Bakgrund |
Tjänster |
Tankar |
Kontakt |
Tankar
Här hittar ni exempel på sånt jag gjort eller håller på med, funderingar och frågor jag är engagerad i.
Exempel på visualisering-Nattbefolkning efter näringsgren
Nattbefolkning är ett begrepp som används för att klassificera befolkningen 16-64 år efter yrke och var de bor. Yrkena grupperas i olika nivåer, näringsgren är en övergripande indelning. Här visas andelen verksamma i resp. näringsgren efter kön och kommun för varje år 2008-2016. Genom att ändra de förvalda inställningarna kan man se hur kommunerna skiljer sig åt och hur förändringen ser ut över tid. Välj att titta på diagarm eller karta. Uppgifterna kommer från SCB:s statistikdatabas.
Exempel på visualisering-Ohälsotal
Ohälsotalet är antalet nettodagar med ersättning från försäkringskassan per person och ger en översiktlig bild av ohälsan. Ohälsotalet skiljer sig mellan könen (kvinnor har generellt högre) och olika delar av Sverige. Nedanstånde applikation visar ohälsotalet 2003-2017 i kommunerna för bägge könen sammanslagna. Genom att ändra de förvalda inställningarna kan man se hur ohälsotalen i kommunerna skiljer sig åt och hur förändringen ser ut över tid. Välj att titta på diagram eller karta. Data finns att hämta här.
Exempel på visualisering-Fordonsstatistik
På Trafikanalys hemsida kan man hämta fordonsstatistik. Nedanstående exempel visar hur många fordon som ägs av fysiska personer.
Exempel på öppna geodata-Brandstationer
Var finns brandstationer och räddningstjänster? Är de någorlunda jämnt spridda över landet? Finns det brandstationer i alla kommuner? Har olika typer av områden, som exempelvis de tre varianterna av DeSO-områden, ungefär lika många? Svaren kan man få genom att kombinera öppna geodata från olika källor, i det här fallet MSB (brandstationer), SCB (DeSO-områden och kommuner). Man kan också få reda på den totala längden av bilvägar med data från Nationella vägdatabasen (som också är öppna geodata) och beräkna brandfordons räckvidd inom given tid. Brandstationerna lokalisering kan laddas ner från Geodataportalen. Man kan exempelvis se att det finns 24,9 brandstationer per 100000 inv i de mest tätbefolkade DeSO-områdena (typ A). Motsvarande siffror för typ B och C är 26,4 och 5,7 stationer.
Jämförelser utifrån typområden
Ofta redovisas samhällsinformation på regional eller kommunal nivå, vilket är rimligt eftersom det är där de flesta beslut fattas. Men det är inte alltid som redovisningen blir rättvis eftersom många kommuner, framför allt de större, inte är heterogena vad gäller demografisk eller socioekonomisk struktur, variationen inom en kommun kan vara stor. Att redovisa data efter mindre områden med likartad demografi och socioekonomi är ett sätt att delvis komma förbli problemet. Här ett exempel som handlar om tillgång till primärvård i Stockholms län. Hur homogena är kommuner och stadsdelar i Stockholms län om man grupperar basområden efter Stockholmsmosaicen?
Exempel på hur topografi kan relateras till uppgifter om demografi, utbud av näringsliv, service och socioekonomi
Presentationen består av kartbilder över Stockholms län och visar hur befolkningstäthet, utbud av vård och omsorg m.m. ser ut i kommunerna och Stockholms stads stadsdelar. De togs fram under 2016 och är ett första utkast till underlag för en del av webbplatsen Folkhälsokollen med arbetsnamnet Samhällsservice.
Öppna geodata
Jag stöder arbetet med öppna geodata som drivs av bl.a. Geoforum Sverige. Västra Götalandsregionen är ett föredöme vad gäller samordning och utveckling inom geodataområdet och har börjat titta på både arkivering och öppna data samtidigt som fler och fler organisationer släpper sina geodata fria, här hittar du exempelvis SCB:s öppna geodata. Vi är på rätt väg. Personligen har jag haft nytta av att Lantmäteriet både sparat och nu tillgängliggjort historiska ortofoton som öppna data. Jag hittade gamla bilder över byn i södra Östergötland där jag har mitt sommarställe. Den vänstra bilden är från 1962, den mittersta från 1972 och den högra visar hur det ser ut idag.
 |
 |
 |
Exempel på skolverkets öppna data
På Geodataportalen kan man hämta lägeskoordinater för alla skolor. Bland attributen hittas mycket information om varje skola och geodatafilen kan exempelvis kopplas till skolverkets statistik om meritvärden och behörigheter för elever i årskurs 9 både på skol-, kommun och riksnivå. Nedan ett exempel på skillnader i genomsnittliga meritvärden för elever i årskurs 9 läsåret 2016-2017. Visualiseringen är framtagen i Tableau. Dagens Nyheter har också gjort en variant på det här.
Namnsättning på DESO-demografiska statistikområden
SCB har skapat en ny områdesindelning som flera säkert har hört talas om, DESO eller demografiska statistikområden. Indelningarna är öppna data och kan hämtas på SCB:s hemsida och det ska bli spännande att undersöka hur de kan användas. Tyvärr de inte är namnsatta, det ligger inte i SCB:s uppdrag, men det skulle underlätta med namn vid olika analyser och jämförelser. Om någon berättar att befolkningen mår sämre i ”0114C1070” än i ”0191C1050” säger det inte mig så mycket även om jag kan se att det handlar om områden i Upplands Väsby resp. Sigtuna kommun eftersom jag arbetat en del med regionala data. En av parametrarna för DESO-indelningen är valdistrikt och dessa har namn. Även om indelningen skiljer sig en del (se bilden DESO-områden blåa, valdistrikt röda) så kanske valdistriktens namn ändå kan vara en utgångspunkt för namnsättningen av DESO-områdena. Eller är det så att DESO-områdena blir de nya valdistrikten i 2018 års val? Om så, kanske valmyndigheten eller någon annan myndighet ordnar namnsättningen. Vem vet?
