Hoe we de slechtste parkeerplekken in New York vonden - met big data
-
0:01 - 0:04Bijna 10.000 kilometer wegen,
-
0:04 - 0:06zo'n 1000 kilometer metrolijnen,
-
0:06 - 0:08bijna 650 kilometer fietspaden
-
0:08 - 0:09en 800 meter tramspoor --
-
0:09 - 0:11die liggen op Roosevelt Island.
-
0:11 - 0:14Dat is de infrastructuur
van de stad New York in cijfers. -
0:14 - 0:16De statistieken van onze infrastructuur.
-
0:16 - 0:19Deze cijfers verschijnen
in rapporten van de lokale overheid. -
0:19 - 0:22Afdeling Transport
kan je bijvoorbeeld vertellen -
0:22 - 0:24hoeveel kilometer wegen ze onderhouden.
-
0:24 - 0:26Openbaar Vervoer pocht
met kilometers metrolijnen. -
0:26 - 0:29Afdelingen geven statistieken uit.
-
0:29 - 0:32Uit een rapport van vorig jaar
van de commissie voor taxiverkeer, -
0:32 - 0:37leren we dat er zo'n 13.500 taxi's
in New York rijden. -
0:37 - 0:38Dat is toch interessant?
-
0:38 - 0:41Maar waar komen
die cijfers vandaan? -
0:41 - 0:43Op zo'n gemeentelijke afdeling
-
0:43 - 0:47moet iemand bedacht hebben
welke cijfers ons interesseren. -
0:47 - 0:49Hier zit men op te wachten.
-
0:49 - 0:51Dus spitten ze in hun ruwe gegevens,
-
0:51 - 0:53tellen en calculeren
-
0:53 - 0:55en brengen hun rapporten uit,
-
0:55 - 0:57waar dit soort cijfers in staan.
-
0:57 - 0:59Maar hoe kennen ze al onze vragen?
-
0:59 - 1:01We zitten vol met vragen.
-
1:01 - 1:03We kunnen waarschijnlijk
-
1:03 - 1:05een eindeloos aantal
vragen stellen over onze stad. -
1:05 - 1:07Teveel voor die afdelingen.
-
1:07 - 1:12Het model werkt dus niet,
en de beleidsmakers zien dat ook in, -
1:12 - 1:16want burgemeester Bloomberg heeft in 2012
een wet ondertekend, die hij beschreef -
1:16 - 1:20als de meest ambitieuze en uitgebreide
'open data'-wetgeving in het land. -
1:20 - 1:21Op veel punten heeft hij gelijk.
-
1:21 - 1:24De afgelopen twee jaar
gaf de stad 1000 gegevenssets vrij -
1:24 - 1:26op het open data-portaal.
-
1:26 - 1:28Dat is fantastisch.
-
1:28 - 1:29Je kunt in die gegevens duiken
-
1:29 - 1:31en dan niet alleen de taxi's tellen,
-
1:31 - 1:33maar ook andere vragen stellen.
-
1:33 - 1:35Ik had dus een vraag.
-
1:35 - 1:36Wanneer is de spits in New York?
-
1:36 - 1:39Hoe laat begint de spits precies?
-
1:39 - 1:41Toen dacht ik: een taxi
is niet alleen een nummer, -
1:41 - 1:44maar ook een gps-recorder
die door onze straten rijdt -
1:44 - 1:46en elke rit vastlegt.
-
1:46 - 1:48Ik heb de gegevens ervan bekeken
-
1:48 - 1:52en een diagram van de gemiddelde snelheid
van taxi's in New York gemaakt. -
1:52 - 1:56Je ziet dan dat van middernacht
tot 5:18 uur 's ochtends -
1:56 - 2:00de snelheid toeneemt,
en dan afneemt. -
2:00 - 2:02Dan gaan ze steeds langzamer rijden
-
2:02 - 2:04tot ze om 8:35 uur 's ochtends
-
2:04 - 2:06nog maar 18,5 km/u rijden.
-
2:06 - 2:09De gemiddelde taxi rijdt dan
18,5 km/u op onze straten, -
2:09 - 2:13en dat blijft dan zo, gedurende...
-
2:13 - 2:15de hele dag.
-
2:15 - 2:17(Gelach)
-
2:17 - 2:19Er is dus geen spitsuur in New York.
-
2:19 - 2:22Het is spitsdág.
-
2:22 - 2:24Dat klinkt logisch en is belangrijk.
