salonanarchist | leunstoelactivist

Data

Gemeente: «geparkeerde fiets neemt veel openbare ruimte in beslag»

De foto hierboven zou je kunnen opvatten als commentaar op het nieuwe Meerjarenplan Fiets van de gemeente Amsterdam. Daarin staat:

Van de Amsterdammers zet 43% zijn of haar fiets in de openbare ruimte: alleen al bijna 350.000 fietsen binnen de Ring A10 ten zuiden van het IJ. Een geparkeerde fiets neemt gemiddeld zo’n twee vierkante meter ruimte in. Dit neemt veel van de openbare ruimte in beslag.

Veel ruimte? Het zijn vooral de autoparkeerplekken die veel ruimte innemen. Naar aanleiding van een tweet van Marco te Brömmelstroet heb ik ooit uitgerekend dat je 2,1 miljoen fietsenrekken zou kunnen neerzetten op de plek die nu in beslag wordt genomen door autoparkeerplaatsen. Met cijfers van de gemeente kom je zelfs nog hoger uit: ruimte voor 2,65 miljoen fietsenrekken (volgens de gemeente zijn er 265.000 autoparkeerplaatsen op straat die elk 20m2 innemen, en heeft een fietsenrek maar 2m2 nodig).

Elders in het Meerjarenplan erkent de gemeente overigens dat auto’s veel meer ruimte innemen dan fietsen. In drukke buurten wil ze de mogelijkheden verkennen voor «een andere verdeling en slim dubbelgebruik van de ruimte voor voetganger, fiets(parkeren), auto(parkeren) en andere voorzieningen». Dat kan betekenen dat er wordt afgeweken van de parkeernormen, maar een echte keuze wordt (nog) niet gemaakt.

Amsterdam worstelt al zeker tien jaar met een tekort aan fietsenrekken. De afgelopen jaren zijn er 16.000 plekken bijgekomen, maar dat is waarschijnlijk te weinig om de groei van het fietsgebruik bij te houden.

Als je echt iets wil doen aan het tekort aan fietsenrekken, dan is daar makkelijk ruimte voor de vinden. De foto hierboven laat dat zien.

De foto is gemaakt door Marieke de Lange en staat op de voorpagina van de OEK, het ledenblad van de Fietsersbond Amsterdam. De OEK is hier te vinden. Leden van de Fietsersbond krijgen hem in de bus. De cijfers komen uit het Meerjarenplan, behalve het aantal autoparkeerplekken; dat staat in de Thermometer Bereikbaarheid.

Airbnb’s agreement with Amsterdam: some insights from scraped data

Airbnb is under fire. The platform would harm the liveability of Amsterdam neighbourhoods and drive up house prices. In December last year, Amsterdam and Airbnb signed a Memorandum of Understanding (MOU) to deal with abuses. According to Airbnb, the agreement is already bearing fruit. Airbnb thinks Amsterdam should focus its enforcement efforts on other platforms. But Amsterdam wants to introduce a registration requirement for holiday lettings, a measure Airbnb vehemently opposes.

In this article, I analyse some of the changes that occurred since the announcement of the MOU. I use data from Murray Cox (Inside Airbnb) and Tom Slee, who have scraped the Airbnb website various times between May 2014 and May 2017 (scraping is automated retrieval of data from websites). Note that data about Airbnb is always controversial. Read this article to understand why the data collected by Cox and Slee is an important addition to the data provided by the company itself.

Sixty-day limit

Amsterdam residents may rent out their home sixty days per year. According to the new agreement, Airbnb will block advertisements when they exceed that limit. However, this applies only to entire homes and not to rooms, because these may be B&Bs, where the sixty-day cap doesn’t apply.

According to Airbnb, there has been a substantial decrease in the number of homes offered for rent more than sixty days per year. This would be evidence that the MOU is already reducing illegal offerings.

The chart below shows how many rooms and entire homes were available more than sixty days per year, using data from Murray Cox.

