Een bijplaatsing is afval dat naast of rond een afvalcontainer wordt achtergelaten in plaats van erin. Denk aan vuilniszakken naast een ondergrondse container, dozen bij een papiercontainer of grofvuil op straat. Bijplaatsingen trekken meer afval aan, leiden tot klachten en zwerfafval, en kosten gemeenten geld om op te ruimen.
Waarom ontstaat een bijplaatsing?
Zelden uit onwil alleen. In de praktijk komen bijplaatsingen voort uit een combinatie van praktische drempels en gedrag:
- De container is vol of defect. Wie voor een volle container staat, neemt de zak zelden mee terug naar huis.
- Het past er niet in. Verhuisdozen, een matras of een kapotte stoel passen simpelweg niet door de inwerpopening.
- De drempel is te hoog. Een pas die niet werkt, een storing of een onduidelijke openingstijd leidt tot afval ernaast.
- Er ligt al iets. Dit is de belangrijkste factor, en tegelijk de meest onderschatte.
Waarom versterken bijplaatsingen zichzelf?
Een lege containerlocatie nodigt niet uit om iets neer te zetten. Een locatie waar al twee zakken staan, doet dat wel. Het bekende broken windows-effect is op containerlocaties goed zichtbaar: de eerste bijplaatsing verlaagt de drempel voor de tweede, en na een dag of twee staat er een berg.
Dat verklaart waarom snelheid van opruimen vaak meer effect heeft dan handhaving achteraf. En het verklaart ook waarom gemiddelden misleidend zijn: het probleem concentreert zich op een beperkt aantal locaties die keer op keer terugkomen. Zonder locatiegebonden cijfers ziet u die concentratie niet.
Waarom zijn bijplaatsingen zo slecht meetbaar?
Bijplaatsingen zijn zichtbaar, maar worden zelden consistent geregistreerd. Meldingen van inwoners zeggen vooral iets over meldingsbereidheid, niet over de werkelijke omvang: een drukke winkelstraat genereert meldingen, een rustige achterstandsbuurt vaak niet. Handmatige inspecties leveren momentopnames op, met verschillen tussen inspecteurs in wat telt als bijplaatsing.
Het gevolg is dat de meest gestelde vragen onbeantwoord blijven: neemt het toe of af, werkt die extra lediging, en welke tien locaties veroorzaken het grootste deel van de kosten?
Wat kunt u wél meten?
Zodra elke bijplaatsing automatisch wordt herkend en aan een locatie en tijdstip wordt gekoppeld, worden vier dingen zichtbaar:
- Hotspots — welke containerlocaties structureel terugkomen, in plaats van welke het vaakst gemeld worden.
- Samenstelling — of het om huisvuilzakken, karton of grofvuil gaat. WasteNix classificeert in 25 afvalcategorieën, wat iets zegt over de oorzaak en dus over de oplossing.
- Patronen in de tijd — pieken rond weekenden, feestdagen of verhuisseizoenen.
- Effect van interventies — of een extra lediging, een andere container of een campagne daadwerkelijk verschil maakt op díe locatie.
Dat laatste is voor veel gemeenten de kern. Niet omdat het interessant is om te weten, maar omdat een budgetaanvraag of een collegevraag anders op onderbuikgevoel rust.
Hoe herkent WasteNix een bijplaatsing?
Foto's van containerlocaties worden automatisch geanalyseerd met computer vision. Het model detecteert het afval, classificeert het en telt het, waarna het resultaat naar dashboards en rapportages stroomt. Persoonsgegevens worden daarbij vóór opslag onherkenbaar gemaakt — hoe dat werkt, staat in het artikel over AVG-proof beeldherkenning.
Detecties worden niet blind overgenomen: medewerkers controleren steekproefsgewijs en corrigeren waar nodig. De AI doet het voorwerk, de mens beslist.
Meer lezen
- De NVRD houdt een dossier bij over bijplaatsingen, met praktijkvoorbeelden uit Nederlandse gemeenten.
- VANG Huishoudelijk Afval publiceert cijfers en aanpakken rond huishoudelijk afval en afvalscheiding.
- De Rijksoverheid beschrijft het landelijke beleidskader voor afval en circulaire economie.
Benieuwd wat dit voor uw containerlocaties oplevert?
Plan een kennismaking