2 · Fontes externas¶
Números apurados por
python -m airbnb.external.coletarepython -m airbnb.features.celulase gravados emdata/external/_manifesto_externos.json(URL, parâmetros, data de acesso, bytes e SHA-256 de cada artefato) edata/processed/_celulas.json(cobertura e estatísticas por feature). Coleta de referência: 2026-09-19 (UTC). Proveniência byte a byte emdata/external/FONTES.md.
A base do Kaggle sabe onde está o anúncio — um ponto deslocado em até ~150 m e o nome do bairro — mas não sabe o que há ali. A v0 parou em "Manhattan é mais caro". Para perguntar o que, no entorno, explica o preço, a ocupação e a saída do mercado, é preciso medir o entorno com dados que não vêm do Airbnb. Cada fonte abaixo responde a uma pergunta de negócio, tem safra declarada e entra no modelo pela célula H3 r9 (ADR 0001).
1. Mapa das fontes¶
| fonte | pergunta de negócio | vira | chega à célula por | safra 2019 | safra atual |
|---|---|---|---|---|---|
| ACS (Census) | o anúncio caro está onde o morador é rico, ou onde o aluguel é caro? onde há imóvel vago? | renda, aluguel, valor do imóvel, densidade, % alugado, % vago | tract do centroide | 2015–2019 | 2020–2024 |
| NYPD | a segurança percebida do entorno pesa no preço e na permanência? | queixas graves e totais por km² | delegacia do centroide | 12 meses até 2019-07-07 | 12 meses até 2026-06-13 |
| 311 | vida noturna atrai hóspede e irrita vizinho — quanto? | chamados de barulho por km² | MODZCTA do centroide | 12 meses até 2019-07-07 | 12 meses até 2026-06-13 |
| Zillow ZORI | o Airbnb acompanha o aluguel de longo prazo do entorno? onde o aluguel mais subiu, a oferta encolheu mais? | aluguel anunciado típico | MODZCTA do centroide | 2019-07 | 2026-06 |
| MTA | quanto vale estar perto do metrô? | distância, estações e linhas a 800 m | distância do centroide | a atual | a atual |
| OpenStreetMap | o que há a pé: restaurante, bar, café, atração, hotel, parque? | contagens no anel k = 1 | anel de 7 células | a atual ⚠ | a atual |
| Marcos | quanto pesa a distância ao centro turístico e ao aeroporto? | distâncias em km | distância do centroide | fixo | fixo |
| CPI-U NY (BLS) | quanto vale, em dólar de hoje, o preço de 2019? | deflator | — | 2019-07 | 2026-06 |
| OSE / LL18 | quantos registros legais existem, e onde? | registros ativos por km² (contexto) | distrito do Conselho do centroide | não existia | FY26 |
⚠ = anacronismo declarado (§6).
2. Como a fonte vira feature: a célula H3 r9¶
A tabela data/processed/celulas_r9.parquet tem 7.219 células r9, uma linha por
célula: todas as que tocam a NYC terrestre (contenção overlap sobre a união dos 233
polígonos de bairro do Inside Airbnb). Com contenção por centro, a célula costeira cujo
centro cai na água ficaria de fora, e o anúncio na orla ficaria sem feature. Área das
células: 763,6 km², dos quais 666,3 km² de terra (a coluna frac_terra diz quanto de cada
célula é terra).
