TARTU ÜLIKOOL

Sille Sommer

Ruumilised lokaliseerimisvõimalused

Referaat (Ruumiandmete analüüs LOOM.02.016)

Juhendaja: Jüri Roosaare

Tartu 2009

2 

 

SISUKORD

 

Sissejuhatus ............................................................................................................................................. 3 

Reisipäeviku meetod ............................................................................................................................... 4 

GPS tehnoloogia ruumilisel lokaliseerimisel ........................................................................................... 7 

Turistide segmenteerimine GPS‐seadmetega......................................................................................... 8 

Mobiilpositsioneerimine ....................................................................................................................... 11 

KASUTATUD KIRJANDUS:....................................................................................................................... 16 

 

3 

 

Sissejuhatus Antud  referaat  keskendub  lühidalt  kolmele  erinevale meetodile, mille  abil  on  võimalik  ruumiliselt 

määratleda  subjekte  ja nende  liikumismustrit. Lisaks proovitakse kajastada  tehnoloogiad, mille abil 

need meetodid töötavad. 

Reisipäeviku meetod 

GPS seadmetel põhinevad asukohamäärangud 

Mobiilpositsioneerimine 

Traditsiooniliselt  on  inimeste  paiknemist  ja  liikumist  kirjeldatud  peamiselt  rahvaloenduse, 

reisipäevikute  ja  füüsilise  jälitamise  abil  kogutud  andmestiku  abil.  Tänapäevaste  tehnoloogiate  all 

mõistetakse eelkõige mobiilpositsioneerimist  ja GPS‐seadmeid, mis on antud hetkel  teadlaste  seas 

aina enam kasutust leidma hakanud, et määratleda liikujate ruumi ja aja kasutamisel. 

Nii  traditsioonilistel kui ka moodsamatel  lokaliseerimismeetoditel on omad  tugevused  ja nõrkused. 

Näiteks rahvaloendus  ja reisipäeviku pidamine olid minevikus asendamatuks võimaluseks  tegemaks 

kindlaks liikujate trajektoore aegruumis. Kuna rahvaloendusi ei tehta igal aastal, siis ei saaks tugineda 

vaid andmetereale, mis on saadud heal  juhul  iga viie aasta  tagant. Reisipäeviku pidamine võib aga 

ühel hetkel muutuda vastajale teisejärguliseks. See tähendab, et kui ühel õhtul näiteks unustatakse 

kirja  panna  päevased  marsruudid,  siis  sel  juhul  on  uuritava  paberil  kirjas  olev  ruumilis‐ajaline 

käitumine vastuolus reaalsusega.  

Jälitamine uurimismeetodina on uurimismetoodikatest ehk kõige ekstreemsem. Kui uurija ei tee oma 

tööd hästi  ja ei suuda missioonil  jääda märkamatuks, siis valmistab see ebameeldivusi mõlematele 

osapooltele. Samas on see üks kindlamaid  ja odavamaid viise  registreerida  liikuja käitumine ajas  ja 

ruumis. Espelt ja Benito (2006) viisid läbi küsitluse Hispaania linnas Gironas ning nad tahtsid teada kui 

palju erineb turistide käitumine tegelikkuses sellest, mis nad ise ankeetidele kirjutavad. Uurimisgrupp 

registreeris märgatavaid erinevusi kirjapandu ja reaalsuse vahel.  

Seni  on  täpsemaid  liikumisuuringuid  tehtud  GPS‐seadmete  ja  mobiilpositsioneerimise  abil.  GPSi 

puhul  on  andmete  kogumist  raskendavaks  asjaoluks  seadmete  hind,  kandmise  tülikus  ning  vaba 

taevalaotuse  vajadus  (Aasa  and  Ahas,  2008).  Mobiilpositsioneerimine  on  viimasel  ajal  jõudsalt 

arenenud  koos  sidetehnoloogiate  täiustumisega,  kuid  ka  sel  meetodil  on  palju  puudusi.  Suurim 

probleem  on  esinenud  seoses  andmekaitseseadusega,  kuna  tsiviilisikud  ei  soovi,  et  nende 

igapäevased  tegemised  oleksid  kõigile  vabalt  kättesaadavad.

