Amsterdam

De Amsterdamse fietser gevisualiseerd

Fietsstad Amsterdam, een nieuw boek van Fred Feddes en Marjolein de Lange, beschrijft hoe Amsterdam een fietsbeleid ontwikkelde (meer over het boek hieronder). Het archief van de Fietsersbond Amsterdam vormde een belangrijke bron voor het boek. Daarnaast is gebruik gemaakt van verkeersgegevens om trends te analyseren.

Een interessante dataset bestaat uit tellingen van het aantal fietsers, auto’s en andere weggebruikers die de stad in- en uitreden, over de periode 1980–2009. De meeste lokaties waar verkeer is geteld liggen op de Singelgracht, die een soort cirkel vormt om het centrum van Amsterdam.

De cijfers zijn telkens gebaseerd op handmatige tellingen op één dag, van 7:00 - 19:00 uur, van het verkeer in beide richtingen.

Ik werd gevraagd om mee te denken over een manier om deze gegevens te visualiseren, een interessante (en erg leuke) klus. Hieronder bespreek ik enkele opties die we hebben overwogen.

Spindiagram

Vanwege de ligging van de tellokaties lag het voor de hand om een cirkelvormige grafiek uit te proberen. De gemeentelijke Dienst Infrastructuur Verkeer en Vervoer was in 2007 ook al op dat idee gekomen. In een factsheet gebruikten ze een spindiagram om de fietstellingen in beeld te brengen.

Overigens noemden ze hun grafiek geen spindiagram, maar waaier. Met een fietsmetafoor legden ze uit hoe de grafiek werkt: «vanuit het middelpunt zijn de telpunten rond de binnenstad verbonden als spaken in een fietswiel».

Het is een mooie grafiek, maar dit grafiektype heeft ook een nadeel. Impliciet wordt de suggestie gewekt dat de oppervlakte binnen de paarse lijn correspondeert met het aantal passeringen, wat eigenlijk misleidend is (zie dit artikel voor een bespreking van een vergelijkbaar probleem). Een andere beperking is dat de grafiek niet laat zien hoe het fietsgebruik is veranderd - al zou je een versie kunnen maken met aparte lijnen voor 1980 en 2009.

Radial lollipop chart

Als alternatief heb ik een radial lollipop chart gemaakt. Althans, zo noem ik hem maar; voor zover ik weet bestond dit grafiektype nog niet. De grafiekbibliotheek die ik gebruik, D3.js, lijkt geen methode te hebben om de ‘spaken’ te tekenen, of in ieder geval kon ik die niet vinden. Ik heb daarom een functie geschreven om het begin- en eindpunt van de lijnen te berekenen. Ik was allang vergeten hoe je sinus en cosinus gebruikt, dus dat moest ik opzoeken. Ik heb de code hier gepubliceerd.

Hieronder een radial lollipop chart die laat zien hoe het fietsverkeer op bijna alle Singelgrachtkruisingen is toegenomen.

En hier een die het tegenovergestelde effect laat zien voor auto’s.

Ik hou er wel van als datapunten buiten het grafiekgebied vallen - al is dit misschien een beetje overdreven. De uitschieters worden veroorzaakt door het feit dat een groot deel van het autoverkeer de route Wibautstraat - IJtunnel gebruikt. Ik had de schaal kunnen aanpassen zodat deze uitschieters binnen het grafiekgebied zouden vallen, maar dan zou het veel moeilijker worden om veranderingen op andere routes en op de fietsgrafiek te onderscheiden.

Vlakdiagram

Ik ben op zich wel gecharmeerd van die radial lollipop chart, maar hij heeft een beperking: hij laat de veranderingen tussen 1980 en 2009 zien, maar niet wanneer die veranderingen zich voordeden. Het autoverkeer nam al af voordat de groei van het fietsverkeer goed op gang kwam, maar op de radial lollipop chart zie je dat niet.

In het boek staat daarom een vlakdiagram, waarbij kleuren corresponderen met de geografische oriëntatie van de kruisingen. Eenvoudig, maar effectief. En als je in de details wil duiken, klik dan hier voor een eerdere schets: fiets, auto.

Over het boek en de tentoonstelling

De Fietsersbond Amsterdam heeft zijn archief overgedragen aan het Stadsarchief. Marjolein de Lange, die een vrijwilligersproject coördineerde om de overdracht voor te bereiden, kwam op het idee om het materiaal te gebruiken als input voor een boek. Dat idee heeft ze vervolgens uitgevoerd samen met auteur Fred Feddes.

