Herramienta de análisis de cobertura de cámaras de reconocimiento automático de matrículas (Automated License Plate Reader, ALPR) en Estados Unidos

• Con base en la tasa de paso por cámaras ALPR, calcula en qué medida una vivienda queda dentro del alcance de vigilancia al desplazarse hacia instalaciones clave como hospitales, escuelas y supermercados
• Utiliza datos de OpenStreetMap (OSM) para analizar viviendas, servicios, y ubicaciones de cámaras de vigilancia, y calcula la ruta más corta siguiendo trayectos reales por carretera
• Las cámaras ALPR instaladas por actores privados y gobiernos locales, como Flock Safety, pueden generar problemas como la acumulación del historial de desplazamientos personales, el uso indebido y la transferencia de datos al extranjero
• Se analizaron 53 estados, 3,548 condados y cerca de 20.65 millones de hogares en Estados Unidos; por ejemplo, en el condado de Santa Clara, California, se detectaron 845 cámaras entre 110,399 hogares
• Una herramienta basada en datos que muestra visualmente la expansión geográfica de la red de vigilancia ALPR y su potencial de afectar la privacidad

---

Resumen del análisis de cobertura de cámaras ALPR

• Esta herramienta analiza el alcance de vigilancia de las cámaras ALPR por condado en Estados Unidos
  • Calcula la proporción de veces que se pasa por cámaras ALPR cuando una vivienda se desplaza hacia servicios esenciales de la vida diaria como hospitales, escuelas y supermercados
  • Calcula la ruta más corta con base en la red vial real para reflejar trayectos realistas en lugar de simples distancias en línea recta
• Las cámaras ALPR son instaladas por gobiernos locales o empresas privadas y recopilan y comparten datos sobre el movimiento de vehículos, formando historiales de desplazamiento individuales
  • Estos datos pueden provocar problemas como arrestos erróneos, abuso por parte de agencias de aplicación de la ley y transferencias al extranjero para entrenamiento de IA
  • También se menciona que es difícil demostrar la efectividad de estas cámaras

Método de recopilación y análisis de datos

• Los datos se basan en etiquetas de OpenStreetMap (OSM) para viviendas, servicios y cámaras de vigilancia
  • Se calcula la ruta más corta desde cada vivienda hasta el servicio más cercano
  • Si la vía en la ruta cruza con un nodo de cámara de vigilancia o se encuentra dentro de cierta distancia, se clasifica como tramo vigilado
• Entre las tecnologías utilizadas se incluyen contraction hierarchies e indexación geoespacial (geospatial indexing)
• Los datos se recalculan cada 7 días y, para mejorar la precisión, los usuarios pueden etiquetar directamente en OSM la información sobre viviendas, instalaciones y cámaras

Ejemplo del condado de Santa Clara

• Resultado del análisis del condado de Santa Clara, California
  • 110,399 hogares y 845 cámaras detectadas
  • Al ir a un hospital, el 71.5%; al veterinario, el 36.9%; a la biblioteca, el 27.9%; y a la escuela, el 9.6% de los hogares pasan por una cámara ALPR
  • Cobertura promedio de vigilancia: 23.9%
• Cada cifra significa “la proporción de viviendas que pasan por una cámara ALPR al desplazarse hacia ese tipo de instalación”

Resumen de datos a nivel nacional

• Alcance total del análisis: 53 estados, 3,548 condados y 20,654,467 hogares
• Ejemplos de cobertura promedio por estado
  • Alabama: 17.9% (72 condados, 164,900 hogares)
  • California: 13.1% (65 condados, 3,841,165 hogares)
  • Ohio: 18.6% (106 condados, 703,200 hogares)
  • Virginia: 15.8% (143 condados, 877,415 hogares)
  • Alaska, Montana y New Hampshire aparecen con 0%

Proyectos relacionados y materiales de referencia

• Se proporcionan enlaces a proyectos relacionados con la vigilancia ALPR y la privacidad
  • DeFlock: mapeo comunitario de cámaras de Flock
  • Eyes on Flock: periodismo de investigación sobre el sistema de vigilancia de Flock Safety
  • Atlas of Surveillance (EFF): base de datos de tecnologías de vigilancia policial
  • Plate Privacy: materiales sobre protección de la privacidad de las matrículas
  • Have I Been Flocked: permite verificar si tu vehículo está incluido en datos de Flock

Información técnica y de producción

• Los datos se basan en datos públicos aportados por colaboradores de OpenStreetMap
• La fuente utilizada es Tomorrow de Google Fonts
• El proyecto fue desarrollado por Matthew Esposito (William & Mary)
• Se indica próxima publicación del código (Code soon :tm: ) y actualización semanal de los datos

[GN⁺]

Comentarios de Hacker News

• Ver que la conducción temeraria aumenta cada vez más en donde vivo me hace pensar bastante
  La vigilancia en general es algo negativo, pero cuando ves gente acelerando cerca de las escuelas, ignorando señales de alto y pasándose los semáforos, eso también es un problema
  Ahora mismo parece el peor de los mundos: es cada vez más difícil hacer cumplir las normas y manejar es cada vez más peligroso, pero por el miedo a la fiscalización automatizada el gobierno no hace nada
  Da la impresión de que EE. UU. perdió los avances de los últimos 10–15 años en cantidad de muertes de tránsito

