Hanthavenjen fan yllegale fakânsjeferhier

Gemeente Amsterdam

Yn Amsterdam is der beheinde húsfesting en akkommodaasje beskikber foar sawol ynwenners as besikers. It ferhieren fan in hûs of wenboat oan toeristen moat oan bepaalde easken foldwaan.

Lêst feroare op 10 septimber 2025 om 15:16 | Publikaasjestandaard 1.0

• Publicatiecategorie: Ympaktfolle algoritmes
• Impacttoetsen: Fjild net ynfierd.
• Status: Bûten gebrûk

Algemene ynformaasje

Tema

• Ekonomy
• Romte en ynfrastruktuer

Begjindatum

2022-07

Kontaktgegevens

[e-mail]

Ferantwurde gebrûk

Doel en impact

Bygelyks, it is tastien foar maksimaal 30 nachten yn 't jier en foar fjouwer persoanen tagelyk. It moat meld wurde by de gemeente. Net elkenien hâldt him oan dizze betingsten. De gemeente krijt soms meldingen fan buorlju dy't fermoedzje dat in pân ûnrjochtmjittich ferhierd is. Meiwurkers fan Tafersjoch & Hanthavening ûndersiikje dizze meldingen. It algoritme helpt by it prioritearjen fan 'e meldingen, sadat de beheinde hanthaveningskapasiteit effisjint en effektyf ynset wurde kin. Troch gegevens te analysearjen, beoardielet it algoritme it risiko dat it pân op it rapportearre adres yllegaal ferhierd wurdt. It algoritme brûkt gegevens fan ûnrjochtmjittige fakânsjeferhier fan 'e ôfrûne fiif jier. Dit omfettet meldingen, gegevens dy't troch de gemeente sammele binne tidens it wurkproses, persoanlike gegevens (Bank Persoanlike Registraasje) en gegevens oer gebouwen (Bank Persoanlike Registraasje).

Afwagings

Fjild net ynfierd.

Minskele tuskenkomst

Der is gjin automatisearre beslútfoarming. As wy in adres ûndersykje foar fertochte yllegale fakânsjeferhier, is dit basearre op in rapport fan bygelyks in lokale ynwenner of in ferhierplatfoarm. It algoritme helpt meiwurkers fan Tafersjoch & Hanthavening te bepalen hokker rapporten it heechste risiko hawwe op yllegale ferhier, sadat dy rapporten earst ûndersocht wurde kinne. De meiwurker krijt in oersjoch te sjen mei de kritearia dy't it algoritme brûkt om it risiko op yllegale fakânsjeferhier as heech of leech te beoardieljen. Dit jout ynsjoch yn 'e risikobeoardieling fan it algoritme. Oft yllegale fakânsjeferhier eins besteane, wurdt bepaald troch de ferantwurdlike tafersjochhâldende autoriteit en de projekthanthaveningsamtner. Hjirfoar wurdt in foar- en fjildûndersyk útfierd. De saak wurdt dan yngeand besprutsen yn in debriefing mei de meiwurkers dy't dan de beslissing nimme kinne. It algoritme hat in wichtige ynfloed op 'e folchoarder wêryn't wy rapporten behannelje, mar it beslút net selsstannich oft der yllegale fakânsjeferhier bestiet of net. Om te foarkommen dat meiwurkers tefolle fertrouwen yn it algoritme hawwe, is immen oansteld om it en de wurking derfan te kontrolearjen. Derneist binne wurkynstruksjes ûntwikkele foar de meiwurkers dy't mei dizze ark wurkje sille. Meiwurkers sille ek in workshop bywenje oer de kânsen en risiko's fan it brûken fan algoritmen.

Risikobehear

It systeem hat fansels gefolgen foar potinsjele oertreders. In melding kin mear of minder prioriteit krije as sûnder it algoritme. Wy hawwe ferskate maatregels ymplementearre om te soargjen dat alle risikobeoardielingen troch it algoritme net basearre binne op tafal. Ien wichtige maatregel is dat wy dit algoritme yngeand en kontinu evaluearje yn in pilotfaze, bygelyks op betrouberens, foardat wy it yn ús operaasjes ymplementearje.

