Come abbiamo trovato il peggior posto per parcheggiare a New York -- con i big data
-
0:01 - 0:0410.000 km di strade,
-
0:04 - 0:061.000 km di tratte metropolitane,
-
0:06 - 0:07650 km di piste ciclabili
-
0:07 - 0:10e poco meno di 1 km di tramvia,
-
0:10 - 0:12se siete mai stati a Roosevelt Island.
-
0:12 - 0:14Questi sono i numeri delle infrastrutture
di New York City, -
0:14 - 0:17le statistiche
delle nostre infrastrutture. -
0:17 - 0:20Sono numeri che si trovano
nei report degli uffici comunali. -
0:20 - 0:22Il Dipartimento dei Trasporti
sarà orgoglioso nel dire -
0:22 - 0:24di quanti km di strade si occupa.
-
0:24 - 0:27L'MTA si sarà vantata dei km
di tratta metropolitana. -
0:27 - 0:29La maggior parte degli uffici
ci dà delle statistiche. -
0:29 - 0:31Da un resoconto di quest'anno
-
0:31 - 0:33della Commissione Taxi e Limousine
-
0:33 - 0:37apprendiamo che ci sono circa
13.500 taxi qui a New York City. -
0:37 - 0:38Interessante, no?
-
0:38 - 0:41Ma avete mai pensato
"Da dove vengono questi numeri"? -
0:41 - 0:44Perché se questi numeri esistono,
qualcuno lì in ufficio -
0:44 - 0:47si è fermato e ha detto: "Ok, questo
è un numero che qualcuno vorrebbe sapere". -
0:47 - 0:50Un numero che i cittadini
vorrebbero conoscere. -
0:50 - 0:51Sono tornati ai loro dati grezzi,
-
0:51 - 0:53hanno contato, aggiunto, calcolato,
-
0:53 - 0:55e poi hanno emesso dei rapporti
-
0:55 - 0:57e quei rapporti hanno numeri come questi.
-
0:57 - 1:00Il punto è: come conoscono
le nostre domande? -
1:00 - 1:01Abbiamo un sacco di domande.
-
1:01 - 1:04In qualche modo esiste un numero
infinito di domande -
1:04 - 1:06da porci sulla nostra città.
-
1:06 - 1:08Gli uffici non potranno
mai stare al passo. -
1:08 - 1:10Quindi il paradigma non sta funzionando
-
1:10 - 1:12e credo che i nostri legislatori
se ne siano accorti, -
1:12 - 1:16perché nel 2012 il sindaco Bloomberg
ha firmato una legge che ha definito -
1:16 - 1:20"La legge più ambiziosa e globale
di tutto il Paese sui dati aperti". -
1:20 - 1:22Sotto molti aspetti ha ragione.
-
1:22 - 1:24Negli ultimi 2 anni
la città ha rilasciato 1.000 dataset -
1:24 - 1:26sul portale degli open data.
-
1:26 - 1:28È fantastico,
-
1:28 - 1:29perché guardiamo questi dati
-
1:29 - 1:31e invece di contare
solo il numero dei taxi -
1:31 - 1:34possiamo iniziare a farci
domande diverse. -
1:34 - 1:35Ho una domanda.
-
1:35 - 1:36Qual è l'ora di punta a New York?
-
1:36 - 1:39Può essere seccante,
qual è esattamente l'ora di punta? -
1:39 - 1:42E ho pensato che questi taxi
non sono solo numeri: -
1:42 - 1:44sono dei GPS che girano
per le strade della nostra città, -
1:44 - 1:46registrando ogni singola corsa.
-
1:46 - 1:49Ho guardato questi dati
-
1:49 - 1:53e ho fatto uno schema della velocità media
dei taxi a New York durante il giorno. -
1:53 - 1:56Potete vedere come,
da mezzanotte alle 5.18 circa, -
1:56 - 2:00la velocità aumenti e da quel punto
le cose cambiano. -
2:00 - 2:04I taxi vanno sempre più lenti
fino a circa le 8.35, -
2:04 - 2:06quando arrivano a circa 18 km/h.
-
2:06 - 2:10In media i taxi procedono a 18 km/h
sulle nostre strade. -
2:10 - 2:15E così sarà per il resto della giornata.
(Risate) -
2:16 - 2:19Quindi mi sono detto che non c'è
nessuna ora di punta a New York. -
2:19 - 2:22È tutto un "giorno di punta".