-
2:24 - 2:28Voor een transportplanner
is dat interessant. -
2:28 - 2:30Maar als je snel ergens moet zijn,
-
2:30 - 2:32weet je nu dat je je wekker
op 4:45 uur moet zetten. -
2:32 - 2:34New York, hè?
-
2:34 - 2:35Die gegevens hebben een verhaal.
-
2:35 - 2:37Ze bleken niet zomaar beschikbaar.
-
2:37 - 2:41Hier was een aanvraag voor nodig
via de Wet openbaarheid van bestuur, -
2:41 - 2:43een Wob-aanvraag.
-
2:43 - 2:45Het staat op de website
van de Commissie voor taxiverkeer. -
2:45 - 2:48Voor deze gegevens
heb je zo'n formulier nodig. -
2:48 - 2:50Als je het invult, krijg je bericht.
-
2:50 - 2:53Chris Wong deed dit.
-
2:53 - 2:55Chris ging langs en ze zeiden:
-
2:55 - 2:58"Breng een nieuwe harddisk
naar ons kantoor. -
2:58 - 3:01Vijf uur later staan de gegevens erop
en kun je hem ophalen." -
3:01 - 3:03Daar komen die gegevens vandaan.
-
3:03 - 3:06Chris is zo iemand
die gegevens publiek wil delen, -
3:06 - 3:10en zo kwam het online te staan,
wat deze grafiek mogelijk heeft gemaakt. -
3:10 - 3:13Fantastisch dat het beschikbaar is,
die GPS-recorders -- echt perfect. -
3:13 - 3:15Maar dat burgers met een harddisk
-
3:15 - 3:18bij afdelingen gegevens
op moeten halen om die te delen -- -
3:18 - 3:20als je erom vroeg, kreeg je ze,
-
3:20 - 3:23maar het was 'openbaar', niet gedeeld.
-
3:23 - 3:25Dat kunnen we als stad béter doen.
-
3:25 - 3:27Onze burgers hoeven niet
rond te lopen met een harddisk. -
3:27 - 3:31Niet voor alle gegevens
heb je de Wob nodig. -
3:31 - 3:34Ik heb deze kaart gemaakt
van de gevaarlijkste kruisingen, -
3:34 - 3:36gebaseerd op fietsongelukken.
-
3:36 - 3:38De rode gebieden zijn dus gevaarlijker.
-
3:38 - 3:41Je ziet dat er in
het oosten van Manhattan, -
3:41 - 3:45vooral het zuidoosten,
meer fietsongelukken zijn. -
3:45 - 3:48Logisch, omdat daar meer fietsers
van de bruggen af komen. -
3:48 - 3:50Maar je ziet ook
andere gevaarlijke plekken, -
3:50 - 3:53zoals Williamsburg
en Roosevelt Avenue in Queens. -
3:53 - 3:55Dit soort gegevens
zoeken we voor Vision Zero. -
3:55 - 3:58Precies wat we zoeken.
-
3:58 - 4:00Maar ook deze gegevens hebben een verhaal.
-
4:00 - 4:02Ze kwamen niet zomaar aandrijven.
-
4:02 - 4:04Kennen jullie dit logo?
-
4:04 - 4:06Ik zie mensen knikken.
-
4:06 - 4:08Weleens geprobeerd om gegevens
van een pdf te kopiëren -
4:08 - 4:10en daar wijs uit te worden?
-
4:10 - 4:11Ik zie meer knikken.
-
4:11 - 4:14Meer die hebben geprobeerd te kopiëren,
dan die het logo kennen. Leuk. -
4:14 - 4:17Deze gegevens stonden dus in een pdf.
-
4:17 - 4:21Een pdf van honderden pagina's lang,
-
4:21 - 4:23gepubliceerd door de NYPD [politie].
-
4:23 - 4:25Om dat te gebruiken
-
4:25 - 4:27moest je dus
honderden uren gaan kopiëren, -
4:27 - 4:29of John Krauss zijn.
