Deze repository bevat gegevens van fietsendiefstallen in de stad Groningen. Er is een datasheet beschikbaar met een beschrijving van de dataset.
Daarnaast staan er in deze repository datasets die gebruikt kunnen worden om de gegevens van fietsendiefstallen te verrijken.

Het gaat om de volgende datasets in de map data:

• Fietsendiefstallen in Groningen in de periode 2013-2017 (bron: politie Groningen)
• Eigenschappen van gestolen fietsen (csv-bestand, bron: politie Groningen). Met de waarde in de kolom id kun je iedere regel in dit bestand koppelen aan een diefstal in het bovengenoemde Excel-bestand.
• Postcodegebieden (bron: ESRI NL, Kadaster, CC BY)
• 100 meter vierkantstatistieken uit 2014 (bron: CBS, CC BY) datasheet
• Wijkkaart 2017 (bron: CBS, CC BY) datasheet
• Buurtkaart 2017 (bron: CBS, CC BY) datasheet
• Bushaltes in de gemeente Groningen (bron: NDOV, CC 0). Het veld bicylepar (Y/N) geeft aan of er een fietsenstalling bij de bushalte aanwezig is.
• Openbare verlichting (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Verblijfsobjecten (bron: Basisregistratie Adressen en Gebouwen, Kadaster, Public Domain Mark)
• Horecagelegenheden (bron: © OpenStreetMap-auteurs)
• Cameratoezicht in het A-kwartier (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Coffeeshops (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• (Ontheffingen) vergunningen drank- en horeca (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Slaaphuizen en methadonposten (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Wijkindeling (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Buurtindeling (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Fietstelweek 2016 (bron: Gemeente Groningen, licentievoorwaarden en disclaimer)
• Fietsenstallingen (bron: VeiligStallen.nl. Dit is geen shape, maar een csv-bestand.
• Fietsendiefstallen verrijkt met buurtnummer, aangemaakt door Erik Duisterwinkel. De verrijkte dataset wordt gebruikt in timeanalysis.py, een voorbeeldscript dat je terug kunt vinden in de python map.
• John Meijer heeft de verschillende waarden in de kolom Object in het fietsdiefstallenbestand teruggebracht tot 12 door waarden zoveel mogelijk te clusteren. Het resultaat staat in het Excel-bestand Diefstallen_met_geclusterde_object_waarden.xlsx.
• Johan Santing heeft per diefstal de afstand tot geografische objecten berekend. Het resultaat is beschikbaar in een Excel- en shape-bestand (diefstallen_met_afstanden.xlsx en diefstallen_met_afstanden.zip).
• Johan Santing heeft een shape-bestand met verblijfsobjecten met een onderwijsfunctie gemaakt (bron: Basisregistratie Adressen en Gebouwen). Het bestand is in RD_New (EPSG:28992).

Het bestand met fietsendiefstallen is een Excel-bestand. Het wordt -net als alle overige bronbestanden- ook als gezipt shape-bestand in EPSG:4326 (WGS84) beschikbaar gesteld.

Naast de gegevens staat in de repository ook Python, Tableau en R code om de gegevens op een snelle en eenvoudige manier in te lezen.

In de map etl vind je de spatial ETL-scripts die gebruikt zijn om de datasets klaar te zetten. De scripts zijn gebouwd in FME Desktop 2017.