Het resultaat is een erg interessant boek over activisme versus samenwerking, over de plek van de fiets in het gemeentelijk beleid en over hoe de toverkracht van de Amsterdamse fietscultuur de doorslag gaf in de epische strijd om de onderdoorgang voor fietsers onder het Rijksmuseum. Verder staat het boek vol fantastische foto’s, kaarten en affiches. Een must voor iedereen die geïnteresseerd is in fietsen, Amsterdam, of actieposters. Er is ook een gratis toegankelijke tentoonstelling in het Stadsarchief (tot 30 juni).

Visualising Amsterdam’s cyclists

Bike City Amsterdam, a new book by Fred Feddes and Marjolein de Lange, recounts how Amsterdam developed a cycling policy (more on the book below). An important source for the book is the archive of the Amsterdam branch of cyclists’ organisation Fietsersbond. In addition, traffic data was used to analyse trends.

An interesting dataset consists of counts of the number of cyclists, cars and other road users moving into and out of Amsterdam’s city centre, over the years 1980–2009. Most of the locations where traffic was counted are on the Singelgracht, which encircles Amsterdam’s city centre.

The data represents manual counts on a single day, between 7am and 7pm, of traffic in both directions.

I was asked to think about a way to visualise this dataset, which posed an interesting challenge (and was a lot of fun to do). Below, I’ll discuss a few of the options we considered.

Radar chart

Given the geographical distribution of counting locations, it seemed to make sense to try a circular chart design. In fact, that idea had also occurred to the city’s infrastructure department. In a 2007 fact sheet, they used a radar chart (or cobweb chart) to visualise the Singelgracht bicycle counts.

Incidentally, they didn’t use the term radar chart, but called it a fan (waaier). They used a bicycle metaphor to describe how it works: «from the middle, the counting locations around the city centre are connected like spokes in a bicycle wheel».

The chart looks really nice, but this chart type also has a drawback: there’s an implicit suggestion that the area within the purple line represents the number of crossings, which is in fact misleading (see this article for a discussion of a similar problem). Another limitation is that the chart doesn’t show how bicycle traffic changed - although it would be possible to make a version with separate lines representing 1980 and 2009.

Radial lollipop chart

As an alternative, I created what I’ll call a radial lollipop chart (to my knowledge, this chart type didn’t exist yet). The chart library that I use, D3.js, doesn’t seem to have a method to draw the ‘spokes’, or at least I couldn’t find it. Therefore, I wrote a function that calculates the start and end points of the lines. I had long forgotten how to use sine and cosine, so I had to look that up. I’ve published the code here.

Here’s a radial lollipop chart showing how cycling has increased at virtually all the Singelgracht crossings.

And here’s one showing the opposite effect for cars:

I love it when a chart has data points that break out of the chart area - although this is perhaps a bit extreme. The outliers are due to the fact that a large share of car traffic uses the Wibautstraat - IJtunnel route. I could have changed the scale to include those outliers, but then changes on other routes as well as changes in bicycle use would have become much more difficult to discern.

Area chart

I rather like the radial lollipop chart, but it has a limitation: it shows changes between 1980 and 2009, but not when those changes happened. Car use started to go down before cycling really started to increase, but from the radial lollipop chart you couldn’t tell.

This is why the chart used in the book is an area chart, with colours corresponding to the broad geographical orientation of the crossings. Simple, but effective. And if you want to explore the details, click here for a draft version of the charts: bicycle, car.

About the book and exhibition

On 4 April, the Amsterdam branch of cyclists’ organisation Fietsersbond has handed over its archive to the Municipal Archive. Marjolein de Lange, who coordinated a volunteer project to prepare the archive, came up with the idea to use the material as input for a book - a project she carried out with author Fred Feddes.

This resulted in a very interesting book about activism versus cooperation; the place of cycling in urban planning; and how the magic power of Amsterdam’s cycling culture decided the epic fight for the right to cycle through the passage under the Rijksmuseum. The book, which contains a wealth of great photos; maps and posters, is a must-read for anyone interested in cycling, Amsterdam, or activist poster design. It’s been published both in Dutch and in English. There’s also an exhibition at the Municipal Archive (until 30 June, Vijzelstraat 32, access is free).

Hoe vind je die open data

De website waar Amsterdam open data aanbiedt (data.amsterdam.nl) wordt niet zo goed bijgehouden, meldt Nico van Gog op Twitter. Terwijl Amsterdam in zijn coalitieakkoord juist onderstreept hoe belangrijk open en toegankelijke gegevens zijn.