4 

 

Reisipäeviku meetod 

 Suuremad linnad viivad elanike seas läbi ulatuslikke küsitlusi (travel survey), mille abil kaardistatakse 

liikumistrajektoor 24 tunni  jooksul. Kuna   seda tehakse  linnaruumi planeerimiseks  ja arendamiseks, 

siis  valim  hõlmab  erinevate  linnajagude  elanikke.  Kui  tegemist  on  longituuduurimuse  ehk  panel 

survey’ga, siis küsitletakse samu inimesi üle pikema perioodi (Kam and Lau, 2005). Selle tulemusena 

on  võimalik  suurem  üldistusmoment  ja  on  võimalik  teha  näiteks  optimaalsemaid 

transpordiplaneeringuid võttes arvesse elanike pikema aja liikumistrendid. 

Melbourne’i  elanikel  paluti  kirja  panna  ühe  päeva  detailne  reisimarsruut.  See  hõlmas  

transpordivahendid, mida erinevatel kellaaegadel kasutatakse, päeva  jooksul külastatavaid kohti  ja 

külastamispõhjuseid  ning  võimalikult  täpne  ajaline  info  iseloomustamaks  kui  kaua  kuskil  viibiti  ja 

millal asukohtadesse  jõuti. Juhul kui kasutati ühistransporti, siis paluti määrata ka peatumiskohtade 

numbrid või maamärgid nende lähedal. Muule informatsioonile lisati ka sissetulek, vanus, töökoht ja 

kodus räägitav keel (Kam and Lau, 2005).  

 

Selle  konkreetse  küsitluse  tulemusena  saadi  algandmed  ajavahemikul  1994  kuni  1999,  küsitleti 

84,799  inimest  ja saadi 328,555 reisimarsruuti. Et määrata ajaliselt objekti paiknemine  linnaruumis,  

kasutati  stohhastilist  algoritmi,  tehti  vajalikud  arvutused  ja  analüüsitulemused  kanti  kaardile  (Kam 

and Lau, 2005). 

 

Algoritmiliselt määratakse  liikuja asupaik ajas  ja ruumis ühendades reisi alguspunkt  ja  lõpppunkt (vt 

Joonis 1). Parameetritena kasutatakse väljumisaega, saabumisaega ja vahepeatuste koordinaate ning 

esialgselt  need  interpoleeritakse  lineaarselt,  et  saada  teada  vahepealsete  asupaikade  ajalisi  näite.  

Kuna  tegelikkuses  pole  liikumine  sirgjooneline,  siis  tõmmatakse  esialgselt  saadud  asupaikadele 

raadius, mis  annab  usaldusväärse  paiknemise.  Tehakse  vastavad  arvutused  ja  uuringus  osalejate 

linnaruumi kasutus kantakse GIS kaardile. Tulemusena on võimalik näha kõikide uuringus osalejate 

liikumismustrit linna piires ükskõik mis ajal (Kam and Lau, 2005). 

 

 

Allikas: Kam and Lau, 2005 

Joonis 1. Stohhastiline algoritm asupaikade määramiseks. 

 

Lisaks transpordiplaneeringutele kasutatakse vastavaid andmeid ja metoodikat näiteks ka välimeedia 

reklaamplakatite  optimaalseks  paigutamiseks.    Selles  uuringus  ilmnes,  et  Melbourne’i  CBDs 

(südalinnas)  oleks  ärilises mõttes  kõige  efektiivsem  paigutada  reklaam  viite  kohta  (Joonis  2)  ,  kus 

välireklaami paigutus oleks efektiivne kontaktide arvu põhjal. Kui stohhastilist algoritmi kasutades on 

võimalik  määratleda  ruumilis‐ajalis  paiknemine,  siis  travel  survey’s  saadud  sotsiaalsete  näitajate 

tulemina saab tuvastada ka objekti sotsiaalset positsiooni. Seda  infot kasutades saab  juba paremini 

läbi  mõtestada  välireklaami  paigutuse  linnaruumis.  Näiteks  kui  teismelised  külastavad  suurima 

tõenäosusega  punkti  A  ajavahemikul  14‐15,  siis  saab  elektroonilisele  reklaamtahvlile  kuvada 

vastavale sihtgrupile suunatud reklaami (Kam and Lau, 2005). 

 

5 

 

Allikas: Kam and Lau, 2005

Joonis 2. 12 tunni jooksul enim külastatavad kohad Melbourne’i CBDs.

