ビックデータを使ったNYCでの最悪な駐車場の見つけ方
-
0:01 - 0:04道路なら6千マイル
-
0:04 - 0:06地下鉄なら600マイル
-
0:06 - 0:07自転車専用道路なら400マイル
-
0:07 - 0:09トラムウェイなら0.5マイル
-
0:09 - 0:11ルーズベルト島に行ったらわかりますね
-
0:11 - 0:14これはニューヨーク市(NYC)のインフラを表す数字です
-
0:14 - 0:17インフラを統計的にまとめ
-
0:17 - 0:21市の各部局が公表した報告書の数字です
-
0:21 - 0:24例えば交通課では
保守管理した道路の距離を -
0:24 - 0:26報告するかもしれませんし
-
0:26 - 0:29都市交通局は誇らしげに地下鉄の路線の距離を
示すでしょう -
0:29 - 0:30市の部局の大半が統計を使います
-
0:30 - 0:32今年の報告書や
-
0:32 - 0:34タクシー・リムジン委員会(TLC)によると
-
0:34 - 0:37ここNYCには約13,500台のタクシーがいます
-
0:37 - 0:38とても面白いでしょう?
-
0:38 - 0:41でも これらの数字はどこから来たのでしょうか?
-
0:41 - 0:44こういう数字が存在するためには
市の職員の誰かがふと -
0:44 - 0:48「これは誰かが知りたがっている数字だ」と
気づかなければなりません -
0:48 - 0:50これが市民が知りたがっている数字なのです
-
0:50 - 0:52そのため 加工していないデータを
-
0:52 - 0:54数えたり 足したり 計算して
-
0:54 - 0:55報告書を発行するので
-
0:55 - 0:57報告書には このような数字があるのです
-
0:57 - 1:00問題は 私たちが聞きたい質問をどのように知るのか?
-
1:00 - 1:01様々な質問があるのです
-
1:01 - 1:05実際ある意味では 市民には文字通り
-
1:05 - 1:06市に関する質問が無数にあり
-
1:06 - 1:08各部局は対応しきれません
-
1:08 - 1:12パラダイムは上手く機能しておらず
政治家もそれに気付いていると思います -
1:12 - 1:162012年ブルームバーグ市長は
アメリカで最も熱望され -
1:16 - 1:20包括的なオープンデータ法案を
成立させたからです -
1:20 - 1:21多くの意味で市長は正しいのです
-
1:21 - 1:24過去2年間NYCは
オープンデータポータルのデータセットを -
1:24 - 1:261,000件公表しました
-
1:26 - 1:27物凄いことですよね
-
1:27 - 1:29だから タクシーの数を数えなくても
-
1:29 - 1:32このようにデータを見られるので
-
1:32 - 1:34違う質問もできるのです
-
1:34 - 1:35そこで 私は質問しました
-
1:35 - 1:36NYCのラッシュアワーはいつ?
-
1:36 - 1:39厄介ですよね
正確なラッシュアワーの時間帯は? -
1:39 - 1:42私はタクシーがただの数字
ではないと考えたのです -
1:42 - 1:44市内の路上を走り回る
GPSレコーダーであり -
1:44 - 1:46乗客を乗せる度に記録しています
-
1:46 - 1:49そこにデータがあるのです
私はそのデータを調べて -
1:49 - 1:531日のNYCのタクシーの
平均スピードを策定しました -
1:53 - 1:56ご覧のとおり 真夜中から朝の5時18分まで
-
1:56 - 2:00スピードは速くなり
そこからスピードが落ちていきます -
2:00 - 2:04だんだん遅くなり 朝の8時35分には
-
2:04 - 2:06時速11.5マイルになります
-