| 2019 | 2026 | |
|---|---|---|
| anúncios | 48.895 | 30.555 |
| anúncios cuja célula está na tabela | 48.888 (99,986%) | 30.555 (100%) |
| células com anúncio | 3.508 | 3.434 |
Cada fonte chega à célula pela unidade em que é publicada — e a unidade está declarada em
FEATURES[nome]["transformacao"], no código:
| unidade de agregação | fontes | por quê |
|---|---|---|
| tract que contém o centroide | ACS | é a menor unidade com margem de erro publicada |
| delegacia que contém o centroide | NYPD | agregação no servidor (ver o aviso abaixo) |
| MODZCTA que contém o centroide | 311, ZORI | as duas são publicadas por ZIP |
| anel k = 1 (a célula + 6 vizinhas, ~0,74 km²) | OSM | suaviza o deslocamento de ~150 m do ponto do Airbnb |
| distância métrica do centroide (UTM 18N) | MTA, marcos | — |
Centroide que não cai em nenhum polígono (orla, píer) herda o polígono mais próximo;
para os tracts, só entre os que têm terra (ALAND > 0), para a célula costeira não herdar
um tract só de água. Quantas células foram atribuídas por proximidade: bairro 897 · tract
2010 270 · tract 2020 360 · MODZCTA 620 · delegacia 608 (_celulas.json →
diagnostico_atribuicao). Nenhum centroide caiu em dois bairros ao mesmo tempo.
Crime e barulho não estão no anel r9
O briefing previa contar queixas e chamados no anel k = 1 de cada célula. Paginar as ~500 mil queixas de uma janela no dataset histórico do NYPD (10 milhões de linhas) levou mais de 100 s por página e estourou o timeout. A decisão foi agregar no servidor: queixas por delegacia (77 polígonos em 2019, 78 no atual) e chamados 311 por ZIP, convertidos em densidade por km² da delegacia ou do MODZCTA. É uma feature mais grossa — todas as células de uma delegacia recebem o mesmo valor — e o teste de localização e o SHAP têm de ser lidos com isso em mente.
Contrato com a modelagem (src/airbnb/features/celulas.py):
FEATURES_LOCAL_NEUTRAS— 24 nomes sem sufixo de safra, em ordem estável, incluindolatelon(centroide da célula);features_da_safra(df, "2019" | "atual")— DataFrame indexado porh3_r9com exatamente essas colunas:acs_renda_mediana_2019eacs_renda_mediana_atualviramacs_renda_mediana. Comdolar="2019-07", as monetárias (ACS e ZORI) são convertidas pelo CPI (§3.8);fonte_da_feature(nome)— rótulo curto (ACS,NYPD,311,Zillow,MTA,OSM,marcos,H3), usado para agrupar o SHAP e o site;zori_var_pctell18_registros_km2_atualestão na tabela, mas fora das listas de modelo: a primeira é informação do futuro para um modelo de 2019; a segunda só existe em 2026.
3. Fonte a fonte¶
3.1 ACS — American Community Survey, estimativas de 5 anos¶
| Pergunta | preço alto acompanha renda alta, aluguel alto ou imóvel caro? onde há vacância (inclusive de uso sazonal)? |
| Órgão | U.S. Census Bureau |
| Granularidade | tract (setor censitário): 2.167 em 2015–2019 (tracts de 2010), 2.327 em 2020–2024 (tracts de 2020) |
| Safra | 2015–2019 para o snapshot de 2019 · 2020–2024 (a mais recente publicada; 2021–2025 sai em dez/2026) para o atual |
| Licença | domínio público |
| Features | acs_renda_mediana (B19013), acs_aluguel_mediano (B25064), acs_valor_imovel (B25077), acs_pop_densidade (B01003 ÷ área de terra), acs_pct_alugado (B25003_003 ÷ B25003_001), acs_pct_vago (B25002_003 ÷ B25002_001) |
Os dados vêm do Summary File por tabela (www2.census.gov), não da API: em 2026-09-18
a API do Census passou a exigir chave em toda requisição. O arquivo nacional de cada tabela
é ordenado por GEO_ID; uma busca binária com HTTP Range baixa só o bloco dos tracts de
NY. Cada safra do ACS é juntada à geometria da mesma década de tracts — os GEOIDs de
2010 e 2020 não designam o mesmo território.