The chart appears to confirm what Airbnb has claimed: the number of entire homes available more than sixty days has gone down. However, this started in the first half of 2016, well before the MOU was signed (let alone implemented). So it appears that it was caused by something else.

Perhaps it was the threat of stricter enforcement by the government itself. On 16 February 2016, Amsterdam announced that it was creating its own scraper to collect information from home rental platforms such as Airbnb. In March, the Green Party and Social-Democrats filed motions to step up enforcement.

Room type changes

Does this mean the agreement between Amsterdam and Airbnb wasn’t a turning point? Perhaps it was - but in a different way.

Aggregate data about Airbnb listings are the result of a complex interplay of developments. Some listings are taken off the platform, and new ones are created. In addition, some hosts change the type of their listing - from room to entire home, or vice versa. This is shown in the chart below (using data from Tom Slee).

Until recently, few hosts changed the type of their listings. But since the announcement of the MOU, hundreds of listings have been changed from entire home to room. As indicated above, in the MOU, Airbnb promised to block advertisements for homes that have reached the sixty-day limit. Could it be that people changed their listings into «rooms» to evade the sixty-day limit?

I analysed listings that were changed from home to room between early March and early April 2017 (data from Murray Cox). In early April, over three-quarters of these listings were available more than sixty days per year. This would be consistent with the theory that hosts changed these homes into rooms because of the cap.

It’s possible that these hosts actually stopped renting out entire homes and started to rent out a single room instead. In that case, you’d expect them to have lowered the price and changed the description. However, the price was almost never lowered. Often, the host didn’t even change the description. In some cases, the description still explicitly says that guests have the entire home to themselves.

Incidentally, this is not the first time enforcement led to a large-scale conversion of homes into rooms. This has also happened in New York.

Conclusions

With the available data, it’s not possible to know with certainty what exactly happened over the past months. That said, there are indications the agreement between Amsterdam and Airbnb may be less effective than it seemed:

  • There has been a decrease in the number of entire homes offered for rent more than sixty days. However, this started well before the agreement was signed. It could be a result of (the threat of) enforcement by the government itself.
  • After the announcement of the agreement between Amsterdam and Airbnb, hundreds of entire homes were categorised as rooms. This could be a way for hosts to evade the sixty-day cap for entire homes.

Method and data

Both Murray Cox and Tom Slee frequently scrape the Airbnb website. Cox’ data is more detailed (including, for example, the texts used in advertisements and availability information). Slee collects his data more frequently, at least so for Amsterdam. Both Cox and Slee have made their data available as open data (thanks!).

Cox and Slee are not the only ones who collect data from the Airbnb website; there are commercial providers as well. In addition, the Amsterdam Municipality has started scraping the websites of Airbnb and other platforms. It appears Amsterdam only shares this data with city council members on a confidential basis.

As for room type changes: the data probably underestimates the actual number of changes, especially for the earlier periods. The reason is that you can only detect changes if an avertisement is in both the old and the new dataset. The longer the period between two measurements, the higher turnover will be (listings disappear, new ones are added) and therefore the higher the chance of missing room type changes.

Therefore, I did an additional calculation, correcting for the amount of overlap between the old and the new measurement. The result can be seen here. The picture is slightly different, but the conclusion stands: as of the end of 2016, there was a clear increase in home-to-room changes.

I used Python for the analysis. Here’s the code. As always, comments regarding the analysis and interpretation of the data are welcome.

De afspraak tussen Amsterdam en Airbnb: een verkennende analyse met open data

Airbnb ligt onder vuur. Het platform zou de leefbaarheid van Amsterdamse buurten aantasten en de woningprijzen opdrijven. Eind vorig jaar hebben Amsterdam en Airbnb een Memorandum of Understanding (MOU) getekend om misstanden aan te pakken. Volgens Airbnb is de afspraak nu al succesvol en moet de gemeente zich nu op andere platforms richten. Maar de gemeente wil een meldplicht invoeren voor vakantieverhuur, een plan waar Airbnb zich fel tegen verzet.