2:06 - 2:10路上を走る平均的なタクシーのスピードは
時速11.5マイルです -
2:10 - 2:12日中の時速は変わらないのです
-
2:12 - 2:15日中の時速は変わらないのです
-
2:15 - 2:16(笑)
-
2:16 - 2:20私はNYCにラッシュアワーが
ないのだと思いました -
2:20 - 2:21ただラッシュデイがあるのです
-
2:21 - 2:24なるほど
これは2つの理由で重要です -
2:24 - 2:28あなたが交通プランナーなら
とても知りたいかもしれませんよね -
2:28 - 2:30どこかに早く着きたければ
-
2:30 - 2:33目覚まし時計を
朝の4時45分にセットすればいいのです -
2:33 - 2:34NYのことですよ
-
2:34 - 2:36でも このデータには裏話があります
-
2:36 - 2:38こんなデータは
入手できなかったのです -
2:38 - 2:42実際 出所は情報公開法による請求でした
-
2:42 - 2:43実際 出所は情報公開法による請求でした
-
2:43 - 2:46これはTLCのホームページにあるフォームです
-
2:46 - 2:49データにアクセスするため
このフォームをダウンロードして -
2:49 - 2:51記入すると 情報が得られます
-
2:51 - 2:53クリス・ウォンという男性が
それをしました -
2:53 - 2:55クリスが行くと
新品のハードディスクを -
2:55 - 2:58事務所に持って来るよう
職員から言われました -
2:58 - 3:01「5時間後にデータをコピーしてお返しします」
-
3:01 - 3:03そうやってこのデータを取得したのです
-
3:03 - 3:06さて クリスはデータを公表するタイプなので
-
3:06 - 3:10ネット上で誰でも利用できるようにしました
そうやってこのグラフが作られました -
3:10 - 3:14存在自体が驚きですね
GPSレコーダーの記録 すごいです -
3:14 - 3:17ではデータを公表するために
役所にハードディスクを持って行き -
3:17 - 3:19データを受取る市民がいるという事実はどうでしょう
-
3:19 - 3:22もともと公的データで
得られてしかるべきものでした -
3:22 - 3:23「公」のデータでしたが
非公開でした -
3:23 - 3:25市として もっと上手いやり方があります
-
3:25 - 3:28市民がハードディスクを
持って歩かなくてもいいのです -
3:28 - 3:31情報公開で得られないデータセットもあります
-
3:31 - 3:34これは自転車事故に基づいて作成した
-
3:34 - 3:36NYCで最も危険な交差点の地図です
-
3:36 - 3:38赤のエリアはより危険です
-
3:38 - 3:41地図によると まずマンハッタンの東側
-
3:41 - 3:44特にロワー・マンハッタン地域で
自転車事故が多発しています -
3:44 - 3:45多くのサイクリストが
-
3:45 - 3:48そこで橋を渡ってくるので
納得できますよね -
3:48 - 3:50しかし他の危険地域も調査の価値ありです
-
3:50 - 3:53ウィリアムズバーグと
クイーンズ州ルーズベルト・アベニューです -
3:53 - 3:56これこそが ビジョン・ゼロに求めるデータで
-
3:56 - 3:58まさに 私たちが探し求めているものです
-
3:58 - 4:00しかし このデータを入手するにも
-
4:00 - 4:02工夫が必要だったのです
-
4:02 - 4:04このロゴを知っている人は?
-
4:04 - 4:06何人か手を上げていますね
-
4:06 - 4:08PDFをコピー・ペーストして
文書を作成しようと -
4:08 - 4:10したことがありますか?
