champagne anarchist | armchair activist

Data

Exploring traffic lights with location data from cyclists’ phones

In 2006, Amsterdammers voted Frederiksplein the location with the most irritating traffic light. Now, ten years later, data from the Fietstelweek (Bicycle Counting Week) offer a unique opportunity to map how much time cyclists lose at traffic lights. During Fietstelweek, over 40,000 Dutch cyclists have shared their location data using a smartphone app. Some of the findings are summarised on the map above, which shows quite a few red dots - locations where cyclists lose on average 30 seconds or more.

Some of those bottlenecks also featured in the 2006 top-ten of irritating traffic lights, including the ‘winner’ of the time, the Frederiksplein. And many red dots are on the Plusnet Fiets, a network of essential cycling routes where the municipality would prefer an average delay of at most 20 or 30 seconds.[1]

The data only allows for a general exploration of cycling bottlenecks. In order to understand more precisely what’s going on, one would have to analyse each crossing separately. At a few locations, average delays of over two minutes have been observed - perhaps traffic lights are not the sole explanation of those delays.

The data from the Fietstelweek were collected in September. The situation may well have changed since at some locations. A good example is the Muntplein, where cycling is pretty smooth now - thanks to Alderman Litjens who banned most cars and removed traffic lights. A change that occured before the Fietstelweek is the removal of traffic lights at the Alexanderplein. And it shows: all dots are green there.

Cyclists’ organisation Fietsersbond wants traffic lights adjusted to create shorter waiting times for cyslists. Research has shown this to be a measure that is very effective and relatively easy and cheap to implement. But it’s not just about technical improvements; future policies should make ‘radical choices’ in favour of bicycle and pedestrian traffic, in order to prevent the city coming to a standstill due to congestion.

This seemed like a good occasion to organise a follow-up poll on traffic lights. Click here to vote for Amsterdam’s most irritating traffic light - 2016 edition.

Method

The Fietstelweek is an initiative of cyclists’ organisation Fietsersbond and a number of consultancies and research organisations. Between 19 and 25 September 2016, over 40,000 cyclists have used an app to share their location data. The Fietstelweek data has been made available (thanks!) on condition that derived products are also made available as open data. The processed data of my analysis is here and the code for processing the data here and here.

The Fietstelweek data is available in the form of routes, links (intensity and speed) and nodes (delays). The nodes data contains a variable tijd (time). This is the delay along the trajectory between 50m before and 50m after the node, relative to the time the cyclist would normally take to cycle 100m (thanks Dirk Bussche of NHTV Breda university of Applied Sciences for details on how the data was processed).

The dataset contains over 750,000 nodes. I filtered them in three steps: only nodes that are within a square around Amsterdam; only nodes near traffic lights and only nodes with at least 50 observations. This resulted in 1,845 nodes with almost 400,000 observations. For details see the scripts.

Data on traffic lights is from the municipality.


  1. In a new policy to be decided early 2017, the municipality indicates that the average waiting time for cyclists, measured at the busiest hour, should not exceed 45 seconds. At the Plusnet Fiets, it is further deemed desirable that the maximum delay doesn’t exceed 20 seconds at busy crossings an 30 seconds elsewhere. Delay times include the effect of slowing down and accelerating.  ↩

Tussenstand internetconsultatie: ‘Alle fietspaden scootervrij’

[Dit artikel is bijgewerkt op 7 januari 2017] - Er is de afgelopen jaren flink actie gevoerd voor scootervrije fietspaden. Het voorlopige resultaat: gemeenten mogen binnenkort scooterrijders verplichten om op de rijbaan te rijden, met een helm op. Er is wel een adder onder het gras: gemeenten moeten straks per fietspad of stelsel van fietspaden besluiten of ze scootervrij worden, onderbouwd met argumenten. De Fietsersbond vreest voor chaos.

De regel is nog niet definitief vastgesteld en burgers konden tot en met 6 januari hun mening geven via een internetconsultatie. Er zijn 1.132 openbare reacties ingediend (waarvan 912 uit Amsterdam). Dat is best veel. Sinds 2010 zijn er 728 internetconsultaties geweest en daarop kwamen gemiddeld 43 openbare reacties. Slechts 5 consultaties kregen meer reacties dan de consultatie over scootervrije fietspaden.

In de grafiek zie je het effect van een bericht op de website van AT5 op 16 december en vooral ook van het opinieartikel van Zeeger Ernsting en Jan-Bert Vroege in het Parool op 3 januari. Daarnaast hebben Fietsersbond, Milieudefensie, scooterverkopers en anderen hun achterban opgeroepen om te reageren, maar die initiatieven lijken minder duidelijk aan een bepaalde datum gebonden te zijn.

Maar hoe analyseer je de inhoud van al die reacties? Neem de consultatie over de intrekking van de Zondagswet, een van de populairste consultaties ooit. De overheid heeft een verslag gemaakt waarin de reacties worden uitgesplitst naar burgers en organisaties, naar voor- en tegenstanders en naar de argumenten die ze gebruiken. De enige manier waarop je dat kan doen is door de reacties stuk voor stuk zorgvuldig door te lezen en te categoriseren. Dat is een gigantische klus en dat ga ik dus niet doen.

