet in de stad Amsterdam met het doel gestolen te worden. Deze honderd fietsen genereren gegevens over hoe ze zich door de stad bewegen. Dit levert op zijn beurt informatie op over de ruimtelijke patronen, de schaal en de temporele kenmerken van de markt in gestolen fietsen. De resultaten van dit onderzoek benadrukken de toepasbaarheid van nieuwe sensormogelijkheden om stedelijke criminaliteit te onderzoeken. Bovendien biedt het inzicht in waar de markt voor gestolen fietsen zich bevindt, de invloed van tweedehandswinkels en welke routes gestolen fietsen door de stad afleggen.

iii

Inhoudsopgave Erkenning Samenvatting Inhoudsopgave 1. Inleiding a. Stedelijke criminaliteit i. De stedelijke omgeving en criminaliteitstheorieën ii. Theorieën over de maatschappelijke context b. Fietsendiefstal in Nederland i. Daders van fietsendiefstal ii. Methoden van stelen iii. Fietsendiefstal in Amsterdam iv. Maatschappelijke gevolgen van fietsendiefstal c. Internationale fietsendiefstal d. Aanpak om fietsendiefstal te verminderen 2. Onderzoeksvragen a. Hiaten in het onderzoek b. Onderzoeksvragen i. De stedelijke omgeving en fietsendiefstal ii. Fietsverkeer 3. Methodologie a. De ethiek van het opsporen van diefstal waarborgen b. De stedelijke omgeving en fietsendiefstal c. Fietsverkeer i. Sensorselectie ii. Selectie van de fietsen iii. Plaatsing van de fietsen iv. Tracking van gestolen fietsen 4. Resultaten a. De stedelijke omgeving en fietsendiefstal b. Opsporen van gestolen fietsen i. Plaatsing en kenmerken ii. Tijden en data van diefstal iii. Waar gaan gestolen fietsen heen? 5. Discussie a. De stedelijke omgeving en fietsendiefstal i. Gelegenheidstheorie b. Fietsverkeer i. Trackers ii. Inzet iii. Onderzoeksvragen c. De ethiek van het opsporen van diefstal 6. Conclusie a. Aanbevelingen Referenties Bijlage

ii iii iv 1 3 3 5 5 6 6 7 10 10 12 14 15 16 16 16 17 18 19 21 21 23 26 27 29 30 36 36 40 41 49 49 49 50 50 50 50 52 54 56 58 61

Hoofdstuk 1

Inleiding Dit hoofdstuk biedt de theoretische achtergrond van het onderzoek. Het geeft een beknopt overzicht van van de meest invloedrijke literatuur over stedelijke criminaliteit. Verder wordt de problematiek van fietsendiefstal zoals die internationaal, in Nederland en in Amsterdam voorkomt kort uitgelegd. De theoretische achtergrond en de praktische realiteit van fietsendiefstal in Amsterdam worden in het volgende hoofdstuk vertaald naar de vastgestelde onderzoekshiaten en -vragen.

1 Inleiding Steden richten zich steeds meer op actieve vormen van mobiliteit om de toenemende verkeersopstopping, verslechterende luchtkwaliteit en afnemende levenskwaliteit aan te pakken (Younger et al., 2008). Fietsen spelen een cruciale rol in deze beweging richting gezondere steden, aangezien onderzoek aantoont dat fietsen obesitas kan verminderen, de uitstoot van broeikasgassen kan terugdringen en de levenskwaliteit kan verhogen (Younger et al., 2008). Maar met het toegenomen gebruik van fietsen neemt ook het aantal fietsendiefstallen toe, wat het fietsgebruik ontmoedigt (Sidebottom et al., 2009).

Eerdere pogingen van de stad Amsterdam om fietsendiefstal tegen te gaan zijn relatief weinig succesvol geweest. Politieonderzoeken waren niet effectief bij het terugvinden van fietsen en het vervolgen van de daders. Dit is vooral te wijten aan het feit dat de prijs van de gestolen fiets veel lager is dan de middelen die er nodig zijn voor dergelijke onderzoeken. Het is onduidelijk of andere maatregelen ter voorkoming van fietsendiefstal doeltreffend zijn, zoals het graveren van framenummers, publiekscampagnes om betere sloten te kopen of chips in fietsen, omdat de resultaten niet meetbaar zijn (de Ridder et al., 2020).

De stad Amsterdam, bekend om haar rjike fietscultuur, is een van de grootste hotspots voor fietsendiefstal in Nederland. De schatting loopt uiteen van 30.000 tot 80.000 gestolen fietsen per jaar, maar het aantal gestolen fietsen dat daadwerkelijk bij de politie wordt aangegeven is “slechts” 11.200 fietsen, omdat de aangiftebereidheid zeer laag is (Centraal Bureau voor de Statistiek, 2019). Deze lage aangiftebereidheid toont de realiteit van fietsendiefstal in Amsterdam: het is met tegenzin geaccepteerd door de burgers. Van bijna iedere Amsterdammer is wel eens een fiets gestolen, dusdanig dat het bijna lijkt te horen bij de fietscultuur.

In tegenstelling tot eerder onderzoek dat gebruik maakte van statische misdaadgegevens of preventiemaatregelen, is het doel van dit onderzoek om gestolen fietsen in Amsterdam actief op te sporen en te traceren. Specifiek wordt onderzocht wat er gebeurt nadat een fiets is gestolen, omdat deze informatie kan helpen bij het terugdringen van fietsendiefstal (Sutton, 1995). Maar alvorens te onderzoeken wat er met gestolen fietsen gebeurt, gaat dit onderzoek eerst dieper in op de stedelijke criminaliteitstheorieën die verklaren waar en waarom criminaliteit voorkomt.

Johnson et al. (2008) beschrijven een van de grootste hindernissen bij de aanpak van fietsendiefstal: “Fietsendiefstal wordt doorgaans gezien als een lage politieprioriteit, de impact en omvang ervan worden vaak over het hoofd gezien omdat de politie incidenten per geval bekijkt” (Johnson et al., 2008, p. 2). Burgers, politie en andere (overheids)instellingen zien fietsendiefstal als incidenteel. Deze visie gaat dus voorbij aan het totaalbeeld, dat een veel groter probleem laat zien met aanzienlijke economische en maatschappelijke effecten (Kuppens et al., 2020). Omdat het aantal aanhoudingen in verband met fietsendiefstal zeer laag blijft, blijft deze visie momenteel echter bestaan. Zelfs in een van de belangrijkste fietslanden ter wereld.

Nadat de stedelijke criminaliteitstheorieën zijn besproken, gaat dit onderzoek de toepasbaarheid van twee stedelijke criminaliteitstheorieën na om te verklaren waar fietsendiefstal plaatsvindt in Amsterdam. Het doel is om de vragen te beantwoorden welke voorzieningen invloed hebben op fietsendiefstal en of het aantal fietsen per buurt een goede voorspeller is van het aantal gestolen fietsen. In het tweede deel worden de antwoorden op deze vragen gebruikt om gebieden in Amsterdam te identificeren waar fietsendiefstal waarschijnlijk is. Nadat deze gebieden zijn vastgesteld, gaat het onderzoek in op de inzet van honderd met locatiesensoren uitgeruste fietsen in Amsterdam met als doel te ontdekken waar gestolen fietsen naartoe gaan.

2

1.a Stedelijke criminaliteit Binnen de criminologie zijn er ruwweg twee manieren om over stedelijke criminaliteit te denken. De ene brengt de stedelijke omgeving waarin criminaliteit plaatsvindt in verband met het voorkomen van criminaliteit. De andere brengt de stedelijke maatschappelijke context waarin criminaliteit voorkomt in verband met het voorkomen van criminaliteit (Zhao & Tang, 2018). In de volgende paragraaf worden deze theorieën verder besproken

1.a.i De stedelijke omgeving en criminaliteitstheorieën Zoals Zhao en Tang (2018) constateren, is criminaliteit een complex fenomeen dat zeer situationeel is. Dit heeft tot gevolg dat er niet een enkel theorie bestaat die alle misdrijven kan verklaren. De omgeving kan echter vaak wel informatie verschaffen over waarom op bepaalde plaatsen meer criminaliteit voorkomt. Ten eerste is het belangrijk te constateren dat steden gevoelig zijn voor criminaliteit. Dit is het gevolg van de ruimtelijke convergentie van veel activiteiten, waardoor er meer mogelijkheden zijn voor criminaliteit. De algemene regel is dat hoe groter de stad is, in termen van bevolking, hoe meer misdrijven er per hoofd van de bevolking worden gepleegd. Ook Nederland volgt deze regel, zoals blijkt uit Figuur 1. De rode lijn geeft het gepaste lineaire regressiemodel aan, dat exponentieel transformeert.