6 

 

7 

 

GPS tehnoloogia ruumilisel lokaliseerimisel 1990ndate algus tähendas kiiret tehnoloogia arengut määratlemaks  inimeste  liikumismustrit ajas  ja 

ruumis.  Kõigepealt  võtsid  teadlased  kasutusele  satelliitidel  abil  töötavad  GPS  seadmed  ning  alles 

antud hetkeks on neile maapõhised jälgimistehnoloogiad konkurentsi pakkuma hakanud (Noam and 

Isaacson, 2006).   

 

GPS seadmed töötavad satelliitidel, mis liiguvad ümber Maa ja edastavad signaale, mis jõuavad maa 

peal paiknevate vastuvõtjateni. Klassikaliselt toimub triangulatsioon vähemalt kolme jaama abil, mille 

tulemina määratakse  vastuvõtja  asukoht nende  vahel. Kuigi on olemas Vene Glonass,  siis  laiemalt 

leiab rakendust USA Kaitseministeeriumi halduses olev DOD GPS, mis koosneb 24st satelliidist. Alles 

2000. aasta maikuust hakati DOD GPSi kasutama ka tsiviilisikute hulgas, sest enne olid see mõeldud 

vaid militaaroperatsioonide ja kaitse eesmärgil. Alates GPSi levikuga igapäevasesse kasutusse, on see 

praeguseks hetkeks teinud läbi murrangulise arenguetapi (Noam and Isaacson, 2006).  

 

GPS seadmete suurimaks plussiks on globaalne levik ja täpne asukohamääratlus, kui kõik tingimused 

on  sobivad  (Noam  and  Isaacson,  2006).  95%  juhtudest  on  asukoht määratud  vähemalt  30 meetri 

täpsusega. GPS seadmete rakendamine asukoha määramisel nõuab nii häid ilmastikutingimusi kui ka 

näiteks, et puuduks nn „müra“ satelliitide  ja maa peal paiknevate vastuvõtjate vahel. Raskusi  tekib 

eelkõige linnaruumis, kus ehitised paiknevad  tihedalt üksteise kõrval. See‐eest maapiirkondades, kus 

on  rohkem  avarust  ja  vabasid  pindu,  on  asukohad  paremini määratletavad  (Mountain  and Raper, 

2001).  GPS‐seadmetega  liikuja  asukoha määramiseks  on  vajalikuks  ka  koostöö  teadlaste  ja  isiku 

vahel,  kes  vastuvõtjat  endaga  kaasas  kannab.  Oluline  on  kindlustada,  et  vastuvõtja  antenn  oleks 

paljastatud  satelliitidelt  tulenevatele  signaalidele, mistõttu  ei  ole  seda  võimalik  taskus  ega  kotis 

kanda (Noam and Isaacson, 2006). Parema ülevaate GPS tehnoloogia tugevustest ja nõrkustest annab 

alljärgnev tabel 1. 

Tabel 1. Satelliitidel põhinevate jälgimistehnoloogiate tugevused. 

 GPS tehnoloogiate plussid:  

1. Globaalselt ligipääsetav  

2. Satelliitide rohkusest tulenevalt ei teki tehnilisi ajutisi rikkeid 

3. GPS saatjate hind on langenud, samas kvaliteet on tõusnud 

4.Sobivates tingimustes suudavad isegi odavad ja vanemad GPS vastuvõtjad häid tulemusi 

Miinused: 

1.  Vastuvõtja peab olema paigutatud, et antenn oleks ühenduses satelliitidega. Antenni ei saa panna taskusse, sest see blokeerib signaali 

8 

 

2. Kuna seadmed võtavad palju energiat, siis on subjekti jälgimine pikemas perspektiivis raskendatud ilma, et ei laetaks pidevalt patareisid 

3. Tiheasustatud aladel (eriti metropolide CBD‐des) blokeerivad pilvelõhkujad taeva. Selle tulemusena segatakse ühendust vastuvõtja ja emasüsteemi vahel 

4. GPS vastuvõtjad ei suuda veel suuremalt jaolt tagada täpset informatsiooni subjekti ruumilisest käitumisest ehitiste sisemistes tingimustes 

Allikas: Noam and Isaacson, 2006   

Turistide segmenteerimine GPS­seadmetega  Iisraelis  paiknev  ajalooline  Acre’i  linn  jaotati  kindlateks  üksusteks  ning  tehti  linna  külastatavatest  

turistidest  valim,  kellele  anti  GPS  seadmed määramaks  nende  ruumiline  käitumine  vastaval  alal. 

