Open datasets

Lees eerst de bewijskolom

Elke rij in elk van deze bestanden draagt een bewijswaarde, en die bepaalt waarvoor de rij te gebruiken is. De vier datasets liggen niet op hetzelfde niveau.

Gemeten

Een vertrek, een duur of een prijs zoals de vervoerder die publiceerde op de dag dat hij gelezen werd. Er is niets uitgerekend.

Ingediend

Wat een vervoerder zegt dat een dienst zal doen. Een ingediend vertrek is een plan, geen waarneming.

Waargenomen

Een verbinding die een bron heeft zien rijden, vastgelegd in een gegevensstroom of een openbaar register. Zwakker dan gemeten, omdat de vastlegging uit tweede hand komt, en sterker dan afgeleid, omdat er werkelijk iets gereden heeft.

Afgeleid

Door ons uit andere waarden berekend: een afstand uit twee sets coördinaten, een vervoerder van wie wordt aangenomen dat hij een corridor bedient omdat zijn gepubliceerde verzorgingsgebied beide uiteinden dekt, een aantal grammen uit een gepubliceerde factor.

Een afgeleide waarde blijft afgeleid in het bestand, op de pagina erboven en in de gestructureerde data.

Waar voor alle vier

De delen die van de ene dataset op de andere niet veranderen.

Naamsvermelding, en dat is de hele licentie

Elk bestand valt onder CC BY 4.0. Gebruik het commercieel, teken het opnieuw, bouw erop verder, verkoop wat u bouwt. Noem Orlero en link terug.

Een Frictionless Data Package, geen losse CSV

Elk pakket draagt een datapackage.json met een Table Schema per bestand, zodat een lezer het type en de eenheid van elke kolom kent voordat hij hem opent. Datums zijn ISO 8601 met tijdzone, landen ISO 3166-1 alpha-2, bedragen staan in hele kleinere eenheden met hun ISO 4217-code, en coördinaten zijn WGS84.

Vier herkomstkolommen op elke rij

source, source_url, fetched_at en evidence, in elke tabel in alle vier de pakketten. Een rij die uit zijn verband is gehaald zegt nog steeds waar hij vandaan komt, wanneer hij gelezen is en hoe sterk de bewering is.

Controlesommen en een wijzigingslog

Elk pakket levert een checksums.txt met een SHA-256 per bestand, een README, een CHANGELOG en een semantische versie. Een herbouw die de betekenis van een kolom verandert verhoogt het hoofdversienummer.

Ontbrekende data is een lege cel

Leeg betekent dat we de waarde niet hebben, en een nul betekent nul. Nooit een nul in plaats van leeg, en nooit de letters n.v.t.

https://creativecommons.org/licenses/by/4.0/

Wat hier niet staat

De gaten die u beter kunt kennen voordat u hierop iets bouwt.

• Elk pakket is een gedateerde momentopname en geen live feed, en de datum staat op de datasetpagina, in het bestand en in de gestructureerde data.
• De dekking is met opzet ongelijk: de veermomentopname is dicht rond de Middellandse Zee, de dienstregelingen zijn Europees, en de vervoerdersgraaf reikt het verst en is het minst getoetst.
• Tarieven zijn wat een vervoerder op één dag op één punt in het boekingsvenster publiceerde. Het is geen prijscurve en geen gemiddelde.
• De vier pakketten worden door vier afzonderlijke scripts gebouwd uit bronnen die elkaar overlappen, dus eenzelfde plaats kan in twee ervan met twee identificatoren voorkomen.