Ten tweede zijn misdrijven binnen de steden niet homogeen verspreid. Verschillende misdrijven komen voor op verschillende plaatsen en op verschillende tijdstippen. Deze verschillen kunnen worden verklaard door de stedelijke omgeving aan de hand van verscheidene theorieën. In dit onderzoek worden de volgende theorieën nader onderzocht: de routineactiviteitentheorie (Routine Activity Theory), de patroontheorie (Crime Pattern Theory), de rationelekeuzetheorie (Rational Choice Theory), de broken windows theorie (Broken Windows Theory) en de gelegenheidstheorie (Crime Opportunity Theory).

Routine Activity Theory (RAT) De routine-activiteitentheorie brengt gevallen van misdaad in verband met drie variabelen, een gemotiveerde dader, een geschikt doelwit en het ontbreken van gepast toezicht. Als deze tijdens de dagelijkse activiteiten samenkomen, is de kans groot dat er misdaad plaatsvindt (Cohen & Felson, 1979). Deze benadering werd ontwikkeld nadat verbeteringen in sociologische factoren, zoals inkomen en opleiding, in de VS in de jaren ‘60 de misdaadcijfers niet hadden doen dalen. Daarom moesten er andere factoren in het spel zijn, die Cohen en Felson (1979) in deze theorie hebben samengevat. Dus in plaats van eerdere theorieën die zich alleen op de dader richtten, omvat deze theorie ook de omstandigheden die de misdaad mogelijk maken. Zij stelden dat alledaagse activiteiten de gelegenheid tot criminaliteit voeden. Als mensen dus meer activiteiten ondernemen, zullen zich meer mogelijkheden voor criminaliteit voordoen, wat leidt tot criminaliteitstoename.

Figuur 1: Bevolkingsomvang van Nederlandse steden en gepleegde misdrijven per hoofd van de bevolking.

3

Crime Pattern Theory (CPT)

Crime Opportunity Theory (COT)

Waar de RAT wijst op een zekere willekeur in het samenkomen van dader, doelwit en gebrek aan toezicht, stelt de CPT dat criminaliteit ofwel gepland ofwel opportunistisch is (Zhao & Tang, 2018). Deze theorie relateert de activiteitenruimte van daders en doelwitten aan elkaar. Daders zijn voornemens hun activiteitenruimte te laten kruisen met die van doelwitten, waarbij ze bewuste beslissingen nemen over de omgeving waarin ze misdrijven willen plegen (Brantingham & Brantingham, 2013). Als zodanig gebruiken daders aspecten van de bebouwde en sociale omgeving samen met de routineactiviteiten van burgers om beslissingen te nemen over waar ze hun misdrijven willen plegen.

In zijn meest elementaire vorm stelt de gelegenheidstheorie dat de beschikbaarheid van geschikte doelwitten de belangrijkste voorspeller is van criminaliteit (Cook, 1986). De geschiktheid van doelwitten wordt bepaald door verschillende factoren, waaronder de vraag of de kosten opwegen tegen de risico’s en de door het slachtoffer genomen preventieve maatregelen. Varianten van deze theorie omvatten mediërende effecten, zoals inkomen, om te bepalen of de gelegenheid “geschikt” genoeg is om een misdrijf te plegen. Verder is deze theorie uitgebreid door Van Dijk (1994) waarin deze theorie dient als onderliggend mechanisme om een evenwicht van bepaalde misdrijven te bepalen. Bijvoorbeeld, fietsendiefstal wordt bepaald door de beschikbaarheid van doelwitten, maar wordt bemiddeld door de geldelijke beloning, preventiemaatregelen door het slachtoffer (of onwillige leverancier) en de aanwezigheid van waarschijnlijke fietsendieven, wat resulteert in een evenwicht van fietsendiefstallen. Dit impliceert dat het beginpunt om het optreden van een misdrijf te begrijpen de evaluatie van de beschikbaarheid van doelwitten is.

Rational Choice Theory (RCT) Deze theorie breidt op afschrikking gebaseerde criminaliteitstheorieën uit met andere aspecten dan formele repercussies (Clarke & Felson, 1993). Zij benadrukt de rationaliteit van de daders op het moment dat zij een misdaad plegen. De dader heeft de formele risico’s, zoals boetes of gevangenisstraf, en de informele risico’s, zoals verlies van zelfrespect of maatschappelijke status, berekend en besloten dat het nut van het misdrijf het risico van het plegen ervan waard was. Dit betekent dat zowel de waargenomen risico’s als de waargenomen beloning van het misdrijf door de individuele dader van invloed zijn op wanneer en waar misdrijven worden gepleegd. RCT vindt zijn wortels in ander sociologisch werk, waarin het zich onderscheidt doordat alle handelingen als rationeel en begrijpelijk worden beschouwd. Het stelt ook dat criminaliteit een gevolg is van de behoeften van de dader, zoals geldelijke beloning of het zoeken naar sensatie. Om die behoeften te vervullen neemt de dader bewuste beslissingen over de informatie waartoe hij toegang heeft en zijn vermogen om de misdaad te plegen (Felson, 2017).

Deze theorieën vormen samen een geconstrueerd perspectief op hoe criminaliteit plaatsvindt in de bebouwde omgeving. Enkele gemeenschappelijke thema’s van deze theorieën, zoals de invloed van dagelijkse activiteiten, preventieve infrastructuur en de geschiktheid van mogelijkheden, kunnen worden gezien als afgeleiden van de manier waarop de openbare ruimte is georganiseerd en wordt gebruikt. Daarom bevat de stedelijke omgeving relevante informatie over de verspreiding en frequentie van misdrijven. Het is echter verre van het complete plaatje, dat veel complexere dynamieken tussen daders, slachtoffers en situationele verbanden omvat.

Broken Windows Theory (BWT) Volgens deze theorie is de stedelijke wanorde een voorloper van andere misdaden (Meinen, 2014). Stedelijke wanorde bestaat uit plekken in de stedelijke omgeving die verwaarloosd, kapot of beschadigd zijn. Deze wanorde leidt tot kleine overtredingen, zoals illegale graffiti of vandalisme, die op hun beurt leiden tot zwaardere misdrijven (Harcourt, 1998). Deze theorie is zeer controversieel, zowel in het onderzoek als in de praktijk, omdat zij als basis diende voor het “stop, vraag en fouilleer”beleid van de politie in New York City. 4

1.a.ii Theorieën over de maatschappelijke context (Social Context Theories) en criminaliteit

1.b Fietsendiefstal in Nederland

Een van de meest onderzochte theorieën over sociale misdaad is de sociale desorganisatietheorie (Social Disorganisation Theory), die misdrijven koppelt aan gemeenschapskenmerken zoals bijvoorbeeld opleidingsniveau en inkomensongelijkheid. Een andere theorie is de cultuurconflicttheorie (Culture Conflict Theory), die stelt dat de verschillen tussen groepen in een buurt tot misdaad leiden omdat zij het niet eens worden over wat “goed” gedrag is. Deze twee theorieën worden voornamelijk onderzocht op basis van statische gegevens, die op allerlei manieren kunnen worden geanalyseerd. Voor meer details over deze theorieën geven Zhao en Tang (2018) een uitgebreid overzicht.

Johnson et al. (2008) definiëren fietsendiefstal als het onrechtmatig meenemen van niet-gemotoriseerde fietsen, waarbij zij ook wijzen op het verschil tussen diefstal van een fiets en diefstal van fietsdelen. Het belangrijkste onderscheid is dat bij diefstal van een fiets de hele fiets wordt meegenomen, terwijl bij diefstal van fietsdelen minder essentiële onderdelen zoals zadels en verlichting worden gestolen. In deze studie kijken we alleen naar fietsendiefstal, omdat er voor de andere categorie van diefstal nog minder literatuur en gegevens beschikbaar zijn.