Een veel simpelere manier is tellen welke woorden het vaakst worden gebruikt, nadat je eerst de stopwoorden zoals de, en, en van hebt verwijderd (en de hoofdletters hebt vervangen door onderkast). Voor de scooterconsultatie kom je dan op fietspad(en), alle, snorfietsen, scooters. Dat schiet niet op.

Een variant is om te kijken naar combinaties van woorden, opnieuw nadat stopwoorden uit de tekst zijn gefilterd. Ik heb gekeken naar combinaties van twee opeenvolgende woorden, zogenaamde bigrams. Verreweg de meestvoorkomende combinatie is alle fietspaden; deze combinatie komt in de reacties 140 keer voor. Bijna allemaal zijn dit mensen die vinden dat alle fietspaden scootervrij moeten worden. Bijvoorbeeld:

Graag ALLE fietspaden binnen de ring scootervrij! Helmplicht overal! Ze rijden te hard en er is geen handhaving op snelheid. Dank u wel!

Bijna alle fietspaden in Amsterdam zijn drukke fietspaden. Het is onzinnig per stukje straat te gaan bepalen of daar wel/niet scooters op mogen. Dus: alle fietspaden binnen de ring (muv Noord) scootervrij! Helderheid voor fietser en voor scooterrijders.

Het zou zeer prettig zijn om de snorscooters van alle fietspaden af te halen. Dit maakt het voor kleine kids weer leuk om te leren fietsen in de stad. Ouderen maar ook jongeren irriteren zich vaak aan de scooters op het fietspad die veel ruimte innemen maar ook heel regelmatig te hard rijden.

Laat het alstublieft niet alleen gelden voor drukke fietspaden maar voor ALLE fietspaden.

Andere veelvoorkomende woordcombinaties zijn binnen [de] ring en drukke fietspaden.

Tenslotte heb ik gekeken naar langere woordpatronen (7grams) in reacties. Op die manier kom je erachter dat de scooterverkopers ook hebben geprobeerd om met een standaardtekst de consultatie te beïnvloeden, maar dat gaat vooralsnog om kleine aantallen.

Voor de gegevensverzameling en -analyse heb ik gebruik gemaakt van Python plus o.a. BeautifulSoup en nltk. 181 indieners hebben een pdf-bijlage meegestuurd bij hun reactie; deze heb ik niet geanalyseerd.

Stadsdelen als politieke kweekvijver

Met enige gebakken lucht (meer democratie, minder politiek) lanceert de gemeente Amsterdam een plan om het bestuurlijk stelsel weer om te gooien. Ruim twee jaar geleden werden de stadsdeelraden vervangen door bestuurscommissies die net als de deelraden worden gekozen, maar die weinig te zeggen hebben. De gemeente wil deze bestuurscommissies in 2018 vervangen door adviescommissies die ook worden gekozen, maar die nog minder te zeggen hebben.

Als die adviescommissies nauwelijks bevoegdheden hebben, waarom zou je er dan überhaupt nog verkiezingen voor organiseren?

Aan de andere kant zijn er ook argumenten om de stadsdeelbesturen juist te versterken. Bijvoorbeeld omdat ze tegenwicht bieden aan al te drieste plannen van de centrale stad (denk bijvoorbeeld aan de stadsdelen die, een aantal jaar terug, in verzet kwamen tegen het zomaar fouilleren van mensen op straat). Of omdat stadsdelen een laagdrempelige mogelijkheid bieden om politieke ervaring op te doen.

Wat dat laatste betreft: de tabel hieronder laat zien welke gemeentepolitici het vak hebben geleerd in de stadsdelen. De tabel is niet compleet: politici die voor 2010 in een stadsdeel actief waren ontbreken. Denk bijvoorbeeld aan VVD-wethouder Pieter Litjens, die nog actief is geweest als dagelijks bestuurder in Zuidoost.

Gemeentepolitici die vanaf 2010 actief waren in stadsdelen
Naam Nu Partij Afkomstig
Nelly Duijndam Raadslid SP Centrum
Mascha ten Bruggencate Raadslid D66 Centrum
Jorrit Nuijens Raadslid GroenLinks Centrum
Daniël Peters Raadslid SP Noord
Wil van Soest Raadslid PvdO Noord
Cees Eenhoorn Duoraadslid VVD Noord
Jan-Bert Vroege Raadslid D66 Oost
Marianne Poot Raadslid VVD Oost
Rik Torn Raadslid VVD Oost
Tiers Bakker Raadslid SP Oost
Carolien de Heer Raadslid PvdA West
Orhan Kayar Raadslid PvdA West
Rutger Groot Wassink Raadslid GroenLinks West
Tjakko Dijk Raadslid VVD West
Abdeluheb Choho Wethouder D66 West
Brahim Abid Duoraadslid PvdA Zuid
Paul Guldemond Raadslid D66 Zuid
Simone Kukenheim Wethouder D66 Zuid
Henk Boldewijn Raadslid PvdA Zuidoost
Toon Geenen Duoraadslid PvdA Zuidoost
Simion Blom Raadslid GroenLinks Zuidoost
Bron: DAP

Eén op de drie gemeenteraadsleden was recent actief in een stadsdeel. Hetzelfde geldt voor de helft van de D66-wethouders. Bijna alle partijen recruteren onder voormalige stadsdeelpolitici en ze recruteren in bijna alle stadsdelen.