Limitações do ACS
- É estimativa amostral, com margem de erro. O coeficiente de variação mediano da
renda do tract é 0,128 em 2015–2019 e 0,174 em 2020–2024 — a renda de um
tract típico tem incerteza de ±13–17% (1 desvio-padrão). A MOE está guardada em
data/external/acs/, não nas features. - Mediana com teto é censura: renda 250.001 ("250 mil ou mais"), valor do imóvel 2.000.001, aluguel 3.501. Tracts no teto em 2015–2019 / 2020–2024: renda 5 / 13, valor 33 / 57, aluguel 8 / 94 — e 59 desses 94 tetos de aluguel são de Manhattan.
- Tract sem morador não tem mediana: parques, cemitérios, aeroportos. Os tracts de 2020 isolaram mais dessas áreas — 84 tracts de NYC com população zero, contra 43 nos de 2010 —, por isso a cobertura de 2020–2024 é menor (§4).
- 2020–2024 inclui a pandemia, com o êxodo e o retorno a Manhattan dentro da janela.
- Dólares nominais do último ano (2019 ou 2024). Use
features_da_safra(..., dolar=...)para comparar safras.
3.2 NYPD — queixas criminais¶
| Pergunta | a segurança percebida do entorno pesa no preço, na ocupação e na saída do mercado? |
| Órgão | NYPD, via NYC Open Data (qgea-i56i Historic, 5uac-w243 Current YTD); delegacias y76i-bdw7 (NYC DCP) |
| Granularidade | delegacia (agregado no servidor por addr_pct_cd × law_cat_cd) |
| Safra | 12 meses antes de cada snapshot, pela data do registro (rpt_dt): 2018-07-08..2019-07-07 e 2025-06-14..2026-06-13 |
| Volume | 458.158 queixas na janela de 2019 (140.916 FELONY) · 570.820 na atual (184.147 FELONY) |
| Licença | NYC Open Data Terms of Use |
| Features | crime_graves_km2 (FELONY por km² da delegacia) · crime_total_km2 (FELONY + MISDEMEANOR + VIOLATION por km²) |
A janela atual emenda dois datasets: o histórico vai até 2025-12-31 e o do ano corrente cobre 2026 até o fim do 2º trimestre. O corte é pela data do registro porque é assim que os dois se particionam. A 116ª delegacia, criada em dez/2023 a partir da 105ª, é fundida à 105ª na safra 2019 (queixas e área somadas).
Crime registrado ≠ crime ocorrido
A queixa depende de a vítima procurar a polícia e de a polícia registrar. As duas coisas variam por bairro, por tipo de crime e por relação da comunidade com a polícia. Densidade por km² também favorece áreas de muito fluxo e pouca moradia: a maior densidade da cidade, nas duas safras e nas duas features, é a da 14ª delegacia (Midtown South — Times Square, Penn Station). A feature mede registro; o texto do site diz isso (Ética e LGPD).
3.3 311 — chamados de barulho¶
| Pergunta | onde há vida noturna — que atrai hóspede — e onde há vizinho disposto a reclamar, inclusive do Airbnb ao lado? |
| Órgão | NYC 311, via NYC Open Data (76ig-c548 2010–2019; erm2-nwe9 2020 em diante) |
| Granularidade | ZIP do chamado → MODZCTA (agregado no servidor por incident_zip) |
| Safra | mesmas janelas do NYPD, por created_date |
| Filtro | complaint_type like 'Noise%' (residencial, rua/calçada, comercial, veículo, helicóptero, parque, templo e o "Noise" do DEP) |
| Volume | 460.880 chamados em 2019 · 803.259 no atual (+74%); ~1% cai em ZIP fora de qualquer MODZCTA e fica de fora (contado no manifesto) |
| Licença | NYC Open Data Terms of Use |
| Feature | ruido_311_km2 — chamados por km² do MODZCTA |
Chamado mede disposição a reclamar
Um bairro que reclama pouco não é necessariamente silencioso. O aumento de 74% entre as janelas pode vir de mais barulho, de mais uso do 311 ou de mudança na forma de registrar — este dado não separa as três coisas. Comparações entre safras devem usar posição relativa (ranking), não o nível.