Op basis van dit algemene begrip van de stedelijke context en de invloed daarvan op de criminaliteit, is het mogelijk om de complexiteit van fietsendiefstallen te begrijpen. In het volgende hoofdstuk wordt een literatuurstudie over fietsendiefstal uiteengezet, waarin de omvang van het probleem in Nederland gedetailleerd wordt beschreven. Verder worden de maatschappelijke en economische gevolgen van fietsendiefstal besproken en wordt de situatie in andere landen verkend. Deze literatuurstudie heeft tot doel hiaten in de kennis over fietsendiefstal op te sporen.

In Nederland daalt het aantal fietsendiefstallen, van 560.000 in 2017 naar 466.000 in 2019. De gemiddelde prijs van een gestolen fiets is echter gestegen. Daarmee blijft de markt voor gestolen fietsen, naar schatting 600 miljoen euro alleen al in Nederland, een zeer groot, enigszins verwaarloosd probleem (Kuppens et al., 2020). De stijging van de gemiddelde prijs van een gestolen fiets is grotendeels te verklaren door de opkomst van elektrische fietsen. In 2019 werden er 330.000 gewone fietsen en 420.000 e-bikes verkocht, terwijl tien jaar geleden het aandeel elektrische fietsen nauwelijks boven de 10% uitkwam (Kuppens et al., 2020). Volgens Kuppens et al. (2020) zijn grotere steden hotspots van fietsendiefstal, waarbij treinstations, winkelgebieden en stadspleinen als micro-hotspots worden aangemerkt. Een bijkomende trend is het toenemende aantal fietsen dat uit garages en tuinen wordt gestolen. Secundaire hotspots kunnen worden geïdentificeerd langs de grenzen van Nederland. Vermoedelijk omdat er een grote kans is om de fietsen over de grens te vervoeren. Hier verandert de politiebevoegdheid en wordt er geen verder onderzoek gedaan. Volgens deskundigen worden deze fietsen vaak naar Oost-Europa vervoerd. Bovendien heeft fietsendiefstal, als een van de meest gepleegde misdrijven, relatief weinig juridische gevolgen en is de kans op arrestatie zeer klein.

5

De nieuwe fietsverhuurmodellen, zoals Swapfiets, waarbij je een fiets huurt voor een vaste prijs per maand, beginnen ook de fietsendiefstalproblematiek te beïnvloeden. Als deze fietsen worden gestolen, worden ze door het bedrijf als vermist beschouwd, niet als gestolen. Dit vermindert het aantal fietsen dat daadwerkelijk bij de politie wordt aangegeven, aangezien huurders gewoon een vervangende fiets krijgen tegen betaling van een kleine vergoeding.

1.b.i Daders van fietsdiefstal Naast hotspots kunnen ook specifieke typen daders worden geïdentificeerd. Kuppens et al. (2020) interviewden verschillende deskundigen op het gebied van fietsendiefstal. Deze interviews resulteerden in de indeling van drie typen dieven: De opportunist Steelt meestal een fiets als er een gelegenheid voor is (studenten, verslaafden of dronken mensen). Dit type dader verkoopt de fiets meestal snel en richt zich op goedkopere fietsen. De lokale professional Dit type dief is voorbedacht en vaak uitgerust met gereedschap om sloten open te breken. Ze weten welke sloten gemakkelijk te verwijderen zijn, en wanneer ze een fiets stelen, zorgen ze ervoor dat ze identificerende kenmerken van de fiets verwijderen. Dit betekent ook dat het langer duurt om de fiets te verkopen. De fietsen die het doelwit zijn, zijn van uiteenlopende kwaliteit, en sommige kunnen duurder zijn. Georganiseerde groepen Deze groepen stelen vaak meerdere duurdere fietsen, waarna deze fietsen naar andere landen worden vervoerd. De deskundigen geven aan dat deze groepen wellicht ook samenwerken, waarbij de opportunist en de lokale professional gestolen fietsen leveren aan de georganiseerde misdaad. Sommige deskundigen geven ook aan dat werknemers van fietsenwinkels informatie verstrekken over waar nieuwe fietsen worden verkocht/verzonden, en zo adressen aan dieven verstrekken.

Hoewel dit onderscheid wordt gemaakt, zijn er geen duidelijke verhoudingen over welk type dief verantwoordelijk is voor hoeveel gestolen fietsen. Wel is men het erover eens dat opportunistische fietsendiefstal afneemt naarmate fietsen duurder worden. Evenzo neemt opportunistische criminaliteit af als er minder verslaafden of daklozen zijn (Kuppens et al., 2020). Bovendien is er de laatste tijd een grotere prikkel om over te stappen op professionele of georganiseerde criminaliteit door de stijgende beschikbaarheid en prijzen van elektrische fietsen. Zoals gezegd hebben fietsendieven verschillende motieven om een fiets te stelen. Sommigen gebruiken hem simpelweg om van A naar B te gaan, wat vaak wordt toegeschreven aan studenten die een joyride maken. Een ander veel voorkomend motief is dat mensen fietsen ruilen voor geld of drugs. In de meer professionele circuits van fietsendiefstal kunnen fietsen ook op verzoek worden gestolen, wat neerkomt op een betaling voor diensten. De gegevens en de bestaande literatuur over het aandeel van elk motief zijn verre van aansluitend over dit onderwerp. Johnson et al. (2008) wijzen op twee studies waarin het gerapporteerde cijfer voor het joyridemotief 25% of 80% bedraagt, waaruit blijkt dat er weinig consensus bestaat over dit aspect van het probleem.

1.b.ii Methoden van stelen Het stelen van een fiets gebeurt op verschillende manieren, maar er zijn geen gegevens over welke methode het meest wordt gebruikt. Methoden die Kuppens et al. (2020) noemen voor het stelen van fietsen zijn onder meer het openbreken van het slot, het meenemen van de fiets, het openen met een gestandaardiseerde sleutel, het gebruik van snijgereedschap en het verwijderen van onderdelen van de fiets (bijvoorbeeld het voorwiel). Zoals aangetoond heeft het stelen van een fiets een relatief lage drempel omdat de methoden relatief eenvoudig zijn. Chen et al. (2018, p. 6) vatten dit goed samen: “Vanuit het perspectief van de daders zijn fietsen aantrekkelijke objecten. Ze zijn algemeen beschikbaar, gemakkelijk te stelen, te gebruiken en door te verkopen, en moeilijk op te sporen.” Zoals alle misdrijven bestaat fietsendiefstal uit verschillende fasen. De door Kuppens et al. (2020) geïnterviewde deskundigen onderscheiden de 6 stappen van fietsendiefstal:

6

Voorbereiding (screening van de omgeving en potentiële kopers) Kiezen van het doelwit Kiezen van de locatie De diefstal Opslag & transport Verkoop Hierbij is het interessant op te merken dat we weliswaar over enkele gegevens beschikken wat betreft de locatie, het doelwit en de diefstal, maar niets over de opslag, het vervoer en de verkoop. De nadruk ligt duidelijk op de dader en niet op het faciliterende sociale en ruimtelijke netwerk. Dit terwijl fietsendiefstal plaatsvindt omdat mensen, vaak overduidelijk, gestolen fietsen kopen. Zoals Sutton (1995, p. 1) samenvat moeten we “meer weten over wat er gebeurt met gestolen goederen (ze moeten ergens heen)”.

1.b.iii Fietsdiefstal in Amsterdam Amsterdam heeft een lange fietsgeschiedenis, en ondanks het feit dat er rond de jaren ‘60 een grote daling van het aantal verplaatsingen per fiets kan worden waargenomen (de la Bruheze, 2000), staat de stad bekend om haar fietscultuur. Het is dan ook geen verrassing dat Amsterdam meer fietsen dan burgers heeft, er wonen ongeveer 835.000 mensen in de stad tegenover naar schatting 881.000 fietsen (2019).

