Data gedreven sturing & Veiligheid

Presentatie over: "Data gedreven sturing & Veiligheid"— Transcript van de presentatie:

1 Data gedreven sturing & Veiligheid
Geerte van Rije Afdeling Onderzoek / Veiligheid Gemeente Utrecht

2 Flexteam toezichthouders hotspots
Hotspot monitor Data incidenten > politie Geografische kaart & dashboard & trends Gebruikers Flexteam VTH - THOR > elke 2 weken hotspot bepalen Resultaat: Aantal delicten neemt af, tot 2 weken na inzet Wijkveiligheidsmanagers

3 Stippenkaart

4 Interactief dashboard

5 Delicten in de tijd

6 Woninginbraakmonitor
Data Woninginbraakmonitor > politie Vastgoedgegevens > BAG PKVW > Centrum voor Criminaliteitspreventie & Veiligheid (CCV) Gebruikers Dossierhouders Woninginbraak VLG > beleid VTH - THOR > voorlichting burgers Corporaties > input renovatieplannen

7 Woninginbraak stippenkaart

8 Woninginbraak dashboard

9 Voorspellen risico woninginbraak
Data Basisregistratie Adressen en Gebouwen (BAG) > IV - GEO Basisregistratie Personen (BRP, voorheen GBA) > PBZ Locaties lantarenpalen & groen > SW Aanwezigheid kliko’s > SW Drank & horeca vergunningen > VTH Bewonersmeldingen openbare orde > BMU Afstand tot op- en afritten snelweg > M&M > komt nog Neerslag per buurt per uur > SW > komt nog Mutatiegraad > komt nog Woninginbraakmonitor (1,5 jaar terug) > Politie WAAKS-meldingen > Politie > komt nog PKVW uitgiftes ( ) > CCV Weersomstandigheden ( ) per dag, per uur > KNMI Evenementenkalender, vakanties Voorspellende analyses: Hoeveel inbraken zijn er te verwachten in verschillende buurten op basis van veranderende omstandigheden (inbraken in de buurt, weer, evenementen) & kenmerken (woning, buurt) Kenmerken bewoner Welke bewonersgroepen lopen meeste risico? Kenmerken woning Welk type woning loopt meeste risico? Kenmerken buurt Welke buurten lopen meeste risico? Omstandigheden Onder welke omstandigheden meeste risico? Analyses in externe proeftuinomgeving SURFsara

10 Voorspellende analyses