Hanthavenjen fan yllegale fakânsjeferhier

Gemeente Amsterdam

Yn Amsterdam is der beheind wenromte, sawol foar Amsterdammers as besikers. It ferhieren fan in wenning of wenboat oan toeristen moat oan bepaalde betingsten foldwaan.

Lêst feroare op 26 novimber 2024 om 16:03 | Publikaasjestandaard 1.0

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

Algemene ynformaasje

Tema

• Ekonomy
• Romte en ynfrastruktuer

Begjindatum

Fjild net ynfierd.

Kontaktgegevens

[e-mail]

Ferantwurde gebrûk

Doel en impact

It is bygelyks tastien foar maksimaal 30 nachten yn it jier en foar 4 persoanen tagelyk. It moat oanjefte dien wurde by de gemeente. Net elkenien hâldt him oan dy betingsten. De gemeente krijt wolris meldingen fan omwenners dy't it fermoeden hawwe dat in wenning ferkeard ferhierd is. Meiwurkers fan Tafersjoch & Hanthavening ûndersykje dat. It algoritme helpt om rapporten te prioritearjen sadat de beheinde hanthaveningskapasiteit effisjint en effektyf brûkt wurde kin. Troch it analysearjen fan gegevens skatte it algoritme it risiko dat it pân op it rapportearre adres yllegaal ferhierd wurdt. It algoritme brûkt gegevens fan yllegale fakânsjeferhier fan 'e ôfrûne 5 jier. It giet om notifikaasjes, gegevens dy't de gemeente yn it wurkproses sammele hat, persoansgegevens (Basisregistraasje Personen) en gegevens oer gebouwen (Basisregistraasje Adressen en Gebouwen).

Afwagings

Fjild net ynfierd.

Minskele tuskenkomst

Der is gjin automatisearre beslútfoarming. As wy in adres ûndersykje foar fertochte yllegale fakânsjeferhier, is dat it gefolch fan in melding fan bygelyks in pleatslike ynwenner of in hierplatfoarm. It algoritme helpt tafersjoch- en hanthaveningsmeiwurkers om te bepalen hokker meldingen it grutste risiko hawwe op yllegale ferhier, sadat dy meldingen earst ûndersocht wurde kinne. De meiwurker krijt in oersjoch te sjen dat de kritearia sjen lit wêrop't it algoritme it risiko fan yllegale fakânsjeferhier heech of leech ynskattet. Op dizze manier jouwe wy ynsjoch yn wêr't it algoritme har risikobeoardieling op basearre hat. Oft der eins yllegale fakânsjeferhier is, wurdt bepaald troch de ferantwurdlike tafersjochhâlder en de projekthanthavender. Dêrfoar wurdt in foar- en fjildûndersyk dien. It dossier wurdt dan yntinsyf besprutsen yn in debriefing mei de meiwurkers dy't besluten nimme kinne. It algoritme hat in wichtige ynfloed op de folchoarder wêryn't wy omgean meldingen, mar makket net selsstannich besluten oer it al of net yllegale fakânsjeferhier. Om foar te kommen dat meiwurkers tefolle betrouwen hawwe yn it algoritme, is der ien beneamd om it algoritme en de wurking te kontrolearjen. Dêrnjonken binne wurkynstruksjes opsteld foar de meiwurkers dy't mei dit ynstrumint wurkje. De meiwurkers folgje ek in workshop oer de kânsen en risiko's fan it brûken fan algoritmen.

Risikobehear

It systeem hat fansels gefolgen foar de mooglike oertreder. In rapport kin mear of minder prioriteit krije as sûnder it algoritme. Wy hawwe ferskate maatregels nommen om te soargjen dat alle risikoskattingen fan it algoritme net troch kâns binne. In wichtige maatregel is dat wy dit algoritme yn in pilotfaze wiidweidich en kontinu evaluearje op betrouberens, bygelyks foardat it yn bedriuwsfiering ymplementearre wurdt.

