Meldingen openbare ruimte

Gemeente Heemskerk

Iedereen kan bij de gemeente via de Fixi app of website een melding maken over de openbare ruimte (bijv. over afval, een defecte lantaarn of wateroverlast). Ook een gevaarlijke verkeerssituatie of overlast kan gemeld worden. Fixi is het meldingensysteem van de gemeente om meldingen in de openbare ruimte op te lossen.

Laatst gewijzigd op 11 februari 2026 om 10:18 | Publicatiestandaard 1.0

• Publicatiecategorie: Overige algoritmes
• Impacttoetsen: Veld niet ingevuld.
• Status: In gebruik

Algemene informatie

Thema

Organisatie en bedrijfsvoering

Begindatum

09-2029

Contactgegevens

[e-mail]

Link naar publiekspagina

https://www.heemskerk.nl/privacy

Verantwoord gebruik

Doel en impact

Als er op straat of in een park iets gemaakt of opgeruimd moet worden, dan kan dat bij de gemeente worden gemeld via de Fixi app, het meldingensysteem van de gemeente Heemskerk. De melder omschrijft zijn melding, het algoritme(1) herkent woorden uit de omschrijving en geeft daarmee een suggestie voor de hoofdcategorie van de melding. De melder bepaalt uiteindelijk zelf welke hoofdcategorie bij de melding het beste past (bijvoorbeeld ‘overlast en handhaving’ of ‘straatmeubilair’). Aan elke hoofdcategorie zit een vakgroep gekoppeld, zodat de melding bij het juiste behandelteam van de gemeente terecht komt. Aan elke (sub-)categorie is een vooraf bepaalde afhandeltermijn gekoppeld. Afhankelijk van de keuze van de melder, is de melding te zien op de openbare kaart en daarmee zichtbaar voor andere inwoners (met uitzondering van overlast- en afvalmeldingen, die zijn altijd onzichtbaar). Het algoritme(2) herkent persoonsgegevens in de omschrijving en persoonskenmerken (kentekens, gezichten) op foto's en maakt deze onleesbaar.

Afwegingen

Voorheen moesten melders zelf kiezen bij welke categorie hun melding het beste paste (bijvoorbeeld ‘overlast’ of ‘straatmeubilair’), zodat de melding bij de juiste vakgroep van de gemeente terecht kwam. Maar de gemeente is een complexe organisatie en de lijst met hoofdcategorieën is lang. Daardoor koos men niet altijd de juiste hoofdcategorie. Dat zorgde soms voor vertraging in de afhandeling van meldingen. Daarom gebruiken we nu een algoritme(1) dat woorden herkent, bijvoorbeeld ‘afval’ en ‘stoep’. Op basis daarvan wordt een suggestie gegeven voor welke hoofdcategorie het beste bij de melding past. De melder blijft wel de regie houden, en kan alsnog een andere hoofdcategorie kiezen als diegene het niet eens is met de suggestie voor de hoofdcategorie. Het gebruik van het algoritme in Fixi maakt het verwerken van meldingen over de openbare ruimte sneller, nauwkeuriger en overzichtelijker. Meldingen worden automatisch herkend en ingedeeld, waardoor de juiste vakgroep sneller aan de slag kan. Hierdoor kan de gemeente efficiënter werken en worden meldingen beter opgevolgd. Andere manieren van verwerken, zoals volledig handmatig categoriseren van meldingen, zouden meer tijd en capaciteit kosten en leiden tot langere doorlooptijden. De inzet van dit algoritme wordt daarom als redelijk en verantwoord beschouwd.

Om te voorkomen dat eventuele persoonsgegevens in de omschrijving of op de foto's zichtbaar zijn voor andere inwoners wordt een algoritme(2) ingezet voor het blurren van elementen op foto's en het onleesbaar maken van gegevens. Andere manieren van verwerken, zoals handmatig alle foto's en teksten nalopen, zouden meer tijd en capaciteit kosten, met daarbij het risico dat meldingen die buiten werktijd gemaakt worden, pas de volgende werkdag worden beoordeeld en aangepast. De inzet van dit algoritme wordt daarom als redelijk en verantwoord beschouwd.

