|
Sissejuhatus
Kui visioneerida geograafia ja ühiskonnateaduste tulevikku ei saa kindlasti mööda minna mobiiltelefonide positsioneerimisega arenevatest meetoditest. Kui me saame jälgida telefonide asukohta ja teame telefoni omanikke iseloomustavaid tunnuseid on täitunud teadlaste ammune unistus – me saame ühiskonna ajalist ja ruumilist käitumist jälgida ja uurida. Seda nimetatakse sotsiaalse positsioneerimise meetodiks – SPM (Ahas et al 2004; Ahas & Mark 2004a). SPM on välja arendatud Eestis, OÜ Positiumi, Tartu Ülikooli geograafia instituudi ja uurimisfirmade koostöös 2003 ja 2004 aastal.
SPM on ühiskonna uurijate, juhtijate ja manipuleerijate ammune salaunistus – enamusel inimestel on jälgitavad (digitaalset jäljerida jätvad) kiibid küljes ja inimesed laevad vabatahtlikult selle akusid. Muidugi tekitab see eelkõige hirmusid ja õhutab jälitusmaaniaid. Tegelikkuses võib sotsiaalne positsioneerimine tulevikus kogu ühiskondlikku elu paremaks muuta. Üheks otseseks rakenduseks on inimeste liikumisandmete kasutamine ühiskonna ruumilisel planeerimisel.
Käesoleva ettekande eesmärgiks on anda ülevaade SPM meetodi rakendamisest Tallinnas inimeste ajalis-ruumilise liikumise uurimisel. Andmed koguti 117 inimesega valimi kohta 2004 veebruaris Tallinnas 5 päeva jooksul, 30 min vahega. Tulemuste analüüsimisel keskenduti inimeste liikumise ajalise varieeruvuse ja mõningate ruumiliste seaduspärade käsitlemisele, sest tänane positsioneerimise täpsus ei luba liiga detailset ruumianalüüsi teostada.
Sotsiaalse positsioneerimise meetodi üheks tundlikumaks teemaks on inimeste turvatunne ja jälgimishirm. Mobiiltelefon on muutunud väga isiklikuks asjaks, mobiiltelefoni kantakse kõikjal kaasas ja üha enam delikaatseid andmeid läbib telefoni. Tänu sellele tekitab telefoni asukoha jälgimise võimalus õigustatult hirmu. Sarnaselt enamuse arenenud riikidega on ka Eestis telefoni asukoha jms info jälgimine võimalik ainult telefoni omaniku loal. Käesoleva eksperimendi läbiviimiseks vormistati respondentidega positsioneerimisleping, mis määras positsioneerimise parameetrid. Kogutud isikuandmete kasutamine toimub vastavalt andmekaitse regulatsioonis ettenähtule sarnaselt muude teaduslike eksperimentidega.
Autorid avaldavad tänu kõikidele eksperimendis osalenud inimestele, Tallinna SAPA-le, EMTle ja Regiole.
Metoodika
Inimeste positsioneerimiseks on vaja nõusolekut nende asukoha määramiseks ja sideoperaatori valmisolekut asukoha määramiseks. Käesolevaks eksperimendiks valiti Eesti suurima operaatori EMT võrk, kellel on valmisolek asukohapõhiseid teenuseid pakkuda. Asukohapõhised teenused on välja arendatud ka Radiolinja Eestis. Mobiiltelefoni asukohta saab EMT võrgus tuvastada Tallinna linnas umbes 100–500 m täpsusega, maakohtades jääb positsioneerimise täpsus keskmiselt 200-5000 m vahemikku (Laineste 2003). Asukohamäärangu täpsus sõltub võrgu tihedusest ja positsioneerimise tarkvarast. EMT kasutab positsioneerimiseks Ericssoni MPS süsteemi, mida on täiendatud ReachU (Regio) tarkvaraga PinPoint mGine. PinPoint tarkvarakeskkonnas „Monitor“ teostati ka käesoleva uuringu positsioneerimise päringud.
SPM andmete kogumist ja analüüsi teostas selle tehnoloogia arendamisega tegelev firma Positium koostöös TÜ geograafia instituudiga. Uuritavate telefonide asukohta positsioneeriti 30 min vaheajaga kl 7:00 kuni 23:00 perioodil 18.–23. veebruarini 2004. aastal. Kokku saadi 117 uuringus osalenud inimese 6 päevasel positsioneerimisel ca 15 000 asukohakoordinaati.