Van Gog legt de vinger op een zere plek: veel links naar gegevenstabellen van OIS zijn gebroken. Het gaat om tabellen die vernieuwd zijn en die daardoor een nieuwe url hebben gekregen (op data.overheid.nl staan deze tabellen ook met gebroken link).

Vorig jaar heb ik de site van OIS gescraped en een lijst gemaakt met alle tabellen die ik kon vinden. Naar aanleiding van de tweet van Van Gog heb ik die lijst nu bijgewerkt. Het is niet ideaal, maar je kan hem met CTR-F / CMD-F relatief eenvoudig doorzoeken.

Een interessant aspect van data.amsterdam.nl is overigens dat deze site zowel op ambtenaren als op het algemene publiek is gericht. Dat heeft als praktisch nadeel dat je er links vindt naar informatie waar je niet bij kan (Kadaster, Kvk). Toch valt er wel iets voor te zeggen: als je vindt dat gegevens zoveel mogelijk openbaar moeten zijn, dan is het niet verkeerd dat burgers hetzelfde dataportaal gebruiken als ambtenaren.

Mocht de gemeente aanleiding zien om data.amsterdam.nl nog eens tegen het licht te houden, dan heb ik een bescheiden suggestie: publiceer de dataverzoeken die worden ingediend, en wat ermee gebeurt. Net als het Rijk.

UPDATE 18 november 2018 - Twee dagen nadat ik dit stuk op m’n blog had gezet bleek een student sociale geografie en planologie te zijn vastgelopen op het dataportaal van de gemeente:

Gezocht op City Data Amsterdam en google. Op City Data Amsterdam zou er een puntenfile van de ov-haltes gedownload kunnen worden. Echter wordt er een foutieve link aangeboden waardoor de bestanden niet te vinden zijn.

De achtergrond van het verzoek is wel interessant: de student wil de haltes voor en na 22 juli vergelijken - dat is de dag waarop de Noord-Zuidlijn ging rijden. Wellicht om te analyseren wat de gevolgen zijn voor de loopafstand naar de dichtstbijzijnde halte - en voor wie. Ben benieuwd.

UPDATE 23 november 2018 - Er wordt aan gewerkt.

UPDATE 1 februari 2019 - De urls op het dataplatform zijn veranderd: «De achtergrond hiervan is dat we beter leesbare en vindbare links gaan gebruiken. Ook hebben we meteen gezorgd dat links naar datasets niet meer op de titel gebaseerd zijn, zodat er ook geen aanleiding meer is om die links nog te wijzigen.»

Which Amsterdam neighbourhoods might qualify for an Airbnb ban

Last week, city council member Sofyan Mbarki (Social-Democrats) proposed a motion to ban holiday rentals in Amsterdam neighbourhoods such as the Haarlemmerbuurt, the Kinkerbuurt and the Wallen. A concentration of holiday rentals results in rising house prices, lower social cohesion, increasing pressure on the housing market and inequality, he argued. The motion has support from a majority of the council.

The city government is inclined to implement the motion, but alderman Laurens Ivens (Socialist Party) wants to study the legal aspects. He considers the neighbourhoods mentioned in the motion good candidates for a ban on holiday rentals, but he doesn’t rule out that other neighbourhoods may be selected.

So what neighbourhoods might qualify? One criterion might be Airbnb density, which is shown on the map below (for caveats see Method below).

Unsurprisingly, neighbourhoods with high Airbnb density overlap with areas where residents complain about holiday rentals: Centrum-West, Centrum-Oost, Westerpark, Oud-West/De Baarsjes and De Pijp/Rivierenbuurt (source).

Airbnb frequently claims that it contributes to tourist dispersion because many hosts are located outside the city centre. However, the map suggests that Airbnb is in fact heavily concentrated in neighbourhoods such as the Wallen, the Jordaan, the Pijp and the Kinkerbuurt. While some of these neighbourhoods are outside the city centre, the pattern appears to be concentration rather than dispersion.

While these neighbourhoods would be likely candidates for a ban on holiday rentals, Ivens may also want to anticipate future developments. A number of neighbourhoods still have a relatively low Airbnb density, but have seen their density double or even almost triple over the past three years: Transvaalbuurt, Hoofdweg e.o., Van Galenbuurt and Westindische Buurt.

UPDATE - It was rightly pointed out that Airbnb density partly reflects housing density. An alternative measure would be Airbnb relative to addresses or population. However, this would result in high values for some areas with low population density where holiday rentals don’t appear to be perceived as much as a problem as in some of the more densely populated areas.

