IT blogi
5 min lugemine
Eesti suurim ärilinnak Ülemiste City kasutab arendustegevuste planeerimiseks terviklikku analüütilist ja andmepõhist lähenemist. Olulist rolli mängivad selles ka Telialt saadavad liikuvusandmed, millega linnak aitab muuhulgas Tallinnalgi lahendada autostumise probleeme.
Ülemiste Citys käib igapäevaselt tööl 18 000 inimest. Koos linnaku külalistega ulatub see arv 25 000ni. Info, et tegelikult liigub Ülemiste ärilinnakus tunduvalt rohkem inimesi, kui esialgu arvati, saadigi Telia liikuvusandmetest, mida kogutakse juba 2022. aastast.
“Telia Crowd Insightsi liikuvusandmed annavad meile tunnipõhise ülevaate sellest, kui palju inimesi linnakut külastab, millistest Eesti linnadest ja linnaosadest nad tulevad ning kui kaua nende reis kestab,” räägib Ülemiste Cityt arendava Mainor Ülemiste rohevaldkonnajuht Mati Freiberg. Lisaks annavad liikuvusandmed ülevaate ka unikaalsetest külastajatest ehk Freibergi sõnul saavad nad nii aimu, kui kaugele nende arendustegevuse mõju ulatub.
Liikuvusandmed moodustavad osa linnaku kogutavatest andmetest, mille haldamiseks on loodud juhtimistööriist Radar ja mis on aluseks piirkonna arendamisele. “Radar aitab meil kasutada andmeid strateegilises planeerimises, et liiguksime valdkonnapõhiselt seatud eesmärkide suunas, mille keskmes on alati linnakus töötavate talentide heaolu,” selgitab Freiberg.
See tähendab, et andmed on aluseks väga konkreetsetele otsustele. Näiteks Telia liikuvusandmed on Freibergi sõnul aluseks teede läbilaskevõime hindamisele, parkimise analüüsile ja ühistranspordi planeerimisele. Lisaks kasutakse neid, et olla Tallinna linnale partneriks säästlike liikumisviiside edendamisel ehk pealinna autostumise probleemi lahendamisel.
“Eriti väärtuslikuks osutuvad need andmed ka siis, kui linnakusse on kerkimas uus hoone või tulemas uus suurettevõte. Sel juhul saab juba ette kaardistada, kust linnaosadest uued töötajad tulevad, kuidas nad igapäevaselt liiguvad ja milliseid teenuseid vajavad. Nii on võimalik kasvu simuleerida ja linnakut muutusteks ette valmistada – olgu selleks siis tuhandete tippspetsialistide saabumine uue tööandja juurde või näiteks uue tervisemaja avamine, mis toob kaasa külastajate arvu hüppelise kasvu,” räägib Freiberg.
Liikuvusandmeid jagatakse tema sõnul ka linnakus asuvate ettevõtetega, mis lihtsustab nende jaoks ESG aruandlust, kus tuleb välja tuua ettevõtte süsiniku jalajälje suurus, millest suure osa moodustab töötajate liikuvuse jalajälg.
Teliaga koostööd tehakse ühest küljest seetõttu, et tegemist on kõige suurema turuosalisega, kes hõlmab pilti kõige paremini. Teisalt on koostöö osa laiemast teaduspõhisest lähenemisest. “Ülemiste City linnaarendust toetab tulevikulinna professuur, mis loodi 2019. aastal Mainor Ülemiste, Tallinna linna, Tallinna Tehnikaülikooli ja Telia koostöös. Professuuri raames uuritakse mobiilsust, linnaruumi ja linnamajandust ning Ülemiste City toimib selles protsessis omamoodi katselaborina,” selgitab Freiberg.
Telia Crowd Insight teenuse aluseks on mobiilsidevõrgust kogutud anonümiseeritud ja agregeeritud asukohaandmed. Kõik andmed läbivad range privaatsusfiltri ning neid kasutatakse ainult piisavalt suurte gruppide lõikes, mis välistab üksikisikute tuvastamise.
“Telia Crowd Insights annab võimaluse vaadata inimeste liikumist tervikpildis – mitte ainult hetkeolukorda, vaid ka muutusi ajas. See aitab hinnata, kas tehtud otsused, olgu need seotud liikluskorralduse või linnaruumi arendusega, on tegelikult soovitud mõju avaldanud,” selgitab Telia IoT ja andmeteenuste ärijuht Krista Schnur.
Ta lisab, et sellise andmepõhise lähenemise väärtus seisneb selles, et otsuseid ei tehta enam oletuste, vaid reaalse käitumise põhjal. “Andmete põhjal näeme, kust inimesed tulevad, kuidas liiguvad ja milline on nende teekond. See teadmine on oluline nii linnaplaneerijatele, transpordikorraldajatele kui ka turismisektorile,” sõnas Schnur. “Lisaks võimaldab andmete ekstrapoleerimine turuosa põhjal luua esindusliku vaate kogu elanikkonna liikumismustritele. See annab otsustajatele kindlama aluse planeerida nii tänaseid kui ka tuleviku lahendusi.”
Tulevikus võiksid andmed Freibergi sõnul minna veelgi täpsemaks. Siis saaks linnaku liikuvuslahendusi arendada veelgi sihipärasemalt ja vähendada autokasutuse osakaalu, kui oleks infot, milliste sõidukitega inimesed linnakusse jõuavad. “Tehisintellektipõhised lahendused, mis kasutavad arvutinägemist läbi kaamerate, aitavad seda osaliselt hinnata juba praegu, kuid
eesmärk on jõuda modaaljaotuse täpsema klassifitseerimiseni,” räägib ta.
