Obsidian/OpenCode/Liiklusuuringud hõreasustuses avalikest allikatest.md

---

opencode-session: ses_1b473be1dffeTXspvHEMSwqWXw opencode-model: deepseek-v4-pro opencode-agent: build opencode-cost: 0.52183586 opencode-created: 2026-05-21 20:19:03

opencode-updated: 2026-05-22 13:35:40

Liiklusuuringud hõreasustuses avalikest allikatest

User

Soovin teha teadustööd transpordiplaneerimises ning kirjutada teadusartikleid. Teema mis mind huvitab on:

1. hõreda asustusega piirkonnad (rural area) kus on kohalike teede võrgustikud
2. mind huvitavad just selliste kohalike teede võrgustike uurimine kuni väljapääsu punktini suurematele teedele
3. tahaks uurida liiklussagedust ja muid liikumistega seotud teemasid. Meetodid mida kasutada peaksid olema kaudsed ja avalikest allikates. Uuri ja anna esimesi mõtteid.

Assistant

(thinking...)

Esmased mõtted: hõreda asustusega alade teedevõrgustiku uurimine

1. Uurimissuunad

A) Teedevõrgustiku topoloogiline analüüs

• Graafiteooria abil uurida, kuidas kohalikud teed ühenduvad magistraalteedega
• Hinnata võrgustiku haavatavust – mis juhtub kui üks väljapääsupunkt sulgub?
• Betweenness centrality ja closeness centrality meetrikud liiklussageduse kaudseks hindamiseks

B) Liiklussageduse kaudne modelleerimine

• Kasutada rahvastikutihedust (WorldPop, GHSL), maakasutust (Corine Land Cover) ja huvipunkte (OSM POI-d) sõitude genereerimise prognoosimiseks
• Gravity model – asulate suurus ja vahemaa kui liiklusvoo indikaatorid
• Öise valguse satelliidiandmed (VIIRS/DMSP) kui majandusaktiivsuse proxy

C) Ligipääsetavus ja transpordi võrdsus

• Mõõta ajalist/sõidukaugust igast elukohast lähima magistraalteeni
• Võrrelda erinevaid piirkondi – kus on "transpordivaesus" kõige teravam?

2. Kaadsed meetodid & avalikud andmeallikad

Andmeallikas	Mida pakub	URL
OpenStreetMap	Teedevõrk, POI-d, maakasutus	openstreetmap.org / osmnx (Python)
GHSL (Global Human Settlement Layer)	100m/1km rahvastikuruudud	ghsl.jrc.ec.europa.eu
Copernicus Corine Land Cover	Maakasutus (44 klassi)	land.copernicus.eu
Eurostat GISCO	Halduspiirid, NUTS regioonid	ec.europa.eu/eurostat/web/gisco
VIIRS Nighttime Lights	Öine valgusreostus -> aktiivsus	eogdata.mines.edu
Strava Metro	Anonüümne liikumisaktiivsus	metro.strava.com (taotlusega)
Meta Data for Good	Rahvastiku liikumismustrid	dataforgood.facebook.com
WorldPop	Rahvastikutihedus 100m	worldpop.org

3. Soovitatav tööriistakast

• Python: osmnx (teedevõrgu pärimine ja analüüs), networkx (graafianalüüs), geopandas, rasterio
• QGIS: ruumianalüüs, kaardid
• R: sf, spdep ruumiliseks statistiliseks modelleerimiseks

4. Võimalikud teadusartikli fookused

1. "Estimating rural road traffic volumes from population distribution and network centrality: a data-driven approach using OSM and GHSL"
2. "Accessibility to primary transport corridors in sparsely populated regions: a graph-theoretic assessment"
3. "Vulnerability of rural road networks under single-link failure scenarios"
4. "Correlating nighttime light intensity with observed traffic counts on rural connectors" – kui saad kasvõi väikese valimi reaalseid loendusandmeid valideerimiseks

5. Mis võiks olla järgmine samm?

Soovitan alustada Eesti või mõne konkreetse riigi piirkonna juhtumiuuringuga:

1. Tõmba osmnx-iga välja valitud maakonna teedevõrk
2. Filtreeri välja kohalikud teed (highway=residential/unclassified/tertiary) ja leia nende ühenduspunktid suuremate teedega
3. Lisa GHSL-i rahvastikuandmed
4. Arvuta võrgustiku meetrikud ja visualiseeri

Kas soovid, et looksin Pythoni-skripti esimese prototüübiga alustamiseks? Või on sul mõni konkreetne piirkond/riik juba silme ees?