In dit artikel analyseer ik enkele veranderingen sinds de aankondiging van de MOU. Ik gebruik gegevens van Murray Cox (Inside Airbnb) en Tom Slee. Zij hebben op verschillende momenten tussen mei 2014 en mei 2017 de site van Airbnb gescraped (scrapen is het geautomatiseerd verzamelen van gegevens van websites). Gegevens over Airbnb zijn altijd controversieel, maar dit artikel legt uit waarom de gegevens van Cox en Slee een belangrijke aanvulling zijn op de cijfers die Airbnb zelf naar buiten brengt.

Zestigdagengrens

Amsterdammers mogen hun woning zestig dagen per jaar verhuren. Amsterdam en Airbnb hebben afgesproken dat het bedrijf advertenties voor woningen gaat blokkeren als die termijn wordt overschreden. Dit geldt voor zelfstandige woningen, maar niet voor kamers, want dat kunnen bed and breakfasts zijn en daarvoor geldt de zestigdagengrens niet.

Volgens Airbnb is er een forse daling van het aantal woningen dat meer dan zestig dagen per jaar wordt aangeboden. De MOU zou nu al zorgen voor minder illegale advertenties.

De grafiek hieronder toont hoeveel kamers en woningen meer dan zestig dagen per jaar beschikbaar waren, gebaseerd op gegevens van Murray Cox.

De grafiek laat inderdaad een daling zien van het aantal woningen dat meer dan zestig dagen beschikbaar is. Maar de daling begon in de eerste helft van 2016, ruim voordat de MOU werd ondertekend (laat staan uitgevoerd). Blijkbaar was er dus een andere oorzaak.

Misschien heeft het iets te maken met de handhaving door de gemeente zelf. Op 16 februari 2016 maakte Amsterdam bekend dat het zijn eigen scraper ging inzetten om informatie te verzamelen van vakantiehuurplatforms zoals Airbnb. In maart dienden GroenLinks en PvdA moties in waarin werd aangedrongen op strengere handhaving.

Woningtype aangepast

Betekent dit dat de MOU geen keerpunt vormde? Misschien toch wel, alleen op een andere manier.

De totaalcijfers over Airbnb vormen het resultaat van een complex samenspel van ontwikkelingen. Sommige advertenties worden van het platform verwijderd en nieuwe worden toegevoegd. Daarnaast veranderen verhuurders soms het woningtype van hun advertentie - van woning naar kamer, of andersom. Dit valt te zien in de grafiek hieronder (gegevens van Tom Slee).

Tot voor kort kwam het niet zo vaak voor dat verhuurders het woningtype van hun advertentie veranderden. Maar sinds de aankondiging van de MOU zijn er honderden advertenties omgezet van woning naar kamer. Zoals gezegd; in de MOU heeft Airbnb beloofd om advertenties van zelfstandige woningen te blokkeren als ze de zestigdagengrens bereiken. Misschien hebben mensen hun advertentie in «kamer» veranderd om de zestigdagengrens te omzeilen?

Ik heb gekeken naar woonruimtes die tussen begin maart en begin april 2017 zijn omgezet van woning naar kamer (gegevens van Murray Cox). Begin april was meer dan driekwart van deze woonruimtes meer dan zestig dagen per jaar beschikbaar. Dit zou kloppen met de theorie dat verhuurders de woningen in kamers hebben veranderd om de zestigdagengrens te omzeilen.

Op zich is het mogelijk dat deze verhuurders ook echt zijn gestopt om hun hele woning te verhuren en dat ze in plaats daarvan alleen nog een kamer verhuren. In dat geval zou je verwachten dat ze de prijs hebben verlaagd en dat ze de beschrijving hebben aangepast. Maar bijna nergens is de prijs verlaagd. Vaak heeft de verhuurder zelfs de beschrijving niet aangepast. In sommige gevallen vermeldt de advertentie nog steeds expliciet dat de gast de hele woonruimte voor zichzelf heeft.

