Conteggio persone senza telecamere

Sì. Gli access point Wi-Fi che un edificio già gestisce rendono possibile il conteggio persone senza telecamere. Rilevano i segnali emessi dai telefoni, li trasformano in conteggi e flussi e conservano solo statistiche aggregate. Non viene scattata alcuna immagine e nessuno viene identificato. Gli ingressi che richiedono un conteggio esatto possono usare il LiDAR, che funziona anch’esso senza telecamere.

In breve

• Gli access point Wi-Fi esistenti possono contare i visitatori in tutto l’edificio senza una telecamera, e la copertura arriva ovunque arrivi la rete.
• I segnali dei telefoni diventano conteggi, tempi di permanenza e percorsi tra le zone; restano solo statistiche aggregate.
• Il LiDAR fornisce un conteggio esatto a un ingresso senza telecamera e senza immagini.
• I conteggi vengono calibrati con sessioni di conteggio manuale, quindi reggono a livello aggregato.
• Se serve una DPIA lo decide il tuo DPO o la tua funzione di compliance.

Possiamo contare i visitatori su tutta la superficie e agli ingressi senza telecamere?

Sì, e il lavoro si divide tra due metodi. Il conteggio Wi-Fi copre la superficie attraverso gli access point già presenti nell’edificio e fornisce conteggi, tempi di permanenza e percorsi tra le zone. Il LiDAR si occupa degli ingressi dove serve un conteggio esatto e misura con impulsi laser, quindi non esiste alcuna immagine.

Installare contatori ottici a ogni punto di ingresso, confine di zona, scala mobile e atrio degli ascensori richiede pianificazione del progetto, cablaggio e manutenzione continua dell’hardware. Il conteggio Wi-Fi funziona con gli access point che la struttura o l’IT già gestiscono per la connettività, quindi la copertura arriva ovunque arrivi la rete e, nella maggior parte degli edifici, a soffitto non serve nuovo hardware.

Un centro commerciale con decine di access point su cinque piani ottiene analisi per zona su tutti e cinque, molto più di quanto mostrerebbe un conteggio alla porta principale. Per musei e luoghi culturali o nodi di trasporto pubblico, quel livello di dettaglio è di solito alla portata senza un progetto di cablaggio, e i dati forniti sono più ricchi perché il conteggio copre tutto l’edificio. Non c’è una telecamera in più da giustificare a un’autorità di pianificazione o da puntare su una coda.

Cosa rilevano gli access point Wi-Fi da un telefono?

Un telefono con il Wi-Fi attivo invia richieste di probe, brevi segnali che chiedono se nelle vicinanze c’è una rete conosciuta. Gli access point nel raggio di copertura li rilevano. Un tempo ogni probe portava con sé un identificatore hardware univoco, l’indirizzo MAC, che in linea di principio permetteva di seguire un dispositivo specifico nel tempo e nello spazio.

Apple ha introdotto la randomizzazione degli indirizzi MAC in iOS 8 nel 2014; Android ha seguito dalla versione 8 in poi.

I dispositivi ora inviano richieste di probe con indirizzi MAC casuali, che cambiano nel tempo e variano da una rete all’altra, al posto di un ID hardware fisso, quindi un dispositivo non conserva più un indirizzo fisso nel tempo. La privacy di un sistema di conteggio dipende comunque da ciò che il sistema fa poi con i segnali.

Cosa resta dopo l’elaborazione dei segnali?

L’approccio di conteggio persone tramite Wi-Fi anonimizza i segnali al punto di raccolta. Le richieste di probe vengono trasformate in conteggi e statistiche di flusso, e i dati di segnale sottostanti non vengono memorizzati. Resta solo l’aggregato: quanti dispositivi sono stati rilevati in una zona in una data ora, quanto è durata in media la permanenza, quale percorso attraverso uno spazio è stato il più comune. Nessuna riga in nessun database corrisponde a una persona.

Un sistema di conteggio persone conforme al GDPR basato sul Wi-Fi non richiede il consenso dei visitatori per funzionare. Il consenso si applica dove vengono trattati dati personali, e questo metodo non ne tratta. È anche il motivo per cui si tratta dell’unico metodo di misurazione dei flussi di visitatori in Europa approvato da un’autorità per la protezione dei dati.

Come sappiamo che i conteggi sono corretti?

Il sistema non vede mai gli individui, quindi per verificare i propri conteggi si affida alla calibrazione. I conteggi ricavati dai segnali Wi-Fi vengono validati con sessioni di conteggio manuale: un numero noto di persone attraversa una zona e la stima del sistema viene regolata di conseguenza. La calibrazione corregge anche la quota di visitatori con un dispositivo Wi-Fi attivo, che varia per luogo e orario. Gli altri metodi sono messi a confronto in come contare i visitatori.

