Gästinlägg: Källkod och teknik bakom priskartorna

950

Nedanstående artikel är ett gästinlägg från “en läsare”, som gjort visualiseringarna av lägenhetspriserna i våra tre största städer, Stockholm, Göteborg och Malmö, samt tidigare priskartor över villor.

Då önskemål har uppkommit om att berätta hur jag visualiserat bostadspriser har jag bestämt mig för att bryta tystnaden, dela med mig av min kodbas och beskriva hur jag gått tillväga.

Jag heter Stefan Larsson och är till vardags antälld hos en fordonstillverkare i Göteborgstrakten. Jag arbetar med dataanalyser liknande den jag gjort men inte på samma sätt och absolut inte i samma domän. Då jag ofta får frågor varför jag gör detta brukar jag svara att “vissa löser korsord eller Sudoku på fritiden, jag gör sånt här”. Jag tror personligen att detta är till större gagn för samhället än att lösa Sudoku. 🙂

Det hela började med att jag upptäckte Boolis öppna API och insåg att det vore trevligt att försöka visualisera bostadspriser på en karta. Jag har tidigare gjort kartor med densitetsmått i mitt arbete och tänkte att det inte kan vara helt annorlunda. Sagt och gjort gav jag mig på uppgiften med hjälp av programmeringsspråket Python och biblioteket Matplotlib med kartritning i form av paketet Basemap.

Tyvärr, som säkert många såg på de första kartorna, var kartmaterialet i Basemap avsett för oceanografi på global nivå och kustlinjerna var minst sagt grova vid kraftig inzooming. Dessutom fanns det inget vidare stöd för några bra landmärken på land.

Nåja, det blev kartor som visade intressanta trender och jag kontaktade Cornucopia och frågade om han kunde vara intresserad av att publicera materialet vilket han visade sig vara. (Jag tänkte att det kunde vara en form av “betalning” för att jag läser bloggen gratis.) De första kartorna tog inte hänsyn till tidsaxeln och jag provade att bygga modeller med en tredje axel i form av tid med enheten dagar. Resultatet blev en animering som egentligen inte sade så mycket mer än att priserna ökade i Göteborg.

Jag lade sedan några veckor på att försöka rita egna kartor genom att undersöka OpenStreetMap och Natural Earth. Genom boken “Python Geospatial Development, 2nd Edition” av Erik Westra (Bokus  376:-) lärde jag mig mycket om hur man ritar, projicerar och tolkar kartdata från diverse källor som används inom GIS (Geographic Information System). Jag höll på att prova mig fram med fria verktyg såsom SagaGIS, och det gick att få ut vettiga kartor med densitetsplottar, men inte med den kontroll jag önskade och inte med en tidsaxel.

Jag gav sedan upp försöken att rita kartorna själv och började istället använda ett program vid namn Maperitive för att manuellt extrahera kartdata vilket gav resultat snabbt. Jag kunde förse Cornucopia först med bostadspriser och sedan nu nyligen med lägenhetspriser mycket snabbare än tidigare. Jag insåg även att det inte var lönt att göra animeringar eftersom kartorna kräver såpass hög upplösning vilket inte är praktiskt för filmer. Därmed föddes kartor där derivatan för ett givet datum räknades ut och som visade sig bli bra mycket mer lättavlästa.

Jag har nu kommit till ett skede där det är dags att be om hjälp av de som känner sig intresserade och manade. Jag tror att den information som visualiseringarna medför ger ett mervärde utöver de ihopklumpade medelvärden per kommun som finns tillgänliga för övrigt. Jag lägger därför ut all källkod under GPLv3-licens på http://bitbucket.org/lastsys/pricemap.

Jag hoppas nu på hjälp med följande:

1. Granskning av modelleringstekniken. Jag välkomnar kritiska ögon som kan hitta brister i modelleringstekniken och som kan hjälpa till att förbättra den. En given förbättring är att få in konfidensintervall på modellens prisestimat samt även på derivatorna (dvs x kr/m2/dag +/- någonting). En annan kan vara att ersätta den likformiga fördelningen av basfunktioner med varierande täthet baserat på täthet hos mätpunkter för att eventuellt kunna minska antalet basfunktioner och snabba upp lösaren (min i5 med fyra kärnor och 32GB minne tar cirka 50 minuter på sig för att lösa ett glest ekvationssystem med 1,1 miljoner ekvationer för en karta).

2. Vidareutveckling av kodbasen. Det vore trevligt att slippa klippa ut kartor manuellt från Maperitive. Kan man bygga om programmet till en fristående program med användargränsnitt kan fler dra ut vad man vill ha från det. Jag har själv kompetensen att göra det med Qt (PySide), men hinner inte med det på fritiden. En del kod skulle även må bra av att implementeras i C för prestanda.

3. Hitta mer data att modellera på. Själv lade jag en del tid under arbetet på att försöka få tag på lagfarter från Lantmäteriet. Det visade sig att via en återförsäljare kostar det 1,50 kr per lagfart. Bara tillbaka till 2009 finns det 250000 lagfarter. Jag ville ha alla lagfarter som finns för att kunna modellera priser så långt bakåt i tiden som möjligt (och göra en animering över tid). Men det verkar kräva enorma summor pengar. Jag antar att det bara är vissa utvalda forskare och institut som har fri tillgång till sådan information. Vet någon hur man kan hitta mer information än den som finns hos Booli, så hör av er.

4. Det har kommit förfrågningar på att göra kartor för mindre orter. Jag har försökt för många många orter, men det blir sällan bra för det är för litet dataunderlag. (Dessutom verkar resten av landet vara något mer sansat än Stockholm…) Hade jag haft tillgång till mer data hade det förmodligen varit enklare.

Jag har därmed beskrivit deta hela i stora drag. Detaljer kring hur modelleringen fungerar finns i källkoden. Surfa in på http://bitbucket.org/lastsys/pricemap och titta.

Jag tänkte avsluta med att kommentera framtida potential givet att datakällor finns samt eventuella alternativa sätt att modellera. På http://www.trulia.com finns en amerikansk tjänst som visualiserar bra mycket mer (men inte förändringstakt). Klicka på “Local Info” längst uppe så kan man se prisnivåer på olika sätt, pendlingstid, skolkvalitet, risk för naturkatastrofer samt brottstatistik. Finns denna information lätt tillgänglig?

Jag har även sett en modell över bostadspriser i Helsingfors där skaparen via data från OpenStreetMap prissatt enskilda gator (jag har tyvärr tappat bort länken). För att göra detta krävs att man gräver ner sig rejält i datastrukturen för OpenStreetMap som är långt ifrån trivial att få ordning på. Lyckas man kan man rent av börja värdera pendlingstid med avseende på bostadspriser och så vidare. Möjligheterna är oändliga bara informationen finns. Det är bara politik och juridik som står ivägen. Tekniskt är det inget problem att hantera…