Maps

Amsterdam: Worden klachten van fietsers serieus genomen

De Fietsersbond heeft een meldpunt voor klachten over bijvoorbeeld gevaarlijke paaltjes, verkeerslichten die te lang op rood staan of een tekort aan fietsenrekken. Een groep vrijwilligers checkt regelmatig of er iets met die meldingen gebeurt. Het goede nieuws zie je hier: door de hele stad zijn plekken te vinden waar de situatie voor fietsers verbeterd lijkt te zijn.

Reden dus voor tevredenheid? Dat ook weer niet. Er zijn namelijk ook heel veel meldingen waar niets mee gebeurt. Plekken waar fietsers hinder ondervinden of zelfs gevaar lopen. Soms gaat het om problemen die makkelijk op te lossen zijn, bijvoorbeeld door een fietsenrek neer te zetten. Soms gaat het ook om ingewikkelde afwegingen waarbij de belangen van fietsers ondergeschikt zijn gemaakt aan de doorstroom van auto’s en openbaar vervoer. Hoe dan ook, de fiets mag best wat hoger op de agenda bij gemeente en stadsdelen.

Amsterdam: Are cyclists’ complaints taken seriously

Cyclists’ organisation Fietsersbond has a website where you can report dangerous bollards, traffic lights that take ages to turn green, a shortage of bicycle racks, etcetera. A group of volunteers frequently check the status quo. For the good news click here: across the entire city, there are locations where the situation for cyclists appears to have improved.

Can we conclude that cyclists’ complaints are taken seriously? Not quite. Many reports are ignored and as a result, cyclists are being hindered or even put in danger. Some of these reports are about problems that can easily be solved, for example by adding a bike rack. In other cases, there are complicated tradeoffs, and the interests of cyclists are subordinated to the flow of cars and public transport. In any case, city and districts might put the bicycle a bit higher on their list of priorities.

Amsterdammers houden van historische grachtenpanden, maar niet van jaren-50 architectuur

O+S, het onderzoeksbureau van de gemeente Amsterdam, heeft een Excelbestand online gezet met een enorme hoeveelheid gegevens over Amsterdamse buurten. Bijvoorbeeld hoe mooi buurtbewoners de huizen in hun buurt vinden. De gemiddelde scores zijn te zien op de kaart hieronder.

Volgens buurtbewoners staan de mooiste huizen in de omgeving van de Leliegracht (gemiddeld een 8,7) in de Westelijke Grachtengordel. De lelijkste huizen zijn te vinden aan de rommelige randen van de stad, bijvoorbeeld rond de Weespertrekvaart in de buurt De Omval.

Het zal niet echt verbazen dat er een tamelijk sterke correlatie is tussen de waarde van woningen (woz) en hoe mooi ze zijn volgens buurtbewoners. Je kan dit op twee manieren uitleggen: ofwel Amsterdammers hebben een patserige smaak, ofwel mensen hebben veel geld over voor mooie woningen, waardoor de waarde van die woningen stijgt (waarschijnlijk een combinatie).

Toevallig was ik net een nieuw bestand van het CBS tegengekomen met gegevens over de bouwperiode van woningen per 4-cijferige postcode. Deze gegevens heb ik gekoppeld aan de gegevens van O+S (voor de haken en ogen zie hieronder, Methode). De scatterplot toont buurten op basis van het percentage woningen uit een bepaalde periode, en de beoordeling van de woningen.

Uit de gegevens kunnen verschillende conclusies worden getrokken:

  • In buurten met een hoog aandeel historische woningen (van voor 1906) vinden bewoners de woningen vaak mooi;
  • Andersom geldt voor buurten met veel naoorlogse woningen (1945 - 1960), zoals de westelijke tuinsteden, dat buurtbewoners lage cijfers geven voor het uiterlijk van de woningen;
  • En architectuur van na 2011 lijkt ook niet zo populair te zijn.

In eerste instantie was ik teleurgesteld in mijn stadsgenoten. Vooral hierom:

  • Ze lijken niet veel waardering te hebben voor de architectuur van de Amsterdamse School, die grotendeels samenvalt met de periode 1906 - 1930 (anders zou er een positieve correlatie zijn geweest tussen de beoordeling en het percentage woningen uit deze periode);
  • Aan de andere kant lijken ze zich niet te realiseren hoe lelijk veel architectuur uit de jaren tachtig is (anders zou je een negatieve correlatie verwachten tussen de beoordeling en het percentage woningen uit de jaren tachtig).

Maar als je wat dieper in de gegevens duikt dan blijkt het nog wel enigszins mee te vallen. Voor sommige buurten zijn gegevens beschikbaar op een meer gedetailleerd niveau dan het niveau dat ik in mijn analyse heb gebruikt.

