Graffiti vormt een kostenpost van miljoenen voor NS. Aanleiding voor onze app developers om met verschillende afdelingen te brainstormen. ‘Hoe mooi zou het zijn als wij op basis van foto’s van eerdere graffiti-meldingen direct kunnen herkennen wie de dader is?’ Aan de hand van de nieuwste technieken en artificial intelligence werd een applicatie ontwikkeld die bij een melding drie processen in gang zet: planning van de schoonmaak, daderidentificatie én aangifte en dossieropbouw bij de politie.

‘Het probleem werd steeds groter’, legt de product owner uit. ‘De graffiti-meldingen waren voorheen ondergebracht bij een externe leverancier, maar daar konden wij zelf geen analyses op uitvoeren.’ En die analyses, die zijn belangrijk. Automatisering is de oplossing. Daarmee wordt ook automatische dossieropbouw tegen daders mogelijk. Het developersteam werd daarom uitgedaagd om te experimenteren: ‘Jullie hebben twee dagen. Laat maar eens zien wat jullie kunnen. Vanuit hier zijn we verder gaan bouwen.’

Jullie hebben twee dagen. Laat maar eens zien wat jullie kunnen. Vanuit hier zijn we verder gaan bouwen.

Automatische beeldherkenning

Met de nieuwe beeldherkenningssoftware van Microsoft Vision API bouwde het team CCM een graffiti-applicatie, als onderdeel voor de bestaande ‘Mijn Meldpunt’ app. Medewerkers van NS kunnen via de applicatie een melding doen van graffiti, mét foto. Op basis van beeldherkenning wordt de foto gekoppeld aan eerdere cases. Zo kan het systeem automatisch aangifte doen bij de politie en een schadedossier opbouwen. Voor de schoonmaak wordt er automatisch een order verstuurd naar het reinigingsbedrijf.

Met de inzichten die het systeem levert kan NS bovendien gerichter preventieve maatregelen nemen. Al die functionaliteiten raken verschillende onderdelen van de organisatie. ‘Dat maakt het zo complex. Hoe regel je bijvoorbeeld het stuk van melding naar dossierverrijking in? We staan nog maar aan het begin. De uitdagende projecten moeten nog opgepakt worden.’

We staan nog maar aan het begin. De uitdagende projecten moeten nog opgepakt worden.

Zelflerend systeem

Het team onderzoekt nu hoe de beeldherkenningssoftware rendabel ingezet kan worden. ‘Het is een zelflerend systeem, dat in het begin natuurlijke hartstikke dom is. Naarmate het foto’s gevoerd krijgt, ontwikkelt het zijn eigen algoritmes en past het deze ook aan’, vertelt één van de developers. ‘We hebben bijvoorbeeld zo’n dertig á veertig prenten van een veelpleger en allemaal hebben ze hun eigen herkenbaarheid. Hoe vaker dat terugkomt, des te zekerder het systeem van zichzelf is dat deze melding van dezelfde dader is.’

Om het leerproces van de AI te versnellen, bouwde het team een extra optie in: ‘Graffiti artiesten zetten vaak hun tag in de afbeelding, en de conducteur of machinist die de graffiti heeft gemeld kan dit op basis van de voorgestelde namen bevestigen. Het systeem krijgt dan het signaal: deze foto hoort bij deze dader. Zo wordt het systeem steeds slimmer en nauwkeuriger.’

Werken aan apps met de nieuwste technieken

Met vernieuwende softwaretools als Flutter, Xamarin, Microsoft Azure en C# blijven de developers naar nieuwe en mooie oplossingen zoeken. Niet alleen graffiti-preventie, maar voor alle features in de ‘Mijn Meldpunt’ app. ‘We hebben de vrijheid om als scrum team onze eigen projecten op te zetten binnen de sprints. Er ligt veel verantwoordelijkheid bij het team.’ De sfeer is gedreven, maar informeel: ‘In je hoodie word je net zo serieus genomen. Bij NS gaat het niet om looks maar om kwaliteit en hoe je met elkaar samenwerkt. Dat is supergaaf.’