  • El hecho de que el problema de la conducción temeraria no se haya resuelto aun cuando las cámaras de vigilancia ya están por todos lados sugiere que las cámaras no son la solución
    Hay mucho margen para que la policía refuerce los controles, y también ayudaría elevar los estándares del examen de manejo o restaurar las pruebas que desaparecieron durante la pandemia
    Volver a poner botones físicos en lugar de pantallas táctiles dentro del auto también podría reducir accidentes
    Hay muchas cosas que se pueden intentar antes de rastrear los movimientos de todo el mundo
  • En EE. UU. casi no hay alternativas a manejar, así que la formación de conductores es muy laxa
    Las vías incentivan la velocidad y la infraestructura peatonal está atrasada
    Con solo cambiar el entorno físico ya se podrían reducir mucho las muertes de tránsito sin vigilancia
  • Cosas como “exceso de velocidad cerca de escuelas” no son el objetivo que Flock intenta frenar
  • Ya se están rastreando los movimientos de vehículos con cámaras Flock, y aun así es frustrante que esa tecnología no se use para mejorar la seguridad vial
    Mi ciudad gastó millones de dólares instalando Flock en estacionamientos, pero lleva años postergando las cámaras de control de velocidad
    La mayoría de las cámaras de control de tránsito son de disparo basado en radar, así que no graban de forma continua todos los vehículos como hace Flock
  • Las cámaras no previenen infracciones; solo disuaden a la gente que sabe que está siendo observada
    En cambio, habría que mejorar el diseño vial y la regulación de los vehículos
    La mayoría de los semáforos en EE. UU. podrían reemplazarse por rotondas, y también hace falta calmado de tráfico, como reducir el ancho de los carriles
    Las tasas de muertes por tránsito y de peatones en EE. UU. dan vergüenza frente a Europa
    Enlace a estadísticas de los CDC

• Lo que muestra este proyecto es que el modelo de privacidad cambia a medida que aumenta la escala
  Visto de manera individual puede parecer simple observación, pero cuando se pueden reconstruir patrones de movimiento entre varias regiones se vuelve algo más cercano al seguimiento de largo plazo

  • El tiempo de retención de datos podría ser el criterio que distingue fiscalización de vigilancia
    Si hubiera sanciones severas por conservar datos sin orden judicial y auditorías independientes anuales obligatorias del sistema, quizá se podría lograr un equilibrio

• Las estadísticas son interesantes, pero yo simplemente quiero ver un mapa con la ubicación de las cámaras ALPR
  Estaría bueno que conectaran esos datos al sitio de manera más fácil

  • Comparte enlaces a mapa de FLOCK y DeFlock
  • DeFlock es el primer enlace en la sección “Related ALPR & Flock Projects” e incluye información del mapa

• No estoy seguro de que esto le dé a la gente información accionable de verdad
  Más bien podría terminar usándose como panel para defensores de la vigilancia o como herramienta comercial de Flock

  • Hoy hay muchos sitios que solo elevan la “conciencia del problema”, pero faltan herramientas de acción que realmente lleven a hacer algo
    En medio de esta avalancha de información que muestra los problemas con demasiado detalle, ya siento fatiga

• La lista de condados de Nueva Jersey está mal. En realidad son 21, pero aparece como 27
  Tal vez sea por condados adyacentes o contratos duplicados

  • Los datos se toman de los límites administrativos de OSM (level 6) y se están usando tal cual vienen de OSM, sin correcciones manuales
    Planean agregar a cada página de condado un enlace a la fuente original de OSM para que se pueda verificar
  • Viendo que incluye Rockland (estado de Nueva York), parece que están contando también los condados adyacentes
  • En California aparecen condados de la región de Baja California
  • Connecticut también aparece mal: en realidad tiene 8 condados, pero figuran 14 y además con nombres incorrectos

• Si la cobertura de ALPR se vuelve lo suficientemente densa, terminamos en una sociedad donde queda un registro permanente de adonde sea que vayas
  Publicar mapas como este es casi la única manera de que las comunidades entiendan a qué es a lo que realmente aceptaron

• En EE. UU., como grabar en lugares públicos está protegido constitucionalmente, parece inevitable una cobertura de vigilancia del 100%

  • Pero el derecho de una persona a grabar no tiene por qué convertirse en un derecho ilimitado de las empresas (Flock, Amazon, etc.) a grabarlo todo
    Hacen falta restricciones de tiempo, lugar y modo para proteger la libertad
  • Este derecho tiene muchos detalles legales
    Ver documento wiki relacionado
  • Al final se va a expandir hasta el punto de que desaparecerán las rutas para moverse sin quedar registrado al pasar por ciudades grandes
  • Yo soy un particular, pero instalé una cámara ALPR cerca de mi casa y comparto los datos con la policía
    Siento que ayudó a resolver varios delitos y me parece justificable

• Si fuera estadounidense, usaría esta herramienta como referencia al mudarme o comprar una vivienda
  Después de ver las vulnerabilidades de seguridad de las cámaras Flock que mostró Benn Jordan, esto me preocupa muchísimo
  La velocidad con la que se expande la tecnología es muchísimo mayor que la de los mecanismos legales de control, y la combinación de sector público, inteligencia y privados avanza de una forma peligrosa
  Este tipo de visualización es un trabajo importante porque muestra la expansión de la tecnología “como si fuera un virus”

• Hace unos días ya hubo una discusión relacionada
  Enlace al hilo anterior
  En unos meses tal vez este tipo de sitios sea reemplazado por una página estática que diga: “Ya fuiste captado por ALPR”

• También hay problemas con la precisión de los datos
  Illinois tiene 102 condados, pero en el sitio aparecen 115
  Por ejemplo, Kenosha County está en Wisconsin, pero está clasificado como si fuera de Illinois