-
4:10 - 4:11更に手が上がりました
-
4:11 - 4:14ロゴを知らなくてもコピー・ペーストしてみる
いいですね -
4:14 - 4:18つまり お見せしたのは PDFだったのです
-
4:18 - 4:21実際 物凄い数のPDFを
ニューヨーク市警は公開しました -
4:21 - 4:23実際 物凄い数のPDFを
ニューヨーク市警は公開しました -
4:23 - 4:26それにアクセスする方法は
物凄い時間をかけて -
4:26 - 4:28コピー・ペーストするか
-
4:28 - 4:29ジョン・クラウスのようにするかです
-
4:29 - 4:30ジョン・クラウスは
-
4:30 - 4:34ニューヨーク市警クラッシュデータ・バンドエイド
というプログラムを書き -
4:34 - 4:36コピー・ペーストを不要にしました
-
4:36 - 4:39ニューヨーク市警のホームページから
PDFをダウンロードします -
4:39 - 4:42データを収集するプログラムを実行し
-
4:42 - 4:44PDFの保護を解除するプログラムを実行し
-
4:44 - 4:46編集できるテキストに戻し
-
4:46 - 4:49ネット上に上げるのです
だから誰でも地図も作れるのです -
4:49 - 4:53ここにデータがあり
それにアクセスできるのです -
4:53 - 4:55ところで この表では
事故毎に一列になっています -
4:55 - 4:57PDFの量はどのくらいだと思いますか
-
4:57 - 4:59アクセスできることは素晴らしいのですが
-
4:59 - 5:01PDF以外にして欲しいものです
-
5:01 - 5:04市民がデータ読み取りプログラムを
書くはめになるからです -
5:04 - 5:06市民は時間の有効利用できませんし
-
5:06 - 5:08市として もっと良くやれるのです
-
5:08 - 5:11さて 良いニュースは
デブラシオの行政が数か月前に -
5:11 - 5:13このデータを公表したことで
-
5:13 - 5:15私たちはアクセスできるようになりました
-
5:15 - 5:18しかしまだ 多くのデータがPDFのままです
-
5:18 - 5:21例えば 犯罪データはPDFしかありません
-
5:21 - 5:25また犯罪データだけでなく
市の予算もです -
5:25 - 5:29市の予算はPDFでしか読めません
-
5:29 - 5:31私たちがデータ分析を出来ないだけでなく
-
5:31 - 5:34予算に賛成票を投じる議員も
-
5:34 - 5:36PDFしか使えません
-
5:36 - 5:40そのため 議員は賛成する
予算の分析できないのです -
5:40 - 5:43市の行政として
私たちはそれよりも少しましだと思うのです -
5:43 - 5:46さて PDFではないデータもたくさんあります
-
5:46 - 5:47私の作った地図を例にとると
-
5:47 - 5:50これはNYCで一番汚い河川です
-
5:50 - 5:52どうやって汚さを測るのか?
-
5:52 - 5:54ちょっと変なんですけど
-
5:54 - 5:56糞便性大腸菌のレベルを
-
5:56 - 5:59つまり 河川ごとの糞便物質の指標を調べました
-
5:59 - 6:03円が大きいほど
水が汚れているのです -
6:03 - 6:06大きな円が汚水で
小さな円がきれいな水です -
6:06 - 6:08ご覧のものは 陸地の河川です
-
6:08 - 6:11これは過去5年間に
市が採取した全データなのです -
6:11 - 6:14陸地の河川は一般的により汚いのです
-
6:14 - 6:15納得ですか?
-
6:15 - 6:18より大きな円は汚いのです
こんなことがわかります -
6:18 - 6:21その1: 河口で泳がないこと
-
6:21 - 6:26その2: NYCに一番汚い河川があること
-
6:26 - 6:28が測定から判明しました
-
6:28 - 6:31コニー・アイランド・クリークです
コニーアイランドの海水浴場ではなく -
6:31 - 6:32対岸です
-
6:32 - 6:36しかし 5年間に渡り
コニー・アイランド・クリークで採取した試料の94%では -
6:36 - 6:38糞便性大腸菌のレベルがとても高く
-
6:38 - 6:41河川で泳ぐことは州法に触れます
-
6:41 - 6:44市の報告書で強調されるような
-
6:44 - 6:46成果とは言えませんね
-
6:46 - 6:48nyc.govのトップ・ページに載ったりもしません
-
6:48 - 6:50そうやって見せようとしていなくても
-
6:50 - 6:52そういうデータに到達したことが凄いのです
-
6:52 - 6:54でも データがオープン・データ・ポータルに
-
6:54 - 6:56掲載されていなかったので
超簡単とは言えませんでした -
6:56 - 6:58オープン・データ・ポータルで探しても
-
6:58 - 7:01部分的な数か月か1年分しか見つかりません
-
7:01 - 7:04実際 環境保護課のホームページにありました
-
7:04 - 7:08リンクは全てエクセルで
全て違う形式でした -