Ükskõik  milline  ajalooline  vanalinn  ei  ole  homogeenne  üksus,  kuna  see  koosneb  väiksematest 

osadest,  kus  turistid  segmenteeruvad  vastavalt  huvidele  ja  eelistustele  ja  nendel  baseeruvatel 

otsustele. Moodne tehnoloogia ja külastajate käitumiste tagamaid uuriv küsitlus viidi läbi eesmärgiga 

paremini  planeerida  turismi  selles  ajaloolises  UNESCO  pärandisse  kantud  linnas  (Tchetchik  et  al, 

2009).   

Määratleti 26 polügoni (vt joonis 3), mis esindavad erinevaid vaateväärsusi või tegevusi ning uuringus 

osalenud  turistid  prooviti  segmenteerida  üksuste  lõikes.  Külastajate  liikumised  registreeriti  ühe‐

minutiliste  intervallidega  GPS  seadmetega, mis  oli  usaldatud  kas  üksikisikutele,  grupijuhtidele  või 

perekonda  esindavale  täiskasvanule  selleks  otstarbeks.  Andmeid  koguti  19  päeva  jooksul  ning 

määratleti  246  liikumisrada,  millest  107  eemaldati,  kuna  GPS  seadmetel  esinesid  tehnilised 

probleemid  või  ei  antud  küsimustele  adekvaatseid  vastuseid.  Turistidele  anti  teadlaste  poolt 

külastusajaks  kaasa  tasku  PC  ja  GPS  vastuvõtja  ning  läbi  Bluetooth’i  edastati  külastaja  asupaik 

taskuarvutisse  ning  määratleti  koordinaadid.  GPS  tehnoloogia  suutis  asupaiga  määrata  ligi  paari 

meetri  täpsusega. Andmed kanti uurijate poolt  loodud vaadeldavate polügonidega GIS detailsetele 

kaartidele (Tchetchik et al, 2009).   

 

 

 Allikas: Tchetchik et al, 2009 Joonis 3. Polügonid Acre’i linnas.  Loomis  (1995),  Jeng  ja  Fesenmaier  (2002)  on  jõudnud  selgusele,  et  külastajad  teevad  kolme  sorti 

otsuseid.  Kõigepealt  otsustatakse,  kas  minna  vaatama  vaid  domineerivat  vaatamisväärsust 

(konkreetse näite puhul Knights Underground Halls  ja Turkish Hamam, polügon A joonisel 3) või siis 

minna vaatama ka  teisi objekte. Need  turistid, kes on ambitsioonikamad  lähevad vaatama ka  teisi 

atraktsioone (vt joonis 3, polügonid E, Z ja B) ning selle põhjal toimub teine segmenteerimine. Sellele 

etapile omased otsused pole enam  iseseisvad,  kuna need  turistid,  kes  valivad mingil põhjusel ühe 

kindla  atraktsiooni  saavad  sellelt  mõjutusi  minemaks  järgmisele.  Valikuid,  mida  turistid  teevad 

kohtade  külastamisel  saab  analüüsida matemaatiliselt  ning  konkreetse  näite  puhul  on  kasutatud 

diskreetset valiku mudelit. Küsitlusest ilmnenud sotsiaalsed parameetrid nagu näiteks rahvus, haridus 

või  vanus  vms,  mõjutavad  turistide  segmenteerumist  vaadeldava  Acre’i  linna  polügonide  vahel 

(Tchetchik et al, 2009).    

 

Turistid teavad, et neil pole lõpmatuseni aega ühel objektil viibida, siis tehakse pidevaid otsuseid, mis 

arvestavad ajalimiiti. Nagu eelpool mainitud, oli Acre’is läbi viidud uuringu oluliseks komponendiks ka 

9 

 

10 

 

uuritavate poolt  küsitlusankeedi  täitmine. GPS‐seadmetega  registreeritud  liikumine  kõrvutati  enne 

külastust  täidetud  ankeediga, mille  tulemusena  selgusid  turistide  esialgsed  plaanid  ja  tegelikkus. 

Ilmnes, et küsitluses oli plaanitud keskmiseks külastusajaks poole rohkem aega kui GPS‐seadmetega 

kirja  saadi.  Samas selgus, et mida rohkem oldi huvitatud kindlast atraktsioonist, seda kauem seal

viibiti. Mittereligioossed juudid viibisid kauem kommertslikes kohtades (polügonid E ja B, joonis 3)

kauem kui süvausklikud juudid, kelle toitumisrežiim ei luba seal pakutavat tavatoitu süüa. Välisturistid

aga soovivad samuti viibida kõige populaarsemates ja tuntumates kohtades (B), et osta koju kaasa

suveniire ja teha muid sisseoste (Tchetchik et al, 2009).    