Overigens is dit niet de eerste keer dat strengere handhaving leidt tot een grootschalige omzetting van woningen in kamers. In New York is hetzelfde gebeurd.

Conclusies

Met de beschikbare gegevens is het niet mogelijk om met zekerheid te zeggen wat er precies is gebeurd de afgelopen maanden. Even goed zijn er aanwijzingen dat de afspraak tussen Amsterdam en Airbnb misschien minder effetief is dan gedacht:

  • Er is een daling van het aantal woningen die meer dan zestig dagen te huur worden aangeboden. Deze daling begon echter ruim voordat de afspraak werd getekend. Ze zou een gevolg kunnen zijn van (de dreiging van) strengere handhaving door de gemeente zelf.
  • Nadat de afspraak tussen Amsterdam en Airbnb werd aangekondigd zijn honderden woningen omgezet in kamers. Dit zou een manier kunnen zijn voor verhuurders om de zestigdagenlimiet voor woningen te omzeilen.

Methode en gegevens

Zowel Murray Cox als Tom Slee scrapen regelmatig de website van Airbnb. De gegevens van Cox zijn uitgebreider (ze omvatten bijvoorbeeld de advertentieteksten en informatie over de beschikbaarheid). Slee verzamelt zijn gegevens frequenter, in ieder geval voor Amsterdam. Zowel Cox als Slee hebben hun datasets beschikbaar gesteld als open data (dank!).

Cox en Slee zijn niet de enigen die gegevens van de Airbnb website verzamelen; er zijn ook commerciële aanbieders. Verder is de gemeente Amsterdam begonnen om de website van Airbnb en andere platforms te scrapen. De gemeente lijkt deze gegevens alleen vertrouwelijk met gemeenteraadsleden te delen.

Voor wat betreft de omzettingen van woningtype: de cijfers vormen waarschijnlijk een onderschatting van het werkelijke aantal omzettingen, vooral voor de eerdere perioden. Je kan alleen een verandering van woningtype vaststellen als een advertentie zowel in de oude als in de nieuwe dataset zit. Hoe langer de periode tussen twee metingen, hoe groter het verloop (advertenties verdwijnen, er komen nieuwe bij) en hoe groter dus de kans dat veranderingen van woningtype onopgemerkt blijven.

Ik heb daarom een aanvullende berekening gemaakt waarin is gecorrigeerd voor de hoeveelheid overlap tussen de oude en de nieuwe meting. Het resultaat is hier te zien. Het beeld verschilt inderdaad enigszins van de vorige grafiek, maar de conclusie blijft overeind: vanaf eind 2016 was er een duidelijke toename van de omzettingen van woning naar kamer.

Ik heb Python gebruikt om de gegevens te analyseren. Hier is de code. Opmerkingen over de verwerking en interpretatie van de gegevens zijn uiteraard welkom.

Predictive policing

Media schrijven met enige bewondering over de nieuwe algoritmes van de politie, het Criminaliteits Anticipatie Systeem, dat in Amsterdam is ontwikkeld:

CAS legt daarin als het ware een raster over een wijk met ‘vakjes’ van 125 bij 125 meter. Als een vakje rood is, voorspelt CAS problemen zoals een straatroof. Het systeem doet voorspellingen binnen tijdslots van maximaal vier uur. De politie hoopt effectiever, dus goedkoper, te werken door op de juiste plek te surveilleren. Op basis van deze voorspellende kaarten worden roosters van sommige politieteams al ingepland.

