Steeds meer Nederlanders rijden met een dashcam. Het apparaatje achter de voorruit kost een paar tientjes, filmt elke rit en bewaart automatisch de laatste minuten na een klap. Bij een aanrijding is dat goud waard: in plaats van twee tegenstrijdige verhalen ligt er beeld. Verzekeraars, advocaten en politie krijgen daardoor steeds vaker een videobestand of een reeks screenshots toegestuurd als onderdeel van een claim of aangifte.
Nu de dagen korter worden en het vanaf oktober weer vroeg donker is, neemt het aantal schademeldingen traditioneel toe. Daarmee groeit ook de stapel beeldmateriaal die iemand moet beoordelen. En juist daar zit een vraag die vaak wordt overgeslagen: is dit beeld eigenlijk wel gemaakt op de plek die in de claim staat?
Waarom de locatie van dashcambeelden ertoe doet
Een schadeclaim draait om een concrete situatie: een kruising in Amersfoort, een rotonde bij Zwolle, een parkeerplaats in Rotterdam-Zuid. Wie aansprakelijk is, hangt af van voorrangsregels, wegmarkeringen en de inrichting van die specifieke plek. Als de beelden van een andere locatie komen, klopt de hele reconstructie niet meer.
In de meeste gevallen is daar niets kwaads aan de hand. Iemand stuurt per ongeluk een clip van een eerdere rit mee, of haalt twee bestanden door elkaar. Maar er zijn ook claims waarbij het wel bewust gebeurt. Denk aan beelden van een echte aanrijding elders die worden ingezet voor een verzonnen incident, of aan een geënsceneerde botsing die op een rustige plek is gefilmd terwijl de claim een drukke kruising noemt waar een tegenpartij beter aansprakelijk te stellen is.
Voor een schadebehandelaar is het verschil niet altijd te zien. Een Nederlandse straat met rijtjeshuizen, een fietspad en een paar geparkeerde auto’s lijkt op duizenden andere. Zonder het adres ter plekke te bekijken, is het lastig om met zekerheid te zeggen of het klopt.
De ingebouwde GPS is geen sluitend bewijs
Veel dashcams hebben een GPS-module en schrijven coördinaten en snelheid mee in het bestand of in een apart logbestand. Dat lijkt het probleem op te lossen, maar in de praktijk werkt het minder goed dan je zou verwachten.
Goedkopere modellen hebben vaak helemaal geen GPS. Bij modellen die het wel hebben, raakt de data kwijt zodra iemand een screenshot maakt, de video inkort of hem via WhatsApp doorstuurt. Wat bij de verzekeraar binnenkomt, is dan een kaal videobestand zonder locatie. En als de GPS-data er wel is, valt die met gratis software aan te passen. Een logbestand is een tekstbestand, geen verzegeld bewijsstuk.
Daarbij komt dat GPS in een stad met hoge gebouwen of in een tunnel tientallen meters kan afwijken. Voor een claim waarbij het verschil tussen twee kruisingen in dezelfde wijk uitmaakt, is dat te grof. Net als bij foto’s met EXIF-gegevens geldt: metadata is een aanwijzing, geen bewijs.
Hoe AI-geolocatie dashcambeelden controleert
Visuele geolocatie kijkt niet naar metadata, maar naar wat er in beeld is. GeoPin vergelijkt een frame uit de video met een index van miljoenen straatbeelden uit heel Nederland. Het systeem let op gevels, dakvormen, lantaarnpalen, de breedte van het fietspad, de kleur van het asfalt, bomenrijen en de ligging van gebouwen ten opzichte van elkaar. Het resultaat is een voorspelde locatie met coördinaten en een confidence score.
Voor dashcambeelden werkt dat in de praktijk zo: de behandelaar pakt een paar frames uit de seconden voor de aanrijding, liefst momenten waarop de omgeving goed zichtbaar is. Die frames gaan door GeoPin. Komt de voorspelde locatie overeen met het adres in de claim, dan is dat een sterke bevestiging. Wijst het systeem een plek aan die kilometers verderop ligt, dan is dat een reden om de claim nader te bekijken.