-
2:22 - 2:24Ha senso, ed è importante
per un paio di motivi. -
2:24 - 2:28Se sei un pianificatore di itinerari
ti interessa molto saperlo. -
2:28 - 2:30Se vuoi andare velocemente
da qualche parte -
2:30 - 2:33sai che devi mettere la sveglia
alle 4.45 e sei a posto. -
2:33 - 2:34New York, no?
-
2:34 - 2:35Ma c'è una storia dietro.
-
2:35 - 2:37Questo dato non era accessibile,
-
2:37 - 2:39si è ottenuto con una richiesta
-
2:39 - 2:42in seguito alla legge per la libertà
di informazione, o FOIL. -
2:42 - 2:45È un modulo che si trova sul sito
della Commissione Taxi e Limousine. -
2:45 - 2:48Per accedere a questi dati
devi prendere questo modulo, -
2:48 - 2:50compilarlo e poi riceverai una notifica.
-
2:50 - 2:53Un ragazzo, Chris Whong, ha fatto così.
-
2:53 - 2:55Chris è andato e gli hanno detto:
-
2:55 - 2:57"Portaci un hard disk vergine,
-
2:57 - 3:01lasciacelo per cinque ore,
copieremo i dati e te lo riprenderai". -
3:01 - 3:03Ed ecco da dove vengono questi dati.
-
3:03 - 3:06Chris è il tipo
che vuole rendere pubblici i dati, -
3:06 - 3:10così li mise online per tutti
ed ecco da dove viene questo grafico. -
3:10 - 3:13E il fatto che esista è fantastico.
Questi GPS -- bellissimo. -
3:13 - 3:16Ma il fatto che dei cittadini
gìrino con degli hard disk, -
3:16 - 3:18prendendo dati dai comuni
per renderli pubblici -
3:18 - 3:21-- erano già pubblici più o meno.
Potevi accedervi, -
3:21 - 3:23ma erano "disponibili",
non pubblici. -
3:23 - 3:25Possiamo fare di meglio.
-
3:25 - 3:28Non serve che i nostri cittadini
vadano in giro con degli hard disk. -
3:28 - 3:31Non tutti i dataset sono vincolati
da una richiesta per visionarli. -
3:31 - 3:34Questa è una mappa che ho fatto
degli incroci più pericolosi di New York, -
3:34 - 3:37basata sugli incidenti dei ciclisti.
-
3:37 - 3:39Le aree in rosso sono più pericolose.
-
3:39 - 3:41Mostra come l'East side di Manhattan,
-
3:41 - 3:45specialmente nell'area a sud,
è quella in cui ci sono più incidenti. -
3:45 - 3:48E questo ha senso, perché lì ci sono
più ciclisti che scendono dai ponti. -
3:48 - 3:50Ma ci sono anche altre
zone interessanti. -
3:50 - 3:52Williamsburg,
Roosevelt Avenue nel Queens. -
3:52 - 3:55Questi sono esattamente i dati
che ci servono per Vision Zero. -
3:55 - 3:58È quello che stavamo cercando.
-
3:58 - 4:00Ma anche dietro questi dati
c'è una storia. -
4:00 - 4:02Questi dati non sono
semplicemente apparsi. -
4:02 - 4:05Quanti di voi conoscono questo logo?
-
4:05 - 4:06Bene, vedo che annuite.
-
4:06 - 4:08Avete mai provato
a fare copia-incolla da un PDF -
4:08 - 4:10e dargli un senso?
-
4:10 - 4:11Vedo che annuite di più.
-
4:11 - 4:14Fate copia-incolla più di quanto
conosciate il logo. Mi piace. -
4:14 - 4:17Dunque, i dati che avete appena visto
si trovavano su un PDF. -
4:17 - 4:21Ci sono centinaia e centinaia
di pagine in PDF -
4:21 - 4:23emesse dal nostro NYPD.
-
4:23 - 4:25Per accedervi dovreste fare
copia-incolla -
4:25 - 4:27per centinaia e centinaia di ore.
-
4:27 - 4:29Oppure potreste essere John Krauss.