Het klinkt als science fiction, schrijft het AD. Nou, niet echt: in Amerika worden dit soort methodes al jarenlang ingezet. Daar worden ook kanttekeningen geplaatst bij de suggestie dat algoritmes een «objectief» beeld van de werkelijkheid geven. Vrij Nederland vatte vorig jaar de argumenten van wiskundige Cathy O’Neil samen:

Als predictive policing-modellen aangeven dat er in arme wijken meer criminaliteit is, zullen de politiewagens meer rondrijden in de arme wijk en arme jongens betrappen die dezelfde dingen doen die rijke jongens ook doen, en die data gaan terug in het model dat daardoor nog sterker het beeld geeft dat het niet pluis is in de arme wijk.

Hier vind je een uitgebreide passage uit O’Neils boek, waarin ze ingaat op predictive policing.

Subsidies en topinkomens in Amsterdam

Amsterdam gaf in 2015 subsidie aan 38 organisaties die hun bestuurders meer betaalden dan de inkomensnorm die de gemeente hanteert voor zijn eigen personeel. Dat blijkt uit een overzicht dat raadslid Johnas van Lammeren (PvdD) heeft opgevraagd. Van Lammeren: «Dit is niet uit te leggen aan de Amsterdammer, én aan de werknemer […] Ik snap dat er soms uitzonderingen kunnen zijn, maar daarvoor is deze lijst veel te lang.»

Achtendertig instellingen lijkt misschien niet zo veel, als je bedenkt dat meer dan duizend organisaties subsidie hebben gekregen. Maar het verandert als je naar de bedragen kijkt. In 2016 gaf de gemeente meer dan 169 miljoen euro subsidie aan organisaties die in 2015 de inkomensnorm hadden overschreden. Dat is 38% van het totale subsidiebedrag van dat jaar.

Het grootste bedrag aan subsidies ging naar Welzijn en Zorg en een fors deel van dat geld kwam terecht bij organisaties die de inkomensnorm hadden overschreden.

Sommige subsidieregelingen werden voor meer dan tachtig procent benut door organisaties die de inkomensnorm hadden overschreden. Dat geldt bijvoorbeeld voor de Subsidie Brede talentontwikkeling en Jongerenwerk Nieuwe Stijl Zuid en de Begrotingspost Subsidie Economie (Organisatiespecifiek). Met die laatste regeling werd Stichting Amsterdam Marketing gesubsidieerd.

De subsidieverordening verwijst niet naar de Amsterdamse norm, maar stelt wel dat subsidies kunnen worden geweigerd als de norm uit de landelijke WNT, die wat hoger ligt, wordt overschreden. Verschillende gesubsidieerde organisaties die de Amsterdamse norm overschreden, staan ook in de landelijke WNT-rapportage over 2015, met inkomens die oplopen tot bijna drie ton. Zij beroepen zich op overgangsrecht waardoor ze formeel niet in overtreding van de wet zijn (of daarmee de weigeringsgrond van de Amsterdamse subsidieregeling ook vervalt, is een vraag voor juristen).

Vijf jaar geleden verscheen op Nieuws uit Amsterdam een overzicht van organisaties die subsidie ontvingen terwijl ze hun bestuurders ruim boven de Balkenendenorm betaalden. Het ging om Hogeschool van Amsterdam / Universiteit van Amsterdam, Stichting Arkin, GGZ InGeest, ROC van Amsterdam, Cordaan, Reade, Stadgenoot, Rochdale en mogelijk het Concertgebouworkest. Al die namen staan ook op het lijstje dat Van Lammeren heeft gekregen, en sommige staan ook al in het subsidieoverzicht van 2017. Er verandert blijkbaar weinig.

Methode

Het overzicht met gesubsidieerde instellingen die de Amsterdamse norm overschreden is afkomstig van AT5. Informatie over verleende subsidies is te vinden in het subsidieregister van de gemeente (zie ook de toelichting daar: bepaalde subsidies zoals loonkostensubsidies zijn niet meegenomen). Organisaties die deel uitmaken van dezelfde groep heb ik als een geheel beschouwd.

Pages