In de reeks Work in Progress belichten wetenschappers lopend onderzoek. Ze bespreken het doel van het onderzoek, vertellen hoe ze het onderzoek aanpakken en nemen je mee in obstakels bij het realiseren van het onderzoek. Deze keer het simulatiemodel van PhD-onderzoeker Tim Verlaan van het What works in Policing-onderzoeksprogramma van het NSCR.

Wat is de invloed van het sluiten van een belangrijke hoofdweg op de reactietijden van de politie bij noodhulp? Wat zijn de gevolgen van problemen in de bemensing van noodhulpeenheden? En zorgt surveillance ervoor dat de politie sneller of langzamer ter plaatse is? Stuk voor stuk relevante vragen voor de politie als organisatie en voor de samenleving als geheel.

Maar hoe beantwoord je deze vragen? Een veldexperiment is al snel uitgesloten: willekeurig hoofdwegen sluiten is onuitvoerbaar en – nog veel belangrijker – onethisch. Maar hoe moet het dan wel? Een antwoord op die vraag kan het bouwen van een computersimulatiemodel zijn: een model dat zo nauwkeurig mogelijk de werkelijke situatie nabootst en tegelijkertijd geheel te ‘manipuleren’ is. Dat wil zeggen dat we alles kunnen aanpassen – denk aan wegennetwerk, capaciteit, surveillance strategieën etc. – zonder dat het de politie middelen zoals geld of tijd kost. Kortom, een methode die het belangrijke werk van de politie niet in de weg loopt maar wél relevante inzichten als uitkomst heeft.

Hoe ziet zo’n model eruit? In het filmpje onderaan deze blog zie je het model in werking. Allereerst zien we de werkgebieden van District Oost-Utrecht. District Oost-Utrecht is onderverdeeld in vier basisteams. Voor ieder gebied laden we shapefiles (bestanden die de exacte coördinaten van het gebied bevatten) in een zelfgeschreven programma. Dit programma haalt alle relevante straten in en rondom deze basisteams op vanuit OpenStreetMap, een databank met vrij toegankelijke geodata. In OpenStreetMap is veel relevante informatie aanwezig voor iedere straat, zoals rijrichting, maximale rijsnelheid en gemiddelde rijsnelheid. Door de straten met deze aanvullende informatie in het simulatiemodel te laden, creëren we een context die erg lijkt op de situatie in de werkelijkheid. Om het model beter te maken en de uitkomsten van het onderzoek nog meer valide, laden we ook de echte historische noodhulpmeldingen in het model. Hierin hebben we gekozen voor de noodhulpmeldingen uit 2019, omdat deze niet beïnvloed waren door de effecten van de Coronacrisis. Zo krijgt het simulatiemodel info over de prioriteit van de noodhulpmelding, de starttijd, aantal eenheden aanwezig en de verblijfsduur van elke aanwezige eenheid. Dat zijn alle ingrediënten, dus simuleren en experimenteren maar!

Het eerste experiment dat we draaien, analyseert het effect van willekeurige surveillance op reactietijden. Dat wil zeggen dat in de helft van de modellen de virtuele eenheden willekeurig rondrijden als ze geen noodhulpmelding hebben om te beantwoorden, in de andere helft keren de virtuele eenheden telkens terug naar een vaste locatie, die zó is gekozen dat de eenheden optimaal verdeeld zijn over de basisteams. Tegelijkertijd variëren we met de hoeveelheid politie-eenheden die beschikbaar zijn per basisteam. We draaien ieder model vele malen, zodat we zeker weten dat het eventuele verschil tussen willekeurig surveilleren en herpositioneren niet aan kans is toe te schrijven. En zoals het een goed statisticus betaamt: I am taking bets. Waar zet jij je geld op in? Welke strategie resulteert in snellere reactietijden?

Tijdens de kerstvakantie waren er veel computers vrij op het NSCR en dus was er veel rekenkracht beschikbaar voor het simulatiemodel. Terwijl ik op de piste stond in Val Thorens, werkte dit model onvermoeibaar door. Met hopelijk interessante inzichten als gevolg in 2024!

Tim Verlaan, PhD bij het NSCR