Iepenbiere romte notifikaasjes

Gemeente Amsterdam

As der op strjitte of yn in park wat oanmakke of skjinmakke wurde moat, kin dat fia SIA, it online meldsysteem, by de gemeente melde.

Lêst feroare op 19 maart 2025 om 8:59 | Publikaasjestandaard 1.0

• Publicatiecategorie: Oare algoritmes
• Impacttoetsen: Fjild net ynfierd.
• Status: Yn gebrûk

Algemene ynformaasje

Tema

Iepenbiere oarder en feilichheid

Begjindatum

Fjild net ynfierd.

Kontaktgegevens

[e-mail]

Ferantwurde gebrûk

Doel en impact

As der op strjitte of yn in park wat oanmakke of skjinmakke wurde moat, kin dat fia SIA, it online meldsysteem, by de gemeente melde. Der kin ek melding makke wurde fan in gefaarlike ferkearssituaasje of oerlêst troch minsken en horeca.

Earder moasten minsken kieze yn hokker kategory harren melding it bêste paste (bygelyks 'oerlêst' of 'strjittemeubilêr'), sadat it rapport nei de goede ôfdieling fan de gemeente stjoerd waard. Mar de gemeente is in komplekse organisaasje en de list mei kategoryen is lang. Dêrtroch waard net altyd de juste kategory keazen. Dat soarge soms foar fertraging yn de ferwurking fan meldingen.

Dêrom brûke wy no in algoritme dat wurden herkent, lykas 'ôffal' en 'stoep'. Op grûn dêrfan wurdt bepaald yn hokker kategory it rapport it bêste past en hokker ôfdieling it rapport behannelje moat.

De ferslachjouwer hoecht net mear in kategory te kiezen, en it rapport wurdt flugger ferwurke omdat it op de goede ôfdieling telâne komt.

Afwagings

Fjild net ynfierd.

Minskele tuskenkomst

Alle rapporten dy't yn in bepaalde kategory binne yndield mei minder dan 40% wissichheid, wurde trochstjoerd nei it Action Service Center. Der fynt dan in minsklike beoardieling plak en it rapport wurdt noch kategorisearre. Meldingen dy't ferkeard nei de ferkearde kategory trochstjoerd binne, wurde troch de ferantwurdlike ôfdieling ek mei de hân yn de goeie kategory pleatst (soms fia it Aksje Servicesintrum).

Risikobehear

D'r binne in pear risiko's ferbûn mei dit algoritme. It pleatst in rapport yn de juste kategory en soarget derfoar dat it rapper de oandacht fan de juste ôfdieling berikt. As it algoritme gjin rapport mei genôch wissichheid yn in kategory pleatse kin, komt it yn de kategory 'Oare' telâne. Meiwurkers fan it Action Service Center kontrolearje dizze rapporten en pleatse se manuell yn 'e juste kategory. As it algoritme net goed wurket, duorret it wat langer foar't it rapport de juste ôfdieling berikt. De ferslachjouwer kin persoanlike gegevens tafoegje as hy of sy op 'e hichte hâlden wurde wol. Dizze gegevens wurde feilich opslein en net brûkt troch it algoritme.

Wurking

Gegevens

De dataset bestiet út rapporten dy't earder makke binne (frij tekstfjild). Yn it earstoan brûkten wy 300.000 rapporten fan 'e ôfrûne jierren om it algoritme te trainen. It wurdt geregeld traind mei nije rapporten en korreksjes makke oan besteande rapporten. As it Aksjetsjinstsintrum of ôfdielingen in ferkearde kategorisearring sjogge (sjoch Minsklike tafersjoch), dan korrigearje se dat mei de hân yn it meldsysteem. Dizze korreksjes wurde brûkt by ekstra training. Wy ûndersykje oft de training fan it algoritme yn de takomst automatisearre wurde kin.

Wy kinne dizze dataset net iepenbier meitsje yn dit register. Om't de gegevens út in frije tekstfjild komme, kinne se persoanlike gegevens befetsje, ek al wurdt dat net eksplisyt frege.

E-postadres en telefoannûmer foar ferfolchfragen

Elkenien dy't in melding docht, kin as se wolle syn telefoannûmer en/of e-mailadres efterlitte. Wy hâlde de ferslachjouwer dan op de hichte fan de fuortgong en hawwe de mooglikheid om him of har werom te skiljen. Dizze ynformaasje wurdt net langer bewarre as nedich foar dit doel en wurdt dêrom net brûkt troch it algoritme.

Sjoch foar oanfoljende ynformaasje oer de ferwurking fan persoansgegevens: https://www.amsterdam.nl/privacy/specific/privacyverklaringen-wonen/meldingen-overlast-privacy

Technyske wurking

De tekst fan it berjocht is ferdield yn yndividuele wurden. Elk wurd yn in rapport wurdt analysearre om te sjen hoe unyk it is foar dat rapport, fergelike mei de totale samling wurden ('TF-IDF' of 'term frekwinsje-omkearde dokumintfrekwinsje'). In wurd as 'de' of 'tank' krijt dêrom in leech gewicht en in wurd as 'garbage' in heger gewicht.

Logistyske regression (in masineleartechnyk) wurdt dan brûkt om te bepalen yn hokker kategory it rapport heart en dus by hokker ôfdieling binnen de gemeente it rapport nei alle gedachten heart.

Dit algoritme kin hiel sekuer ûntdekke hokker kategory in kombinaasje fan wurden heart; It algoritme hat in skoare fan 0.88 (makro-gewogen F1-score). Oare metoaden binne ek besocht (W2V, CNN+LSTM, BERT), mar fûnen minder goed te prestearjen. Mear ynformaasje: https://medium.com/maarten-sukel/how-to-use-machine-learning-for-the-classification-of-citizen-service-requests-b71159a85f36