Uurimise tarbeks koostati 117 inimesest koosnev eesmärgipärane valim, mille suurust piiras uuringuks olemasolevate rahaliste vahendite hulk. Aluseks võeti 2000. aasta rahvaloendusega leitud Tallinnas elavate inimeste soolis-vanuseline jaotus (ESA 2000). Proportsionaalselt jaotati nimetatud uurimisülesandele sobiv valim kaheks osaks: a) 91 kesklinna elanikku; b) 26 pendeldajat ehk kesklinnas töötavat aga väljaspool Tallinna linna piire elavat inimest. Selline elukohast lähtuv jaotus on vajalik, sest linnaruumi kasutamisel eristuvad need kaks inimeste gruppi oluliselt.
Kesklinna elanike valimi struktuur määrati tausttunnuste (sugu, vanus) ning kesklinna asumite suuruse järgi. Kesklinna piirkond jaotati funktsioonidest, homogeensusest ja asendist lähtuvalt 5 regiooniks: Vanalinn, Kesklinn, Kalamaja, Kassisaba ja Veerenni, Raua ja Kadrioru. Nende piirkondade vahel jaotati kesklinna elanike kvoot proportsionaalselt. Pendeldajad on määratud töökohaga Tallinna kesklinna piirkonnas (eelpool määratud asumite ala) ja elukohaga väljaspool Tallinna linna piire. Töötaja peab keskmiselt vähemalt 4 päeval nädalas tööl käima. Elukoha kaugus Tallinnast ei olnud oluline. Et valim jaotuks ühtlasemalt, jaotati kvoodid võrdselt sissesõidu maanteede/tänavate järgi Ida, Lõuna ja Lääne suundades.
Inimeste leidmist mõjutasid mitmed SPM meetodile spetsiifilised aspektid. Nad pidid olema kindla telefonioperaatori (EMT) kliendid ja leppima positsioneerimisest teatavate SMS sõnumite tulvaga. Kõige olulisem oli aga inimestel jälgimishirmu ületamine, sest teadmine, et neid positsioneeritakse oli paljudele hirmutav ja äraütlemise põhjus. Noorte ja vanade leidmist raskendas veel asjaolu, et EMT on küll kõige suurem aga mitte soodsaima hinnaga operaator. Enamus noorte ja vanade inimeste telefonidest oli aga registreeritud EMT konkurentide telefonivõrkudes tänu sooduskampaaniatele ja hindadele. Enne eksperimendi algust veebruaris 2004 rakendati umbes 30% puuduvate inimeste leidmiseks ka kvoodi piires tutvusringkondadest värbamist, millega täideti valimis ette nähtud inimeste hulk. Eelpool mainitud põhjustel ei ole käsitletav valim 100% representatiivne, aga kindlasti võimaldab teatud järeldusi inimgruppide liikumisest teha. Samuti võimaldab ta uurimismetoodikat arendada ja hinnata.
117 positsioneeritava hulgas on mehi 47% ja naisi 53%, mis vastab meeste-naiste tegelikule jaotusele linnas. Vanusegrupiti on positsioneeritavate jagunemine tunduvalt ebaühtlasem. Kogu valimist on ligikaudu 54% vanuses 20–39 aastat, samas kui 60 ja vanemad moodustavad vaid 1,7%. Andmete tõlgendamisel peab siiski ka arvestama, et Tallinna kesklinnas elab keskmisest palju rohkem noori ja kõrgema sissetulekuga inimesi. Positsioneeritud inimeste hulgas domineerivad kõrgharidusega inimesed (51%) ja keskharidusega (35%), kellest pajud käisid kõrgkoolis. Kõige vähem oli positsioneeritavate hulgas algharidusega inimesi.