Taljochting op impacttoetsen

Fraudeskema mei fakânsjeferhier: https://open.amsterdam/woo-zoeken/detail/34945e09-3564-4492-9850-af5cc0790811

Wurking

Gegevens

Identiteits- en wengegevens (BRP) In beheinde set gegevens út 'e Gemeentlike Basis Persoanlike Registers (BRP) oer de identiteit en wensituaasje fan 'e bewenners, nammentlik: namme fan 'e registrearre bewenners; bertedatum; datum fan fertrek út Amsterdam; datum fan fertrek fan adres; datum fan fêstiging fan adres; datum fan ferstjerren. Gegevens oer gebouwen (BAG) In beheinde set gegevens út 'e Gemeentlike Basis Persoanlike Registers (BAG) oer it gebou, nammentlik: adres, strjitkoade, postkoade; ID-adres; beskriuwing fan it gebou; Amsterdamse BAG-koade, nasjonale BAG-koade; type wenning (hier, sosjale hierwenten / partikuliere sektor, eigener-bewenne); adressearber BAG ID-nûmer fan keamers; ferdjippingsoerflak; ferdjippingsnivo fan 'e foardoar fan it appartemint; oantal ferdjippings; beskriuwing fan 'e ferdjipping fan 'e wenning. Gegevens út in gefal fan yllegale fakânsjeferhier Gegevens út 'e melding en elke relatearre gefal fan yllegale fakânsjeferhier, nammentlik: saak-ID; datum fan begjin ûndersyk / melding; stadium fan ôfhanneling fan 'e melding; stadiumnûmer, beskriuwing en ID; (meldings)koade; oertredingskoade; koade fan (ôfhanneljende) meiwurker; anonime melder/net; Datum fan melding; situaasjebeskriuwing; ûndersyksresultaten; brûker dy't it rapport oanmakke hat (mei datum) of oanpast hat (mei datum fan wiziging); behannelingkoade (saaktype, teamtaakstelling); resultaat; datum dat de saak sletten is; reden wêrom't de saak sletten is.

Technyske wurking

Modelarsjitektuer: De gemeente Amsterdam hat in algoritme ûntwikkele dat korrelaasjes en patroanen fine kin yn in grutte hoemannichte ynformaasje oer yllegale fakânsjeferhier. It algoritme berekkent hokker ynformaasje wierskynliker assosjeare wurdt mei yllegale fakânsjeferhier en hokker net. It algoritme docht dit troch wiskundige berekkeningen út te fieren basearre op it kânsbeamprinsipe. Dit betsjut dat it algoritme in gemiddelde nimt basearre op in grut oantal kânsberekkeningen. Dit gemiddelde wurdt brûkt om de wiskundige foarsizzing fan yllegale fakânsjeferhier op in adres te generearjen. It algoritme berekkent dizze foarsizzing allinich as wy in nij rapport ûntfange (bygelyks fan in ynwenner of in ferhierplatfoarm) fan mooglike yllegale fakânsjeferhier. Dit algoritme wurdt in random forest regression-algoritme neamd. Om de oerwagings fan it algoritme transparant te meitsjen foar minsken, tapasse wy de "SHAP"-metodyk (SHapley Additive exPlanations; https://github.com/slundberg/shap). Foar elk yndividueel gefal berekkent SHAP hokker yndikatoaren bydroegen hawwe oan dy foarsizzing en oft dit resultearre yn in hegere of legere foarsizzing. Op dizze manier kin in meiwurker altyd sjen wêr't it algoritme syn risikobeoardieling op basearre hat en in goed oerwage beslút nimme. Prestaasjes It foardiel fan willekeurige boskregresje is dat it in frij kompleks algoritme is dat de werklikheid nau benaderje kin. D'r is lykwols in risiko fan overfitting. In beam mei in protte lagen komprimearret de gegevens om spesifike antwurden te jaan. Undersyk is útfierd om te bepalen hoefolle lagen it model nedich hat om generyk fan tapassing te bliuwen en sa overfitting te foarkommen. Fierder wurde gegevenspunten kontinu kategorisearre (groepearre), sadat it model in behearsber oantal mooglikheden hat ynstee fan in ûneinich oantal trochgeande wearden. Hjirmei kin it model better ta in konklúzje komme.