Zliczanie osób bez kamer

Tak. Punkty dostępowe Wi-Fi, które budynek już ma, umożliwiają zliczanie osób bez kamer. Odbierają sygnały wysyłane przez telefony, zamieniają je na liczby i przepływy, a zachowują tylko zagregowane statystyki. Nie powstaje żadne zdjęcie i nikt nie jest identyfikowany. Przy wejściach, które wymagają dokładnego zliczenia, można zastosować LiDAR, który również nie potrzebuje kamery.

W skrócie

• Istniejące punkty dostępowe Wi-Fi mogą liczyć odwiedzających w całym budynku bez kamery, a pokrycie sięga tak daleko jak sieć.
• Sygnały telefonów stają się liczbami, czasem przebywania i ścieżkami między strefami; zostają tylko zagregowane statystyki.
• LiDAR daje dokładne zliczenie przy wejściu bez kamery i bez obrazu.
• Zliczenia są kalibrowane względem ręcznych sesji liczenia, więc są wiarygodne na poziomie zagregowanym.
• O tym, czy potrzebna jest DPIA, decyduje Twój własny inspektor ochrony danych lub dział compliance.

Czy możemy liczyć odwiedzających na całej powierzchni i przy wejściach bez kamer?

Tak, a zadanie dzielą między siebie dwie metody. Zliczanie przez Wi-Fi obejmuje całą powierzchnię dzięki punktom dostępowym, które już są w budynku, i podaje liczby, czasy przebywania oraz ścieżki między strefami. LiDAR obsługuje wejście, przy którym potrzebne jest dokładne zliczenie, a mierzy impulsami lasera, więc żaden obraz nie powstaje.

Montaż optycznych liczników przy każdym wejściu, na każdej granicy strefy, przy ruchomych schodach i windach wymaga zaplanowania projektu, okablowania i stałej konserwacji sprzętu. Zliczanie przez Wi-Fi korzysta z punktów dostępowych, którymi administracja budynku lub dział IT i tak zarządza, żeby zapewnić łączność. Pokrycie sięga więc tak daleko jak sieć, a w większości budynków w suficie nie trzeba montować nowego sprzętu.

Centrum handlowe z dziesiątkami punktów dostępowych na pięciu piętrach otrzymuje analitykę na poziomie stref na wszystkich pięciu, czyli znacznie więcej, niż pokazałoby samo zliczanie przy głównym wejściu. W muzeach i obiektach kulturalnych czy węzłach transportu publicznego taki poziom szczegółowości jest zwykle osiągalny bez projektu okablowania, a dostarczane dane są bogatsze, bo zliczanie obejmuje cały budynek. Nie trzeba uzasadniać przed urzędem planowania dodatkowej kamery ani kierować obiektywu na kolejkę.

Co punkty dostępowe Wi-Fi odbierają z telefonu?

Telefon z włączonym Wi-Fi wysyła sygnały sondujące (probe request), czyli krótkie komunikaty z pytaniem, czy w pobliżu jest znana sieć. Odbierają je punkty dostępowe w zasięgu. Kiedyś każdy taki sygnał zawierał unikalny identyfikator sprzętowy, adres MAC, który w zasadzie pozwalał podążać za jednym konkretnym urządzeniem w czasie i przestrzeni.

Apple wprowadził randomizację adresów MAC w iOS 8 w 2014 roku, a Android poszedł w jego ślady od wersji 8.

Dziś urządzenia wysyłają sygnały sondujące z losowymi adresami MAC, które zmieniają się w czasie i są różne dla każdej sieci, zamiast stałego identyfikatora sprzętowego, więc niezmienny adres nie towarzyszy już urządzeniu w czasie. O prywatności systemu zliczania nadal decyduje to, co dzieje się z sygnałami później.

Co zostaje po przetworzeniu sygnałów?

W podejściu opartym na zliczaniu osób przez Wi-Fi anonimizacja następuje już w momencie zbierania danych. Sygnały sondujące są przetwarzane na liczby i statystyki przepływu, a same dane sygnałowe nie są przechowywane. Zostają tylko dane zagregowane: ile urządzeń wykryto w strefie w danej godzinie, jaki był średni czas przebywania, która trasa przez przestrzeń była najczęstsza. Żaden wiersz w żadnej bazie danych nie odpowiada konkretnej osobie.

System analityki odwiedzających zgodny z RODO oparty na pomiarze Wi-Fi nie potrzebuje do działania zgody odwiedzających. Zgoda dotyczy sytuacji, w których przetwarzane są dane osobowe, a ta metoda żadnych nie przetwarza. Właśnie dlatego jest to jedyna metoda pomiaru ruchu pieszego w Europie zatwierdzona przez organ ochrony danych.

