Datagedreven werken in de praktijk: Dordrecht, Roeselare (BE) en Eindhoven
Datagedreven werken heeft een hoop voordelen, maar waar zit de winst voor uw gemeente? En, waar moet u op letten als u hiermee gaat starten? In deze nieuwsbrief bieden we u een drietal voorbeelden met concrete lessen uit de praktijk.
Binnen het vakgebied datagedreven werken zijn we in de wereld gedoken van Artificial Intelligence (AI), wij zien AI namelijk als technologische ontwikkeling om effectief datagedreven te werken. Zoals John McCarthy(1995) mooi beschreef ‘‘ The goal of AI is to develop machines that behave as though they were intelligent’’.
Native heeft door middel van interviews drie AI praktijkvoorbeelden uitgediept.
|
|
Gemeente Dordrecht |
Stad Roeselare (BE) |
Gemeente Eindhoven |
|
Casus |
Inwoners kunnen hun Melding Openbare Ruimte (MOR) doen o.b.v. een foto |
Bpost zorgt voor een correcte en actuele inventaris van de verkeersborden en maakt semi real-time meldingen van verkeersborden die onderhoud vereisen. |
In uitgaansgebied Stratumseind signaleren geluidscamera’s geweldsincidenten |
|
Wat doet AI? |
MOR interpreteren en categoriseren |
Verkeersborden herkennen, inventaris bijhouden en noodzakelijk onderhoud melden op basis van de gemaakte beelden. |
Vechtpartijen signaleren en melden |
|
Probleem |
20% fout gecategoriseerde meldingen bij keuze door inwoners |
Geen real-time zicht op de snel wijzigende situatie van de verkeersborden. |
Politie te laat ter plaatse, waardoor vechtpartij niet wordt aangetroffen |
|
Doel |
Verbetering dienstverlening openbare ruimte |
Verbetering verkeersveiligheid |
Verbetering openbare orde & veiligheid |
|
Data |
Foto’s van gebreken in de Nederlandse openbare ruimte |
Video-opnames van verkeersborden |
Geluidsopnames van uitgaansgebied |
|
Partners |
Clockworks, VNG Pilotstarter |
Bpost, Eura Nova |
DITSS, Sorama en VNotion |
|
Status |
Haalbaarheidsonderzoek positief afgerond, |
Prototype operationeel. Het algoritme wordt continue getraind om automatisch het onderhoud te herkennen. Meldingen vooralsnog semi-automatisch. |
Van pilot overgegaan naar project, maar algoritme moet nog verder worden ontwikkeld |
De volgende lessen kunnen hier uit getrokken worden.
-
Probleemstelling: In alle gevallen is er sprake van een maatschappelijk vraagstuk, maar begin klein en baken goed af. Het proces van MOR bleek alsnog veel variaties te omvatten. De specifieke focus op verkeersborden en vechtpartijen hielp in de ontwikkeling van het algoritme.
-
Partners: In alle voorbeelden is een technisch partner gezocht voor het ontwikkelen van het algoritme. In Roeselare bleek Bpost een logisch partner, aangezien zij op zoek waren naar nieuwe verdienmodellen om hun afnemende postmarkt te compenseren.
-
Fasering: Alle voorbeelden hebben een duidelijke projectstructuur en werken gefaseerd aan het verbeteren van hun prototype.
-
Privacy: belangrijk vanaf aanvang (privacy by design), maar niet per definitie een showstopper. In Dordrecht en Roeselare worden kentekens geblurd. Eindhoven richt zich op algehele intonatie, wat niet tot een individu kan worden herleid.
- Trainingsmateriaal: Om het algoritme te trainen is er veel data nodig. Dordrecht heeft een oproep gedaan om MOR-foto’s van andere gemeente te ontvangen. Roeselare had juist een overschot aan data, de camera nam zoveel beeldmateriaal op dat het niet binnen één nacht over te zetten was, iets waar ze nu slimme oplossingen voor hebben gevonden.
Wilt u zich verder oriënteren op data gedreven werken en AI? Native is bezig met het ontwikkelen van een handreiking die z.s.m. online komt. Of neem contact met ons op, wij helpen u graag verder!
Wij bedanken gemeente Dordrecht, Eindhoven en de stad Roeselare voor hun tijd en inzet.