Voor wat betreft de Amsterdamse school: een tamelijk sensationeel voorbeeld is de Tellegenbuurt in de Diamantbuurt, die een middelmatige 7 krijgt (net boven de mediaan 6,9). Maar uit de meer gedetailleerde gegevens blijkt dat tenminste het westelijke deel van de Tellegenbuurt een iets betere score van 7,4 krijgt. Het zelfde geldt voor het standaardvoorbeeld van de Amsterdamse School, het Schip. Dit ligt in de Spaarndammer- en Zeeheldenbuurt, waar bewoners de huizen een 6,9 geven, maar in de westelijke delen van de Spaarndammerbuurt is dat een 7,5.

Ik blijf erbij dat Amsterdammers de periode 1906 - 1930 onderwaarderen, maar op z’n minst lijken ze wel enige waardering te tonen voor de bekendste hoogtepunten van de Amsterdamse School.

Wat de jaren tachtig betreft: dit was een periode van stadsvernieuwing. Het leverde saaie huizenblokken op in buurten die er verder prima uitzien, zoals de Dapperbuurt, de Oostelijke Eilanden en de oostelijke delen van de Indische Buurt. Deze mix verklaart misschien waarom deze buurten niet altijd extreem lage cijfers krijgen.

Methode

De beoordelingen van huizen zijn ontleend aan een enquête uit 2013 waarin bewoners is gevraagd: «Hoe beoordeelt u de woningen in uw buurt? (1=zeer lelijk, 10 =zeer mooi)». Het O+S-bestand met deze beoordelingen is hier te vinden en het CBS-bestand met de bouwperiodes hier.

De grootste uitdaging was om de bestanden aan elkaar te koppelen. Gelukkig bleek dat het CBS ook een bestand heeft met buurtgegevens waarin ook de meestvoorkomende postcode (4 cijfers) is opgenomen (plus een variabele over het percentage woningen dat de betreffende postcode heeft). De link tussen postcode en buurt is imperfect maar niet eens zo heel slecht. Zo geldt voor 57 van de 97 buurten in mijn analyse dat meer dan 90% van de huizen onder de betreffende postcode valt.

Enigszins verassend blijkt dat de spelling van buurtnamen bij O+S in enkele gevallen afwijkt van die van het CBS (waarom ?!). Bijvoorbeeld Bijlmer oost (e,g,k) versus Bijlmer-Oost (E, G, K). Ik heb een aparte tabel gemaakt om de verschillende spellingen aan elkaar te koppelen.

Ik heb R gebruikt om de bestanden aan elkaar te koppelen en om de correlaties te berekenen tussen het aandeel woningen uit een bepaalde periode en de beoordeling van die woningen (code op Github). Het zou niet realistisch zijn om al te sterke correlaties te verwachten: ten eerste zal het aandeel woningen uit een bepaalde periode op z’n best slechts één van de vele factoren zijn die bepalen hoe mooi mensen de woningen in hun buurt vinden, en ten tweede vanwege de noise die is veroorzaakt door de imperfecte koppeling tussen buurt en postcode.

De sterkste correlatie was er voor de periode 1906 - 1930 (.51). Voor 1945 - 1960 was de correlatie -.32 en voor de periode na 2011 -.39. Voor de jaren zestig was er een nog zwakkere, maar op zich wel statistisch significante correlatie van -.22.

Aanvankelijk heb ik een kaart gemaakt met Qgis, maar ik realiseerde me dat enige interactiviteit eigenlijk wel op z’n plaats was. Ik heb een nieuwe versie gemaakt met Leaflet en D3, waarbij ik deze handleiding heb gebruikt om de basics te leren van Leaflet en het combineren van Leaflet met D3. Het aanvankelijke resultaat zag er niet uit, maar met de zwart-witte tiles van Stamen (beter dan OSM black and white) ziet het er al beter uit (waarschijnlijk zal een combinatie van kaart met choropleth er altijd een beetje viezig uitzien).

Amsterdammers like old canal houses and dislike 1950s architecture

The research bureau of the Amsterdam city government (O+S) has published an Excel file containing a wealth of data about Amsterdam’s neighbourhoods. Among other things, it tells us how beautiful Amsterdammers think houses in their neighbourhood are. The average ratings are shown on the map below.

According to locals, the most beautiful houses are to be found around the Leliegracht (rated 8.7 out of 10) in the western canal belt. The ugliest are at the messy margins of the city, for example around the Weespertrekvaart in the Omval neighbourhood.

It will hardly come as a surprise that there’s a pretty strong correlation between the value of houses and how beautiful locals think they are. Either Amsterdammers have a posh taste in houses, or beautiful houses are expensive because people are willing to pay more for them (probably it’s a bit of both).

It so happened I had recently come across a new dataset from Statistics Netherlands (CBS) containing data on the construction period of houses by 4-digit postcode. I linked this data to the O+S data (for the challenges involved see the Method section below). The scatterplot shows neighbourhoods by share of houses from a specified period, and rating.