Skąd wiemy, że zliczenia są poprawne?

System nigdy nie widzi pojedynczych osób, więc poprawność zliczeń sprawdza kalibracja. Zliczenia z sygnałów Wi-Fi porównuje się z ręcznymi sesjami liczenia: przez strefę przechodzi znana liczba osób, a szacunek systemu jest do niej dopasowywany. Kalibracja koryguje też wynik o odsetek odwiedzających, którzy mają przy sobie urządzenie z włączonym Wi-Fi, a ten odsetek zmienia się w zależności od lokalizacji i czasu. Porównanie innych metod znajdziesz w przewodniku jak liczyć odwiedzających.

Dokładność na poziomie zagregowanym jest wysoka, a właśnie tego poziomu wymagają decyzje operacyjne i strategiczne. Detalista musi wiedzieć, czy w sobotę przyszło 2000 czy 4000 osób, a do takiej odpowiedzi nie potrzeba spisu poszczególnych ludzi. Po kalibracji zliczenia da się porównywać między lokalizacjami i sezonami, a od tej porównywalności zależy, ile wart jest benchmark ruchu pieszego. Liczba odwiedzających to także mianownik, którego kasa nie dostarczy: zestawiona ze sprzedażą daje współczynnik konwersji, który wyjaśnia, dlaczego ruch pieszy i sprzedaż opowiadają różne historie.

Randomizację MAC, dziś standard na nowoczesnych urządzeniach, system obsługuje na poziomie algorytmów, bez powrotu do trwałych identyfikatorów, więc wyniki statystyczne pozostają wiarygodne.

Co obejmuje przegląd ochrony danych przy zliczaniu przez Wi-Fi?

W organizacjach podlegających RODO ocena skutków dla ochrony danych przy zliczaniu osób to formalny etap analizy technologii przed jej wdrożeniem. O tym, czy jest potrzebna i co musi obejmować, decyduje Twój własny inspektor ochrony danych lub dział compliance. Metoda nie wytwarza danych szczególnych kategorii, nie wymaga mechanizmu zgody i nie pozostawia do obsługi żadnych praw osób, których dane dotyczą. Typowe pytania inspektora ochrony danych zebrano na tamtej stronie.

Co powiedzą pracownicy i związki zawodowe?

Pomiar jest anonimowy. Zliczanie przez Wi-Fi nie wytwarza danych osobowych, więc nikogo, ani pracownika, ani odwiedzającego, nie da się wskazać w wynikach, a żadna osoba nie jest obserwowana w czasie. Pracownicy i ich przedstawiciele widzą zagregowane statystyki o przestrzeni: ile osób było, gdzie i kiedy, nigdy kto.

Co zmienia się dla odwiedzających, gdy nie ma kamery?

Systemy oparte na kamerach potrafią to, czego nie potrafi zliczanie przez Wi-Fi: odróżniać dorosłych od dzieci, bardzo precyzyjnie liczyć osoby na obrazie i w niektórych konfiguracjach rozpoznawać powracających odwiedzających. Te same możliwości są też źródłem dyskomfortu publiczności. Rozpoznawanie twarzy w analityce handlowej zwróciło uwagę regulatorów w całej Europie, a nawet tam, gdzie kamery nie rozpoznają twarzy, odwiedzający w przestrzeniach publicznych coraz częściej je zauważają i zadają pytania. Widoczna kamera może wyglądać na inwigilację, nawet jeśli tylko liczy, a takie tarcia kosztują: pogarszają doświadczenie odwiedzających, zabierają czas personelowi, a czasem kończą się artykułami w prasie.

Zliczanie przez Wi-Fi nie kieruje na odwiedzających żadnej kamery i nie rejestruje ich obrazu. Ma to największe znaczenie tam, gdzie zaufanie jest częścią wizyty: w instytucjach kulturalnych, komunikacji publicznej i placówkach ochrony zdrowia. W handlu liczy się to coraz bardziej, bo decyzje typu licznik osób kontra analityka są dziś analizowane staranniej.

Tam, gdzie wejście wymaga dokładnego zliczenia, a obiektyw jest niepożądany, liczenie osób LiDAR daje precyzyjny wynik zupełnie bez kamery. LiDAR mierzy ruch bezpiecznymi dla oczu impulsami lasera i pokazuje ludzi jako skupiska punktów w przestrzeni 3D. Żaden obraz nigdy nie powstaje, więc nie ma niczego do przechowywania, rozmywania czy maskowania.

Źródła

• 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