3.4 Zillow — ZORI (Zillow Observed Rent Index)¶
| Pergunta | o preço do Airbnb acompanha o aluguel de longo prazo? onde o aluguel mais subiu, a conversão para aluguel tradicional ficou mais atraente? |
| Órgão | Zillow Research |
| Granularidade | ZIP → MODZCTA (o do próprio código ou, na falta, a média dos ZCTAs membros) |
| Safra | 2019-07 e 2026-06 (série de 2015-01 a 2026-08) |
| Licença | uso público gratuito com atribuição clara ao Zillow |
| Features | zori (aluguel anunciado típico, US$/mês nominais) · zori_var_pct (variação 2019→2026, só contexto) |
É um índice de aluguel repetido, ponderado pelo estoque de imóveis de aluguel, calculado sobre os aluguéis anunciados entre os percentis 35 e 65 e suavizado. Não é aluguel pago (o ACS B25064 mede isso, com defasagem).
O ZORI não cobre a cidade inteira — sobretudo em 2019
Dos 149 ZIPs de NYC no arquivo, só 81 têm valor em 2019-07 e 140 em 2026-06. Nas células, a cobertura é de 30,9% em 2019 e 77,4% no atual. Por distrito, em 2019: Manhattan 88,5%, Brooklyn 60,6%, Bronx 20,3%, Queens 18,4%, Staten Island 0%. A ausência não é aleatória: faltam as áreas com pouco anúncio de aluguel no Zillow.
3.5 MTA — estações do metrô¶
| Pergunta | quanto vale, dentro de um mesmo bairro, estar perto do metrô? |
| Órgão | Metropolitan Transportation Authority, via data.ny.gov (39hk-dx4f) |
| Granularidade | estação: 496 plataformas, 445 complexos, 24 linhas (inclui a Staten Island Railway) |
| Safra | a de 2026, aplicada às duas |
| Licença | Open NY Terms of Use, com atribuição à MTA |
| Features | metro_dist_m (estação mais próxima) · metro_n_800m (complexos distintos a até 800 m, ~10 min a pé) · metro_linhas_800m (linhas diurnas distintas a até 800 m) |
Conta complexos e linhas, não linhas da tabela: Times Square tem várias plataformas, e contar registro inflaria os grandes entroncamentos. A tabela é a de 2026, aplicada também a 2019; a leva mais recente de estações novas que conhecemos é a da Second Avenue, aberta em 2017, então o efeito esperado sobre as distâncias é nulo ou desprezível — mas a tabela não traz data de inauguração para provar isso.
3.6 OpenStreetMap — pontos de interesse¶
| Pergunta | o que há a pé do anúncio — e quanta hotelaria formal compete com ele? |
| Órgão | colaboradores do OpenStreetMap, via Overpass API |
| Granularidade | ponto (nó) ou centro de área (way/relation) |
| Safra | a de 2026-09 — aplicada também a 2019 (anacronismo, §6) |
| Licença | ODbL 1.0 — atribuição obrigatória |
| Features | contagem no anel k = 1: poi_restaurantes_k1 (restaurant + fast_food) · poi_bares_k1 (bar + pub + nightclub) · poi_cafes_k1 · poi_atracoes_k1 (attraction + museum + gallery + viewpoint) · poi_hoteis_k1 (hotel + hostel + guest_house) · poi_parques_k1 (leisure=park) |
Uma consulta por grupo, no envelope de NYC alargado em ~1 km — sem a folga, a célula da divisa com Nassau e Westchester perderia os POIs do outro lado.
