Andmete kasutamine tõenduspõhiseks planeerimiseks
Käesoleva artikli kirjutamine on ajendatud murest meie linnade, eelkõige Tallinna tuleviku pärast. Mulle kõrvaltvaatajana tundub, et paljud pealinna mastaapsed projektid tehakse teoks üldisest linna arendamise visioonist täiesti eraldi. Kuigi süüdistada võib üldise tugeva ja tunnustatud visiooni puudumist, võib viimasel ajal katses Tallinnale visiooni luua edusamme märgata.
Suuremaks probleemiks tuleb pidada läbipaistmatuid otsustusprotsesse. Paljude linna arengu seisukohalt oluliste planeeringuliste otsuste tagant kumab linnaplaneerimisameti alarahastus ja teiste ametite ning huvirühmade surve. Linnakodanike tegelik kaasatus ja seetõttu ka nende huvide esindatus jätab pahatihti soovida. Võibolla ei olegi otseseks probleemiks, et kohalikud elanikud igas protsessis täiel määral kaasa rääkida ei saa, vaid pigem asjaolu, et otsuste tegemise taga olevad põhjendused on varjatud.
Kui linnaplaneeringuliste otsuseid ei põhjendata mõistetavalt, siis puudub võimalus aruteluks ka kõige elementaarsemal tasemel. Tulemuseks on kummalised ja paiguti kohatud protestiaktsioonid linnakodanikelt, kes tunnevad, et nad on täielikku pimedusse jäetud. Tahaks väga loota, et paljude otsuste põhjenduseks siiski on andmed, ja et tegemist on pigem kommunikatsiooniprobleemiga. Paratamatult jääb kahtlus, et paljud otsused tehakse intuitiivselt, lähtuvalt avalikult välja ütlemata poliitilistest kaalutlustest ning otsustajate kõhutundest.
Viimase aja nutikate linnade (smart city) ja suurandmete (big data) teemade populaarsuse valguses tekib paratamatult küsimus – kuidas kasutada linnaplaneerimisel otsuste tegemisel andmeid paremini? Andmeid linna kohta on tõesti juba praegu olemas tohutul hulgal. Neid andmeid toodame suures osas ise oma liikumisega linnas, kasutades kohapõhiseid nutirakendusi, makstes poes pangakaardiga, viibutades ühistranspordis „rohelist kaarti”, sõlmides kinnisvaratehinguid, taotledes ehitus- ja raieluba, või lihtsalt kaubanduskeskuse ukseloenduri vaatevälja jalutades. Nende andmete süvaanalüüs aitab linnas toimuvatest protsessidest paremini aru saada. Linnaliste protsesside mõistmine on omakorda aluseks paremini läbikaalutletud planeeringule ja seega vajalik tingimus parema linna tekkimiseks.
ANDMETEST AETUD TALLINN
Kui osa linnas kogutud andmetest on tehtud avalikuks ametlike rakenduste kaudu, siis paraku jääb suurem osa nendest planeerijatele, akadeemilistele uurijatele, kinnisvaraarendajatele ja linnakodanikele kättesaamatuks. Et andmetest päriselt linna mõistmiseks abi oleks, peaksid need olema võimalikult suures ulatuses avalikud ning ligipääsetavad rakendusliideste (API – Application Programming Interface) kaudu. Rakendusliidese abil saab andmeid omavahel kombineerides ning lisafunktsioone kasutades luua uusi rakendusi, mis on võimelised viima linnaplaneerimisotsuste tegemise täiesti uuele tasemele.
Et andmetest päriselt linna mõistmiseks abi oleks, peaksid need olema võimalikult suures ulatuses avalikud ning ligipääsetavad rakendusliideste (API – Application Programming Interface) kaudu.
Pole kahtlust, et selliste avandmete olemasolul tekib nutikate rakenduste turule väga kiiresti uusi rakendusi. Näiteks oluliste planeeringuliste andmete avalikustamine USA-s on viinud Zonari-nimelise rakenduse loomiseni, mis koondab infot kehtivatest planeeringutest, GIS-andmeid ja kinnisvarainfot ning pakub võimalust nende baasil genereerida ja analüüsida võimalikke hoonemahte.1 Kui mõned sellistest rakendustest kasvavad kasumlikeks ettevõteteks ja panustavad riigi ja linna majandusse, siis vaat et olulisemaks tuleb pidada võimalust linnakodanikel endal luua rakendusi, mis aitavad linnas toimuvatest protsessidest (k.a planeeringulistest) paremini aru saada. Üheks sellise rakenduse näiteks võib pidada 2017. aasta suvel loodud tallinnraiub.ee-d, mis kasutab avalikku andmebaasi aadressil https://raie.tallinn.ee/open_raie.php. Sääraste eraalgatuslike rakenduste tegemine on tõepoolest võimalik ainult tänu avaandmetele.