-
4:29 - 4:30Lui pensò:
-
4:30 - 4:33"Non farò copia-incolla,
scriverò un programma". -
4:33 - 4:36Si chiama NYPD Crash Data Band-Aid
-
4:36 - 4:39Va sul sito del NYPD,
e scarica i PDF. -
4:39 - 4:42Cerca ogni giorno,
e se trova un PDF lo scarica. -
4:42 - 4:44Poi, con qualche programma
che raschia via il PDF, -
4:44 - 4:46viene fuori il testo,
-
4:46 - 4:49che poi finisce su internet così che
la gente possa fare mappe come questa. -
4:49 - 4:52E il fatto che questi dati,
il fatto che abbiamo l'accesso... -
4:52 - 4:55-- A proposito, ogni incidente
è una stringa su questa tabella: -
4:55 - 4:57immaginate quanti PDF sono --
-
4:57 - 4:59È fantastico poter
accedere a questi dati, -
4:59 - 5:01ma non rilasciateli in formato PDF,
-
5:01 - 5:04perché poi i nostri cittadini
dovranno decriptarli. -
5:04 - 5:06Non è l'uso migliore
del tempo dei cittadini, -
5:06 - 5:08e come città possiamo fare di meglio.
-
5:08 - 5:11La buona notizia è che
l'amministrazione De Blasio -
5:11 - 5:14ha pubblicato questi dati
qualche mese fa -
5:14 - 5:15e quindi possiamo accedervi,
-
5:15 - 5:18ma ci sono ancora
tanti dati sepolti in PDF. -
5:18 - 5:21Ad esempio i dati sul crimine
sono disponibili solo in PDF. -
5:21 - 5:25E non solo quelli,
anche quelli sul bilancio. -
5:25 - 5:29Il bilancio della nostra città
al momento è leggibile solo in PDF. -
5:29 - 5:31E non solo noi
non possiamo analizzarlo, -
5:31 - 5:34ma anche i legislatori
che approvano il bilancio -
5:34 - 5:36lo ricevono in PDF.
-
5:36 - 5:40Quindi i nostri legislatori non possono
analizzare il bilancio che stanno votando. -
5:40 - 5:44E credo, anche qui, che come città
potremmo fare un po' meglio. -
5:44 - 5:46Ci sono molti dati non nascosti in PDF.
-
5:46 - 5:47Questa è una mappa che ho fatto
-
5:47 - 5:50sui corsi d'acqua
più sporchi di New York. -
5:50 - 5:52Come misuro lo sporco?
-
5:52 - 5:54È un po' strano,
-
5:54 - 5:56ma ho guardato il livello
dei coliformi fecali, -
5:56 - 5:59una misurazione delle sostanze fecali
in ognuno dei nostri corsi d'acqua. -
5:59 - 6:03Più grande è il cerchio,
più sporca è l'acqua. -
6:03 - 6:06Quindi nei cerchi ampi acqua sporca,
in quelli piccoli quella più pulita. -
6:06 - 6:08Sono corsi d'acqua interni.
-
6:08 - 6:11Sono i dati che sono stati raccolti
in città negli ultimi 5 anni. -
6:11 - 6:14E i corsi interni
di solito sono più sporchi. -
6:14 - 6:15Ha senso, no?
-
6:15 - 6:17I cerchi grandi sono sporchi.
Ho imparato un po' di cose. -
6:17 - 6:23Numero uno: mai nuotare in niente
che inizi con "torrente" o "canale". -
6:23 - 6:26Numero due: ho trovato i corsi d'acqua
più sporchi di New York, -
6:26 - 6:28con questa unica misurazione.
-
6:28 - 6:29A Coney Island,
-
6:29 - 6:31non la Coney Island in cui nuotate,
-
6:31 - 6:32dall'altra parte,
-
6:32 - 6:36nel torrente di Coney Island il 94%
dei campioni degli ultimi cinque anni -
6:36 - 6:38il livello di sostanze fecali
era così alto -
6:38 - 6:42che avrebbe dovuto essere
illegale nuotarci. -
6:42 - 6:46E questo non è il genere di cose
che trovate nei resoconti ufficiali, no? -
6:46 - 6:48Non finirà sulla homepage di nyc.gov .
-
6:48 - 6:49Non lo troverete lì,
-
6:49 - 6:52ma il fatto che possiamo arrivare
a questo dato è fantastico. -
6:52 - 6:54Ma di nuovo, non è stato facilissimo:
-
6:54 - 6:56i dati non erano sul portale open data.
-
6:56 - 6:57Se ci andate,
-
6:57 - 6:59troverete solo un frammento
di un anno o pochi mesi. -
6:59 - 7:02Stava sul sito del Dipartimento
per la Protezione Ambientale. -
7:02 - 7:06Ognuno di questi link è un foglio Excel
e ogni foglio Excel è diverso. -
7:06 - 7:10Ogni intestazione è diversa:
copi, incolli, riorganizzi. -
7:10 - 7:12Puoi creare delle mappe
ed è fantastico, ma -
7:12 - 7:15possiamo fare di meglio,
possiamo normalizzare le cose. -
7:15 - 7:18E ci stiamo arrivando.
