Dutch subtitles

← Hoe we de slechtste parkeerplaatsen in New York vonden - met big data | Ben Wellington | TEDxNewYork

Get Embed Code
12 Languages

Showing Revision 12 created 06/09/2015 by Axel Saffran.

  1. Bijna 10.000 kilometer wegen,
  2. zo'n 1000 kilometer metrolijnen,
  3. bijna 650 kilometer fietspaden
  4. en 800 meter tramspoor --
  5. die liggen op Roosevelt Island.
  6. Dat is de infrastructuur
    van de stad New York in cijfers.
  7. De statistieken van onze infrastructuur.
  8. Deze cijfers verschijnen
    in rapporten van de lokale overheid.
  9. Afdeling Transport
    kan je bijvoorbeeld vertellen
  10. hoeveel kilometer wegen ze onderhouden.
  11. Openbaar Vervoer pocht
    met kilometers metrolijnen.
  12. De meeste afdelingen
    geven statistieken uit.
  13. Uit een rapport van vorig jaar
    van de commissie voor taxiverkeer,
  14. leren we dat er zo'n 13.500 taxi's
    in New York rijden.
  15. Dat is toch interessant?
  16. Maar waar komen
    die cijfers vandaan?
  17. Op zo'n gemeentelijke afdeling
  18. moet iemand bedacht hebben
    welke cijfers ons interesseren.
  19. Hier zit men op te wachten.
  20. Dus spitten ze in hun ruwe gegevens,
  21. tellen en calculeren
  22. en brengen hun rapporten uit,
  23. waar dit soort cijfers in staan.
  24. Maar hoe kennen ze al onze vragen?
  25. We zitten vol met vragen.
  26. We kunnen waarschijnlijk
  27. een eindeloos aantal
    vragen stellen over onze stad.
  28. Teveel voor die afdelingen.
  29. Het model werkt dus niet,
    en de beleidsmakers zien dat ook in,
  30. want burgemeester Bloomberg heeft in 2012
    een wet ondertekend, die hij beschreef
  31. als de meest ambitieuze en uitgebreide
    'open data'-wetgeving in het land.
  32. Op veel punten heeft hij gelijk.
  33. De afgelopen twee jaar
    gaf de stad 1000 gegevenssets vrij
  34. op het open data-portaal.
  35. Dat is fantastisch.
  36. Je kunt in die gegevens duiken
  37. en dan niet alleen de taxi's tellen,
  38. maar ook andere vragen stellen.
  39. Ik had dus een vraag.
  40. Wanneer is de spits in New York?
  41. Hoe laat begint de spits precies?
  42. Toen dacht ik: een taxi
    is niet alleen een nummer,
  43. maar ook een gps-recorder
    die door onze straten rijdt
  44. en elke rit vastlegt.
  45. Ik heb de gegevens ervan bekeken
  46. en een diagram van de gemiddelde snelheid
    van taxi's in New York gemaakt.
  47. Je ziet dan dat van middernacht
    tot 5:18 uur 's ochtends
  48. de snelheid toeneemt,
    en dan afneemt.
  49. Dan gaan ze steeds langzamer rijden
  50. tot ze om 8:35 uur 's ochtends
  51. nog maar 18,5 km/u rijden.
  52. De gemiddelde taxi rijdt dan
    18,5 km/u op onze straten,
  53. en dat blijft dan zo, gedurende...
  54. de hele dag.
  55. (Gelach)
  56. Er is dus geen spitsuur in New York.
  57. Het is spitsdág. (Gelach)
  58. Dat klinkt logisch en is belangrijk.
  59. Voor een transportplanner
    is dat interessant.
  60. Maar als je snel ergens moet zijn,
  61. weet je nu dat je je wekker
    op 4:45 uur moet zetten.
  62. New York, hè?
  63. Die gegevens hebben een verhaal.
  64. Ze bleken niet zomaar beschikbaar.
  65. Hier was een aanvraag voor nodig
    via de Wet Openbaarheid van Bestuur,
  66. een Wob-aanvraag.
  67. Het staat op de website
    van de Commissie voor taxiverkeer.
  68. Voor deze gegevens
    heb je zo'n formulier nodig.