-
4:29 - 4:30John Krauss dacht:
-
4:30 - 4:33ik kopieer die gegevens niet,
maar schrijf een programma. -
4:33 - 4:36Het heet de 'NYPD-
ongevallen-gegevens-pleister'. -
4:36 - 4:39Het haalt pdf's van de website
van de NYPD af. -
4:39 - 4:43Elke nacht start het een zoekopdracht;
downloadt gevonden pdf's, -
4:43 - 4:46en bewerkt die
zodat je losse tekst krijgt, -
4:46 - 4:49die op het internet wordt geplaatst,
zodat je dit soort kaarten kunt maken. -
4:49 - 4:53En het feit dat die gegevens
voor ons beschikbaar zijn -- -
4:53 - 4:55Ieder ongeluk is trouwens
een rij in deze tabel. -
4:55 - 4:57Stel je voor hoeveel pdf's dat zijn --
-
4:57 - 4:59Prachtig dat we die gegevens hebben,
-
4:59 - 5:01maar laten we geen pdf's maken,
-
5:01 - 5:04anders moeten burgers
bewerkingsprogramma's maken. -
5:04 - 5:05Zonde van de tijd.
-
5:05 - 5:08Als stad kunnen we dat béter oplossen.
-
5:08 - 5:11Gelukkig zijn onder
burgemeester de Blasio -
5:11 - 5:13recentelijk deze gegevens vrijgegeven,
-
5:13 - 5:15zodat we er gewoon bij kunnen.
-
5:15 - 5:18Maar veel gegevens staan
nog steeds ingepakt in pdf. -
5:18 - 5:21Misdaadgegevens krijg je
bijvoorbeeld alleen in pdf. -
5:21 - 5:25Niet alleen misdaadgegevens,
maar ook de begroting van de stad. -
5:25 - 5:29De begroting van de stad
is alleen in een pdf te lezen. -
5:29 - 5:31Niet alleen wij hebben daar last van --
-
5:31 - 5:34onze eigen wetgevers
die over de begroting beslissen -
5:34 - 5:36krijgen het ook alleen in pdf.
-
5:36 - 5:40Onze wetgevers kunnen de begroting
waarover ze beslissen dus niet analyseren. -
5:40 - 5:43Dat moeten we als stad
toch ook beter kunnen doen. -
5:43 - 5:46Veel gegevens staan niet verborgen in pdf.
-
5:46 - 5:48Hier heb ik een kaart gemaakt
-
5:48 - 5:50van de smerigste vaarwaters
in de stad New York. -
5:50 - 5:52Maar hoe meet ik smerigheid?
-
5:52 - 5:54Dat is misschien een beetje vreemd;
-
5:54 - 5:56ik keek naar het aandeel darmbacterieën,
-
5:56 - 5:59waardoor je ontlasting
in onze vaarwaters kunt meten. -
5:59 - 6:03Hoe groter de cirkel is,
hoe viezer het water. -
6:03 - 6:06Grote cirkels duiden op vies water,
kleinere op schoner water. -
6:06 - 6:08Dat is binnenwater.
-
6:08 - 6:11Dit zijn alle gegevens die de stad
de laatste vijf jaar verzamelde. -
6:11 - 6:14Binnenwater is meestal viezer.
-
6:14 - 6:15Logisch toch?
-
6:15 - 6:18Ik concludeer allereerst:
-
6:18 - 6:23zwem niet waar de naam
eindigt op 'creek' of 'canal'. -
6:23 - 6:26Maar ten tweede: ik vond
de smerigste vaarweg in de stad New York, -
6:26 - 6:28volgens deze meting althans.
-
6:28 - 6:31Het is Coney Island Creek --
niet waar we zwemmen bij Coney Island -- -
6:31 - 6:32maar aan de andere kant.
-
6:32 - 6:36De afgelopen vijf jaar had 94 procent
van de monsters uit Coney Island Creek -
6:36 - 6:39zulke hoge sporen van ontlasting
-
6:39 - 6:42dat het illegaal zou zijn
om daar te zwemmen. -
6:42 - 6:44Dat is zo'n feitje
waar ze niet mee opscheppen -
6:44 - 6:46in de gemeentelijke rapporten.
-
6:46 - 6:48Dat staat niet prominent op nyc.gov.
-
6:48 - 6:49Daar vind je het niet,
-
6:49 - 6:52maar het is prachtig
dat we die gegevens hebben. -
6:52 - 6:54Maar ook dit was geen eitje.
-
6:54 - 6:57Het stond niet in de
open data-portal. -
6:57 - 7:00Daar vind je maar een deel:
een jaar en wat maanden. -
7:00 - 7:02Het stond op de website
van de afdeling Milieubeheer. -
7:02 - 7:04Iedere link is een Excel-bestand.
-
7:04 - 7:07En ieder Excel-bestand is verschillend.
(Gelach) -
7:07 - 7:10De koppen zijn anders.