| grupo | elementos | composição |
|---|---|---|
| restaurantes | 15.540 | restaurant 9.858 · fast_food 5.682 |
| cafés | 2.958 | cafe |
| bares | 2.137 | bar 1.586 · pub 430 · nightclub 121 |
| atrações | 1.103 | gallery 362 · attraction 285 · viewpoint 250 · museum 206 |
| hotéis | 859 | hotel 814 · guest_house 24 · hostel 21 |
| parques | 3.134 | park (2.745 como área, 230 como ponto, 159 como relação) |
Base OSM de todos os grupos: 2026-09-19 (servidor principal). Numa primeira coleta, o
grupo "bares" caiu no espelho, que servia a base de 2026-06-01 (43 bares a menos); ele foi
rebuscado no servidor principal, e agora a coleta registra a base de cada grupo e acusa
quando elas divergem (bases_coerentes no manifesto).
Limitações do OSM
- Colaborativo e desigual: a completude do mapeamento varia de bairro para bairro, e com este dado não há como separar "mais comércio" de "mais mapeamento". Densidade de POI mede também densidade de mapeador.
- Parque grande conta 1: o Central Park vale o mesmo que uma praça. A feature responde "há parque perto", não "quanto parque".
- Duplicidade rara: um restaurante mapeado como nó e como prédio conta duas vezes.
3.7 Marcos da cidade¶
| Pergunta | quanto pesa a distância ao centro turístico e ao aeroporto? |
| Fonte | curadoria em src/airbnb/external/marcos.py, com as coordenadas da infobox da Wikipedia, conferidas na API dela a cada coleta (o desvio em metros vai para marcos.json) |
| Features | dist_centro_km (Times Square) · dist_aeroporto_km (o mais próximo entre JFK e LGA) · dist_marco_km (o mais próximo entre Times Square, Empire State, Central Park, One WTC e Brooklyn Bridge) |
Distâncias em linha reta no plano UTM 18N (EPSG:32618), que difere da geodésica em menos de 0,1% em NYC (há teste). Linha reta não é tempo de viagem: um anúncio em Long Island City está "longe" de Times Square em km e perto em minutos de metrô — a feature do metrô cobre essa parte.
3.8 CPI-U New York-Newark-Jersey City — o deflator¶
| Pergunta | quanto vale, em dólar de junho de 2026, um preço de julho de 2019? (invariante 8, ADR 0005) |
| Órgão | U.S. Bureau of Labor Statistics, série CUURS12ASA0 (mensal, sem ajuste sazonal) |
| Safra | 2017-01 a 2026-08 (115 meses) |
| Licença | domínio público |
| Saída | data/processed/cpi_ny.parquet (mes, indice) e fator_cpi(de, para) |
Fator 2019-07 → 2026-06 = 1,293067 (índice 278,817 → 360,529): o preço de 2019
multiplicado por 1,293 está em dólar do mês do snapshot atual. A série foi baixada da API
do BLS e conferida contra a mesma série no FRED (onde o código é CUURA101SA0, o de
antes da revisão de áreas de 2018): os 115 meses são idênticos.
Um mês que não existe
Outubro de 2025 não tem índice: o BLS não coletou preços durante a paralisação do
governo federal. fator_cpi recusa esse mês em vez de interpolar. Para os valores do
ACS, publicados "em dólares de 2019/2024", o fator usa a média anual do índice
(fator_cpi("2024", "2019-07")).
3.9 Office of Special Enforcement — registros da Local Law 18¶
| Pergunta | quantos anfitriões estão registrados e, portanto, podem legalmente oferecer menos de 30 noites? onde? |
| Órgão | NYC Mayor's Office of Special Enforcement (OSE) |
| O que existe | nenhum dataset no NYC Open Data. Existem os relatórios anuais que a LL18 obriga a OSE a publicar, em XLSX, na página Data & Reports da OSE (FY23 a FY26; o ano fiscal vai de 1/jul a 30/jun) |
| Granularidade | distrito do Conselho Municipal (51) |
| Licença | publicação oficial da Prefeitura; limites dos distritos: NYC DCP via NYC Open Data (872g-cjhh) |
| Coluna | ll18_registros_km2_atual — registros ativos em 2026-06-30 por km² do distrito. Contexto e mapa, não feature de modelo |
Registros ativos no fim de cada ano fiscal: 105 (FY23, jun/2023) · 2.290 (FY24) · 2.952 (FY25) · 3.338 (FY26, jun/2026); 3.522 estiveram ativos em algum momento do FY26. Para comparação, o snapshot de 2026 tem 30.555 anúncios. Também foram baixados, e só registrados no manifesto, os relatórios de fiscalização da Local Law 87 (2018, 2019, 2024, 2025), com queixas e inspeções de illegal hotel por distrito — o candidato natural para medir a pressão de fiscalização antes da LL18.