  69. Als je het invult, krijg je bericht.
  70. Chris Wong deed dit.
  71. Chris ging langs en ze zeiden:
  72. "Breng een nieuwe harddisk
    naar ons kantoor.
  73. Vijf uur later staan de gegevens erop
    en kun je hem ophalen."
  74. Daar komen die gegevens vandaan.
  75. Chris is zo iemand
    die gegevens publiek wil delen,
  76. en zo kwam het online te staan,
    wat deze grafiek mogelijk heeft gemaakt.
  77. Fantastisch dat het beschikbaar is,
    die GPS-recorders -- echt perfect.
  78. Maar dat burgers met een harddisk
  79. bij afdelingen gegevens
    op moeten halen om die te delen --
  80. als je erom vroeg, kreeg je ze,
  81. maar het was 'openbaar', niet gedeeld.
  82. Dat kunnen we als stad béter doen.
  83. Onze burgers hoeven niet
    rond te lopen met een harddisk.
  84. Niet voor alle gegevens
    heb je de Wob nodig.
  85. Ik heb deze kaart gemaakt
    van de gevaarlijkste kruisingen,
  86. gebaseerd op fietsongelukken.
  87. De rode gebieden zijn dus gevaarlijker.
  88. Je ziet dat er in
    het oosten van Manhattan,
  89. vooral het zuidoosten,
    meer fietsongelukken zijn.
  90. Logisch, omdat daar meer fietsers
    van de bruggen af komen.
  91. Maar je ziet ook
    andere gevaarlijke plekken,
  92. zoals Williamsburg
    en Roosevelt Avenue in Queens.
  93. Dit soort gegevens
    zoeken we voor Vision Zero.
  94. Precies wat we zoeken.
  95. Maar ook deze gegevens hebben een verhaal.
  96. Ze kwamen niet zomaar aandrijven.
  97. Kennen jullie dit logo?
  98. Ik zie mensen knikken.
  99. Weleens geprobeerd om gegevens
    van een pdf te kopiëren
  100. en daar wijs uit te worden?
  101. Ik zie meer knikken.
  102. Meer die hebben geprobeerd te kopiëren,
    dan die het logo kennen. Leuk.
  103. Deze gegevens stonden dus in een pdf.
  104. Een pdf van honderden pagina's lang,
  105. gepubliceerd door de NYPD [politie].
  106. Om dat te gebruiken
  107. moest je dus
    honderden uren gaan kopiëren,
  108. of John Krauss zijn.
  109. John Krauss dacht:
  110. ik kopieer die gegevens niet,
    maar schrijf een programma.
  111. Het heet de 'NYPD-
    ongevallen-gegevens-pleister'.
  112. Het haalt pdf's van de website
    van de NYPD af.
  113. Dagelijks start het een zoekopdracht;
    downloadt gevonden pdf's,
  114. en bewerkt die
    zodat je losse tekst krijgt,
  115. die op het internet wordt geplaatst,
    zodat je dit soort kaarten kunt maken.
  116. En het feit dat die gegevens
    voor ons beschikbaar zijn --
  117. Ieder ongeluk is trouwens
    een rij in deze tabel.
  118. Stel je voor hoeveel pdf's dat zijn --
  119. Prachtig dat we die gegevens hebben,
  120. maar laten we geen pdf's maken,
  121. anders moeten burgers
    bewerkingsprogramma's maken.
  122. Zonde van de tijd.
  123. Als stad kunnen we dat béter oplossen.
  124. Gelukkig zijn onder
    burgemeester de Blasio
  125. recentelijk deze gegevens vrijgegeven,
  126. zodat we er gewoon bij kunnen.
  127. Maar veel gegevens staan
    nog steeds ingepakt in pdf.
  128. Misdaadgegevens krijg je
    bijvoorbeeld alleen in pdf.
  129. Niet alleen misdaadgegevens,
    maar ook de begroting van de stad.
  130. De begroting van de stad
    is alleen in een pdf te lezen.
  131. Niet alleen wij hebben daar last van --
  132. onze eigen wetgevers
    die over de begroting beslissen
  133. krijgen het ook alleen in pdf.
  134. Onze wetgevers kunnen de begroting
    waarover ze beslissen dus niet analyseren.