Avaandmete puhul on oluline on ka see, et avaandmete abil saavad linnakodanikud spontaanselt kontrollida planeeringulisi otsuseid ja protsesse. Avalikul sektoril on moraalne kohustus tagada riigi raha eest kogutud andmetele vaba juurdepääs. Vabariigi valitsuse initsiatiivil loodud „Eesti avaliku teabe masinloetava avalikustamise roheline raamat” algab selge seisukohavõtuga, et „info- ehk teabevabadus on demokraatlikes riikides üks kodanike põhiõigusi”. Paraku ei ole avalik sektor pahatihti ise andmetele juurdepääsu avamisest huvitatud või puudub tehniline võimekus ja ressurss seda teha. Maksumaksjana peame sellisel juhul ise seda nõudma! Näiteks UK-s on tehtud mitu avatud andmete kampaaniat. Guardian’i ajalehe tehnoloogiarubriigis algatati „Free Our Data” kampaania, mis kutsus avalikku võimu avaldama riigi raha eest kogutud andmeid. Ka Eestis on loodud avaandmete portaal https://opendata.riik.ee, kuid sisu on seal küllaltki hõre ning linna arendamise seisukohalt oluliste planeeringute ja ehitisi puudutavaid andmeid sealt ei leia.
Üks linna toimimise seisukohast äärmiselt oluline valdkond on inimeste liikumine ja linnasisene mobiilsus üldiselt. Sellest tulenevalt saab ja tuleb planeerida ühistransporti, suunata autoliiklust ning kavandada linnatänavaid. Liikumiste hulk ja keerukus isegi Tallinna suuruses linnas on peadpööritav. Sellest arusaamiseks ei piisa lihtsalt kogutavatele andmetele peale vaatamisest, appi tuleb võtta arvutuslikud vahendid. Siiani on Tallinn kasutanud arvutuslikke mudeleid hindamaks planeeringute mõju autoliiklusele. Nüüdseks on ka valminud Tallinna Linnaplaneerimise Ameti osalusel tehtud kesklinna jalakäijate uuring ja loodud arvutuslik simulatsioonimudel.2 Kõnekas on asjaolu, et üheks mahukaimaks tööpaketiks selles uuringus osutus erinevatest andmebaasidest jalakäijate ja ühistranspordikasutajate loendusandmete kättesaamine.
Näiteks Tallinna ühistranspordi kasutuse ehk n-ö rohelise kaardi andmed ei ole praegu avalikkusele kättesaadavad. Vajadus nende andmete järele on olemas ja küllap loodaks peatselt ka rakendused, mis kasutavad andmeid reisi paremaks planeerimiseks, ühistranspordi optimeerimiseks, nõudluse hindamiseks või miks mitte ka uutele arendustele sobivate piirkondade leidmiseks. Nagu teistegi üksikisikutega seotud andmete puhul tuleb ka rohelise kaardi andmete avalikustamisel hoolt kanda, et need jälgiksid isikuandmete kaitse põhimõtteid. Linna planeerimisega tegelevad ametid peaksid aga seisma selle eest, et võimalikult palju linnas kogutud andmetest oleksid kättesaadavad planeeringuliste otsuste tegemise juures kõikidele huvitatud osapooltele.
HIRM KÜBERLINNA TEKKIMISE EES
Loodan, et viimane mõttekäik leevendab natukene ka vastuseisu, mida on urbanist Maros Krivy3 väljendanud küberneetilise linna kriitikana. Selle kriitika kohaselt ei lähe targa linna idee kokku linna vaba ja isetekkelise iseloomuga ning loob sotsiaalset ebavõrdsust. Võiks siiski eeldada, et avatud andmete kasutamise korral spontaansete, eraalgatuslike ja mitteametlike ettevõtmiste ning sündmuste hulk linnas kasvab. Vabalt kättesaadav informatsioon pigem annab linnakodanikele vabadust juurde kui võtab seda. Iseenesest on mõistetav, et andmete avatus muudab otsustusprotsesse läbipaistvamaks. Samas peab nõustuma, et andmete kontrollimine ühe huvigrupi poolt suurendab ebavõrdsust, ent see kehtib ennekõike piiratud juurdepääsuga andmete puhul.
Küberneetiline linn kui automatiseeritud ja rangele korrale alluv ning algoritmide poolt totaalselt kontrollitav masinavärk on väga pessimistlik ja ka ebatõenäoline tulevikukujutlus. Linna õlitatud masinavärgina tööle rakendamine on selleks liialt keerukas. Urbanist ja geograaf Michael Batty4 toob välja, et näiteks reaalajas Londoni ühistranspordi vajaduse ja sõidugraafikute koordineerimine on pea võimatu, sest alusandmetel on erinev struktuur, andmed on eri andmebaasides ning nende käitlemise privaatsusnõuded karmid. Küberneetilisele masinlinnale vastukaaluks võiks tarka tulevikulinna ette kujutada dünaamiliselt seondatud protsesside kogumina.