 

Acre’i linnas läbi viidud turistide lokaliseerimine määratud polügonide lõikes oli esimene omalaadne. 

Inimeste  liikumist  ajas  ja  ruumis  on  ennegi  registreeritud moodsa  tehnoloogiaga,  ent  selle  näite 

puhul prooviti mõista, miks osa turiste eelistab külastada ühtesid vaatamisväärsusi kui teised. See sai 

võimalikuks, kuna GPS‐tehnoloogia võimaldas kontrollida turistide esialgselt planeeritavat marsruuti 

ja  hinnangulisi  ajalisi  parameetreid  reisi  sooritamiseks,  mis  oli  saadud  küsimustike  põhjal,  mille 

turistid  enne  reisi  täitsid.  Lisaks  analüüsiti  külastajate  sotsiaalseid  tunnuseid, mille  põhjal  toimus 

segmenteerimine. Selle uuringu tulemusena on võimalik turismiobjekte paremini hallata ja arendada 

välja  strateegiaid,  et  külastajad  jääksid  maksimaalselt  rahule  tehtud  valikutega  (Tchetchik  et  al, 

2009).    

 

 

11 

 

Mobiilpositsioneerimine  Tänapäeval  võimaldab  enamus  GSM‐võrke  telefoni  asukohta  määrata.  Asukoha  peilimiseks  võib 

kasutada  mitmeid  erinevaid  meetodeid.  Võrgu  poolt  sooritatava  positsioneerimise  all  on  üks 

lihtsamaid mooduseid baasjaama  tunnuste ehk CGI  (Cell Global  Identity)  salvestamine mingi kindla 

aja tagant. Mobiilside  leviala katavad kärjekujulise võrguna baasjaamade antennid ning  igal antenni 

sektoril  on  katvusala  piirid.  Telefon  positsioneeritakse  nende  piiride  alusel.  Kirjeldatud  meetodi 

peamiseks miinuseks  on  suur  ebatäpsus  (Aasa  and  Ahas,  2008).  Positsioneerimise  tugevustest  ja 

nõrkustest annab ülevaate Tabel 2.  

 Tabel 2. Maapõhiste jälgimistehnoloogiate tugevused ja nõrkused. 

Maapõhiste asukoha määramise tehnoloogiate plussid: 

1. Ilmastikukindel 

2. Maapõhised jälgimisseadmed on mugavalt kaasas kantavad ja ei pea olema nö „taskust väljas“, et signaal jõuaks mastini 

3. Töötab hästi ka tiheasustatud aladel ja siseruumides st ei nõua vaba taevalaotust  

Miinused: 

1. Saab kasutada vaid siis, kui eksisteerib sobiv infrastrukruur  

2. Andmekaitseseadusest tulenevad takistused 

3. Lokaliseerimistulemused on hõredalt kaetud mastidega alal ebatäpsed Allikas: Noam and Isaacson, 2006

Asukoha  määramise  täpsus  on  madalam  maapiirkondades  ja  kõrgem  linnapiirkondades.  Sellest 

hoolimata  on  keeruline  saada  detailseid  andmeid  tänava  lõikes,  mis  morjendab  arhitekte  ja 

linnaplaneerijaid.  Samas  linnaplaneerimise  eesmärgid  saavad  laiemal  skaalal  täidetud,  kuna 

ruumiline  lokaliseerimine  on  võimalik  kvartali  või  näiteks  transpordiregiooni  lõikes.  Teadlased 

kasutavad  sotsiaalpositsioneerimisel  Voronoi  diagrammi, mille  tulemusena  teatud  ala määratakse 

üksusteks sõltuvalt võrguala tihedusest (vt joonis 4). Näiteks Tallinna kesklinnas on kärjed 0,4 km2 ja 

äärelinnas  0.5  kuni  1  km2  ja  seega  asukoha määramise  täpsus  jääb  100  kuni  400 meetri  vahele. 

Maapiirkondades on  kärje  suurus  keskmiselt 49  km2 ning  andmete  täpsus on 300  ja 2500 meetri 

vahel (Ahas et al, 2007). 