  135. Dat moeten we als stad
    toch ook beter kunnen doen.
  136. Veel gegevens staan niet verborgen in pdf.
  137. Hier heb ik een kaart gemaakt
  138. van de smerigste vaarwaters
    in de stad New York.
  139. Maar hoe meet ik smerigheid?
  140. Dat is misschien een beetje vreemd;
  141. ik keek naar het aandeel darmbacterieën,
  142. waardoor je ontlasting
    in onze vaarwaters kunt meten.
  143. Hoe groter de cirkel is,
    hoe viezer het water.
  144. Grote cirkels duiden op vies water,
    kleinere op schoner water.
  145. Dat is binnenwater.
  146. Dit zijn alle gegevens die de stad
    de laatste vijf jaar verzamelde.
  147. Binnenwater is meestal viezer.
  148. Logisch toch?
  149. Ik concludeer allereerst:
  150. zwem niet waar de naam
    eindigt op 'creek' of 'canal'.
  151. (Gelach)
  152. Maar ten tweede: ik vond
    de smerigste vaarweg in de stad New York,
  153. volgens deze meting althans.
  154. Het is Coney Island Creek --
    niet waar we zwemmen bij Coney Island --
  155. maar aan de andere kant.
  156. De afgelopen vijf jaar had 94 procent
    van de monsters uit Coney Island Creek
  157. zulke hoge sporen van ontlasting
  158. dat het illegaal zou zijn
    om daar te zwemmen.
  159. Dat is zo'n feitje
    waar ze niet mee opscheppen
  160. in de gemeentelijke rapporten.
  161. Dat staat niet prominent op nyc.gov.
  162. Maar het is prachtig
    dat we die gegevens hebben.
  163. Maar ook dit was geen eitje.
  164. Het stond niet in de
    open data-portal.
  165. Daar vind je maar een deel:
    een jaar en wat maanden.
  166. Het stond op de website
    van de afdeling Milieubeheer.
  167. Iedere link is een Excel-bestand.
  168. En ieder Excel-bestand is verschillend.
    (Gelach)
  169. De koppen zijn anders.
    Je moet kopiëren en reorganiseren.
  170. Als je die moeite neemt,
    kun je een kaart maken,
  171. maar dat kan beter als stad,
    door het glad te strijken.
  172. En het gaat steeds beter,
    want Socrata heeft een website:
  173. de 'Open Data Portal NYC'.
  174. Hierop staan al 1100 gegevenssets
  175. zonder de problemen die ik noemde,
  176. en gelukkig groeit dat aantal.
  177. Je kunt gegevens in elk formaat
    downloaden, zoals csv, pdf of Excel.
  178. Wat je ook wilt,
    je kan het downloaden hoe je wilt.
  179. Het enige probleem is,
  180. dat elke afdeling een andere opmaak
    voor adressen gebruikt.
  181. Dus op straatnaam, kruising,
  182. straat, wijk, adres/gebouw, gebouw/adres.
  183. Je bent dus weer veel tijd kwijt,
    zelfs met deze portal,
  184. om de adresvelden gelijk te trekken.
  185. Dat willen burgers niet.
  186. Als stad kunnen we dat beter doen.
  187. Adressen in een standaardopmaak,
  188. zodat we meer kaarten
    kunnen maken zoals deze.
  189. Dit is een kaart
    van brandkranen in New York,
  190. maar niet zomaar brandkranen.
  191. Dit zijn de 250 brandkranen
    die de meeste parkeerboetes opleveren.
  192. (Gelach)
  193. Ik heb wat dingen geleerd van deze kaart,
    die ik erg leuk vind.
  194. Ten eerste, parkeer nooit
    in de Upper East Side.
  195. Gewoon niet doen want
    je krijgt overal een brandkraanbekeuring.
  196. Ten tweede, ik heb de twee kranen gevonden
    die het meeste opbrengen in New York,
  197. in de Lower East Side.
  198. Die brengen ieder jaar 50.000 euro
    aan parkeerboetes binnen.
  199. Dat vond ik een beetje vreemd,
  200. dus ging ik graven en ontdekte
    dat hier een brandkraan stond
  201. naast een 'stoepverbreding':
  202. zo'n twee meter extra loopruimte.