Questo è il sito di Socrata, -
7:18 - 7:20l' Open Data Portal NYC.
-
7:20 - 7:22Qui ci sono 1.100 dataset
che non hanno -
7:22 - 7:24i difetti di cui vi parlavo,
-
7:24 - 7:26stanno aumentando
ed è fantastico. -
7:26 - 7:30Potete scaricare i dati in ogni formato,
CSV, PDF o documento Excel. -
7:30 - 7:33Potete scaricare i dati
in qualunque modo vogliate. -
7:33 - 7:35Il problema è che una volta fatto
-
7:35 - 7:39scoprirete che ogni ufficio codifica
gli indirizzi diversamente. -
7:39 - 7:41Uno è il nome della strada,
l'incrocio, -
7:41 - 7:44via, distretto, indirizzo,
edificio, ecc. -
7:44 - 7:46Quindi si spreca ancora del tempo
nonostante il portale. -
7:46 - 7:49Si spreca tempo normalizzando
i campi per gli indirizzi. -
7:49 - 7:52E non è l'uso migliore
del tempo di noi cittadini. -
7:52 - 7:53Possiamo fare di meglio come città.
-
7:53 - 7:55Possiamo standardizzare gli indirizzi
-
7:55 - 7:57e, se lo facciamo,
avremo più mappe del genere. -
7:57 - 8:00Questa è una mappa
degli idranti a New York. -
8:00 - 8:01Ma non idranti qualsiasi.
-
8:01 - 8:06Sono i 250 idranti più redditizi
in termini di multe per divieto di sosta. -
8:06 - 8:08(Risate)
-
8:08 - 8:11Ho imparato un po' di cose da questa mappa
e mi piace molto. -
8:11 - 8:14Numero uno: non parcheggiare
nell'Upper East Side. -
8:14 - 8:17Non farlo: non importa dove parcheggi,
ti beccherai comunque una multa. -
8:17 - 8:21Numero due: ho trovato i due
idranti più redditizi di tutta New York, -
8:21 - 8:23che si trovano nel Lower East Side.
-
8:23 - 8:28Hanno fruttato più di 55.000 dollari
l'anno in multe. -
8:28 - 8:31Mi è sembrato un po' strano
quando l'ho visto, -
8:31 - 8:34quindi ho indagato un po'
e ho scoperto che attorno a un idrante -
8:34 - 8:36c'è una cosa chiamata
estensione del marciapiede, -
8:36 - 8:38che è tipo uno spazio
calpestabile di 2 metri -
8:38 - 8:39e poi c'è il posto auto.
-
8:39 - 8:41Quindi le macchine arrivano...
-
8:41 - 8:43"C'è spazio, sono a posto"
-
8:43 - 8:46C'è un posto auto
disegnato per loro. -
8:46 - 8:49Parcheggiano lì,
la polizia non è d'accordo -
8:49 - 8:50e li multa.
-
8:50 - 8:52E non sono l'unico
che ha trovato la multa. -
8:52 - 8:57L'ha vista anche la Google Street View car
mentre passava da lì. -
8:57 - 9:00Quindi ho scritto sul mio blog,
su I Quant NY -
9:00 - 9:02e il Dipartimento dei Trasporti rispose.
-
9:02 - 9:03Mi hanno detto:
-
9:03 - 9:06"Sebbene il DOT non abbia ricevuto
lamentele su questa posizione, -
9:06 - 9:10rivedremo la segnaletica
e apporteremo le modifiche opportune". -
9:10 - 9:14Pensai che fosse
la classica risposta del Governo, -
9:14 - 9:16e andai avanti con la mia vita.
-
9:16 - 9:20Ma qualche settimana dopo
accadde qualcosa di incredibile. -
9:20 - 9:23Avevano ridipinto il parcheggio,
-
9:23 - 9:25e per un secondo ho visto
il futuro degli open data. -
9:25 - 9:27Pensate a cosa è successo.
-
9:27 - 9:32Per cinque anni chi parcheggiava lì
veniva multato, c'era confusione, -
9:32 - 9:35e poi un cittadino
lo dice all'amministrazione -
9:35 - 9:38e nel giro di poche settimane
il problema è risolto. -
9:38 - 9:41Bene! Molti vedono gli open data
come un cane da guardia. -
9:41 - 9:43No, può anche essere un compagno.