4. Cobertura nas células¶
Percentual das 7.219 células com valor não nulo (_celulas.json →
cobertura_pct_nao_nulo). Distâncias e contagens (metrô, OSM, marcos) cobrem 100% por
construção.
| feature | fonte | 2019 | atual | por que falta |
|---|---|---|---|---|
acs_renda_mediana |
ACS | 92,0% | 86,3% | tract sem moradores ou com amostra insuficiente |
acs_aluguel_mediano |
ACS | 91,9% | 84,9% | idem; poucos domicílios alugados |
acs_valor_imovel |
ACS | 86,5% | 80,4% | tract com poucos imóveis ocupados pelo dono — no Bronx, 39% dos tracts de 2020–2024 não têm valor |
acs_pop_densidade |
ACS | 100% | 100% | — |
acs_pct_alugado |
ACS | 94,2% | 89,3% | tract sem domicílio ocupado |
acs_pct_vago |
ACS | 94,3% | 89,6% | tract sem unidade habitacional |
crime_graves_km2, crime_total_km2 |
NYPD | 100% | 100% | — |
ruido_311_km2 |
311 | 99,1% | 99,1% | célula em MODZCTA sem chamado registrado |
zori |
Zillow | 30,9% | 77,4% | ZIP sem ZORI (§3.4) |
zori_var_pct |
Zillow | 30,9% (2019→2026) | exige as duas pontas | |
metro_*, poi_*, dist_* |
MTA, OSM, marcos | 100% | 100% | — |
ll18_registros_km2_atual |
OSE | — | 100% | — |
A falta não é aleatória: concentra-se em parques, aeroportos, cemitérios e, no ZORI, nas áreas de mercado de aluguel menos ativo. O LightGBM trata o ausente como informação, e o dicionário registra cada feature.
5. Linha do tempo regulatória¶
| data | evento | fonte |
|---|---|---|
| 2010 | lei estadual (Laws of New York 2010, cap. 225) altera a Multiple Dwelling Law: locação por menos de 30 dias em prédio residencial classe A, sem o morador permanente, passa a ser ilegal | texto da lei (nyc.gov) |
| 2019 | a OSE recebe 3.871 queixas de aluguel ilegal de curta temporada (illegal hotel), em mais de 2.500 endereços | relatório LL87 de 2019 |
| 2019-07-08 | scrape do snapshot de 2019 (Kaggle) | config.SNAPSHOT_2019 |
| 2022-01-09 | Local Law 18 de 2022 adotada (Short-Term Rental Registration Law) | relatório FY26 da OSE, seção History |
| 2023-03-06 | a OSE começa a aceitar pedidos de registro | idem |
| 2023-06-30 | 105 registros ativos (fim do FY23) | relatório FY23 |
| 2023-09-05 | as plataformas passam a ter de verificar o registro antes de processar a reserva — início da fiscalização | relatório FY26; config.LL18_VIGENCIA |
| 2024-06-30 | 2.290 registros ativos | relatório FY24 |
| 2025 | 2.036 queixas de aluguel ilegal de curta temporada, em mais de 1.537 endereços | relatório LL87 de 2025 |
| 2025-06-30 | 2.952 registros ativos | relatório FY25 |
| 2026-06-14 | scrape do snapshot atual (Inside Airbnb) — dentro do FY26 | config.SNAPSHOT_ATUAL |
| 2026-06-30 | 3.338 registros ativos; primeiras revogações (17 revogados e 15 em processo no FY26) | relatório FY26 |
Relatórios: OSE — Data & Reports.