De focus van Amsterdam op de fiets als vervoermiddel heeft burgers ook kwetsbaar gemaakt voor fietsendiefstal. Terwijl landelijk het aantal gestolen fietsen afneemt, is het aantal gerapporteerde diefstallen in Amsterdam stabiel gebleven (Figuur 2). Door de lage aangiftebereidheid van burgers, zijn de gerapporteerde fietsendiefstallen echter slechts een fractie van het aantal daadwerkelijk gestolen fietsen. De officiële schatting van de gemeente Amsterdam is ongeveer 30.000 gestolen fietsen per jaar, terwijl schattingen van fietsbelangenverenigingen het aantal dichter bij 80.000 brengt. Het verschil kan worden verklaard door verschillende metingen van de bereidheid om fietsendiefstal te melden bij de lokale autoriteiten. Op basis van verschillende onderzoeken met verschillende deelnemers worden sterk uiteenlopende percentages gevonden. De stad hanteert een aangiftebereidheid van ongeveer 40%. Dit terwijl minder optimistisch onderzoek aantoont dat in 2012 17,1 procent van de mensen in Nederland aangifte deed van fietsendiefstal tegenover 14,2 procent in 2019 (Kuppens et al. 2020). De regionale veiligheidsmonitor van Amsterdam geeft zelfs aan dat in 2019 18 procent van alle Amsterdammers in de afgelopen 12 maanden te maken heeft gehad met fietsendiefstal.

Als dit zou kloppen, dan kan het totale aantal fietsendiefstallen in Amsterdam ver boven de 100.000 uitkomen (Veiligheidsmonitor, 2020).

Figuur 2: Percentage verschil in gerapporteerde fietsendiefstallen in Nederland, Amsterdam en Utrecht ten opzichte van 2012. Gegevens van Centraal Bureau voor de Statistiek, 2021

+100% +80% +60% +40% +20% +0% -20% -40% -60% -80% -100%

Nederland

Amsterdam

Utrecht (Gemeente)

7

De meest gebruikelijke methode om het totale aantal diefstallen te schatten is echter gebaseerd op het aantal gemelde fietsendiefstallen en de aangegeven bereidheid van burgers om dergelijke misdrijven te melden. Daarom zijn de hoge en lage schattingen op basis van deze aanpak te vinden in Figuur 3. Binnen de gemeentegrenzen zijn de fietsendiefstallen niet homogeen gespreid. Bij nader onderzoek van de gegevens kunnen enkele hotspots op buurtniveau worden aangewezen. Vooral bij het centraal station, Amsterdam Centraal, vinden veel fietsendiefstallen plaats. De frequentie van fietsendiefstallen per buurt is te zien in Figuur 4.

Preventieve praktijken in Amsterdam Momenteel handhaaft de gemeente Amsterdam drie maatregelen om fietsendiefstal tegen te gaan. De eerste is het graveren van framenummers om gestolen fietsen beter te kunnen traceren. De tweede is een team dat regelmatig fietsenwinkels controleert op gestolen fietsen. De derde maatregel wordt uitgevoerd door het Fietsdepot. Het Fietsdepot is een organisatie van de gemeente Amsterdam die afgedankte fietsen, verkeerd gestalde fietsen of fietsen die te lang ongebruikt staan verwijdert. Het Fietsdepot controleert het framenummer van de fiets in het Digitale Opkopers Register (DOR) waarin alle framenummers van gerapporteerde gestolen fietsen zijn opgenomen. Deze maatregel identificeert gestolen fietsen en geeft deze zo mogelijk terug aan de rechtmatige eigenaar.

Gerapporteerde diefstallen Schatting laag Schatting hoog

Figuur 3: Gerapporteerde en geschatte fietsendiefstallen in Amsterdam alleen. Gegevens van het Centraal Bureau voor de Statistiek (2021). Fietsdiefstallen

Figuur 4: Het aantal gemelde fietsendiefstallen per buurt in Amsterdam (2019). Gegevens van het Centraal Bureau voor de Statistiek (2021). 8

Het aantal fietsen dat het Fietsdepot om bovengenoemde redenen uit de stad haalt, is weergegeven in Figuur 5. De effectiviteit van alle maatregelen is niet eenduidig. In 2019 daalde het aantal fietsendiefstallen landelijk met 33% ten opzichte van 2012, terwijl het in Amsterdam met 9% toenam (de Ridder et al., 2020). Het beleid heeft er in 2018 wel toe geleid dat 1.031 gestolen fietsen werden teruggebracht naar de eigenaar, 1.135 fietsen werden gegraveerd en 173 fietsenwinkels werden gecontroleerd. Volgens de Ridder et al. (2020) controleert het Fietsdepot het framenummer van ongeveer 50 procent van de fietsen die binnenkomen. In 2018 waren dit ongeveer 41.000 fietsen. In hetzelfde jaar werden ongeveer 63.000 fietsen verkocht, omdat het Fietsdepot vaak fietsen verkoopt die niet door de oorspronkelijke eigenaar worden opgehaald. Van alle verkochte fietsen wordt het framenummer door de koper vergeleken met het fietsendiefstalregister. Het Fietsdepot ontdekte 0,025 gestolen fietsen per duizend fietsen, terwijl de koper 0,006 gestolen fietsen per duizend fietsen identificeerde, ervan uitgaande dat 50 procent van de 63.000 fietsen al door het Fietsdepot was gecontroleerd.

De discrepantie tussen het aantal geïdentificeerde gestolen fietsen van de 50 procent die door het Fietsdepot en de resterende 50 procent die door de koper is gecontroleerd, is verrassend, aangezien je zou veronderstellen dat deze aantallen ongeveer gelijk zouden lopen. Dit wijst erop dat ofwel het Fietsdepot meer dan 50 procent van de fietsen controleert, ofwel dat de controles door de koper niet goed worden uitgevoerd.

Foutief geparkeerde fietsen

Verder zijn er van de 284 DOR geregistreerde fietsenwinkels in Amsterdam in 2018 173 bezocht door het fietsregistercontroleteam van de gemeente. Tijdens deze bezoeken werden verscheidene waarschuwingen en boetes uitgedeeld, vanwege onvolledige naleving van de DOR-richtlijnen, of de aanwezigheid van gestolen fietsen in de winkel. Ten minste één winkel werd tijdelijk gesloten vanwege deze overtredingen (de Ridder et al., 2020). Naast deze maatregelen zijn verschillende aspecten van de fietscultuur in Amsterdam van belang voor het begrijpen van de lokale context. Nello-Deakin en Nikolaeva (2021), interviewen 28 expats in Amsterdam en informeren naar hun ervaring met fietsen. Uit hun bevindingen blijkt dat vooral de toegankelijkheid van fietsen, die zeer gemakkelijk en goedkoop is, ertoe bijdraagt dat burgers gaan fietsen. Veel van de ondervraagden gaven ook toe fietsen van dubieuze herkomst te kopen op vlooienmarkten en via informele kanalen, ook omdat die fietsen vaak goedkoper zijn dan die in winkels. Ze merken ook op: “Voor veel ondervraagden werden fietsen beschouwd als een semiwegwerpartikel dat regelmatig wordt weggegooid, vervangen of gestolen (8 ondervraagden meldden dat hun fiets was gestolen)”. Dit perspectief van een fiets als een gemakkelijk vervangbaar goed wordt algemeen aanvaard door andere burgers in Amsterdam.

Dit zou ook kunnen verklaren waarom burgers niet bereid zijn aangifte te doen, omdat het simpelweg geen prioriteit heeft.

Fietswrak

Figuur 5: Aantal verwijderde fietsen per categorie in de gemeente Amsterdam per Fietsdepot. Gegevens van de Gemeente Amsterdam, 2021a

9

Nello-Deakin en Nikolaeva (2021) zetten twee verslagen uiteen over hoe de geïnterviewden hun fietsen hebben gekocht. In beide verslagen gaven de geïnterviewden aan dat ze zich bewust waren van het feit dat de fietsen gestolen waren. Eén ging zelfs met opzet naar locaties waar regelmatig gestolen fietsen worden doorverkocht. Een andere geïnterviewde gaf aan dat haar fiets in de afgelopen 1,5 jaar 7 keer was gestolen. De bereidheid om een fiets te kopen bij een goede, duurdere, winkel neemt dus nog verder af. Nello-Deakin en Nikolaeva (2021) merken ook een interessante, maar enigszins paradoxale conclusie op uit deze interacties: “[...] dit betekent niet dat fietsendiefstal op zich een stimulans is om te fietsen, maar het suggereert wel dat wijdverspreide fietsendiefstal - en de informele tweedehandsmarkt die daarmee samenhangt - een prominent symptoom of gevolg is van de overvloed aan goedkope fietsen binnen de stedelijke omgeving.” Behalve dat goedkope fietsen van dubieuze herkomst de fietscultuur in de stad kunnen aanjagen, werpen deze interviews licht op de Amsterdamse fiets als vervangbaar goed. Dit is vooral opvallend gezien de 15.000 fietsen (van Limpt, 2011) die naar verluidt jaarlijks uit de grachten van de stad worden verwijderd.