Menselijke tussenkomst

Elke melding wordt intern nog bekeken en beoordeeld door de behandelaar bij het in behandeling nemen van de melding. Meldingen die in de verkeerde hoofdcategorie binnen zijn gekomen, worden handmatig omgezet door de hoofdcategorie aan te passen, zodat ze bij de juiste vakgroep terecht komen.

Risicobeheer

Er zitten weinig risico’s aan het algoritme (1). Het algoritme heeft geen impact op de beslissing, maar geeft een suggestie voor de juiste categorie en zorgt daarmee dat gemakkelijker de juiste keuze gemaakt wordt. Zo is de melding sneller bij de juiste afdeling onder de aandacht . 

Het algoritme (2) heeft geen impact op een beslissing, maar is bedoeld om eventuele persoonsgegevens onherkenbaar te maken in de omschrijving en op foto's. De medewerkers van de gemeente zien de oorspronkelijke foto's en data. De inwoners zien de gecensureerde foto's en tekst, wanneer de melding is gedeeld op de openbare kaart. Het kan zijn dat het algoritme een persoonsgegeven niet goed herkend, hier zal per situatie op gehandeld worden door de behandelaar.

Werking

Gegevens

Het algoritme in de Fixi‑app verwerkt gegevens over meldingen in de openbare ruimte. Deze gegevens gaan vooral over het type melding (zoals kapotte verlichting of zwerfafval), de locatie en het moment waarop de melding is gedaan. De informatie wordt gebruikt om meldingen automatisch te categoriseren en door te sturen naar de juiste afdeling of medewerker. 

Daarnaast kan de indiener ervoor kiezen om ook persoonsgegevens op te geven, zoals naam, adres (niet verplicht), telefoonnummer en/of e-mailadres. Deze gegevens worden alleen gebruikt om eventueel contact op te nemen over de melding. 

De indiener bepaalt zelf of deze persoonsgegevens worden meegestuurd: ook zonder het delen van deze gegevens kan een melding worden gedaan. Zodra een melding is ingediend, worden alle persoonsgegevens automatisch geanonimiseerd op de openbare kaart. 

Technische werking

Algoritme (1)

Er wordt gebruik gemaakt van de Azure Language Studio Service (Multi class classification) voor het trainen en voorspellen van meldingen. Bij de implementatie van de module ‘Automatisch categoriseren van meldingen’ wordt er een dataset van 250 omschrijvingen geïmporteerd. Deze omschrijvingen worden gelinkt met de categorieën. Iedere maand worden de omschrijvingen en categorieën van afgehandelde meldingen toegevoegd aan de training set, zodat de categorie steeds beter voorspeld wordt. 

Algoritme (2) 

Nummerplaatherkenning wordt uitgevoerd met een ALPR-module die de randdetectietechnieken van OpenCV combineert met de LSTM-gebaseerde OCR-engine van Pytesseract voor nauwkeurige tekenextractie. Gezichtsdetectie wordt uitgevoerd met de RetinaFace library, die een deep learning-gebaseerd single-shot detectiealgoritme gebruikt dat geoptimaliseerd is voor het lokaliseren van gezichtskenmerken. Voor tekstdetectie gebruiken we EasyOCR, dat gebruikmaakt van het CRAFT-algoritme voor het identificeren van tekstregio's en CRNN voor het herkennen van de tekstinhoud. Om de privacy te waarborgen, worden gevoelige gebieden zoals gezichten, nummerplaten en specifieke tekstelementen onscherp gemaakt: 

Gaussiaanse convolutie voor het gladstrijken van afbeeldingen,

Kleurruimte transformaties voor preprocessing,

En bitmap rendering voor annotaties zoals rechthoeken en labels.

Voor het maskeren van tekst gebruiken we een NER-module (Named Entity Recognition) met het BERT-algoritme, dat contextueel begrip biedt voor het identificeren van gevoelige tekstuele entiteiten. Deze entiteiten worden vervolgens gemaskeerd met behulp van algoritmen voor het matchen van patronen op basis van reguliere expressies.

Leverancier

Decos