A few conclusions can be drawn:

  • In neighbourhoods with a high share of historic (pre–1906) houses, locals tend to think houses are beautiful;
  • By contrast, in neighbourhoods with a high share of post-war (1945 - 1960) houses, such as the western garden cities, locals tend to be more critical of the houses in their neighbourhood;
  • And post–2011 architecture doesn’t appear to be very popular either.

My first reaction to these findings was disappointment in my fellow Amsterdammers. Mainly for these reasons:

  • They don’t seem to particularly appreciate the Amsterdam School architecture, which largely coincides with the 1906–1930 period (or there would have been a positive correlation between rating and the share of houses from this period);
  • On the other hand, they don’t seem to realise how ugly much of the 1980s architecture really is (otherwise you’d expect a negative correlation between rating and share of houses from the 1980s).

A deeper dive into the data resulted in a somewhat more nuanced view. For some of the neighbourhoods, data is available at a more detailed level than the level I used in my analysis.

As for the Amsterdam School: a pretty sensational example is the Tellegenbuurt in the neighbourhood Diamantbuurt, which gets a mediocre 7 out of 10 rating (just above the median rating of 6.9). However, the more detailed data shows that at least the western part of the Tellegenbuurt gets a somewhat better 7.4. Similarly, the iconic het Schip housing block is in the Spaarndammer- and Zeeheldenbuurt, where locals rate the houses a 6.9, but the western parts of the Spaarndammerbuurt proper get a rating of 7.5.

I still think Amsterdammers undervalue the 1906–1930 period, but at least they do seem to show some appreciation for some of the most-acclaimed highlights of the period.

As for the 1980s: this was a period of urban renewal. It resulted in dull housing blocks in otherwise decent-looking neighbourhoods such as the Dapperbuurt, the Oostelijke Eilanden and the eastern part of the Indische buurt. This mixture may explain why these neighbourhoods don’t necessarily get very low ratings.

Method

The ratings of houses were collected in 2013, by asking the question «How do you rate the houses in your neighbourhood? (1=very ugly, 10=very beautiful)». The O+S file containing these ratings is available here and the CBS file containing data on period of construction here.

The main challenge consisted in linking the two datasets. Fortunately, the CBS also has a file containing neighbourhood data with the most prevalent 4-digit postcode (and also information on the share of houses that have that postcode). The link between postcode and neighbourhood is imperfect but not too bad. For example, in 57 out of the 97 neighbourhoods in my final analysis, over 90% of the addresses have the postcode associated with the neighbourhood.

Somewhat surprisingly, the O+S spelling of neighbourhoods is in some cases slightly different from the CBS (why?!). For example, Bijlmer oost (e,g,k) versus Bijlmer-Oost (E, G, K). I created a separate table to link the different spellings.

I used R to merge the files and check for correlations between share of houses from a specific period and rating of the houses (code on Github). One shouldn’t expect too strong correlations for two reasons: first, the share of houses from a certain period will be at best just one among many factors that have an influence on rating and second, because of the noise created by the imperfect link between postcode and neighbourhood.

For share of pre–1906 houses there was the strongest correlation with the rating of the houses (.51). For 1945–1960 the correlation was -.32 and for post–2011 it was -.39. There was an even weaker, but still statistically significant, correlation for the 1960s (-.22).

I initially created a map with Qgis, but then I decided the map needed some interactivity. I created a new version with Leaflet and D3, using this tutorial to figure out the basics of Leaflet and how to combine it with D3. The initial result wasn’t pretty, but then I found the black and white tiles by Stamen (better than the OSM black and white) and now I think it looks better (although I guess maps overlaid with a choropleth will always look a bit smudgy).

Map: How the fastfood workers’ fight just went global


In November 2012, fastfood workers in New York went on strike for decent wages. Since, the fight has spread rapidly in the US and on 15 May, it went global. There were actions in cities like Dublin, Mumbai, São Paulo, Bandung, Kagoshima and many others. Security workers at Amsterdam Airport, who had just had their own action for real jobs, also showed their support.

The map above shows cities mentioned in tweets with the hashtag #FastFoodGlobal.

Method

The map above doesn’t even do justice to the scope of the action. For one thing, many other hashtags were used besides #FastFoodGlobal (e.g., #fastfoodstrike, #fightfor15, #raisethewage, #lowpayisnotok, and, quite often actually, #ronaldmacdonald). Further, it only captures references in the Latin alphabet, and only the transcription used by Wikipedia.

I used the Twitter API to collect some 50,000 tweets with the hashtag #FastFoodGlobal. I checked the text of these tweets agains a list of cities with a population of 100,000 and over. Of course, it’s impossible to identify cities with 100% accuracy. I removed cities like Van (Turkish city but also a word in Spanish and Dutch) and Hamburg (cf. hamburger) as well as cities mentioned less than 25 times. The map is based on a tutorial by D3 Tips and Tricks.

Pages