Deze verzonken fietsen zouden verantwoordelijk kunnen zijn voor alle gerapporteerde fietsendiefstallen in Amsterdam (+-11.000), en zelfs dan betekent het dat 4.000 fietsen niet gemeld zijn.

Maatschappelijke gevolgen van fietsendiefstal Het onderzoek van Kuppens et al. (2020) geeft aan dat er twee belangrijke psychologische effecten zijn van fietsendiefstal. Ten eerste laten mensen hun nieuwe fiets thuis om fietsendiefstal te voorkomen en nemen ze de fiets alleen naar beveiligde locaties. Ten tweede kopen mensen tweedehands fietsen of fietsen van slechte kwaliteit om de financiële gevolgen van een tweede gestolen fiets te beperken. Een ander effect, dat mogelijk verband houdt met de diepgewortelde fietscultuur in Nederland, is het emotionele effect. De helft van de respondenten (n = 2200) zegt emotionele impact te ervaren omdat ze gehecht zijn aan hun fiets (Kuppens et al. 2020). Een op de vijf respondenten ervaart geen financiële gevolgen, omdat de verzekeringsmaatschappij de kosten voor een nieuwe fiets dekte. Niet inbegrepen zijn de verzekeringskosten, die kunnen worden gezien als preventieve financiële gevolgen.

1.c Internationale fietsendiefstal Levy et al. (2018) onderzoeken fietsendiefstal in Washington DC. Zij ontdekken dat diefstal rond metrostations vaker voorkomt. Dit omdat stations een groot aantal doelwitten hebben. Er staan immers veel fietsen bij de stations gestald en er komen veel mogelijke daders voorbij. Bovendien hebben de stations ‘s nachts zeer weinig bezoekers, waardoor er minder bewaking is, wat de kans op hoge fietsendiefstal verhoogt. Bovendien toont Plyska (2018) aan dat het probleem van de fietsendiefstal in Zweden vergelijkbaar is met die in Nederland. Ook constateert Plyska (2018) dat er duidelijke aanwijzingen zijn voor problemen rond de traceerbaarheid en het voorkomen van fietsendiefstal. Dit verhaal komt bijna overeen met Crowe et al. (2013) die de fietsendiefstalproblematiek in Denemarken onder de loep nemen. Zhang et al. (2007) bestuderen fietsendiefstal in China. Zij stellen dat door de toegenomen beschikbaarheid van fietsen de fietsendiefstal in China sterk is toegenomen. Ze merken ook op dat de “registratiesystemen slecht zijn en de wettelijke bescherming ontbreekt” (Zhang et al., 2007, p4). Aangezien dit ook een conclusie is van Plyska (2018), Crowe et al. (2013) en Kuppens et al. (2020), zijn de overeenkomsten op dit gebied tussen totaal verschillende landen opmerkelijk.

Er is dan ook een groeiende behoefte aan effectieve maatregelen om de fietsendiefstal terug te dringen. Aangezien fietsen in Europa een steeds aantrekkelijker vervoersmiddel wordt in steden en er elk jaar meer fietsinfrastructuur wordt aangelegd, zou fietsendiefstal een plaag kunnen worden waar veel steden onder te lijden hebben. Met duurdere fietsen en meer beschikbare fietsen (Figuur 6) worden nieuwe methoden om deze misdaad aan te pakken belangrijk.

10

Verkochte fietsen (per capita)

Figuur 6 : Verkochte fietsen per hoofd van de bevolking in de EU 27. Gegevens van de CONEBI (2021)

Een analyse uit Londen vat (Figuur 7) enkele omgevingskenmerken samen die samenhangen met het voorkomen van fietsendiefstal. Dit verklaart deelshet misdaadpatroon in Amsterdam (Mburu & Helbich, 2016). Mburu en Helbich (2016) onderzochten het effect van deze kenmerken met 4 verschillende modellen, waarbij ze verschillende bufferafstanden gebruikten. Deze bufferafstanden zijn indicatief voor het bereik van invloed. Heeft bijvoorbeeld een pandjeshuis op 160 meter

afstand meer invloed op fietsendiefstal dan een pandjeshuis op 640 meter afstand? En in hoeverre zou die invloed de frequentie van fietsendiefstal verhogen? Zij vinden ook dat voorzieningen veel beter het risico op fietsendiefstal bepalen dan traditionele, op tellingen gebaseerde sociaal-economische gegevens.

Figuur 7: (Mburu & Helbich, 2016) omgevingsvariabelen die leiden tot fietsendiefstal.

11

1.d Aanpak om de fietsendiefstal te verminderen In dit deel worden enkele van de meest voorkomende strategieën ter bestrijding van diefstal besproken. Sommige richten zich op het verder beveiligen van het object van diefstal, door gebruik te maken van theorieën over stedelijke criminaliteit, zoals het verhogen van de bewaking van plaatsen. Andere richten zich op een meer integrale aanpak, door middel van een analyse van het marktsysteem als geheel. Kuppens et al. (2020) noemen verschillende thema’s als het gaat om het voorkomen en verminderen van fietsendiefstal: i. Preventie door de consument ii. Preventie door de producent iii. Preventie door derden iv. Registratie (meldingen) v. Repressie (onderzoek en vervolging) vi. Schadevergoeding vii. Ingrijpen in de keten van fietsendiefstal Preventie door de consument richt zich op het gedrag van fietsers als het gaat om koop- en sluitpraktijken. Beleid kan betere sloten en parkeren op veilige plaatsen aanmoedigen en aankopen via informele kanalen ontmoedigen. Preventie door de producent en derden hebben betrekking op maatregelen die fiets(onderdeel)producenten kunnen nemen om fietsendiefstal tegen te gaan, bijv. het inbouwen van chips, betere praktijken voor het graveren van framenummers, het integreren van nieuwe technologieën voor traceerbaarheid en het ontwikkelen van betere sloten.

Registratie houdt in dat gestolen fietsen bij de politie worden aangegeven. Momenteel wordt dit proces in Nederland als moeilijk en langdurig ervaren. Het lijkt er zelfs op dat mensen alleen aangifte doen van fietsendiefstal om een vergoeding te krijgen van verzekeringsmaatschappijen. Een van de opties is om, net als bij gemotoriseerde voertuigen, een equivalent van kentekenplaten uit te geven voor elke fiets die aan één eigenaar is gekoppeld. Naast preventie en registratie kan repressie een doeltreffende strategie zijn. Een van de grote problemen is echter dat de onderzoeksmiddelen die nodig zijn om een fiets terug te krijgen zijn vaak onevenredig met de

waarde van de gestolen fiets. Daarom is deze strategie zeer ondoeltreffend op dit punt. Dit blijkt ook uit Kuppens et al., die concluderen dat minder dan 1% van de gemelde fietsendiefstallen daadwerkelijk resulteert in een teruggevonden fiets. Kuppens et al. geven ook aan dat het gebruik van opsporingstechnologie door particulieren effectiever zou kunnen zijn, omdat dit meestal leidt tot het terugvinden van een fiets. Schadevergoeding is een andere optie, waarbij verzekeringsmaatschappijen vaak het voortouw nemen. Dit vereist echter wel dat burgers betalen voor de verzekering, wat alleen waarschijnlijk is bij nieuwe of duurdere fietsen. De keten van fietsendiefstal aanpakken is een veelbelovende optie, maar veel belanghebbenden hebben een tegengestelde mening. Gezien de economische doelstellingen van fabrikanten, fietsenwinkels en verzekeringsmaatschappijen is een vermindering van fietsendiefstal voor hen geen prioriteit. Als er echter gegevens zouden bestaan over hun rol in het fietsendiefstalprobleem, zou men deze belanghebbenden kunnen motiveren om een meer proactieve rol te spelen. Als we bijvoorbeeld zouden weten dat tweedehandswinkels verantwoordelijk zijn voor 15-25% van de verkochte gestolen fietsen, valt er iets voor te zeggen om hen strengere regels op te leggen. Een andere methode van de Nederlandse politie is het gebruik van “lokfietsen”.