  203. Dan een parkeerplaats.
  204. Automobilisten zagen de brandkraan --
  205. "Die staat ver weg, geen probleem".
  206. Er was zelfs een mooie
    parkeerplaats getekend.
  207. Dus ze parkeerden,
    maar de politie dacht daar anders over
  208. en gaf je een bon.
  209. Ik ben niet de enige
    die dit opmerkte.
  210. Hier fotografeert de
    Streetview-auto van Google
  211. diezelfde parkeerboete. (Gelach)
  212. Ik schreef erover op mijn blog I Quant NY,
    en kreeg antwoord van de afdeling Verkeer,
  213. die zeiden:
  214. "Hoewel we nooit klachten
    over deze locatie hebben gehad,
  215. zullen we de markeringen bekijken
    en noodzakelijke wijzigingen aanbrengen."
  216. Typisch antwoord van de overheid,
    dacht ik nog,
  217. en ik ging verder met mijn leven.
  218. Maar een paar weken later
    was er iets ongelooflijks gebeurd.
  219. Ze hadden nieuwe lijnen
    op die plek getekend,
  220. en even zag ik
    de toekomst van open data.
  221. Wat is hier namelijk gebeurd?
  222. Vijf jaar lang werden hier boetes
    uitgedeeld op een onduidelijke plek,
  223. totdat een burger iets vond
    wat hij meldde aan de gemeente,
  224. en binnen een paar weken
    was het probleem opgelost.
  225. Fantastisch. Veel mensen zien
    open data als een bedreiging.
  226. Maar ze kunnen ons juist helpen.
  227. Je kan burgers laten
    meedenken met de overheid.
  228. Dat is niet zo moeilijk.
  229. Dat vraagt om wat aanpassingen.
  230. Als je wob-aanvragen hebt,
  231. en dezelfde gegevens
    worden telkens opgevraagd,
  232. deel die dan gewoon,
    dat willen mensen blijkbaar weten.
  233. En als een overheidsdienst
    een pdf uitbrengt,
  234. zou ze wettelijk verplicht moeten zijn
    de onderliggende gegevens te geven,
  235. want die komen ergens vandaan.
  236. Je kan ze vrijgeven via diezelfde pdf.
  237. En laten we standaarden gaan gebruiken.
  238. Als eerste voor de adressen in New York.
  239. Altijd dezelfde adresopmaak.
  240. Want ondanks dit alles
    loopt New York voorop in open data,
  241. en als wij beginnen met
    een open data-standaard,
  242. dan volgt de rest.
  243. Eerst de staat en misschien
    zelfs de federale overheid.
  244. Vervolgens andere landen,
  245. zodat je in de nabije toekomst
    één programma kunt schrijven
  246. om informatie uit 100 landen
    inzichtelijk te maken.
  247. Dat is geen sciencefiction.
  248. We zijn al dichtbij.
  249. Wie doen we daar een plezier mee?
  250. Niet alleen John Kraus en Chris Wong.
  251. Er zijn momenteel honderden
    burgerinitiatieven in New York,
  252. actieve bijeenkomsten.
  253. Duizenden mensen zijn daarbij betrokken.
  254. Die mensen ontmoeten elkaar
    na werktijd en in het weekend
  255. om door middel van open data
  256. onze stad te verbeteren.
  257. BetaNYC heeft vorige week bijvoorbeeld
    citygram.nyc geopenbaard
  258. zodat je meldingen kunt krijgen
  259. van klachten in je omgeving.
  260. Vul je adres in en je ziet
    klachten uit de omgeving.
  261. En niet alleen it'ers
    houden zich hier mee bezig.
  262. Ook stadsplanners,
    zoals mijn studenten op Pratt.
  263. Beleidsvoorstanders, echt iedereen,
  264. burgers met verschillende achtergronden.
  265. Met kleine stap-voor-stap-veranderingen
  266. geven we burgers de inspiratie
    en de mogelijkheden
  267. om met behulp van open data
    onze stad te verbeteren.
  268. Elke set gegevens -- of parkeerplaats --
    draagt daaraan bij.
  269. Dank jullie wel.
  270. (Applaus)