See also:

  • Is tourist dispersion working? An analysis of Lonely Planet maps
  • Airbnb’s agreement with Amsterdam: some insights from scraped data

Method

Both Murray Cox’s Inside Airbnb and Tom Slee provide data collected by scraping the Airbnb website. While this data has some limitations, it’s probably the best publicly available data source on Airbnb. Since Tom Slee stopped collecting data last year, I used Inside Airbnb data for the current article. A discussion of methodological aspects related to that data is here.

In addition, I used land surface data from Statistics Netherlands (CBS). This data is for 2017.

I calculated an indicator for Airbnb density in the following way:

  • I assigned each listing to a neighbourhood (note that coordinates for listings aren’t 100% accurate as discussed by Cox);
  • For each listing, I calculated an indicator for the number of stays as: reviews per month (an indicator of the number of rentals) * the minimum length of stay (capped at 3 nights following this study) * the number of beds (an indicator for the number of guests, capped at 4 because that’s the maximum number of guests allowed by local regulations);
  • I summed that number for each neighbourhood and divided that by the land surface of the neighbourhood (ha).

Note that the indicator for the number stays will not be equal to the actual number of stays, for a number of reasons:

  • It’s possible that not all beds are occupied;
  • Not all guests write a review (Cox suggests the number of rentals could be twice as high as the number of reviews);
  • People may stay longer than the minimum number of nights;
  • Sometimes more than four people may stay in an Airbnb, despite the fact that that’s not allowed;
  • For some listings, the indicator could not be calculated because of missing data (about 11.4%).

According to Airbnb, the number of stays in Amsterdam is 2.5 million. Based on that number, the actual number of stays would be about 3 times as high as the indicator for the number of stays I calculated. Given the considerations listed above, that’s more or less what one would expect.

Python script here.

Airbnb-vrije wijken

Afgelopen week heeft Sofyan Mbarki (PvdA) een motie ingediend om vakantieverhuur te verbieden in Amsterdamse wijken als de Haarlemmerbuurt, de Kinkerbuurt en de Wallen. Een concentratie van vakantieverhuur zorgt voor stijgende huizenprijzen, afnemende sociale cohesie, toenemende druk op de woningmarkt en ongelijkheid, aldus Mbarki. De motie krijgt steun van een ruime meerderheid van de raad.

Het stadsbestuur wil de motie uitvoeren, al wil wethouder Laurens Ivens (SP) wel nog naar de juridische kant kijken. Hij ziet de wijken die Mbarki noemt als geschikte kandidaten voor een verbod op vakantieverhuur, maar sluit niet uit dat andere wijken gekozen zullen worden.

Welke wijken zouden in aanmerking komen? Je zou kunnen kijken naar de Airbnb-dichtheid, zoals die te zien is op de kaart hieronder (voor slagen om de arm zie Method in de Engelstalige versie van dit artikel).

Het zal niet verbazen dat wijken met een hoge Airbnb-dichtheid overlappen met de gebieden waar veel klachten zijn over vakantieverhuur: Centrum-West, Centrum-Oost, Westerpark, Oud-West/De Baarsjes en De Pijp/Rivierenbuurt (bron).

Airbnb claimt regelmatig dat het bijdraagt aan toerismespreiding omdat een groot deel van het aanbod buiten het centrum ligt. De kaart suggereert echter dat Airbnb sterk geconcentreerd is in wijken als de Wallen, de Jordaan, de Pijp en de Kinkerbuurt. Een deel van die wijken ligt buiten het centrum, maar even goed lijkt er eerder sprake van concentratie dan van spreiding.

Deze wijken lijken geschikte kandidaten voor een verbod op vakantieverhuur, maar wellicht wil Ivens ook anticiperen op toekomstige ontwikkelingen. Er zijn verschillende wijken waar de Airbnb-dichtheid nu nog relatief laag is, maar waar Airbnb de afgelopen drie jaar is verdubbeld of zelfs bijna verdriedubbeld: de Transvaalbuurt, Hoofdweg e.o., de Van Galenbuurt en de Westindische Buurt.

UPDATE - Er is terecht op gewezen dat Airbnb-dichtheid voor een deel de adressendichtheid weerspiegelt. Een alternatieve maatstaf zou zijn om Airbnb te relateren aan het aantal adressen of inwoners. Dit zou echter hoge waardes opleveren voor sommige gebieden met een lage bevolkingsdichtheid, waar vakantieverhuur minder als probleem ervaren lijkt te worden dan in sommige dichtbevolkte gebieden.

Zie ook:

  • Werkt toerismespreiding? Een analyse van Lonely Planetkaarten
  • De afspraak tussen Amsterdam en Airbnb: een verkennende analyse met open data

Pages