Hoe een Google Street View-afbeelding van uw huis uw risico op een auto-ongeluk voorspelt

Een schermopname van de Google-satellietkaart Google Maps

Google Street View is een verrassend handige manier geworden om over de wereld te leren zonder erin te stappen. Mensen gebruiken het om reizen te plannen, vakantiebestemmingen te verkennen en virtueel vrienden en vijanden te stalken.

Maar onderzoekers hebben meer verraderlijke toepassingen gevonden. In 2017 gebruikte een team van onderzoekers de beelden om de verdeling van autotypes in de VS te bestuderen en gebruikte die gegevens vervolgens om de demografische samenstelling van het land te bepalen. Het blijkt dat de auto waarin u rijdt een verrassend betrouwbare maatstaf is voor uw inkomensniveau, uw opleiding, uw beroep en zelfs de manier waarop u stemt bij verkiezingen.

Nu is een andere groep nog verder gegaan. Łukasz Kidziński van de Stanford University in Californië en Kinga Kita-Wojciechowska van de Universiteit van Warschau in Polen hebben Street View-beelden van huizen van mensen gebruikt om te bepalen hoe groot de kans is dat ze betrokken raken bij een auto-ongeluk. Dat is waardevolle informatie die een verzekeringsmaatschappij zou kunnen gebruiken om premies vast te stellen.

Het resultaat roept belangrijke vragen op over de manier waarop persoonlijke informatie uit schijnbaar onschuldige datasets kan lekken en of organisaties deze voor commerciële doeleinden moeten kunnen gebruiken.

Verzekeringsgegevens

De methode van de onderzoekers is eenvoudig. Ze begonnen met een dataset van 20.000 records van mensen die tussen 2013 en 2015 een autoverzekering hadden afgesloten in Polen. Deze werden willekeurig geselecteerd uit de database van een niet nader genoemde verzekeringsmaatschappij.

Op elk dossier stond het adres van de verzekeringnemer en het aantal schadeclaims dat hij of zij in de periode 2013–’15 heeft ingediend. De verzekeraar deelde ook zijn eigen voorspelling van toekomstige claims, berekend met behulp van zijn ultramoderne risicomodel dat rekening houdt met de postcode van de verzekeringnemer en de leeftijd, het geslacht, de claimgeschiedenis, enzovoort van de bestuurder.

De vraag die Kidziński en Kita-Wojciechowska onderzochten, is of ze met een Google Street View-afbeelding van het huis van de verzekeringnemer een nauwkeurigere voorspelling kunnen doen.

Om daar achter te komen, voerden de onderzoekers het adres van elke verzekeringnemer in Google Street View in en downloadden een afbeelding van de woning. Ze hebben deze woning ingedeeld volgens het type (vrijstaande woning, rijtjeswoning, flatgebouw, enz.), de leeftijd en de staat ervan. Ten slotte hebben de onderzoekers deze dataset genummerd om te zien hoe deze correleerde met de waarschijnlijkheid dat een verzekeringnemer een claim zou indienen.

De resultaten zijn enigszins een verrassing. Het blijkt dat de woning van een verzekeringnemer een verrassend goede voorspeller is van de kans dat hij of zij een claim zal indienen. We ontdekten dat kenmerken die zichtbaar zijn op een afbeelding van een huis een voorspelling kunnen zijn van het risico op auto-ongelukken, onafhankelijk van klassiek gebruikte variabelen zoals leeftijd of postcode, zeggen Kidziński en Kita-Wojciechowska.

Wanneer deze factoren worden toegevoegd aan het state-of-the-art risicomodel van de verzekeraar, verbeteren ze de voorspellende kracht met 2%. Om dat in perspectief te plaatsen: het model van de verzekeraar is slechts 8% beter dan een nulmodel en is gebaseerd op een veel grotere dataset met variabelen zoals leeftijd, geslacht en claimgeschiedenis.

De Google Street View-techniek heeft dus de potentie om de voorspelling aanzienlijk te verbeteren. En het huidige werk is slechts een proof of principle. De onderzoekers zeggen dat de nauwkeurigheid kan worden verbeterd met behulp van grotere datasets en betere data-analyse.

Geïnformeerde toestemming

De aanpak van de onderzoekers roept een aantal belangrijke vragen op over het gebruik van persoonsgegevens. Verzekeringnemers in Polen zouden kunnen schrikken van het feit dat hun woonadres was ingevoerd in Google Street View om een ​​beeld van hun woning te verkrijgen en te analyseren.

Een interessante vraag is of ze geïnformeerde toestemming hebben gegeven voor deze activiteit en of een verzekeringsmaatschappij gegevens op deze manier kan gebruiken, gezien de strenge Europese wetgeving inzake gegevensprivacy. De toestemming van de klanten aan het bedrijf om hun adressen op te slaan, betekent niet noodzakelijkerwijs een toestemming om informatie over het uiterlijk van hun huizen op te slaan, zeggen Kidziński en Kita-Wojciechowska.

En de aanpak zou een doos met gegevensanalyses van Pandora kunnen openen. Als verzekeringsmaatschappijen kunnen profiteren, waarom andere bedrijven dan niet? De verzekeringssector zou snel kunnen worden gevolgd door de banken, aangezien er een bewezen correlatie is tussen verzekeringsrisicomodellen en kredietrisicoscores, zeggen Kidziński en Kita-Wojciechowska.

Het vermogen om informatie te verzamelen, analyseren en exploiteren is de afgelopen jaren enorm toegenomen. Dit vermogen heeft het begrip van de meeste mensen over wat mogelijk is met hun gegevens overtroffen, en het heeft zeker de snelheid overtroffen waarmee wetgeving kan worden aangenomen om het te controleren.

Google is natuurlijk niet het enige bedrijf dat afbeeldingen op straatniveau verzamelt. Een dergelijke praktijk roept echter zorgen op over de privacy van gegevens die zijn opgeslagen in openbaar beschikbare Google Street View, Microsoft's Bing Maps Streetside, Mapillary of gelijkwaardige privégegevenssets zoals CycloMedia, zeggen Kidziński en Kita-Wojciechowska.

Dit soort werk roept waarschijnlijk de vraag op of deze bedrijven deze afbeeldingen überhaupt zouden moeten kunnen verzamelen en opslaan. In Duitsland, waar privacy een belangrijk onderwerp is van het publieke debat, is het Google al verboden om Street View-afbeeldingen te verzamelen. Het is misschien niet de laatste plaats waar een dergelijk verbod wordt ingevoerd.

Referentie: arxiv.org/abs/1904.05270 : Google Street View-afbeelding van een huis voorspelt het risico op auto-ongelukken van de bewoner

zich verstoppen