Je moet kopiëren en reorganiseren. -
7:10 - 7:13Als je de moeite neemt,
kun je een kaart maken, -
7:13 - 7:15maar dat kan beter als stad,
door het glad te strijken. -
7:15 - 7:18En het gaat steeds beter,
want Socrata heeft een website: -
7:18 - 7:20de 'Open Data Portal NYC'.
-
7:20 - 7:22Hierop staan al 1100 gegevenssets
-
7:22 - 7:24zonder de problemen die ik noemde,
-
7:24 - 7:26en gelukkig groeit dat aantal.
-
7:26 - 7:30Je kunt gegevens in elk formaat
downloaden, zoals csv, pdf of Excel. -
7:30 - 7:33Wat je ook wilt,
je kan het downloaden hoe je wilt. -
7:33 - 7:35Het enige probleem is,
-
7:35 - 7:39dat elke afdeling een andere opmaak
voor adressen gebruikt. -
7:39 - 7:41Dus op straatnaam, kruising,
-
7:41 - 7:44straat, wijk, adres/gebouw, gebouw/adres.
-
7:44 - 7:46Je bent dus weer veel tijd kwijt,
zelfs met deze portal, -
7:46 - 7:49om de adresvelden gelijk te trekken.
-
7:49 - 7:51Dat willen burgers niet.
-
7:51 - 7:54Als stad kunnen we dat beter doen.
-
7:54 - 7:55Adressen in een standaardopmaak,
-
7:55 - 7:57zodat we meer kaarten
kunnen maken zoals deze. -
7:57 - 8:00Dit is een kaart
van brandkranen in New York, -
8:00 - 8:01maar niet zomaar brandkranen.
-
8:01 - 8:06Dit zijn de 250 brandkranen
die de meeste parkeerboetes opleveren. -
8:06 - 8:08(Gelach)
-
8:08 - 8:11Ik heb geleerd van deze kaart,
die ik erg leuk vind. -
8:11 - 8:14Ten eerste, parkeer nooit
in de Upper East Side. -
8:14 - 8:17Gewoon niet doen want
je krijgt overal een brandkraanbekeuring. -
8:17 - 8:21Ten tweede, ik heb de twee kranen gevonden
die het meeste opbrengen in New York, -
8:21 - 8:23in de Lower East Side.
-
8:23 - 8:28Die brengen ieder jaar 50.000 euro
aan parkeerboetes binnen. -
8:28 - 8:31Dat vond ik een beetje vreemd,
-
8:31 - 8:34dus ging ik graven en ontdekte
dat hier een brandkraan stond -
8:34 - 8:36naast een 'stoepverbreding':
-
8:36 - 8:38zo'n twee meter extra loopruimte.
-
8:38 - 8:39Dan een parkeerplaats.
-
8:39 - 8:42Automobilisten zagen de brandkraan --
-
8:42 - 8:44"Die staat ver weg, geen probleem".
-
8:44 - 8:46Er was zelfs een mooie
parkeerplaats getekend. -
8:46 - 8:49Dus ze parkeerden,
maar de politie dacht daar anders over -
8:49 - 8:50en gaf je een bon.
-
8:50 - 8:52Ik ben niet de enige
die dit opmerkte. -
8:52 - 8:55Hier fotografeert de
Streetview-auto van Google -
8:55 - 8:57diezelfde parkeerboete. (Gelach)
-
8:57 - 9:02Ik schreef erover op mijn blog I Quant NY,
en kreeg antwoord van de afdeling Verkeer, -
9:02 - 9:03die zeiden:
-
9:03 - 9:06"Hoewel we nooit klachten
over deze locatie hebben gehad, -
9:06 - 9:11zullen we de markeringen bekijken
en noodzakelijke wijzigingen aanbrengen." -
9:11 - 9:14Typisch antwoord van de overheid,
dacht ik nog, -
9:14 - 9:16en ik ging verder met mijn leven.
-
9:16 - 9:20Maar een paar weken later
was er iets ongelooflijks gebeurd. -
9:20 - 9:22Ze hadden nieuwe lijnen
op die plek getekend, -
9:22 - 9:25en even zag ik
de toekomst van open data. -
9:25 - 9:27Wat is hier namelijk gebeurd?
