Meldingen openbare ruimte

Gemeente Den Haag

Het algoritme van het meldingensysteem herkent woorden in meldingen, zoals ‘afval’ of ‘stoep’, en bepaalt automatisch de juiste categorie en afdeling. Hierdoor hoeven melders geen categorie meer te kiezen, en worden meldingen sneller bij de juiste afdeling afgehandeld.

Laatst gewijzigd op 7 januari 2025 om 13:02 | Publicatiestandaard 1.0

• Publicatiecategorie: Overige algoritmes
• Impacttoetsen: DPIA
• Status: In gebruik

Algemene informatie

Thema

• Openbare orde en veiligheid
• Ruimte en infrastructuur

Begindatum

Okt-23

Contactgegevens

datashop@denhaag

Link naar publiekspagina

https://denhaag.dataplatform.nl/#/data/1ffa4758-d143-4d78-b510-a713ab8365df

Verantwoord gebruik

Doel en impact

Het doel van het algoritme in Signalen is dat meldingen (die gedaan worden bij de gemeente) direct in de juiste categorie worden geregistreerd. De lijst met categorien waar een melding over gedaan kan worden bij de gemeente is uitgebereid en niet overzichtelijk voor melders van buiten de organisatie. Het algoritme schat op basis van de meldtekst in wat de correcte catagorie is van de melding. Hierdoor hoeft er geen menselijke handeling meer worden gedaan om meldingen bij de juiste afhandelteams te krijgen.

Afwegingen

Aan het gebruik van dit algoritme zitten weinig risico's en het heeft toegevoegde waarde voor de burger en medewerkers die meldingen afhandelen. Dit algoritme is technisch overgenomen van gemeente Amsterdam. Onze ontwikkelingen doen we graag via het community-principe waar we samenwerking met andere gemeentes verkiezen boven zelfbouw. Gekozen is voor common ground, de architectuur voor samenwerking. 

Menselijke tussenkomst

Als het algoritme op basis van de door de melder geschreven tekst geen passende categorie kan vinden, wordt de melding op de categorie "overig" gezet door het algoritme. Vervolgens vindt een menselijke beoordeling plaats en wordt de melding alsnog ingedeeld in een passende categorie.

Risicobeheer

Er zitten weinig risico’s aan dit algoritme. De dataset waarmee de het algoritme wordt getraind is op basis van meldingenomschrijvingen die in het verleden gemaakt zijn door melders. Melders kunnen in deze tekst alle informatie schrijven die ze willen en daar zouden persoonsgegevens in kunnen zitten.

Wettelijke basis

• Gemeentewet
• Algemeen plaatselijke verordening
• Drank- en Horecawet
• Wegenwet
• Wet geluidhinder
• Wet bodembescherming
• Wet milieubeheer
• Woningwet
• Wet Ruimtelijke Ordening
• Natuurbeschermingswet
• Flora- en faunawet
• Warenwetbesluit Attractie- en speeltoestellen

Impacttoetsen

Data Protection Impact Assessment (DPIA)

Werking

Gegevens

Training is op basis van de tekst van oude meldingen over de stad, zonder contactgegevens. Voor iedere nieuwe training wordt de dataset uitgebreid met de "laatste" set meldteksten met daaraan de juiste categorien gekoppeld.

Technische werking

De tekst van de melding wordt opgedeeld in losse woorden. Van elk woord uit een melding wordt geanalyseerd hoe uniek het is voor die melding, afgezet tegen de de totale collectie woorden (‘TF-IDF’ of ‘term frequency-inverse document frequency’). Een woord als ‘de’ of ‘bedankt’ krijgt daardoor een laag gewicht en een woord als ‘vuilnis’ krijgt een hoger gewicht.

Van die combinatie van woorden wordt vervolgens met logistische regressie (een machine-learning-techniek) bepaald bij welke categorie de melding hoort en daarmee bij welke afdeling binnen de gemeente de melding het meest waarschijnlijk past.

Leverancier

Open Source

Link naar broncode

https://github.com/maartensukel/example-textual-classification-citizen-reports