Een voordeel van video ten opzichte van een losse foto is dat je meerdere frames hebt. Als vijf opeenvolgende frames allemaal naar dezelfde straat wijzen, is de uitkomst een stuk betrouwbaarder dan een enkele voorspelling. En als de frames onderling naar verschillende plekken wijzen, kan dat erop duiden dat de video is gemonteerd.
Een voorbeeld uit de praktijk
Stel: een automobilist meldt een aanrijding op een kruising in Utrecht-Oost. Volgens de melding negeerde de tegenpartij de voorrang, en de dashcambeelden laten zien hoe een bestelbus van rechts de weg op rijdt. De tegenpartij ontkent en zegt die dag niet eens in Utrecht te zijn geweest.
De schadebehandelaar haalt vier frames uit de video en laat ze door GeoPin analyseren. Drie frames wijzen met hoge confidence naar een kruising in Nieuwegein, ruim vijf kilometer verderop. De rijtjeshuizen hebben een ander type dakgoot dan in de opgegeven straat, en het fietspad is rood asfalt in plaats van klinkers. Dat is geen definitief oordeel, maar wel een concrete reden om de melder om opheldering te vragen en eventueel de beelden van de tegenpartij op te vragen.
Het omgekeerde komt net zo vaak voor: de tegenpartij twijfelt aan de beelden, GeoPin bevestigt de locatie, en de discussie over waar het gebeurde is binnen een paar minuten van tafel. Dat scheelt een expert die ter plekke moet gaan kijken.
Beperkingen: nacht, regen en snelwegen
Niet elk frame is even bruikbaar. Veel aanrijdingen in het najaar gebeuren in het donker of bij regen, en dan is de omgeving op dashcambeelden slecht te zien. Koplampen verblinden, ruitenwissers bewegen door het beeld en details in de verte verdwijnen. We schreven eerder uitgebreid over de uitdagingen van nachtfotografie voor geolocatie. De vuistregel: kies frames waarin straatverlichting, gevels of verkeersborden zichtbaar zijn.
Snelwegen zijn een ander verhaal. Een stuk A2 met geluidsschermen en vangrails lijkt sterk op een stuk A12. Daar werkt geolocatie op straatniveau minder goed, en zijn hectometerpaaltjes of borden bij afritten betere aanknopingspunten. Binnen de bebouwde kom, waar het merendeel van de kleine aanrijdingen plaatsvindt, is de omgeving juist rijk aan herkenbare details.
Tot slot is een geolocatie-uitslag nooit het hele verhaal. Het is een signaal dat de behandelaar helpt bepalen waar de aandacht naartoe moet, geen automatische afwijzing. De uiteindelijke beoordeling blijft mensenwerk.
Inpassen in de schadeafhandeling
Voor verzekeraars en schade-expertisebureaus die veel claims verwerken, is handmatig frames uploaden niet schaalbaar. Via de GeoPin API kan de controle automatisch meelopen: zodra er beeldmateriaal bij een claim wordt geüpload, gaan een paar frames naar GeoPin en komt de uitslag als extra veld in het dossier. Claims waarbij de voorspelde en opgegeven locatie ver uit elkaar liggen, krijgen een markering. De rest gaat gewoon door.
GeoPin kijkt naar de omgeving, niet naar personen: het model is niet gebouwd om gezichten of kentekens te herkennen. Dat houdt de verwerking beperkt tot wat nodig is om de locatie te controleren, wat past bij de AVG-eisen waar verzekeraars mee te maken hebben.
Zelf proberen
Heb je dashcambeelden of een screenshot van een verkeerssituatie en wil je weten of de locatie klopt? Upload een frame op GeoPin en zie binnen enkele seconden waar het beeld volgens het model is gemaakt. Werk je bij een verzekeraar of schadebureau en wil je dit in je eigen proces inbouwen, lees dan hoe GeoPin werkt of neem contact met ons op voor API-toegang.