Zaanstad en Parteon onderzoeken of op basis van big data analyse beter voorspeld kan worden welke panden en gebieden funderingsaanpak behoeven.
Het verzakken van funderingen en woningen is een serieus probleem in Zaanstad. Een aanzienlijk deel van de 70.000 panden is gebouwd op houten palen in zachte ondergrond. Het gebruikte hout is kwetsbaar voor bacteriële aantasting. Met onderzoek naar de kwaliteit van de woningen is jaarlijks veel geld gemoeid. De inspectie van de palen geschiedt tot nu toe vooral fysiek, verzakkingen worden door middel van meetbouten handmatig gemeten of door visuele inspectie geregistreerd.
Over woningen en hun ondergrond zijn inmiddels heel veel verschillende gegevens beschikbaar. Bij de gemeente maar ook bij woningcorporaties zoals Parteon. Zij besloten de volgende vraag neer te leggen bij een big data specialist: “ is op grond van het bouwjaar, de locatie, de stand van het grondwater, de algehele staat van het onderhoud en de zakkingssnelheid een voorspellend model op te stellen voor de kwaliteit van de funderingen van woningen en andere panden?”
Met een enorme dataverzameling, deels afkomstig van partijen als KNMI en Kadaster, heeft Berenschot Intellerts een pilot uitgevoerd om te kijken of zo’n model op te stellen was. Tevens wordt gebruik gemaakt van meetdata van satellieten om de verzakking te monitoren en het voorspellend model te verrijken. Met dit model zou dan op grond van een groot aantal variabelen een voorspelling gedaan kunnen worden over de waarschijnlijkheid dat een pand funderingsproblemen heeft. En daarbij op welke termijn er maatregelen genomen dienen te worden, ook al zijn er nog geen enkele gegevens over de fundering zelf beschikbaar. Daarmee komt ook een nader beeld welke buurten en gebieden het meest dringend aandacht behoeven.
Het model dat tot stand is gebracht, wordt nog doorontwikkeld, maar de eerste resultaten zijn positief. Het waarheidsgehalte van het model blijkt groot en bovendien lijkt het model ook verdiepende informatie te kunnen geven ten aanzien van een aantal risicoklassen; van laag met advies tot monitoring tot hoog waarbij ‘ingrijpen vereist’.”