Tulemused
Kõige huvitavamaid tulemusi andis inimeste ja linnaelu ajalise rütmi uuring. Liikuvate ehk 30 min positsioneerimiste vahe jooksul asukohta vahetavate inimeste hulk kogu 117 inimesega valimist varieerub kolmekümnest protsendist (hommikul, puhkepäeva hommikupoolikul ja õhtuti) kuni seitsmekümne protsendini tööpäeva tipptundidel ja puhkepäeva lõunaajal. Kesklinna elanikud liiguvad vähem kui pendelrändajad. Pendeldajaid liigub kesklinlastest suhteliselt rohkem (erinevus kuni 10%) tööpäevadel tööle mineku ja töölt tuleku ajal: hommikul kl 8:30–9:30 ja õhtul 16:30–18:00. Tööpäeval pärast kl 20:30 on pendeldajad kesklinlastest liikuvamad. Linlased on tööpäevadel pendeldajatest liikuvamad lõunale eelneval ja järgneval tunnil, samas on vahe väike, ulatudes vaid viie protsendini. Ka puhkepäevade ennelõunal on kesklinna elanikke rohkem liikumas kui pendeldajaid, pärastlõunal suureneb linnast väljaspool elavate inimeste liikumisaktiivsus.
Kõige lihtsam inimeste ruumikasutust iseloomustav parameeter on kahe 30 min intervalliga teostatud positsioneerimisel määratud asukoha vaheline kaugus (läbitud tee pikkus linnulennul). Joonisel 1 on see vahemaa esitatud keskmise väärtusena pendeldajate ja kesklinlaste lõikes tööpäevade (A) ja puhkepäevade(B) keskmisena. Läbitud vahemaade jaotuses on pendeldajate ja kesklinna elanike liikumismustrid suhteliselt erinevad. Tööpäevadel läbivad pendeldajad 30 min jooksul keskmiselt tunduvalt pikemaid vahemaid (1000–4000 m) kui kesklinlased, kes läbivad 500–1500 m. Pendeldajad asuvad hommikul varem teele, hommikune kilomeetrite läbimise tipptund on kl 7–9 ulatudes siis tipphetkedel üle 6 km 30 min kohta. Alates kell 11:00 väheneb tööpäevadel pendeldajate suhteliselt suurem liikuvus ja kuni 15:00 on pendeldajad paiksed sarnaselt kesklinlastega (keskmine läbitav vahemaa 1000 m). Alates kella 15-st toimub pendeldajate liikuvuse järsk tõus keskmiselt üle 3000 m 30 min jooksul. Pendeldajate liikuvus väheneb pärast 21:00 ja 22:00 alates on nad suhteliselt paiksed.
Joonis 1. Eksperimendi jooksul läbitud keskmised vahemaad 30 min positsioneerimiste vahel tööpäevadel (A) ja puhkepäevadel (B).
Puhkepäevadel on pendeldajate liikumise aktiivsus suurim päeval (Joonis 1 B), tipnedes kl 15–16 perioodil keskmiselt üle 3000 m 30 minuti kohta. Kesklinlaste läbitud vahemaad on puhkepäevadel stabiilsemalt 1000 m piires.
Positsioneerimisteivaheline kaugus võimaldab kajastada inimeste läbitavaid keskmisi vahemaid ka erinevate päevade lõikes, suuri üldistusi ei saa nii lühiajalise uuringu põhjal siiski teha. Kolmapäev ja neljapäev on sarnase rütmiga, kus joonistub välja hommikune ja pärastlõunane tipptund. Reedel on alates lõunast liikumine palju aktiivsem ja vahemaad pikemad. Kui keskmised 30 min intervalliga positsioneerimise vahemaad on kolmapäevast reede lõunani 2 km, siis reede kl 13 alates on see 3 km. Laupäeval ja pühapäeval on liikujaid vähem aga teekonnad on pikemad, saavutades maksimumi (positsioneerimiste vahekaugus keskmiselt üle 6 km) pühapäeva lõuna ajal. Laupäeva õhtul ja pühapäeva hommikul on liigutavad vahemaad kõige väiksemad ja inimesed väga paiksed.
Ruumikasutus uuritud nädalapäevade lõikes on esitatud joonisel 2. Tööpäevadel viibib respondentide enamus ligi 70% ajast kesklinna piirkonnas, väljaspool linna ja äärelinnas viibitakse proportsionaalselt sama palju – 15% ajast. Laupäeval ja pühapäeval viibivad respondendid kesklinnas vaid 55% ajast, maal viibitakse üle 30%.