7:08 - 7:11見出しも全て違うので
コピー・ペーストして 編集します -
7:11 - 7:14それでようやく 地図が作れます
素晴らしいことですが ここでもまた -
7:14 - 7:17市としてはもっと上手なやり方があり
標準化できるのです -
7:17 - 7:20Socrata のオープンデータポータルNYC
というホームページで -
7:20 - 7:22目的を果たせそうです
-
7:22 - 7:24ここにある1100個のデータセットは
今話したような問題がなく -
7:24 - 7:26ここにある1100個のデータセットは
今話したような問題がなく -
7:26 - 7:28その数が増えていくのは
素晴らしいことです -
7:28 - 7:31CSV、PDF、エクセルなどに
データをダウンロードできるのです -
7:31 - 7:34どんなデータであれ
ダウンロードできるのです -
7:34 - 7:35問題は ダウンロードする時
-
7:35 - 7:39部署ごとに住所の切れ目がバラバラなことです
-
7:39 - 7:41街路名、交差点の通り、通り、区
-
7:41 - 7:43住所、建物、建物の住所などです
-
7:43 - 7:47だから このポータルを使ってもまだ
時間がかかるのです -
7:47 - 7:49住所のフィールドを標準化するのに
時間をかけるので -
7:49 - 7:52市民の時間の
有効活用になりません -
7:52 - 7:53私たちは市として上手にできるのです
-
7:53 - 7:55私たちは住所を標準化できます
-
7:55 - 7:57そうすれば
こんな地図がもっと増えます -
7:57 - 8:00これはNYCの消火栓の地図ですが
-
8:00 - 8:01ただの消火栓ではないのです
-
8:01 - 8:06駐車違反切符に関して
トップ250の消火栓なのです -
8:06 - 8:08(笑)
-
8:08 - 8:11この地図には学べることがあったので
私のお気に入りです -
8:11 - 8:14その1
アッパー・イースト・サイドに駐車しないこと -
8:14 - 8:17だめですよ どこに駐車しても
消火栓の違反切符をもらいますよ -
8:17 - 8:21その2
NYCの中で上位2位の消火栓を特定しました -
8:21 - 8:23ロワー・イースト・サイドにあり
-
8:23 - 8:28駐車違反切符で年間55,000ドルを超える
収益を上げていました -
8:28 - 8:31そのことに気付いた時
私はちょっと変な感じがしました -
8:31 - 8:34ちょっと調べて分かったのですが
消火栓があって -
8:34 - 8:36脇に縁石に囲まれた路側帯があります
-
8:36 - 8:38幅7フィートで歩ける場所です
-
8:38 - 8:39駐車する場所はその隣です
-
8:39 - 8:42だから 駐車する車が現れても
消火栓がずっと -
8:42 - 8:44向こうにあるので 大丈夫と思うのです
-
8:44 - 8:47実際 駐車スペースはきれいに塗ってあります
-
8:47 - 8:50そこに駐車すると
ニューヨーク市警はこれは困ると -
8:50 - 8:51違反切符を貼るのです
-
8:51 - 8:54駐車違反切符を見つけたのは
私だけではありません -
8:54 - 8:56Googleストリート・ビューカーも
-
8:56 - 8:57駐車違反切符を撮影していたのです
-
8:57 - 9:02私が I Quant NYというブログに
このことを書くと 交通課が -
9:02 - 9:03回答を寄せました
-
9:03 - 9:06「この場所について 交通課は
苦情を言われたことはありませんが -
9:06 - 9:11道路標示を検討し
適切なものに変更します」 -
9:11 - 9:14定型的な行政の反応だと
私は内心思いました -
9:14 - 9:16半ば諦めてもいたのです
-
9:16 - 9:20数週間後 信じられないようなことが
起こりました -
9:20 - 9:22交通課はその場所を塗り直しました
-
9:22 - 9:25一瞬 私はオープンデータの
未来を見たと思いました -
9:25 - 9:27ここで起きたことを考えてみてください
-
9:27 - 9:325年間 この場所は
駐車違反切符でだらけでした -
9:32 - 9:36市民が何かを見つけ 市に話すと
数週間以内に -
9:36 - 9:38問題が解決したのです
-
9:38 - 9:41素晴らしい
多くの人がオープンデータが番犬になると考えますが -
9:41 - 9:43むしろパートナーと見るべきなのです
-
9:43 - 9:46市民に行政のより良いパートナーになる
力を与えます -
9:46 - 9:48そんなに難しいことではありません
-
9:48 - 9:49必要なのは 少しの変化です
-
9:49 - 9:50公開要請のデータがあり
-
9:50 - 9:53何度となく公開を求められるなら
-
9:53 - 9:57データを公開しましょう
それは公開すべきという合図なのです -
9:57 - 9:59そして PDFを公開する部局のみなさん
-
9:59 - 10:03基礎資料をデータと一緒に掲載する
規則にしてください -
