Longitude & Latitude Coördinaten visualiseren in Looker Studio

Het visualiseren van lengte- en breedtegraadcoördinaten (longitude en latitude) in Looker Studio is niet zo eenvoudig als het zou moeten zijn. Daarom zullen we u met een eenvoudig voorbeeld door het proces leiden. Wij gebruiken een GeoJSON-bestand van de gemeente Amsterdam, waarin onder meer gegevens over de maximale snelheden zijn opgenomen, maar ook geografische gegevens zoals straatnamen en lengtegraad-breedtegraadcoördinaten. Deze gegevens zijn openbaar beschikbaar gemaakt via een open licentie die het gebruik en hergebruik van de dataset voor elk wettig doel, commercieel en niet-commercieel, mogelijk maakt.

Helaas is het niet zo simpel als het converteren van deze data naar CSV en het vervolgens te importeren in Looker Studio. Dit komt doordat Looker Studio de latitude en longitude niet herkent als geospatial data, wat we op een Google Map kunnen gebruiken. Het blijkt dat we de data eerst in Google BigQuery moeten opnemen en vervolgens in Looker Studio moeten importeren. Zelfs als u de data in precies hetzelfde format in Google Sheets zou zetten en het vervolgens in Looker Studio zou laden, dan nog zou Looker Studio het niet als geospatial aanmerken.  (En geloof ons, we hebben het geprobeerd.)

De gemeente Amsterdam reeds een ​​soortgelijke kaart gemaakt, echter is hun kaart vooral gericht op de overgang van 30 km/u naar 50 km/u, en zijn enkel de hoofdwegen erin opgenomen. Onze kaart, daarentegen, bevat alle wegen. Indien u wilt het zelf graag wil proberen,  dan kunt u de dataset hier downloaden: maps.amsterdam.nl.

Opmerking: plaatjes kunnen groter worden gemaakt door er op te klikken.

Aangezien de gemeente Amsterdam een ​​reeds opgeschoonde dataset heeft aangeleverd, kunnen we direct beginnen met het uploaden van de data naar Google BigQuery. Dit moet worden gedaan in een longitude-latitude format, in plaats van andersom. Als de volgorde wordt omgekeerd, dat wil zeggen latitude-longitude, dan worden de coördinaten daarin toegewezen aan de verkeerde geografische locatie. Het laden van een JSON in Google BigQuery kan op verschillende manieren, maar de meest effectieve manier is om dit via Cloud Shell te doen. Hiervoor gebruiken we deze methode van Marc Soares.

We beginnen door in te loggen bij Google BigQuery, een nieuw project aan te maken (of een bestaand project te selecteren) en de Cloud Shell te activeren, welke gestart kan worden via het pictogram in de rechterbovenhoek.

Hierdoor wordt Cloud Shell onderaan uw browser geopend. Het project in ons voorbeeld heet 'kmu-425119'. Op uw scherm zal dit uiteraard de naam van uw eigen project zijn.

We beginnen met het ophalen van de dataset. De eenvoudigste manier om uw dataset op te halen is via een directe link. Plaats uw dataset, indien mogelijk, in uw cloudopslag (zoals Dropbox of Google Cloud) en kopieer de directe link naar dit bestand. Typ of plak in Cloud Shell de volgende code en druk op Enter.

curl -O https://yourlink.com/yourfile.json

Uitleg:

• curl - Dit is de command-line tool dat wordt gebruikt voor het overbrengen van gegevens van of naar een server met behulp van URL's.

• -O (hoofletter O) - Deze optie vertelt curl om het gedownloade bestand op te slaan met dezelfde naam als in de URL. Als de URL bijvoorbeeld verwijst naar een bestand met de naam "yourfile.json", zal curl -O het ook opslaan als "yourfile.json".

Installeer vervolgens het geojson2ndjson-pakket. Dit wordt gebruikt om GeoJSON-bestanden te converteren naar Newline Delimited JSON (NDJSON), wat nodig is voor Google BigQuery. U kunt het pakket installeren door de onderstaande code te plakken en op Enter te drukken.

npm install -g geojson2ndjson

• -g - De -g installeert de library globally, in plaats van alleen binnen een virtuele omgeving of voor een specifieke gebruiker. Als u dit niet wilt, dan kunt u het achterwege laten.