L’accuratezza è alta a livello aggregato, ed è il livello che serve alle decisioni operative e strategiche. Un retailer deve sapere se il sabato sono entrate 2.000 o 4.000 persone, e per rispondere non serve un censimento degli individui. La calibrazione rende anche il conteggio confrontabile tra siti e stagioni, e da questa comparabilità dipende quanto vale un benchmark dei flussi pedonali. Il conteggio è inoltre il denominatore che la cassa non può fornire: messo a confronto con le vendite, dà il tasso di conversione che spiega perché flussi pedonali e vendite raccontano storie diverse.

La randomizzazione MAC, ormai standard sui dispositivi moderni, viene gestita a livello algoritmico senza tornare agli identificatori persistenti, così il risultato statistico rimane affidabile.

Cosa comprende una verifica sulla protezione dei dati per il conteggio Wi-Fi?

Per le organizzazioni soggette al GDPR, una DPIA per il conteggio persone è il passo formale per valutare una tecnologia prima di implementarla. Se ne serve una, e che cosa deve coprire, lo decide il tuo responsabile della protezione dei dati (DPO) o la tua funzione di compliance. Il metodo non produce dati appartenenti a categorie particolari, non richiede alcun meccanismo di consenso e non lascia diritti degli interessati da gestire. Le domande che un DPO pone di solito sono raccolte in quella pagina.

Cosa diranno il personale e i sindacati?

La misurazione è anonima. Il conteggio Wi-Fi non produce dati personali, quindi nessuno, né dipendenti né visitatori, può essere individuato nei risultati, e nessuna persona viene seguita nel tempo. Ciò che il personale e i suoi rappresentanti vedono sono statistiche aggregate sullo spazio: quante persone c’erano, dove e quando, mai chi.

Cosa cambia per i visitatori quando non c’è una telecamera?

I sistemi basati su telecamere possono fare cose che il conteggio Wi-Fi non può: distinguono gli adulti dai bambini, contano le persone nelle immagini con alta precisione e in alcune configurazioni riconoscono i visitatori abituali. Quelle stesse capacità sono anche la fonte del disagio pubblico. Il riconoscimento facciale applicato all’analisi retail ha attirato l’attenzione dei regolatori in tutta Europa e, anche quando le telecamere non eseguono il riconoscimento, i visitatori negli spazi pubblici le notano sempre di più e fanno domande. Una telecamera visibile può sembrare sorveglianza anche quando si limita a contare, e questo attrito ha un costo: nell’esperienza del visitatore, nel tempo del personale e a volte nella copertura stampa.

Il conteggio Wi-Fi non punta alcuna telecamera sui visitatori e non cattura alcuna loro immagine. La differenza pesa soprattutto dove la fiducia fa parte della visita: istituzioni culturali, trasporto pubblico e strutture sanitarie. Pesa sempre di più anche nel retail, man mano che le scelte tra contapersone e piattaforma di analisi vengono esaminate con più attenzione.

Dove un ingresso richiede un conteggio esatto e un obiettivo non è gradito, il conteggio persone con LiDAR fornisce un conteggio preciso senza alcuna telecamera. Misura il movimento con impulsi di luce laser sicura per gli occhi e mostra le persone come cluster di punti nello spazio 3D. Non viene mai creata un’immagine, quindi non c’è nulla da salvare, sfocare o mascherare.

Fonti

• Apple (2014). iOS Security (white paper, October 2014). https://www.apple.com/mx/privacy/docs/iOS_Security_Guide_Oct_2014.pdf
• Android Open Source Project. Implement MAC randomization. https://source.android.com/docs/core/connect/wifi-mac-randomization
• Martin, J., Mayberry, T., Donahue, C., Foppe, L., Brown, L., Riggins, C., Rye, E. C., & Brown, D. (2017). A study of MAC address randomization in mobile devices and when it fails. Proceedings on Privacy Enhancing Technologies, 2017(4), 365–383. https://doi.org/10.1515/popets-2017-0054
• European Data Protection Board (2020). Guidelines 3/2019 on processing of personal data through video devices, version 2.0. https://www.edpb.europa.eu/documents/guideline/guidelines-32019-on-processing-of-personal-data-through-video-devices_en
• European Parliament and Council of the European Union (2016). Regulation (EU) 2016/679 (General Data Protection Regulation), Recital 26 and Article 35. https://eur-lex.europa.eu/eli/reg/2016/679/oj