10:03 - 10:05そのデータは どこかから来ているからです
-
10:05 - 10:07どこかは分かりませんが
どこかから来ているのです -
10:07 - 10:09それをPDFと共に公開できるのです
-
10:09 - 10:11そしてオープンデータの基準を
採用し共有しましょう -
10:11 - 10:14ここNYCの住所から始めましょう
-
10:14 - 10:16まず住所を標準化することから
始めるのです -
10:16 - 10:18NYはオープンデータのリーダーだからです
-
10:18 - 10:21問題があっても オープンデータの
絶対的なリーダーです -
10:21 - 10:24標準化に着手し
オープンデータの基準を作るなら -
10:24 - 10:28自治体も州も おそらく連邦政府も倣うでしょう
-
10:28 - 10:29他国も倣うかもしれません
-
10:29 - 10:32プログラムや100か国の地図情報を
書いた時から -
10:32 - 10:34そんなに時間が経っていないのです
-
10:34 - 10:37SFではありません
実際つい最近のことです -
10:37 - 10:39ところで これにより得するのは誰でしょう?
-
10:39 - 10:42ジョン・クラウスや
クリス・ウォンだけではありません -
10:42 - 10:45NYCでは現在 何百もの
-
10:45 - 10:46活発な会合があります
-
10:46 - 10:49それらの会合に何千人が出席します
-
10:49 - 10:51彼らは仕事の後や週末に集まります
-
10:51 - 10:54オープンデータを調べ
都市をより住みやすくするために -
10:54 - 10:55会合に参加するのです
-
10:55 - 10:59BetaNYCのような団体は先週
citygram.nycを公表し -
10:59 - 11:02自宅や職場に関する311への苦情の
-
11:02 - 11:04定期購読を可能にしました
-
11:04 - 11:06住所を入力し
地元の苦情を検索します -
11:06 - 11:09これらの情報を求めているのは
技術者コミュニティーだけではありません -
11:09 - 11:12私がプラットで教えている学生の
都市プランナーも -
11:12 - 11:14政策支持者も 皆もです
-
11:14 - 11:17様々な背景の市民もです
-
11:17 - 11:19小さな変化の積み重ねで
-
11:19 - 11:23オープンデータを利用し
より良い都市を作るため -
11:23 - 11:26市民の情熱や能力を解き放つのです
-
11:26 - 11:29変化は1つのデータセットや1か所の駐車場からです
-
11:29 - 11:32ありがとう
-
11:32 - 11:35(拍手)
- Title:
- ビックデータを使ったNYCでの最悪な駐車場の見つけ方
- Speaker:
- ベン・ウェリントン
- Description:
-
市の各課は都市生活を反映している多くのデータや統計にアクセスしています。しかし、データ分析者のベン・ウェリントンはこの面白いトークの中で、時としてそのデータを使ってやるべきことが分かっていないと示唆しています。ウェリントンは予期せぬ質問とスマート・データ・クランチングを組み合わせると、不思議と役立つ洞察力が生じることを示し、大量のデータを公表することで誰でも使えるようになる秘訣を共有しています。
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 11:48
Natsuhiko Mizutani edited Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Natsuhiko Mizutani edited Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Natsuhiko Mizutani edited Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Natsuhiko Mizutani edited Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Natsuhiko Mizutani approved Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Claire Ghyselen accepted Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Masako Kigami edited Japanese subtitles for How we found the worst place to park in New York City — using big data | ||
Masako Kigami edited Japanese subtitles for How we found the worst place to park in New York City — using big data |