6. Anacronismos e vieses declarados¶
| feature | o que está sendo assumido | consequência |
|---|---|---|
| POIs do OSM em 2019 | que o comércio de 2026 descreve o de 2019 | restaurantes que fecharam na pandemia só contam em 2019 se ainda estiverem mapeados; o efeito dos POIs em 2019 tende a ser subestimado |
| metrô em 2019 | a rede de 2026 | sem efeito nas distâncias (nenhuma estação nova no período) |
| ACS 2015–2019 para jul/2019 | o meio do período (2017) descreve 2019 | defasagem de ~2 anos; o mesmo vale para 2020–2024 em 2026 |
| crime e 311 | registro mede ocorrência | mede também propensão a registrar e a reclamar |
| crime por delegacia | homogeneidade dentro da delegacia | 77/78 polígonos: a feature não distingue quarteirões |
| ZORI | aluguel anunciado mede aluguel de mercado | cobre mal as áreas com pouco anúncio; 2019 cobre 30,9% das células |
| OSM | mapeamento uniforme | mais POIs onde há mais mapeadores |
7. Atribuições¶
Texto de crédito exigido ou recomendado por cada licença. O site reproduz este bloco no rodapé.
| fonte | crédito |
|---|---|
| OpenStreetMap | © colaboradores do OpenStreetMap (© OpenStreetMap contributors), dados sob a Open Database License — openstreetmap.org/copyright. Obrigatório (ODbL 1.0) |
| Zillow | Zillow Observed Rent Index (ZORI), Zillow Research — zillow.com/research/data. Atribuição clara exigida pelos termos |
| Census | Fonte: U.S. Census Bureau, American Community Survey 5-year estimates (2015–2019 e 2020–2024) e Cartographic Boundary Files. Este produto usa dados do Census Bureau, mas não é endossado nem certificado por ele |
| BLS | U.S. Bureau of Labor Statistics, Consumer Price Index for All Urban Consumers (CPI-U), New York-Newark-Jersey City, série CUURS12ASA0 |
| NYPD | NYPD Complaint Data Historic e Current (Year To Date), via NYC Open Data. Agregado por delegacia pelo projeto |
| 311 | NYC 311 Service Requests (2010–2019 e 2020–presente), via NYC Open Data. Filtrado (barulho) e agregado por ZIP pelo projeto |
| NYC DCP / DOHMH | limites de delegacias e de distritos do Conselho (NYC Department of City Planning) e MODZCTA (NYC Department of Health and Mental Hygiene), via NYC Open Data |
| MTA | Estações: Metropolitan Transportation Authority, via data.ny.gov |
| OSE | NYC Mayor's Office of Special Enforcement, relatórios anuais da Local Law 18 |
| Wikipedia | coordenadas dos marcos conferidas na Wikipedia (CC BY-SA 4.0) |
Os termos do NYC Open Data não restringem o uso, mas permitem à Prefeitura exigir que a republicação identifique fonte, versão e modificações — por isso cada crédito acima diz como o dado foi agregado, e o manifesto guarda a data de acesso.
8. Reproduzir¶
.\tasks.ps1 externos # baixa o que falta e grava o manifesto (~5 min na primeira vez)
.\tasks.ps1 celulas # 7.219 células -> data/processed/celulas_r9.parquet
As fontes são dado vivo: o NYPD e o 311 recebem correções retroativas, o ZORI é revisado todo mês e o OSM muda a cada minuto. Uma nova coleta pode dar hashes diferentes dos do manifesto — o que o manifesto garante é saber qual versão gerou cada número publicado. A segunda coleta de 2026-09-19 reproduziu byte a byte o ACS, o NYPD e o 311.