1 Punkte von GN⁺ 2025-12-12 | Noch keine Kommentare. | Auf WhatsApp teilen
  • ALPR-Kamera-Passagequote als Grundlage: Berechnet, wie stark ein Haushalt in die Überwachungsreichweite fällt, wenn er zu wichtigen Einrichtungen wie Krankenhäusern, Schulen oder Supermärkten fährt
  • Analyse von Haushalten, Einrichtungen und Standorten von Überwachungskameras mit OpenStreetMap(OSM)-Daten und Berechnung der kürzesten Route entlang der realen Straßenführung
  • ALPR-Kameras von privaten Betreibern oder Kommunen wie Flock Safety können personenbezogene Bewegungsprofile erzeugen und Missbrauch, falsche Verhaftungen oder die Übertragung von Daten ins Ausland begünstigen
  • Es wurden die Vereinigten Staaten mit 53 Bundesstaaten, 3.548 Countys und rund 20.654.467 Haushalten analysiert; im Beispiel Santa Clara County in Kalifornien wurden bei 110.399 Haushalten 845 Kameras erfasst
  • Datenbasiertes Tool, das die geografische Ausbreitung des ALPR-Überwachungsnetzes sowie mögliche Eingriffe in die Privatsphäre visuell aufzeigt

Überblick über die ALPR-Kameraabdeckungsanalyse

  • Das Tool analysiert die ALPR-Kameraüberwachungsabdeckung für jeden County in den USA
    • Berechnet den Anteil von Haushalten, die bei Reisen zu Einrichtungen wie Krankenhäusern, Schulen oder Lebensmittelgeschäften ALPR-Kameras passieren
    • Statt direkter Luftlinie wird ein realistischer Reiseweg verwendet, indem anhand der tatsächlichen Straßennetze die kürzeste Route berechnet wird
  • ALPR-Kameras werden von kommunalen Stellen oder privaten Unternehmen installiert und erfassen sowie teilen Fahrzeugbewegungsdaten, aus denen persönliche Bewegungsprofile entstehen
    • Diese Daten können zu falsch ausgelösten Festnahmen, Missbrauch durch Strafverfolgungsbehörden oder dem Versand zu KI-Trainingszwecken ins Ausland führen
    • Es wird auch darauf hingewiesen, dass die Wirksamkeit schwer zu beweisen ist

Datensammlung und Analyseverfahren

  • Die Daten basieren auf den Markierungen für Haushalte, Einrichtungen und Überwachungskameras in OpenStreetMap(OSM)
    • Für jeden Haushalt wird die kürzeste Route zur nächsten Einrichtung berechnet
    • Wenn Straßen auf dieser Route mit einer Kamera-Node schneiden oder sich innerhalb einer vorgegebenen Distanz befinden, wird der Abschnitt als Überwachungsstrecke klassifiziert
  • Als genutzte Technologien kommen Contraction Hierarchies und geospatial indexing zum Einsatz
  • Die Daten werden alle 7 Tage neu berechnet; zur Genauigkeitsverbesserung können Nutzende Häuser-, Einrichtungs- und Kameraeinträge direkt in OSM taggen

Beispiel Santa Clara County

  • Analyseergebnisse für Santa Clara County, Kalifornien
    • 110.399 Haushalte, 845 erfasste Kameras
    • Beim Besuch von Krankenhäusern, Tierarztpraxen, Bibliotheken und Schulen passieren ALPR-Kameras jeweils 71,5%, 36,9%, 27,9% und 9,6% der Haushalte
    • Durchschnittliche Überwachungsabdeckung: 23,9%
  • Alle Werte geben den Anteil der Haushalte an, die beim Weg zu dieser Einrichtung ALPR-Kameras passieren

Nationale Datensynthese

  • Gesamtanalyse: 53 Staaten, 3.548 Counties, 20.654.467 Haushalte
  • Beispiele für die durchschnittliche Abdeckung nach Bundesstaat
    • Alabama: 17,9% (72 Counties, 164.900 Haushalte)
    • California: 13,1% (65 Counties, 3.841.165 Haushalte)
    • Ohio: 18,6% (106 Counties, 703.200 Haushalte)
    • Virginia: 15,8% (143 Counties, 877.415 Haushalte)
    • Alaska, Montana, New Hampshire usw. liegen bei 0%

Relevante Projekte und Materialien

  • Bereitgestellte Links zu Projekten rund um ALPR-Überwachung und Datenschutz
    • DeFlock: Gemeinschaftsbasierte Kartierung von Flock-Kameras
    • Eyes on Flock: Investigativer Beitrag zum Flock-Safety-Überwachungssystem
    • Atlas of Surveillance (EFF): Polizeioverwachungsdatenbank
    • Plate Privacy: Materialien zum Schutz der Nummernschilder-Privatsphäre
    • Have I Been Flocked: Prüfen, ob dein Fahrzeug in den Flock-Daten enthalten ist

Technische und Produktionsangaben

  • Die Daten basieren auf offenen Daten der OpenStreetMap-Mitarbeitenden
  • Die Schriftart ist Tomorrow von Google Fonts
  • Das Projekt wurde von Matthew Esposito (William & Mary) entwickelt
  • Kennzeichnung für die bevorstehende Code-Veröffentlichung (Code soon :tm:), wöchentliche Aktualisierung der Daten

Noch keine Kommentare.

Noch keine Kommentare.