We zullen nu ons bestand converteren naar een NDJSON-bestand. Dit kan met onderstaande code.

geojson2ndjson yourfile.json > yourfile.geojsonl

• yourfile.geojsonl - De nieuwe extensie zal .geojsonl zijn, wat dezelfde extensie is maar met een kleine letter l(eo) aan het eind.

We zullen nu een dataset aanmaken waar we onze data naar kunnen uploaden. Dit kunt u met onderstaande code doen. 'your_data_set_name' moet uiteraard worden vervangen met de naam die u aan uw dataset wilt geven, wat uit één woord zonder spaties moet bestaan. (Gebruik underscores of Camel case in plaats van spaties.) Wij noemen de onze dataset '30km'.

bq mk your_data_set_name

• bq mk - Dit wordt gebruikt om nieuwe BigQuery-resources aan te maken. Het is een afkorting voor BigQuery make.

Er zal een pop-up verschijnen waarin u Cloud Shell zult moeten autoriseren om de dataset voor u aan te maken. Klik op 'Authorize'. 

We zullen nu de dataset uploaden en daarbij een naam voor onze nieuwe tabel verzinnen. Dat kan met onderstaande code: 

bq load --source_format=NEWLINE_DELIMITED_JSON --json_extension=GEOJSON --autodetect your_data_set_name.make_up_a_table_name yourfile.geojsonl

Wijzig het volgende in deze code:

• your_data_set_name - Dit is de naam van de dataset die u zojuist heeft aangemaakt met bq mk your_data_set_name.

• make_up_a_table_name - Verzin een naam voor uw nieuwe BigQuery-tabel, waarin uw JSON-data zal worden geplaatst.

• yourfile.geojsonl - Dit is de bestandsnaam van uw geconverteerde bestand, welke u heeft geconverteerd met geojson2ndjson yourfile.json > yourfile.geojsonl.

Nadat u de pagina heeft vernieuwd zullen uw nieuwe dataset en tabel verschijnen.

Het LineString geometry type is zichtbaar. Hierin staan de longitude and latitude coördinaten die Looker Studio nodig heeft.

U kunt de data nu op de gebruikelijke manier in Looker Studio importeren, d.w.z. via de ingebouwde BigQuery-connector. Nadat u de data in Looker Studio heeft geïmporteerd, is het belangrijk dat Looker Studio de geometry kolom (met daarin longitude en langitude) herkent als geospatial data.

De meest voor de hand liggende wijze om deze data te visualiseren is via een line map.

Voor het visualiseren van Color dimension en Thickness hebben we gekozen voor de kolom 'Max. snelheid (km/u)'. Dit is eigenlijk de kolom 'MAX_SNEL_WENS' onder een nettere naam, waardoor de tooltip er wat netter uitziet. Het gebruik van dezelfde kolom voor zowel Color dimension als Thickness is een afweging. Het voordeel is dat het in dit geval de visualisatie veel duidelijker maakt, omdat dunnere lijnen voor wegen met een lagere snelheid de kaart veel leesbaarder maakt. Het nadeel is dat de tooltip nu twee keer dezelfde informatie toont. In tegenstelling tot een tool als Tableau heeft Looker Studio momenteel niet de mogelijkheid om de tooltip aan te passen.

Voor Location hebben we een calculated field aangemaakt genaamd 'straatnaam_stadsdeel', dat een concatenation bevat van de kolom 'STT_NAAM', welke de straatnamen bevat, en het calculated field 'stadsdeel_cleaned'.

Het calculated field 'stadsdeel_cleaned' is een opgeschoonde versie van de kolom 'STADSDEEL', waarin de Amsterdamse stadsdelen zijn opgenomen.

De laatste aanpassing die is gedaan, is het wegfilteren van de NULL-waarden, en het wegfilteren van de snelheidslimiet '12', wat een foutieve waarde is in de context van snelheidslimieten.

Dit resulteert in de kaart op onderstaande afbeelding. Daaronder ziet u ook de interactieve kaart welke we in Looker Studio hebben gemaakt.