Exempel på visualisering-genomsnittlig boendeyta
SCB:s statistikdatabas är en guldgruva om man söker regional statistik och den finns ofta tillgänglig på kommunnivå. Här ett exempel som visar skillnader i genomsnittlig boendeyta mellan kommunerna efter år, boendeform och hushållstyp. Uppgifterna kommer från lägenhetsregistret och visualiseringen är framtagen i Tableau.
Arkivering av geodata
Jag har i flera år varit engagerad i frågan om arkivering av geodata. Att spara äldre geodata är nödvändigt om vi ska kunna beskriva och förstå samhällsutvecklingen och dessutom har de verksamhetsnytta. Förhoppningsvis tar SIS tag i frågan om riktlinjer för arkivering framöver men fram till dess att en standard tagits fram skulle det vara önskvärt att myndigheter redan nu började med en årlig avställning av sina viktigaste datakällor i både vektor och rasterform. Lantmäteriet kunde exemeplvis samla sina aktuella vektor- och rasterdata för fastighets- terräng och översiktskartan som shape/mapinfo-filer resp. tiff-filer direkt på en filserver en gång per år och gärna göra dem tillgängliga som öppna data. SCB har redan börjat och exempelvis lagt ut samtliga tätortsskikt sedan 1990.
Nedanstående bild är från en presentation jag höll på KSL:s geodataråds vårkonferens 2016 och som beskriver bebyggelsens utveckling mellan 2003 (grönt) och 2015 (rött) i Stockholms län (beskuret). Ytan med bostadsbebyggelse var 5,1 % av den totala landytan 2003 och 5,3 % 2015, en ökning med drygt 5,5%. Samtidigt ökade befolkningen med ca 18 %. Att det är trångt i delar av Stockholms län är ingen nyhet men frågan är hur mycket man behöver förtäta befintlig bebyggelse när den bebyggda ytan är en så liten del av den totala landytan. Men då gäller det förstås att ha en väl utbyggd och fungerande infrastruktur för kollektivtrafik. Uppgifterna gick att få fram eftersom landstingets regionplaneverksamhet hade sparat äldre versioner av terrängkartan.
Ett interaktivt verktyg-Folkhälsokollen
Folkhälsokollen är ett interaktivt webbaserat verktyg som visar olika indikatorer på folkhälsa och hur de varierar i Stockholms läns kommuner (stadsdelar i Stockholm). Målgruppen är politiker och tjänstemän som behöver få en snabb överblick över hälsoläget. Det är ett bra exempel på sånt jag kan hjälpa till med. Jag skötte datainsamling, bearbetning, utveckling av gränssnitt och anpassning till webb i den första versionen. Jag berättar gärna mer om projektet och arbetet som ledde fram till den färdiga produkten. Läs vad Lantmäteriets tidning Gränssnittet skrev om Folkhälsokollen i samband med lanseringen. Klicka på bilden för att komma till den aktuella versionen av verktyget. |
 |
Lite äldre saker
Hur var det förr?
Det har hänt en hel del inom GIS-området sedan 1990-talet. Det förstod jag när jag tog fram den här filmen till GISS-föreningens 20 årsjubileum. Informationsförsörjningen av geodata är numera relativt tryggad men det gäller att tillgängliggöra dem för ökad samhälls- och verksamhetsnytta.
Skillnader i ohälsa, utbildning, medellivslängd - spåra samband
Storstockholms lokaltrafiks spårsträckningar är en bra illustration till skillnader i hälsa inom länet. SVT beskrev hur medellivslängden förändrades längs tunnelbanans röda linje i ett reportage i Vetenskapens värld 2014. I nedanstående interaktiva karta kopplas data om ohälsa och utbildningsnivå till linjenäten för tunnelbanan, pendeltågen och lokalbanorna. Ohälsa definieras som antal ohälsodagar per person 16-64 år och utbildningsnivå som andel med som mest grundskola el. motsvarande. Data är från 2011. Klicka på linjerna för att se hur antalet ohälsodagar per person (röd kurva) resp. andelen med låg utbildningsnivå (blå kurva) samvarierar längs linjesträckningarna. Angivna data är de som gäller för kommunen/stadsdelen där stationerna är belägna. Zooma in för att se stationsnamnen. Kartan är en kombination av data från Lantmäteriet, Områdesdatabasen-SLL och Trafikförvaltningen-SLL. Dagens Nyheter skrev om hur tunnelbanestationen kan avslöja din hälsa, en artikel som bl.a. bygger på den här kartan.
Samband mellan mosaicindelning och data från områdesdatabasen och hälsodatabaserna
Stockholms läns landsting har länge använt Mosaic för att följa utveklingen i små geografiska områden med olika demografisk och socioekonomisk karaktär. Den här rapporten presenterar exempel på samband mellan områdestyperna och andra data.
Till sist: Hur marknadsför man en verksamhet i landstinget?
Jag kan inte låta bli att länka till denna tolkning av Dressman-reklamen från början av 2000-talet som jag tog fram. Den visar dåvarande analysenheten i Sydvästra Sjukvårdsområdet i SLL och har varit en "kioskvältare" under åren.
Data på karta, Bergsunds Strand 31, 117 38 Stockholm |