Lokfietsen zijn fietsen uitgerust met GPS-sensoren, die de politie inzet om mensen op heterdaad aan te houden. De politie in Amsterdam gebruikt momenteel 4 lokfietsen. Zij zetten de fietsen in op plaatsen waar veel fietsendiefstallen plaatsvinden, met als doel dieven te pakken. Dit is een effectieve manier om te vervolgen, omdat je definitief bewijs hebt van het misdrijf en wie het heeft gepleegd. Het werkt ook afschrikwekkend, omdat fietsendieven voorzichtiger worden in het type fiets dat ze stelen (Albers, 2019). Het begrip lokfietsen is in Nederland vrij gangbaar (Albers, 2019). Rechtsgeleerden hebben gedebatteerd over het gebruik, zij het alleen in de context van politieonderzoeken. De Hoge Raad heeft zelfs een uitspraak gedaan over het gebruik van lokfietsen. Er werd vastgesteld dat lokfietsen kunnen worden gebruikt, maar men kan niet iemand overhalen om iets te doen wat hij normaal gesproken niet zou doen (Harms, 2017). In de praktijk betekent dit dat lokfietsen gebruikt kunnen worden als ze niets veranderen aan het gedrag van de dader. Dit betekent ook dat fietsen ontgrendeld zouden kunnen worden achtergelaten, aangezien veel fietsen daadwerkelijk worden gestolen wanneer ze ontgrendeld

12

zijn (Harms, 2017). In dit geval mag de lokfiets echter niet worden geplaatst op een plek waar normaal gesproken geen fietsen staan (Albers, 2019). De Nederlandse politie vat dit juridische begrip samen als “Lokken mag, uitlokken mag niet” (Harms, 2017).

13

Hoofdstuk 2

Onderzoeksvragen Dit hoofdstuk combineert het voorgaande literatuuronderzoek met het formuleren van concrete hiaten in het onderzoek met betrekking tot fietsendiefstal. Deze hiaten in het onderzoek vormen de opstap naar de onderzoeksvragen die in dit onderzoek centraal staan.

2 Onderzoeksvragen 2.a Hiaten in het onderzoek Het voorgaande literatuuronderzoek biedt het theoretische kader van waaruit de hiaten in het onderzoek worden vastgesteld. Ten eerste werpt het overzicht van de theorieën over stedelijke criminaliteit licht op de huidige kaders van waaruit misdrijven worden verklaard. Binnen het gegeven tijdsbestek kunnen echter niet alle theorieën worden onderzocht. In het kader van dit onderzoek is het echter van belang enig inzicht te hebben in de wijze waarop de stedelijke omgeving verband houdt met fietsendiefstal. Daarnaast laten Mburu en Helbich (2016) zien dat omgevingsvoorzieningen veel succesvoller zijn in het bepalen van het risico op fietsendiefstal in vergelijking met traditionele op tellingen gebaseerde sociaaleconomische gegevens. Daarom lijkt het van belang om te onderzoeken hoe omgevingskenmerken van de bebouwde omgeving samenhangen met criminaliteit. Het vastgestelde hiaat in het onderzoek dat hiermee samenhangt is dat er weinig bekend is over de toepasbaarheid van stedelijke criminaliteitstheorieën op de fietsendiefstal in Amsterdam. In dit onderzoek ligt de focus op de effecten van specifieke voorzieningen in de stedelijke omgeving op fietsendiefstal, vergelijkbaar met Mburu en Helbich (2016).

Ten tweede blijkt uit de literatuurstudie over fietsendiefstal in Nederland dat er weinig bekend is over het type en het belang van de daders. Verder is er bijzonder weinig bekend over de stadia van fietsendiefstal nadat de fiets van zijn oorspronkelijke locatie is verwijderd. Dit terwijl uit onderzoek van Sutton (1995) blijkt dat een effectiever beleid om de markt van gestolen goederen te verkleinen zou kunnen leiden tot het terugdringen van het aantal misdrijven. Bovendien is het totale aantal gestolen fietsen simpelweg onbekend. Dit maakt de kwantificering van het probleem moeilijk. Uit onderzoek van Kuppens et al. (2020) blijkt echter dat fietsendiefstal een groot probleem is met een geschatte

waarde van 600 miljoen euro. Anderzijds wordt het probleem van fietsendiefstal door lokale burgers op zeer uiteenlopende manieren ervaren. Zoals blijkt uit het onderzoek van Nello-Deakin en Nikolaeva (2021), ziet men het in Amsterdam als iets onvermijdelijks, ietswaar je niets aan kunt doen, dat je fiets wordt gestolen. Ten derde blijkt uit het internationale onderzoek naar fietsendiefstal dat wel meer steden en landen over de hele wereld soortgelijke problemen hebben. Terwijl het aantal fietsen in steden toeneemt, houden de maatregelen ter bestrijding van fietsendiefstal geen gelijke tred. Ten vierde zijn de maatregelen ter bestrijding van fietsendiefstal vaak moeilijk meetbaar, waardoor de doeltreffendheid ervan ter discussie staat. Hoewel er veel opties beschikbaar zijn, zijn terugdringingsmaatregelen alleen effectief als ze goed worden uitgevoerd en vaak worden aangepast aan veranderende omstandigheden. Vooral het laatste punt dat Kuppens et al. (2020) aanhaalden over het “aanpakken van de keten van fietsendiefstal”, heeft weinig aandacht gekregen in het huidige beleid.

Op basis van dit literatuuronderzoek zijn er drie duidelijke kennishiaten: ·Hoe verhouden stedelijke criminaliteitstheorieën zich tot het voorkomen van fietsendiefstal? ·Wat gebeurt er met fietsen nadat ze gestolen zijn? oWat voor soort daders stelen de fietsen? ·Wat is de rol van de markt voor tweedehands fietsen/de keten van fietsendiefstal bij de verkoop van gestolen fietsen?

15

2.b Onderzoeksvragen

1.b Tweedehands fietsenwinkels brengen minstens 25% van de gestolen fietsen terug op de markt.

Op basis van de vastgestelde hiaten in het onderzoek worden verschillende onderzoeksvragen geformuleerd. Deze kunnen worden onderverdeeld in twee onderzoekslijnen.

1.c Er zijn drie “typen” gestolen fietsroutes, die betrekking hebben op de drie typen dieven die Kuppens et al. (2020) hebben vastgesteld: 1. De opportunist 2. De professional 3. Georganiseerde groepen

2.b.i De stedelijke omgeving en fietsendiefstal De onderzoeksvragen in de eerste onderzoekslijn zijn: 1. In hoeverre zijn ruimtelijke kenmerken, zoals de aanwezigheid van winkels, treinstations of andere bezienswaardigheden, van invloed op het voorkomen van fietsendiefstal? 2. In hoeverre leidt de beschikbaarheid van fietsen tot meer fietsendiefstallen? Deze werden vertaald in de volgende twee hypothesen: 1. Specifieke kenmerken hebben een statistisch significante invloed op fietsendiefstal. 2. Hoe meer fietsen er in een bepaald gebied in Amsterdam geparkeerd staan, hoe meer fietsen er op die locatie gestolen zullen worden.

2.b.ii Fietsendiefstal en -tracking Voor de tweede onderzoekslijn van dit onderzoek werden de volgende onderzoeksvragen geformuleerd: 1. Waar gaan gestolen fietsen heen? a. Wat is het geografische gebied van de markt voor gestolen fietsen? b. In hoeverre dragen tweedehandswinkels bij aan de hercirculatie van gestolen fietsen in Amsterdam? c. Kunnen we typologieën van gestolen fietsroutes identificeren die aangeven welk type dader verantwoordelijk is voor welk percentage van de gestolen fietsen? De drie hypothesen zijn: 1.a De markt voor gestolen fietsen beperkt zich voornamelijk tot de grootstedelijke regio voor tweedehands fietsen.

