Door Rien Fraanje, secretaris-directeur Raad voor het Openbaar Bestuur (ROB)

Het decentraal bestuur heeft sinds het begin van deze eeuw flink aan belang gewonnen. Het Rijk heeft in verschillende etappes tal van taken gedecentraliseerd naar provincies en vooral gemeenten. Komende jaren komen nieuwe opgaven op provincies en gemeenten af, dit keer vooral in het fysieke domein. De doelen en voornemens die voortkomen uit het Klimaatakkoord zullen eveneens voor wat betreft de implementatie op het bord van gemeenten en provincies komen te liggen. In zijn Signalement ‘Kennis delen’ concludeert de Raad voor het Openbaar Bestuur dat met de decentralisatie van taken de urgentie om kennis te delen is toegenomen. Wisselwerking en wederkerigheid zijn daarbij de sleutelwoorden. De nationale kennisinstellingen beschikken over kennis die voor decentrale overheden van groot belang is en andersom is in de regio’s belangwekkende informatie beschikbaar is die de nationale kennisinstellingen en in het verlengde daarvan de Haagse beleidsmaker en beslissers heel goed kunnen gebruiken. In deze Workshop bespreken we wat nodig is om kennis te delen. Welke obstakels zijn er (nog)? Hoe kunnen we elkaar helpen?

Rien Fraanje zal het Signalement Kennis delen onder de aandacht brengen.

Door Marieke Jonker-Verkaart, ruimtelijke adviseur wonen en Maarten van Son, bestandsanalist/beleidsonderzoeker

Om de problemen op de Utrechtse woningmarkt te lijf te gaan, werkt de gemeente Utrecht intensief samen met woningcorporaties en marktpartijen. In het Stadsakkoord Wonen, dat onder deze samenwerking ligt, zijn afspraken gemaakt over onder meer een langdurig hoge woningbouwproductie, een inhaalslag op het middensegment, een betere doorstroming, het op peil brengen van de sociale voorraad, en over meer gemengde wijken. Actuele data op zo laag mogelijk schaalniveau is cruciaal om te sturen op deze ambities. In nauwe samenwerking tussen onderzoekers, beleidsadviseurs en partners uit het Stadsakkoord is een Monitor Wonen ontwikkeld. In deze monitor zijn verschillende databestanden met elkaar gecombineerd, waarmee een actueel en gedetailleerd beeld is ontstaan van de woningvoorraad, woningproductie en woonsituatie van Utrechtse huishoudens. De resultaten zijn opgenomen in een dashboard. De ontwikkeling van een Monitor Wonen, maar ook de nauwe samenwerking tussen onderzoekers en beleidsadviseurs, heeft geleid tot nieuwe ervaringen en inzichten die we tijdens deze workshop graag willen delen.

Hoe kunstmatige intelligentie de stad schoner kan maken tegen lagere kosten.

Door Dick Joosten en Ling-Po Shih, data scientists bij gemeente Utrecht

Over de afgelopen 3 jaar heeft de gemeente Utrecht in een proefgebied 3 veegwagens uitgerust met registratieapparatuur om een beeld te krijgen van de effectiviteit van de huidige routes. Met de gegevens die hiermee verzameld zijn, is gekeken waar, wanneer en hoe lang er in het gebied geveegd is. Op basis hiervan is een eerste optimalisatie uitgevoerd om de verhouding veegtijd/rijtijd te verbeteren (routeoptimalisatie) .

In de vervolgstap wordt gekeken naar de frequentie dat op een plek wordt geveegd en de tijd die hieraan dan wordt besteed (de intensiteit). Op basis van de aanname dat een hogere intensiteit wijst op een sterkere vervuiling, wordt op plaatsen met een hoge intensiteit de bezoekfrequentie verhoogd en op plaatsen met een lage intensiteit de frequentie verlaagd.

De aanname dat een hoge veegintensiteit wijst op sterke vervuiling is waarschijnlijk onvolledig. Andere factoren zoals obstakels , verkeer en begroeiing kunnen invloed hebben de veegtijd op een plek. Door een AI-model te trainen om verschillende componenten van straatvuil te herkennen op camerabeelden, willen we een dataset creëren om de werkelijke vervuiling te bepalen. Hiermee kunnen we de eerdere veegfrequenties corrigeren.

Uit de historische gegevens blijkt al dat er een hoge variatie is in de vervuiling. Met de data die het AI-model creëert, willen we onderzoeken welke factoren deze variatie beïnvloeden.  Met deze factoren kunnen we een voorspellend model ontwikkelen als basis voor een dynamische routeplanning.

Door Mariëlle den Hengst, researcher informed decision making en projectmanager Real-Time Intelligence Lab, Politie Den Haag

Informatiegestuurde politie (IGP) is de jongste strategie na ‘community policing’ en ‘problem oriented policing’ volgens welke de Nederlandse politie voor een groot deel al werkt. Er leven hoge verwachtingen rond informatiegestuurde politie. Ondanks de goede initiatieven die de afgelopen jaren door de politiekorpsen in gang zijn gezet, is er nog maar weinig breder bekend over hoe IGP daadwerkelijk werkt. Kom in deze workshop meer te weten hoe de politie informatiegestuurd werkt: Het is de vertaling van informatie, via intelligence naar operatie.

Door: Roelof Schellingerhout, Sociaal en Cultureel Planbureau; Ingrid Ooms, Sociaal en Cultureel Planbureau; Rob Gilsing, lector Jeugdhulp in Transformatie, Haagse Hogeschool; Kaspar Bams, afdeling Onderzoek & statistiek, gemeente Zoetermeer

Er zijn grote verschillen tussen wijken in het aandeel jongeren dat jeugdhulp zonder verblijf gebruikt. Hoe kan dat? Een landelijk model van het SCP laat zien in hoeverre dergelijke verschillen samenhangen met kenmerken van inwoners van die wijken, zoals armoede of het aandeel eenoudergezinnen. Vaak ligt het door het model verwachtte gebruik dicht bij het werkelijk gebruik, maar soms niet (zie Figuur). Wat zou nog meer een rol kunnen spelen? Verder kwalitatief en kwantitatief onderzoek op regionaal niveau kan helpen het antwoord te vinden. Het kennisnetwerk Jeugd Haaglanden voert op dit moment een dergelijk onderzoek uit, waarbij men met betrokkenen (zoals professionals) zoekt naar aanvullende verklaringen.

In de workshop laten we zien wat het model inhoudt, wat de noodzaak is van regionaal onderzoek en hoe gemeenten de inzichten toe kunnen passen: wat zou u hier aan hebben?

Verschilscore (werkelijk – verwacht) gebruik van jeugdhulp zonder verblijf 2017

Digitale kaarten: https://digitaal.scp.nl/jeugdhulp-in-de-wijk/