User

Soovin alustada Eestist ja valiksime 'Valga vald'. Nüüd loon esimese prototüübi-skripti. Paketid on paigas ja Valga vald on 745 km² – sobib hästi. Skript töötab. Lähme edasi ja analüüsime seda, mis exit point analüüsis toimub – kuna kogu kohalik võrk on üks suur ühendatud komponent, siis kõik väljapääsupunktid 'serve'ivad' sama arvu sõlmi. Sellel on oluline teaduslik järeldus. Nüüd täpsustan analüüsi – võtmeaspekt on väljapääsupunktide teeninduspiirkonnad (iga kohaliku sõlme lähim väljapääsupunkt) ja võrgustiku haavatavus (mis juhtub kui väljapääsupunkte eemaldada). Analüüs on valmis. Tulemused on väga huvitavad. Siin on peamised leiud:

---

Valga valla teedevõrgustiku analüüs

Põhiandmed

Näitaja	Väärtus
Pindala	745 km²
Teedevõrgustik	1168 sõlme, 2929 teelõiku
Kohalikud teed	2546 lõiku (86.9%)
Magistraalteed	373 lõiku (12.7%)
Väljapääsupunktid	157 kokku, 41 põhikomponendis

Olulisemad teaduslikud leiud

1. Võrgustik on fragmenteeritud — kohalikud teed jagunevad 59 eraldi komponendiks, millest suurim sisaldab 665 sõlme (vaid 59% kohalikest sõlmedest). See tähendab, et paljud maapiirkonna teelõigud on isoleeritud ega ühendu magistraalvõrgustikuga.

2. Väljapääsupunktide teeninduspiirkonnad — keskmine kaugus lähima väljapääsupunktini on 1754 m, kuid 90. protsentiil on 5476 m. Suurim teeninduspiirkond hõlmab 147 kohalikku sõlme.

3. Haavatavus on tõeline probleem — kolm kriitilist leidu:

Eemaldatud väljapääs	Keskmine ümbersõit	Maksimaalne ümbersõit	Sõlmi >2× ümbersõiduga
Exit 1705936197	10.9 km	17.5 km	61.5%
Exit 206096718	5.0 km	12.4 km	33.3%
Exit 1940716114	4.2 km	10.5 km	53.3%

14 väljapääsupunkti eemaldamisel tekib >10% teenindatavatest sõlmedest üle 2-kordne ümbersõit. See on tugev signaal transpordi planeerimiseks.

Järgmised sammud teadusartikliks

1. Kaardistada reaalsed väljapääsupunktid OSM-is ja valideerida kohapeal
2. Lisada rahvastikuandmed (GHSL/WorldPop) — seostada teeninduspiirkonnad rahvastikutihedusega
3. Võrrelda teiste valdadega — kas Valga muster on tüüpiline Eesti maapiirkondadele?
4. Kaugseire andmed — VIIRS öise valguse andmed kui liiklusaktiivsuse proxy

Tulemused on salvestatud results/valga_refined.png. Kas soovid mõnda konkreetset suunda edasi arendada?

User

Lisa palun rahvastiku ruutudest rahvastiku andmed. Kanna need teedele ja püüa leida palju väljapääsu punktidesse "inimesi jõuab". Kuidas seda nimetada kas "1 inimene väljapääsu punktini" on 1 liikumine? Või on Sul parem idee. Vaatame ainult neid piirkondasid ka Valga vallast kus on hõre asustus.

WorldPop Eesti andmed on kättesaadavad (47 MB). Kirjutan analüüsi-skripti, mis:

1. Laeb alla WorldPop rahvastiku ruudud
2. Seob rahvastiku teedevõrgu sõlmedele
3. Arvutab iga väljapääsupunkti "rahvastiku valgala" (population catchment)
4. Filtreerib välja hõreda asustusega piirkonnad Analüüs on valmis. Tulemused on teaduslikult väga huvitavad.

---

Peamised leiud

Rahvastiku jaotus

Näitaja	Väärtus
Valga valla rahvastik (WorldPop 2020)	13 864 inimest
Asustustihedus	18.6 in/km²
Hõredaid ruudukesi (< 10 in/km²)	91.9% asustatud ruutudest
Teedele seotud sõlmi	1078 (1126-st)
Keskmine elanikke teesõlme kohta	12.9

Väljapääsupunktide "rahvastiku valgala" (population catchment)

Kontseptsioon: iga väljapääsupunkti teeninduspiirkonnas elavate inimeste arv. Eeldusel, et iga inimene teeb ~2 reisi päevas, mis vajavad jõudmist magistraalteele:

Väljapääs	Rahvastiku valgala	Reiside arv päevas
Exit 7607873795 (Valga linn)	2652 in	5304
Exit 419771409	1391 in	2782
Exit 718823385	840 in	1680
Exit 419771236	786 in	1572
Exit 203875838	384 in	768

Hõreda asustusega alad — hoopis teine pilt!