16

Hoofdstuk 3

Methodologie Dit hoofdstuk beschrijft hoe de onderzoeksvragen worden beantwoord. Allereerst worden de genomen procedures beschreven die waarborgen dat de onderzoeksopzet in overeenstemming is met het wettelijk kader in Nederland, rekening houdend met kwesties als gegevensprivacy en de wettelijke grenzen aan het opsporen van criminele activiteiten. Het belicht ook de procedures die ervoor moeten zorgen dat het onderzoek wordt uitgevoerd binnen de grenzen van ethiek en wetenschappelijke integriteit. Ten tweede wordt beschreven hoe de invloed van specifieke voorzieningen in de stedelijke omgeving op fietsendiefstal zal worden gekwantificeerd. Het derde deel toont de aanpak waarbij artificiële inteligentie (computervisie) wordt toegepast om te onderzoeken of het aantal beschikbare te stelen fietsen van invloed is op het aantal gestolen fietsen per buurt. Tot slot presenteert dit hoofdstuk de methodologie om te onderzoeken waar gestolen fietsen naartoe gaan.

3 Methodologie 3.a Waarborgen van de ethiek van het opsporen van diefstal Het opsporen van gestolen goederen roept verscheidene juridische en ethische vragen op. Daarom werden drie belangrijke vragen behandeld. Ten eerste, is het wel legaal om fietsen te volgen, als het doel van de fietsen is dat ze worden gestolen? Ten tweede, levert het volgen van de fietsen gegevens op die personen of organisaties kunnen identificeren? Ten derde, hoe (on)ethisch is het volgen van diefstal voor onderzoeksdoeleinden? Om de eerste vraag te beantwoorden hebben de juridische afdelingen van zowel de Technische Universiteit Delft (TUD) als de gemeente Amsterdam een evaluatie uitgevoerd. Tijdens deze evaluatie ontdekten zij geen wettelijke belemmeringen of verplichtingen, buiten het voldoen aan de Algemene Verordening Gegevensbescherming. In Nederland zijn alleen mensen met informatie over ernstige misdrijven verplicht zich te melden, zodat het bezit van gegevens over fietsendiefstal geen wettelijke vereisten kent. De tweede vraag werd als eerste opgepakt door de data stewards van de TUD. Vroeg in het proces werd gesteld dat de methode die werd toegepast voor het verzamelen van data, gegevens genereerde die konden leiden tot identificatie van personen of organisaties. Daarom moest de onderzoeksopzet nader worden onderzocht.

Er werd een gegevensbeheerplan en een volledige effectbeoordeling voor gegevensbescherming uitgevoerd, waarna de Human Research Ethics Committee (HREC) van de TUD werd gevraagd de documentatie te beoordelen. Ondanks dat het simpelweg volgen van de fietsen centraal staat, is het belangrijkste probleem dat de deelnemers, of de dieven, op geen enkel moment tijdens of na het onderzoek op de hoogte kunnen worden gesteld.

Ten eerste kunnen alleen samenvattingen van de gegevens worden meegedeeld en niet de ruwe locatiegegevens. Als zodanig zijn verschillende delen van dit onderzoek niet openbaar teneinde de privacy van de dieven en organisaties die mogelijk kunnen worden geïdentificeerd te waarborgen. Ten tweede werd vóór de gegevensverzameling een gegevensverwerkingsovereenkomst ondertekend door de TUD en het bedrijf dat de trackinghardware en -software levert (Sensolus). Dit om een adequaat niveau van gegevensbescherming te waarborgen wat betreft encryptie en toegang tot de gegevens. Ten derde moest deze overeenkomst rechtstreeks verband houden met de activiteiten van de gegevensverzameling, en niet alleen met het bezit van de gegevens. Daarom werd de overeenkomst verscheidene malen door de juridische dienst van de TUD herzien. Dan blijft de derde vraag over: Is het ethisch verantwoord om diefstal op te sporen? Het antwoord van het juridische team van de TUD concludeerde dat er aanzienlijke twijfels bestaan over de geschiktheid van de onderzoeksopzet, aangezien deze mogelijk een inbreuk vormt op de normen inzake wetenschappelijke integriteit. Zij gaven aan dat de grootste zorg was dat het succes van de studie afhing van illegale acties van anderen in het publieke domein. Daarom mocht het stelen van fietsen niet worden aangemoedigd en mocht het gedrag van personen niet worden beïnvloed.

Aangezien dit in overeenstemming is met de onderzoeksopzet, bepaalde de HREC dat er een legitieme grondslag en belang was voor het onderzoek. Hoewel dit besluit het onderzoek goedkeurt, bepaalt het niet helemaal of het onderzoek ethisch verantwoord is. Zoals bij veel debatten op ethisch gebied lijkt er geen duidelijk ja of nee te zijn. Aangezien er bovendien geen specifieke procedures zijn voor het onderzoeken van illegale activiteiten, kunnen verschillende conclusies worden getrokken op basis van het perspectief dat men heeft over de privacy van gegevens en persoonlijke veiligheid. Uiteindelijk is het niet het doel van dit onderzoek om te beantwoorden of iemand zijn recht op privacy opgeeft zodra hij een misdrijf pleegt, maar het is wel een belangrijke vraag die moet worden gesteld.

Daarom is geïnformeerde toestemming van de deelnemers onmogelijk. Derhalve moesten verscheidene risicobeperkende maatregelen worden genomen.

18

3.b De stedelijke omgeving en fietsendiefstal In de eerste fase van het onderzoek zijn verschillende theorieën met betrekking tot stedelijke criminaliteit onderzocht in een literatuurstudie. Uit dit onderzoek bleek dat twee theorieën relevant en informatief zouden kunnen zijn voor het tweede deel van het onderzoek. Daarom dient deze methodologie twee doelen: 1. Het effect van specifieke ruimtelijke kenmerken van de bebouwde omgeving op fietsendiefstal in Amsterdam te onderzoeken; 2. Het effect van de beschikbaarheid van geparkeerde fietsen op fietsendiefstal in Amsterdam te onderzoeken. In dit deel van het onderzoek zijn de volgende onderzoeksvragen belangrijk: 1.a In hoeverre zijn ruimtelijke kenmerken, zoals de aanwezigheid van winkels, stations of andere bezienswaardigheden, van invloed op fietsendiefstal? 1.b In hoeverre leidt de beschikbaarheid van fietsen tot meer fietsendiefstallen?

Onderzoeksvraag 1.b. onderzoekt de toepasbaarheid van de gelegenheidstheorie (Crime Opportunity Theory). De COT koppelt de beschikbaarheid van potentieel te stelen doelen aan het aantal daadwerkelijke diefstallen. Voor fietsendiefstal zou dit betekenen dat het aantal fietsen in een bepaalde straat rechtstreeks verband houdt met het aantal fietsendiefstallen. Om deze hypothese te onderzoeken, moeten er gegevens beschikbaar zijn over het aantal fietsen per straat. Helaas bestaan deze gegevens niet. Daarom werden deze gegevens gegenereerd met behulp van computer vision-straatbeeldanalyse. Computer vision (CV) wordt op grote schaal gebruikt voor veel verschillende toepassingen. Voor de stedelijke context maakt CV de analyse van grote hoeveelheden straatbeelden op een uiterst kleine schaal mogelijk. Dit kan inzichten opleveren in hoe straten worden waargenomen (Li et al., 2015) of hoe straten worden gebruikt op basis van hun wenselijkheid (Miranda et al., 2021). In dit geval draait het erom een beeld te krijgen van het aantal geparkeerde fietsen per buurt in Amsterdam. Dit werd gedaan door het aantal fietsen in beelden te tellen met behulp van een panoptische segmentatiemethode. Deze methode steunde op een vooraf getraind beeldverwerkingsmodel, ontwikkeld door Facebooks AI Research (FAIR) groep, dat deel uitmaakt van het Detectron2-platform voor objectdetectie (Wu et al., 2019).