Sommige stadsdeelpolitici groeien door naar de landelijke politiek. De onderstaande tabel laat zien welke Tweede Kamerleden ooit actief waren in een stadsdeel of in een Rotterdamse deelgemeente - afgaand op hun profielen op Wikipedia en op de website van de Tweede Kamer.

Tweede Kamerleden die actief waren in stadsdelen of deelgemeenten
Naam Nu Partij Afkomstig
Vera Bergkamp Kamerlid D66 Centrum
Michel Rog Kamerlid CDA, D66 De Baarsjes
Jacques Monasch Kamerlid Monasch, PvdA De Pijp
Duco Hoogland Kamerlid PvdA Feijenoord (R)
Mark Harbers Kamerlid VVD Kralingen-Crooswijk (R)
Harry van Bommel Kamerlid SP Oost
Daniël van der Ree Kamerlid VVD Oud-Zuid
Jeroen van Wijngaarden Kamerlid VVD Oud-Zuid, Zuid
Ahmed Marcouch Kamerlid PvdA Slotervaart
Bron: Wikipedia / Tweede Kamer (script)

Al met al vormen de stadsdelen inderdaad een kweekvijver voor de lokale en landelijke politiek. Een breed scala aan politieke partijen maakt hier gebruik van.

Time on the y-axis

Normally, charts have time on the x-axis, moving from left to right. Earlier this year, Alberto Cairo wrote an article on charts that have time on the y-axis. This may make practical sense if you want to show developments over time on a political left-right scale. He also pointed to the use of mobile screens:

As a final note, here’s a prediction: as a majority of readers are accessing their news through smartphones […] which are usually held upright and navigated by scrolling vertically, vertical time-series charts with time on the Y-axis will become more common in the next few years. Will we witness a new visual convention being born?

Now Kaiser Fung discusses a few charts by the Washington Post (aptly described as troll hair charts) and the New York Times that also have time on the y-axis. They’ve made different choices regarding the direction of time: «The Post’s choice of top to bottom seems more natural to me than the Times’s reverse order but I am guessing some of you may have different inclinations.» Which suggests that the convention of showing time on the y-axis hasn’t crystallised yet.

Based on the connection with scrolling on mobile screens, the Washington Post’s top-to-bottom approach may well emerge as the standard approach.

Ongelijkheid bij verkiezingen

Er is veel te doen geweest over de opkomst bij de Amerikaanse presidentsverkiezing, maar ook in Nederland is de opkomst ongelijk en het kan geen kwaad daar af en toe bij stil te staan. Jongeren, laag opgeleiden en mensen met lage inkomens gaan minder vaak stemmen, wellicht omdat ze minder vertrouwen hebben dat de politiek rekening houdt met hun belangen.

Inkomen, opkomst en stemgedrag verschillen per buurt. De confettiplot hieronder illustreert dat aan de hand van de Tweede Kamerverkiezing van 2012 in Amsterdam.

Het beeld is duidelijk: in rijke buurten gaan meer mensen stemmen en ze stemmen vaak op VVD of D66 - partijen die staan voor een liberaal economisch beleid. In armere buurten zijn PvdA en SP populairder, maar hier gaan relatief weinig mensen naar de stembus.

Het feit dat er zulke grote verschillen in opkomst zijn roept de vraag op waarom er in Nederland nauwelijks serieuze campagnes worden gevoerd om de opkomst te bevorderen. Er is genoeg wetenschappelijk onderzoek naar de effectiviteit van zulke campagnes.

Klik op de links onder de grafiek om opkomst, linkse stemmen of liberale stemmen te zien. Hier is een grotere versie van de grafiek - al zal het op een mobiel scherm niet zoveel verschil maken.

Methode

Het vergelijken van verkiezingsuitslagen op buurtniveau met inkomensgegevens van de inwoners van die buurten gaat niet helemaal goed, omdat kiezers niet verplicht zijn om in hun eigen buurt te stemmen. Enkele buurten zoals Station-Zuid WTC en omgeving heb ik buiten beschouwing gelaten omdat er in die buurten stembureaus op stations zijn waar relatief veel mensen van buiten de buurt gaan stemmen.

De correlaties zijn vrij robuust. Je vindt ze ook als je naar het stemgedrag in Amsterdamse buurten bij de gemeenteraadsverkiezing van 2014 kijkt, of naar verschillen tussen gemeenten in heel Nederland bij de Tweede Kamerverkiezing in 2012 (bij dat laatste voorbeeld zijn de correlaties wat minder sterk). Data en scripts hier.

Pages