 

Allikas: Ahas et al, 2007 

Joonis  4.  EMT  positsioneerimisüksused,  mis  on  arvutatud  Tallinna  kesklinnas  14  000 

positsioneerimisakti tulemusena kasutades Voronoi diagrammi.  

 Täpsuse suurendamiseks täiendatakse positsioneerimismeetodit ajalise kaugusega, mis tähendab, et 

raadiosignaali abil määratakse telefoni kaugus mastist (vt Joonis 5). Sellise meetodi nimi on CGI+TA 

(timing  advance). Meetodi  täpsus  on  otseselt  sõltuv  antennide  võrgu  tihedusest.  EMT  võrgus  oli 

2003. aastal sel meetodil tehtud asukohamäärangute täpsus 90% korral alla 1000 m (Aasa and Ahas, 

2008).    Selle  meetodi  läbiviimiseks  on  vaja  vähemalt  kolme  masti,  mille  põhjal  määratakse 

konvergents ja määratletava asupaik (Isaacson and Shoval, 2006).  

 

Joonis 5. CGI + TA. Allikas: Isaacson and Shoval, 2006 

12 

 

 

Teiseks oluliseks meetodiks on telefoni trianguleerimine erinevate antennide kauguse ja nurga põhjal 

(vt Joonis 6). Sellisel viisil leitud asukohad on eelmistega võrreldes täpsemad (viga 50 ‐ 200 m) (Aasa 

and Ahas, 2008). Kui eelmise meetodi puhul oli oluline kolme jaama olemasolu, siis AOA (angle of 

arrival) suudab asukoha määrata ka kahe jaama põhjal, kust andmed saadetakse põhisüsteemini. 

 

Allikas: Isaacson and Shoval, 2006 

Joonis 6. Asukoha määrang nurga põhjal. 

 

Hetkel loetakse kõige kiiremini arenevaks positsioneerimismeetodiks A‐GPSi. Sellel puhul on telefoni 

positsioneerimisel  kombineeritud  mobiilsidevõrgu  ja  GPS  asukohamääramismeetodid.  Juba  on 

olemas standardid selle rakendamiseks kolmanda põlvkonna mobiilsidevõrkudes. Sellisel viisil  leitud 

asukohtade  täpsus  küünib  5  –  50  meetrini  (Aasa  and  Ahas,  2008).  Aasia  mobiilsidevõrkudes 

kasutatakse aina enam A‐GPS teenuseid. Euroopas  ja USAs on see alles arenemisjärgus, kuigi alates 

2009. aastast on EL siseselt avanemas võimalus kasutama hakata Galileo navigatsioonisüsteemi GSM 

võrkudes (Ahas et al, 2007). 

 

Mobiilpositsioneerimise andmeid on võimalik saada kõikidelt Euroopa suurimatelt sideoperaatoritelt. 

Suurim probleemiks on aga kujunenud nõusoleku saamine operaatoritelt, et nende klientide liikumisi 

soovitakse reaalajas registreerida ja jälgida. Kuna operaatoritel on oluline säilitada klientide usaldus, 

siis  selle  meetodi  tarvitamiseks  on  vaja  uuritavate  kindlat  nõusolekut  ja  neile  põhjaliku 

informatsiooni  pakkumist.  Ka  operaatorid  ei  oleks  asjast  väga  huvitatud  (olgugi,  et  tegemist  on 

13 

 

14 

 

teadlaste  poolt  läbiviidavate  uuringutega),  ent  iga  positsioneerimisaktiga  maksustatakse  kliente 

teenuse eest (Ahas et al, 2007).   

Mobiilpositsioneerimise  meetodi  võib  jagada  aktiivseks  ja  passiivseks  mobiilpositsioneerimiseks. 

Aktiivse  positsioneerimise  puhul  toimub  kindla  isiku  asukoha  leidmine  kokkuleppe  alusel.  See 

kokkulepe  võib  olla  nn  „sõbraleidja“  või  leping  mõnes  liikumisuuringus  osalemiseks.  Passiivse 

positsioneerimise  puhul  kasutatakse  mobiilioperaatorite  mälus  (logifailides)  salvestatud 

anonüümseid telefonide võrgukärgedevahelise liikumise voogusid (Positium, 2009).  