Het Detectron2-platform bevat een nieuwe methode die panoptische segmentatie FPN (Panoptic Segmentation FPN) wordt genoemd en die werd gebruikt om het aantal instanties te tellen dat als fiets werd aangemerkt (Kirillov et al., 2019).

Om onderzoeksvraag 1.a. te beantwoorden zijn gegevens over de frequentie en locatie van fietsendiefstallen verzameld bij de Nationale Politie (Politie Nederland, 2021). Deze gegevens bestaan uit het aantal fietsendiefstallen per buurt (n= 470) in Amsterdam. Daarnaast werden Open Street Map-gegevens (“Geofabrik Download Server”, 2021) verzameld die verschillende categorieën voorzieningen omvatten, vertegenwoordigd door aandachtslocaties, zoals scholen, restaurants en treinstations. Per buurt werd het aantal aandachtslocaties geteld dat tot een bepaalde categorie behoorde. Dit resulteerde in een dataset met het aantal fietsendiefstallen en het aantal specifieke voorzieningen per buurt. Het aantal specifieke voorzieningen werd gebruikt als input in een meervoudig lineair regressiemodel om het aantal fietsendiefstallen te voorspellen. Deze aanpak is vergelijkbaar met de studie van Mburu & Helbich (2016) naar fietsendiefstal in Londen om te onderzoeken welke ruimtelijke kenmerken de incidentie van fietsendiefstal beïnvloeden.

19

Aantal kenmerken 82.632 Het Detectron2-platform bevat drie panoptische segmentatiemodellen die zich baseren op de COCO (Common Objects in Context) dataset (Lin et al., 2014), die worden vergeleken aan de hand van verschillende referentiepunten (Wu et al., 2019). Op basis van deze referentiepunten is het R101-FPN model geselecteerd, omdat de panoptische kwaliteitsmeting (Panoptic Quality Metric) het beste presteert. De implementatie van het model in Python staat in bijlage 1. De beeldanalyse ging van start met een dataset van het gehele wegennet van Amsterdam, gebaseerd op de dataset Wegen van Open Street Map (Geofabrik Download Server, 2021), die werd overlapt met de gemeentegrenzen van Amsterdam. Op dit wegennet werden punten gegenereerd op de lijnen met een afstand van 50 meter van elkaar. Voor elk punt op het wegennet werden de breedte- en lengtegraad geëxtraheerd en doorgestuurd naar de panoramische beeld-API van de gemeente Amsterdam (Gemeente Amsterdam, 2021) (Figuur: 8). De Python-code voor de extractie staat in bijlage 2. Deze verzamelt het panoramabeeld dat het dichtst bij de lengte- en breedtegraad van de punten ligt, met een buffer van maximaal 40 meter. Elk beeld, gekoppeld aan een van de ~82.000 punten in Amsterdam,

Genereer een punt op de Amsterdamse wegen om de 50 meter

Computer vision panoptische segmentatie Aantal fietsen tellen

Figuur 9: Schema van de panoramische beeldverwerking

Feature Count 82,632

Figure 8: Part of the Amsterdam road network with the generated points connected to images of the streetscape

werd vervolgens geanalyseerd met behulp van het geselecteerde voorgetrainde panoptische segmentatiemodel. De panoptische segmentatiecode staat ook in bijlage 1. Dit proces resulteert in ~82.000 punten met een attribuut dat het aantal fietsen in elk beeld aangeeft (Figuur 9). Deze ~82.000 punten zijn vervolgens in QGIS geladen en geaggregeerd tot op buurtniveau, door het aantal punten in de buurtpolygonen te tellen met een gewichtsfactor die gelijk is aan het aantal fietsen. Na dit proces werd het aantal fietsen per buurt gedeeld door het aantal punten per polygoon, wat resulteerde in een gemiddelde van het aantal fietsen in elk beeld per buurt. Dit gemiddelde werd met behulp van lineaire regressie vergeleken met het aantal diefstallen per buurt.

Beeld uit API Amsterdam

Fietsentelling toevoegen aan het punt op de Amsterdamse wegen

20

3.c Fietsendiefstal en -tracking Dit hoofdstuk is bedoeld om de weg te bereiden voor de inzet van de honderd fietsen. Eerst wordt besproken welke sensoren in het onderzoek zijn gebruikt. Ten tweede worden de soorten fietsen kort besproken en wordt de plaatsing van de sensoren geïllustreerd. Ten derde wordt de methode voor het bepalen van de inzetlocaties gepresenteerd. Het laatste deel duikt in de methodologie om de twee onderzoeksvragen te beantwoorden, zoals vermeld in het hoofdstuk Onderzoeksvragen.

3.c.i Sensorselectie Fietsvolgmodules zijn reeds in de handel verkrijgbaar. Verschillende bedrijven bieden zowel hardware als software aan als een alles-in-één pakket voor beveiligingstracering. Het grote nadeel van de meeste modules, die vaak verborgen zijn in verlichting, is de levensduur van de batterij. De gebruikte communicatietechnologie om de locatie-informatie naar een centrale server door te sturen is meestal gebaseerd op GSM of LTE. Deze technologie is nogal energieintensief, waardoor de batterij enkele dagen tot enkele weken meegaat, afhankelijk van het gebruik. Een aantal opkomende technologieën lossen dit probleem op met behulp van verscheidene technieken. Een daarvan is het gebruik van mesh-apparaten, die zichzelf lokaliseren met behulp van andere apparaten in de mesh. Elk mesh-apparaat vertrouwt gewoonlijk op Bluetooth om te communiceren met een aangesloten communicatieapparaat, bijvoorbeeld een telefoon of een Bluetooth-baken. Als een verloren mesh-apparaat binnen het bereik van een ander apparaat is, communiceert het tweede apparaat met het verbonden apparaat, dat de informatie doorgeeft aan een centrale computer. Het verloren mesh-apparaat kan dus worden gelokaliseerd zonder dat het actief moet communiceren met een centrale computer. Dit bespaart energie en maakt het apparaat goedkoop omdat de GSM/GPS-module niet nodig is.

Andere oplossingen zijn erop gericht de GSM/LTEcommunicatie te vervangen door een minder energieintensieve variant. Er zijn momenteel 3 methoden die veelbelovend lijken, NB-IoT, LoRa en SigFox. Hoewel dit

onderzoek zich richt op de toepassing van locatietrackers voor onderzoek naar stedelijke criminaliteit, wordt hier een kort overzicht gegeven van de voor- en nadelen van deze netwerken, aangezien deze netwerken aanzienlijke voordelen bieden voor dit gebruik.

NB-IoT Narrowband IoT (NB-IoT) is een draadloze communicatietechnologie op cellulair niveau. Digitale gegevens kunnen worden overgedragen via meerdere draaggolffrequenties, zodat verschillende gegevens parallel worden overgedragen met behulp van orthogonale hulpdraaggolven. Het is afhankelijk van 4Gdekking, waardoor het zeer geschikt is voor stedelijke gebieden. Het heeft echter enkele beperkingen met betrekking tot roaming, waardoor het meer geschikt is voor statische activa.

LoRa LoRa is een niet-cellulaire communicatietechnologie voor Low Power Wide-Area netwerken (LPWAN). Deze LPWANnetwerken bieden de mogelijkheid om zeer beperkte gegevens over te dragen op een zeer energie-efficiënte manier, hetgeen resulteert in een batterijlevensduur van meerdere jaren van de apparaten die dit verbindingstype gebruiken. LoRaWAN definieert het communicatieprotocol en de architectuur van het systeem. De architectuur bestaat uit 4 lagen. De eerste laag zijn de LoRa GPS-trackers. Deze trackers communiceren de locatie-informatie via de LoRaradiofrequentie naar één of meerdere gateways, die het signaal ontvangen. De gateway is de tweede laag, die de informatie van de trackers ontvangt. De informatie wordt vervolgens gecommuniceerd met een centrale server via Ethernet of iets dergelijks. De centrale server biedt de informatie vervolgens aan een applicatieserver aan, waartoe de eindgebruiker toegang heeft. Deze architectuur resulteert in een zeer laag energieverbruik van de apparaten. Een nadeel is de beperkte uitrol van de LoRaWAN-gateways, waardoor de dekking voor vrijwel elke plaats buiten de stedelijke gebieden in Nederland slecht is.