Wurking

Gegevens

Identiteits- en húsfestingsgegevens (BRP) In beheinde set gegevens út de Persoanlike Records (BRP) oer de identiteit en wensituaasje fan de bewenners, nammentlik: namme fan de registrearre bewenners; bertedatum; departure date Amsterdam; fertrek datum adres; datum fan fêstiging adres; datum fan ferstjerren. Gegevens oer gebouwen (BAG) In beheinde set gegevens út it Basisregister fan Adressen en Gebouwen (BAG) oer it gebou, nammentlik: adres, strjitkoade, postkoade; id adres; beskriuwing fan eigendom; Amsterdam BAG koade, nasjonale BAG koade; type hûs (hier, sosjale ferhier / partikuliere sektor, oankeap); addressable BAG ID oantal keamers; ferdjipping romte; ferdjipping fan 'e foardoar fan it appartemint; oantal ferdjippings; beskriuwing floor residential foarwerp. Gegevens fan yllegale fakânsjeferhiersaak Gegevens út it rapport en alle relatearre yllegale fakânsjeferhiersaak, nammentlik: saak ID; datum fan begjin fan ûndersyk / rapport; faze fan it ferwurkjen fan it rapport; stadia nûmer, beskriuwing en ID; (rapportaazje) koade; koade oertreding; (ôfhanneljen) wurknimmer koade; ja/nee anonime ferslachjouwer; datum fan notifikaasje; situaasje sketch; ûndersyk befinings; brûker dy't makke (mei datum) of wizige (mei datum oanpassing) notifikaasje; behanneling koade (type gefal, ferdieling yn team); resultaat; datum doe't saak waard sletten; reden wêrom't saak waard sletten.

Technyske wurking

Arsjitektuer fan it model De Gemeente Amsterdam hat in algoritme ûntwikkele dat ferbinings en patroanen fine kin yn in soad ynformaasje oer yllegale fakânsjeferhier. It algoritme berekkent hokker ynformaasje faker keppele wurde kin oan yllegale fakânsjeferhier en hokker ynformaasje net. It algoritme docht dit troch it útfieren fan wiskundige berekkeningen neffens it probabiliteitsbeamprinsipe. Dit betsjut dat it algoritme in gemiddelde nimt op basis fan in grut oantal kânsberekkeningen. Dit gemiddelde wurdt brûkt om de wiskundige ferwachting fan yllegale fakânsjeferhier op in adres te generearjen. It algoritme berekkent dizze ferwachting pas as wy in nij rapport krije (bygelyks fan in pleatslike ynwenner of ferhierplatfoarm) fan mooglike yllegale fakânsjeferhier. Dit algoritme wurdt in 'random forest regression algorithm' neamd. Om de oerwagings makke troch it algoritme dúdlik te meitsjen foar minsken, tapasse wy de "SHAP" -metoade (SHapley Additive exPlanations; https://github.com/slundberg/shap). SHAP berekkent foar elk yndividueel gefal hokker yndikatoaren bydroegen hawwe oan dy foarsizzing en oft dêrtroch de foarsizzing heger of leger wie. Op dizze manier kin in meiwurker altyd sjen wêr't it algoritme de risiko-beoardieling op basearre hat en in goed oerwage beslút nimme. Prestaasje It foardiel fan in 'willekeurige boskregression' is dat it in frij kompleks algoritme is dat de realiteit goed benaderje kin. Mar der is in kâns op overfitting. In beam mei in protte lagen squeeze de gegevens om spesifike antwurden te leverjen. Der is ûndersocht hoefolle lagen it model nedich hat om generyk te bliuwen en dus net te oerfit. Dêrneist wurde trochgeande gegevenspunten kategorisearre (groepearre), sadat it model in dúdlik oantal mooglikheden hat ynstee fan in ûneinich oantal mei trochgeande wearden. Dit makket it model better yn steat om ta in konklúzje te kommen.