Koostöös  Tartu  Ülikooliga  on  Positium  LBS  kogunud  2004  ‐  2007.  aastatel  üle  30  miljoni 

lokaliseerimispunkti  iseloomustamaks  välisturistide  külastatavust  (Ahas  et  al,  2007).    See  on 

võimalikuks  osutunud,  kuna  passiivse  mobiilpositsioneerimise  meetodi  tulemusena  ei  kasutata 

isikuandmeid  ja  uurijatel  ei  ole  võimalik  tuvastada  telefonide  numbreid.  Samuti  on  välistatud 

üksikisikute  eristamine  andmehulgas  ja  nende  tuvastamine  telefoni  kaudu  määratud 

liikumistrajektooride  alusel. Mobiilside operaatorid ei  väljasta  telefonide omanike huvisid  riivavaid 

andmeid.  Passiivse  mobiilpositsioneerimise  anonüümsuse  garanteerib  ka  nende  väike  ruumiline 

täpsus. Andmeid on võimalik saada võrgukärje täpsusega,  mis on piisavalt suured inimmasside, kuid 

mitte  üksikisikute  asukoha  määramiseks.  Teoreetiliselt  oleks  võimalik  üksikisiku  asukohta  leida 

väheasustatud kohtades, kuid sel juhul neid andmeid isiku tasemel ei väljastata (Positium, 2009). 

Sotsiaalpositsioneerimine uurib aja  ja ruumi kontseptsiooni ning  inimeste käitumist. Põhimeetodina 

ongi  kasutatud mobiilpositsioneerimist  (Ahas  et  al,  2007).  Tulemuseks  on  nn  digitaalne  jälg  ehk 

aegrida, mis peegeldab mingi  inimese  aegruumilist  käitumist. Paljude  selliste  aegridade olemasolu 

võimaldab uurida erinevate inimrühmade liikumisviise ja –harjumusi (Aasa and Ahas, 2008). Tallinna 

ajalis‐ruumilisest  kasutuse  uuringutest  ilmnesid  märgatavad  erinevused  kohalike  elanike  ja 

pendeldajate  vahel. Kui näiteks  keskmine pendeldaja  liikus  linnaruumis  keskmiselt 55  km ulatuses 

päeva  jooksul,  siis  tallinlane 31 km päevas. Mobiilpositsioneerimise  tulemusena vaadeldi, kui palju 

liiguvad 30‐minutiliste intervallide tagant (vt joonis 7). Kui eelnevaid arve konkretiseerida, siis ilmneb, 

et tööpäevadel liikusid pendeldajad 1000 ja 4000 meetri piires ning kohalik elanik 200 ja 300 meetri 

vahel (Ahas et al, 2007). 

 

 

Allikas: Ahas et al, 2007 

Joonis 7.  Protsentuaalselt pendeldajate ja tallinlaste liikumine tööpäevade (A) ja nädalavahetuste (B) 

lõikes.  

 

15 

 

16 

 

KASUTATUD KIRJANDUS: 1.  Aasa, A., Ahas, R., 2008. Sotsiaalse positsioneerimise meetod.  

2. Ahas, R., Aasa, A., Silm, S., Aunap, R., Kalle, H., Mark, Ü., 2007. Mobile positioning in space – time 

behaviour studies: social positioning method experiments in Estonia. Cartography and Geographic 

Information Science, Vol. 34, No.4, pp. 259‐273 

3. Booi Hon Kam, Kwok Hung Lau, 2005. A stochastic approach to assessing exposure levels of 

outdoor media using travel survey data.  http://smib.vuw.ac.nz:8081/www/anzmac2005/cd‐

site/pdfs/1‐Advertising/1‐Kam.pdf 31.12.2009 

4. Fleischer, A., Shoval N., Tchetchik, A., 2009. Segmentation of Visitors to a Heritage Site Using High‐

resolution Time‐space Data. Journal of Travel Research 2009; Vol. 48; No. 3.  

http://jtr.sagepub.com/cgi/content/abstract/48/2/216  31.12.2009 

5. Mountain, D., Raper, J., 2001. Modelling human spatio‐temporal behaviour: A challenge for 

location‐based services.  

6. Positium LBS, 2009. Positiumi reeglid isikuandmete kaitsel ja respondentide anonüümsuse tagamisel. http://www.positium.ee/index.php?option=com_content&task=view&id=31&Itemid=19 31.12.2009  7. Shoval, N., Isaacson, M., 2006. Application of Tracking Technologies to the Study of Pedestrian Spatial Behavior, The Professional Geographer, Vol. 58, No. 2, pp. 172 — 183 http://dx.doi.org/10.1111/j.1467-9272.2006.00524.x 02.01.2010