Kui vaadata ainult neid piirkondi, kus asustustihedus on < 10 in/km²:

Väljapääs	Hõre rahvastik	Reisid päevas
Exit 203875838	175 in	351
Exit 206096718	127 in	255
Exit 869308928	80 in	159
Exit 247187992	78 in	156
Exit 258186842	72 in	145

Valga linna väljapääs langeb 10. kohale — ainult 31 hõreda ala inimest!

Terminoloogiast

Kasutasin termineid:

• "Population catchment" (rahvastiku valgala) — mitu inimest sõltub sellest väljapääsupunktist
• "Trip generation potential" (reiside genereerimise potentsiaal) — eeldusel 2 reisi inimese kohta päevas
• "Trips per km" — liiklussageduse proxy (keskmiselt 115 reisi/km/päevas)

See põhineb transpordiplaneerimises tuntud gravity model ja trip generation kontseptsioonidel. Alternatiivsed terminid: "access demand per exit" või "exit point loading".

Teaduslik väärtus

Huvitavaim leid on, et hõreda asustusega alade väljapääsupunktide tähtsusjärjestus on täiesti erinev kogu valla omast. See viitab sellele, et maapiirkondade transpordiplaneerimises ei saa kasutada agregeeritud andmeid — hõredad ja tihedad alad käituvad erineva loogika järgi.

Tulemused on salvestatud:

• results/valga_pop_analysis.png — 6-paneelne visualisatsioon
• results/valga_pop_catchment.csv — kõikide väljapääsude andmed
• results/valga_pop_sparse_catchment.csv — hõredate alade andmed

Kas soovid mõnda suunda süvendada? Näiteks võrrelda teise vallaga või lisada haavatavuse analüüs rahvastikuga kaalutult?

User

Lisa haavatavuse analüüs rahvastikuga kaalutletult.

Now add the vulnerability visualization panels to the plotting section: Analüüs on valmis. Tulemused on teaduslikult väga tugevad.

---

Rahvastikuga kaalutud haavatavuse analüüs

Metoodika

Iga väljapääsupunkti eemaldamisel arvutatakse person-kilomeetrites kui palju lisandub sõitu:

• person_km_detour = Σ (elanikke_sõlmes × ümbersõidu_lisakaugus_meetrites) / 1000
• See mõõdab kogu ühiskondlikku lisakulu — ei ole vahet, kas 100 inimest sõidab 1 km või 1 inimene 100 km.

Peamised leiud (kõik alad)

Väljapääs	Teenindatud elanikke	Pop-kaalutud keskmine ümbersõit	Person-km kogumõju	Elanikke >2× ümbersõiduga
206096718	208	5 307 m	1 104.8 pkm	17.9%
1705936197	58	15 304 m	883.8 pkm	80.5%
718823385	840	302 m	253.5 pkm	25.3%
247187992	187	1 176 m	220.2 pkm	0.7%
1940716114	27	6 364 m	170.4 pkm	51.0%

Hõreda asustusega alad — teine pilt

Väljapääs	Hõre rahvastik	Pop-kaalutud keskmine ümbersõit	Person-km
206096718	127	4 964 m	632.2 pkm
1705936197	27	12 811 m	346.0 pkm
1940716114	27	6 364 m	170.4 pkm
247187992	78	1 146 m	89.4 pkm
869308928	80	867 m	69.1 pkm

Teaduslikud järeldused

1. Pop-kaalutud ja kaalumata haavatavus ei kattu — Exit 206096718 on pop-kaalutult kõige kriitilisem, aga kaalumata meetodil alles 2. kohal

2. Hõredate alade hierarhia on erinev — Exit 203875838 teenindab 175 hõreda ala elanikku (suurim valgala), aga selle eemaldamise mõju on vaid 10.5 pkm (väga madal, sest läheduses on teised väljapääsud)

3. Kriitiline leid: Exit 1705936197 teenindab ainult 58 inimest, aga selle eemaldamisel on 80.5% neist >2× ümbersõit ja keskmine lisakaugus 15.3 km. See on tüüpiline "viimase väljapääsu" probleem — väike arv inimesi, aga katastroofiline mõju.

4. Kedagi ei jää täiesti isolatsiooni — võrk on piisavalt ühendatud, et alati leidub alternatiivne väljapääs. Aga hind võib olla väga kõrge.

5. Igapäevane lisakulu: halvimal juhul 2210 person-km/päevas (eeldusel 2 reisi inimese kohta). See on konkreetne argument teede hoolduse rahastamiseks.

Eksporditud andmed

• results/valga_pop_pop_vulnerability.csv — täielik haavatavuse tabel
• results/valga_pop_sparse_vulnerability.csv — hõredate alade haavatavus
• results/valga_pop_analysis.png — 9-paneelne visualisatsioon

Kas soovid seda analüüsi laiendada teistele valdadele või süvendada mõnda konkreetset aspekti?