Keerukusest hoolimata annavad avalikud ja avatud andmed võimaluse avastada linnas uusi mustreid, leida uusi viise linnas toimuvast arusaamisele, rakendada neid isiklikel, ühiskondlikel või ärilistel eesmärkidel teel mitmekihilisema, läbipõimituma ja rikkama linna poole. Suurandmestiku ingliskeelne termin big data võib tunduda järjekordse moeka sõnakõlksuna, kuid tegelikult on suurandmed juba mõnda aega olemas. Linnaruumiliste otsuste tegijatel lasub vastutus andmestikust õppida ning andmete abil paremat linna luua.
RENEE PUUSEPP on EKA vanemteadur, arhitekt ja tehnoloogiaettevõtja. Ta veab EKA arhitektuuriteaduskonna juures tegutsevas 3D Laboris jalakäijate liikumisi uurivat töösuunda ning juhendab arhitektuuri ja linnaplaneerimise magistrante. Väljaspool akadeemiat töötab ta välja tehnoloogiat hoonete masskohandamiseks ja teeb loomingulist koostööd arhitektuuribüroodega.
1 https://www.zonar.city
2 Puusepp, R. et al. “Simulating pedestrian movement”. In Humanizing Digital Reality, 1 -12. Springer (2017). (avaldamata)
3 Krivý, M. “Towards a critique of cybernetic urbanism: The smart city and the society of control”. Planning Theory (2016).
4 Batty, M. “Big data and the city”. Built Environment 42 (2016): 321–33
TALLINNA JALAKÄIJATE LIIKUMISTE SIMULATSIOONID
Meie töö eesmärk on jõuda mudelini, mis ennustaks, kuidas linnaruumi projekt mõjutab jalakäijate liikumist. EKA arhitektuuriteaduskonna 3D Labori tehtud uurimistöö kinnitab, et jalakäijate liikumist on võimalik edukalt simuleerida liikujapõhise arvutusmudeliga.
Vaadeldavaks piirkonnaks oli Tallinna kesklinn, kus esimese sammuna kaardistasime jalakäijate liikumisi – salvestasime GPS-iga varustatud nutiseadmetega kokku üle 700 jalakäija trajektoori, mille laadisime hiljem GIS programmi. Seejärel lõime liikujapõhise simulatsioonimudeli matkimaks jalakäijate käitumist. Simulatsiooni sisendiks andsime kõikidele käidavatele aladele väärtuse, mille alusel arvutasime nö tunetuslikud kaugused linnas, mida omakorda kasutasid simuleeritud jalakäijad linnas ühest punktist teise jõudmiseks. Väidame, et sellist tüüpi empiiriliste vaatluse abil seadistatud simulatsioonimudeleid saavad planeerijad kasutada erinevate linnaplaneeringuliste variantide läbimängimiseks ja hindamiseks.
Liikujapõhised mudelid ei ole uus suund linnaruumi analüüsis – ehk kõige paremini tuntakse Space Syntax’i analüüsimeetodeid. Näiteks Penn ja Turner1 on kasutanud eelkalkuleeritud nähtavuse graafikuid (visibility graphs), kus simuleeritud liikujatel ei ole linnaruumist mingeid eelteadmisi – nad on pigem juhuslikud kõndijad (random walkers), kes teevad otsuseid jooksvalt.2 Selline käitumine on aga pigem tavapäratu. Vastupidi Space Syntax’i meetodile eeldame, et liikujad on teadlikud lühimast rajast oma alg- ja sihtmärgi vahel.
Samas ei pruugi liikuja alati valida kõige lühemat rada, sest tema liiklemisotsuseid mõjutavad mitmed tänavaruumi omadused. Näiteks laiemad jalakäijate teed, vähem müra, päikselisem ja rohelisem keskkond ja tegevused, mida teatud tänavad ja ruumid pakuvad. Erinevate meetodite propageerijad, sh ka Space Syntax’itkasutavad uurijad, väidavad, et jalakäijate liikumise simuleerimine on edukalt võimalik ka ilma kontekstita. Meie lähenemise puhul on aga oluline eeldus, et jalakäijate liikumist mõjutab sotsiokultuuriline taustsüsteem ning sellest lähtudes on nende liikumine riigiti ja linnati erinev. Seetõttu peame oluliseks esmalt jalakäijate liikumist kohapeal vaadelda, et seejärel kogutud andmete põhjal simulatsioonimudelit seadistada. Kalibreerime ja muudame mudelit seni kuni simuleeritud liikuja poolt tehtavad valikud kattuvad linnaruumis vaadeldud jalakäijate valikutega.
1 Penn, A., Turner, A. „Space Layout Affects Search Efficiency for Agents with Vision”. In 4th International Space Syntax Symposium, 9.1–9.16. (2003).
2 Batty, M. „Agent-based Pedestrian Modelling”. In Advanced Spatial Analysis: The CASA Book of GIS, edited by P. A. Longley and M. Batty, 81–108. New York: ESRI, 2003.
PÄISES: Tallinna hoonete korruselisus. Liidetud on Ehitusregistri andmed ja Maa-ameti põhikaart 2017.
AVALDATUD: Maja 91 (sügis 2017), peateema Ühine ruum