-
9:43 - 9:46Possiamo rendere i cittadini
dei collaboratori migliori per il governo. -
9:46 - 9:49Non è difficile,
occorrono solo piccoli cambiamenti. -
9:49 - 9:51Se ricevi richieste per dei dati,
-
9:51 - 9:53se i tuoi dati sono richiesti
sempre più spesso, -
9:53 - 9:56allora rendili pubblici, perché
è un segnale che dovrebbero esserlo. -
9:56 - 9:59Se sei un ufficio governativo
che rilascia file in PDF, -
9:59 - 10:02attieniti alla legge che ti impone
di allegare anche i dati relativi, -
10:02 - 10:04perché quei dati vengono
da qualche parte. -
10:04 - 10:06Non so da dove,
ma da qualche parte arrivano, -
10:06 - 10:08e puoi allegarli al PDF.
-
10:08 - 10:10Adottiamo e condividiamo
degli standard sui dati aperti. -
10:10 - 10:12Iniziamo con gli indirizzi di New York.
-
10:12 - 10:14Iniziamo a normalizzare gli indirizzi.
-
10:14 - 10:16Perché New York è leader
negli open data. -
10:16 - 10:18Nonostante tutto,
siamo assolutamente dei leader, -
10:18 - 10:22e se iniziamo a normalizzarci
fissiando standard per gli open data, -
10:22 - 10:25il resto verrà, lo stato e forse
il governo ci seguiranno. -
10:25 - 10:27E anche altri paesi ci seguiranno,
-
10:27 - 10:30e non saremo lontani dal momento
in cui potremo scrivere un programma -
10:30 - 10:33e una mappa unica
per più di 100 paesi. -
10:33 - 10:35Non è fantascienza, ci siamo vicini.
-
10:35 - 10:38E a proposito,
a chi daremmo più forza così? -
10:38 - 10:41Perché non sarebbe solo
John Krauss o Chris Whong. -
10:41 - 10:45Ci sono centinaia di incontri in corso
a New York in questo momento. -
10:45 - 10:46Incontri attivi.
-
10:46 - 10:48Ci sono migliaia di persone
a questi incontri. -
10:48 - 10:50Persone che vanno
dopo il lavoro, o nel weekend, -
10:50 - 10:53e partecipano per osservare gli open data
-
10:53 - 10:55e rendere la nostra città
un posto migliore. -
10:55 - 10:58Gruppi come BetaNYC,
che proprio la scorsa settimana -
10:58 - 11:00ha rilasciato citygram.nyc
-
11:00 - 11:02che permette di sottoscrivere
le lamentele al 311 -
11:02 - 11:04su casa vostra, o sull'ufficio.
-
11:04 - 11:06Inserisci l'indirizzo e trovi
le lamentele locali. -
11:06 - 11:09E non sono solo gli esperti di tecnologia
a fare queste cose. -
11:09 - 11:12Sono gli urban planner come
i miei studenti del Pratt. -
11:12 - 11:14Sostenitori politici... chiunque.
-
11:14 - 11:16Sono cittadini coi più diversi background.
-
11:16 - 11:19Con piccoli cambiamenti incrementali,
-
11:19 - 11:22possiamo sbloccare la passione
e la capacità dei nostri cittadini -
11:22 - 11:25di elaborare gli open data
e rendere migliori le nostre città, -
11:25 - 11:30un dataset - o un posto auto - per volta.
-
11:30 - 11:31Grazie.
-
11:31 - 11:34(Applausi)
- Title:
- Come abbiamo trovato il peggior posto per parcheggiare a New York -- con i big data
- Speaker:
- Ben Wellington
- Description:
-
Gli uffici delle città hanno accesso ad enormi quantità di dati e statistiche che riflettono ogni aspetto della vita urbana. Ma, come suggerisce l'analista Ben Wellington in questo intervento, a volte non sanno proprio che farne. Wellington dimostra come la combinazione di domande inaspettate e di una consultazione intelligente dei dati possa generare prospettive d'osservazione insolite e utili, e condivide alcuni consigli su come rilasciare grandi quantità di dati in modo da renderli fruibili per tutti.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 11:48
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella approved Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data | ||
Michele Gianella edited Italian subtitles for How we found the worst place to park in New York City — using big data |