-
9:27 - 9:32Vijf jaar lang werden hier boetes
uitgedeeld op een onduidelijke plek, -
9:32 - 9:35totdat een burger iets vond
wat hij meldde aan de gemeente, -
9:35 - 9:38en binnen een paar weken
was het probleem opgelost. -
9:38 - 9:41Fantastisch. Veel mensen zien
open data als een bedreiging. -
9:41 - 9:43Maar ze kunnen ons juist helpen.
-
9:43 - 9:46Je kan burgers laten
meedenken met de overheid. -
9:46 - 9:48Dat is niet zo moeilijk.
-
9:48 - 9:49Dat vraagt om wat aanpassingen.
-
9:49 - 9:50Als je wob-aanvragen hebt,
-
9:50 - 9:53en dezelfde gegevens
worden telkens opgevraagd, -
9:53 - 9:56deel die dan gewoon,
dat willen mensen blijkbaar weten. -
9:56 - 9:59En als een overheidsdienst
een pdf uitbrengt, -
9:59 - 10:03zou ze wettelijk verplicht moeten zijn
de onderliggende gegevens te geven, -
10:03 - 10:05want die komen ergens vandaan.
-
10:05 - 10:07Je kan ze vrijgeven via diezelfde pdf.
-
10:07 - 10:10En laten we standaarden gaan gebruiken.
-
10:10 - 10:13Als eerste voor de adressen in New York.
-
10:13 - 10:14Altijd dezelfde adresopmaak.
-
10:14 - 10:18Want ondanks dit alles
loopt New York voorop in open data, -
10:18 - 10:21en als wij beginnen met
een open data-standaard, -
10:21 - 10:22dan volgt de rest.
-
10:22 - 10:26Eerst de staat en misschien
zelfs de federale overheid. -
10:26 - 10:27Vervolgens andere landen,
-
10:27 - 10:30zodat je in de nabije toekomst
één programma kunt schrijven -
10:30 - 10:33om informatie uit 100 landen
inzichtelijk te maken. -
10:33 - 10:34Dat is geen sciencefiction.
-
10:34 - 10:36We zijn al dichtbij.
-
10:36 - 10:38Wie doen we daar een plezier mee?
-
10:38 - 10:41Niet alleen John Kraus en Chris Wong.
-
10:41 - 10:45Er zijn momenteel honderden
burgerinitiatieven in New York, -
10:45 - 10:46actieve bijeenkomsten.
-
10:46 - 10:48Duizenden mensen zijn daarbij betrokken.
-
10:48 - 10:51Die mensen ontmoeten elkaar
na werktijd en in het weekend -
10:51 - 10:53om door middel van open data
-
10:53 - 10:55onze stad te verbeteren.
-
10:55 - 11:00BetaNYC heeft vorige week bijvoorbeeld
citygram.nyc geopenbaard -
11:00 - 11:02zodat je meldingen kunt krijgen
-
11:02 - 11:04van klachten in je omgeving.
-
11:04 - 11:06Vul je adres in en je ziet
klachten uit de omgeving. -
11:06 - 11:09En niet alleen it'ers
houden zich hier mee bezig. -
11:09 - 11:12Ook stadsplanners,
zoals mijn studenten op Pratt. -
11:12 - 11:14Beleidsvoorstanders, echt iedereen,
-
11:14 - 11:17burgers met verschillende achtergronden.
-
11:17 - 11:19Met kleine stap-voor-stap-veranderingen
-
11:19 - 11:23geven we burgers de inspiratie
en de mogelijkheden -
11:23 - 11:26om met behulp van open data
onze stad te verbeteren. -
11:26 - 11:29Elke set gegevens -- of parkeerplaats --
draagt daaraan bij. -
11:29 - 11:31Dank jullie wel.
-
11:31 - 11:33(Applaus)
- Title:
- Hoe we de slechtste parkeerplekken in New York vonden - met big data
- Speaker:
- Ben Wellington
- Description:
-
Lokale overheden beschikken over een weelde aan gegevens en statistieken, waarin elk deel van het stadsleven is opgetekend. Gegevensanalist Ben Wellington suggereert in deze onderhoudende talk dat ze echter soms gewoon niet weten hoe ze die gegevens kunnen gebruiken. Hij laat zie hoe een combinatie van vragen die je niet zou verwachten en slimme gegevensverwerking verrassend bruikbare inzichten kan opleveren. Ook deelt hij tips over het vrijgeven van grote verzamelingen gegevens, zodat iedereen daarvan gebruik kan maken.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 11:48
Axel Saffran approved Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data | ||
Axel Saffran edited Dutch subtitles for How we found the worst place to park in New York City — using big data |