Introductie

Linked Data loont zich uitstekend voor het doen van uitgebreide (statische analyses). Eén van de tools die je veel op deze website kunt vinden zijn onze data stories rondom Linked Data. Hiermee pakken we een combinatie aan SPARQL Queries (en de bijbehorende live resultaten) en tekst om een verhaal te vertellen. Ook bij deze story laten we in zien hoe de onderliggende linked data over mobiliteit (middels NDW gegevens) gebruikt kan worden om de impact van de brand te bepalen. Het kan echter ook dienen als data selectie, waarbij een gebruiker (bijvoorbeeld een Data Analist of Data Scientist) de data verder oppakt in zijn eigen tool. We laten zien dat het SPARQL resultaat terug gebracht kan worden naar een CSV en gebruikt kan worden in een (open-source) BI Tool zoals Voyager.

Omgeving selecteren in linked data

Figuur 2 toont de linked data bevraging waarmee de 3D omgeving kan worden opgevraagd op basis van gegevens uit de Basisregistratie Adressen en Gebouwen (BAG). De kleurcode geeft de voor dat gebouw meest voorkomende gebruiksfunctie weer. Voor alle BAG panden in Nederland is een gedetailleerde omtrek bekend, en voor de meeste BAG panden is ook de hoogste hoogte bekend. Vooralsnog is voor de meeste gebouwen nog geen verder detail (bijvoorbeeld dakconstructie) bekend. geen verder detail. van BAG panden is kan worden opgevraagd. Kadaster. SBI codes voor een specifieke omgeving (o.b.v. een geometrisch punt in Nederland).

	Verblijfsobject met onderwijsfunctie.
	Verblijfsobject met bijeenkomstfunctie
	Verblijfsobject met kantoorfunctie
	Verblijfsobject met industriefunctie
	Verblijfsobject met winkelfunctie
	Verblijfsobject met woonfunctie

Figuur 1 ― Overzicht van de omgevingsinformatie voor een punt in Rotterdam. De gegevens zijn afkomstig van het Kadaster en de Kamer van Koophandel.

NDW metingen

Welke gegevens zijn er nog meer beschikbaar voor deze regio? De Nationale Databank Wegverkeersgegevens (NDW) bevat een groot aantal verkeersmetingen. Hiermee is het mogelijk om het gebruik van wegen inzichtelijk te maken en te analyseren. De meetpunten die op dit moment voor Rotterdam voorhanden zijn worden in Figuur 3 weergegeven.

Figuur 2 ― Locaties van de verkeersmetingen die het Nationale Databank Wegverkeersgegevens (NDW) verricht binnen Rotterdam.

Data Selectie → Data Analyse

We nemen de meetlocatie die het dichtste in de buurt ligt van de locatie in Figuur 2. Voor die meetlocatie vragen we vervolgens alle metingen op. Metingen zijn verricht op verschillende dagen in de maart 2020. Figuur 4 toont de volledige tabel met meetgegevens voor dat punt.

Figuur 4 ― Tabel met de verkeersmetingen voor één specifieke locatie binnen Rotterdam.

Data Analyse

Linked data kunnen op verschillende manieren gebruikt worden binnen verschillende applicaties. Denk hierbij aan de volgende applicatie categorieën:

Business Intelligence systeem (BI)
Geografisch Informatie Systeem (GIS)
Office applicaties (Microsoft Excel)
Machine Learning (ML)

In Figuur 5 tonen we een korte gebruikssessie waarbij de gegevens uit Figuur 4 worden ingeladen in een Business Intelligence (BI) applicatie. Merk op dat de linked data direct kunnen worden ingelezen in de applicatie. Linked data kan in verschillende formaten worden uitgewisseld, waardoor het direct bruikbaar is in de meeste applicaties. (Linked data uitwisselformaten zoals CSV, JSON, XML, en RDF worden ondersteund.)

Figuur 5 ― Demonstratie van het gebruik van een Linked Data selectie binnen een Business Intelligence (BI) tool (Voyager).