Joonis 2. Tallinna kesklinnas elavate (91) ja töötavate aga tagamaal elavate (26) inimeste ruumikasutus nädalapäevade lõikes. Ruumikasutuse parameetrid on arvutatud mobiilpositsioneerimise punktide järgi.
Ruumikasutuse eripärade uurimiseks kasutati tegevusruumide ellipsite analüüsi meetodit. Seoseid otsiti respondentide kõikide ankeedis sisalduvate tunnustega. Kogu valimit käsitleva analüüsi tulemusel selgus, et liikumise iseloom on erinevate isikutunnuste lõikes erinev. Kõige olulisemat mõju inimeste liikumisteedele osutab elukoht ja sellest tulenev liikumise iseloom (kesklinlane/ pendeldaja). Ka amet ja palgatase mõjutavad oluliselt inimeste igapäevaseid liikumisharjumusi. Lihtsamate ametite (teenindajate ja töölised) tegevusruumid on palju kitsamad, st need inimesed ei kaldu töö–kodu joonelt nii palju kõrvale kui juhid ja spetsialistid. Samuti on juhtide ja spetsialistide ning sellega samastuvate kõrgepalgaliste tegevusruum ja palju pikem, nende enamus elab linna tagamaal. Haridustase määrab samuti selgelt liikumistee pikkuse ja inimese lokaalsuse, aga see avaldub madalama haridustasemega koolilaste paiksuses.
Joonis 3. Töötajate ja juhtide kontsentratsiooni erinevused Tallinnas 117 inimesega grupi näitel.
Joonisel 3 on analüüsitud ametist tulenevate erinevuste ruumilist jaotust Tallinnas.. Juhid koonduvad rohkem kesklinna idapoolsesse piirkonda, kus on rohkem ärihooneid. Töötajad jagunevad kesklinnas ühtlasemalt. Töö ajal on töötajad jaotunud ka teiste linnaosade vahel ja ühendusteede piirkonnas, juhid on märksa paiksemana kesklinnas. Töövälisel ajal kahaneb juhtide kontsentratsioon kesklinnas, tööliste kohalolu aga säilib. Töövälisel ajal on juhte äärelinna ja linna piiri tagustes piirkondades esindatud tunduvalt arvukamalt. Ka meie anketeerimise tulemused näitasid, et parema sissetulekuga juhid eelistavad elada linna tagamaal ja kesklinnas tööl käia.
Diskussioon
Vaatamata väikesele valimile (117 inimest) ja ainult 5 uurimispäevale võib käesoleva analüüsi tulemuste põhjal teha teatud järeldusi inimeste ajalis-ruumilisest käitumisest Tallinnas. Kuigi valim ei ole kunagi piisav ja metoodika pole kunagi liiga hea, võimaldavad saadud tulemused otsida ka inimeste tegutsemise põhjusi ning rakendada tulemusi parema linna planeerimisel. Olulistest tulemustest tuleks välja tuua see, et linnas tegutsevad erinevad inimrühmad, kes tarbivad linnaruumi väga erinevalt. Pendeldajate ja kesklinna elanike liikuvus on eriti suur tööpäeviti. Uurimus võimaldab üsna täpselt kokku arvutada tarbitud linnaruumi. Keskmine pendeldaja läbis uurimise ajal 55 km, keskmine kesklinlane 31 km. See läbitud kilomeetrite vahe võimaldab arvutada ka ressursse, mida vastavad inimgrupid tarbivad ning sellest lähtuval arvutada näiteks leevendavaid meetmeid või maksusüsteemi kaasajastamist.
Väga tähtis osa käesolevast uurimusest on seotud sotsiaalse positsioneerimise metoodika testimise ja arendamisega. Niisugusel meetodil ei ole liikumisruumide andmeid varem kogutud ja tänu sellele pakub see suurt huvi. Arvestades mobiilside arengut ja SPM teenuste prognoositavat arengut (Ahas et al 2004) on ilmselt telefoni asukohapõhistel meetoditel suur tulevik. Juba täna on ligi 90% eestlastest mobiiltelefonid, suuremate operaatorite võrgud lubavad ka asukohta jälgida. Kuidas aga andmeid koguda ja missugustele küsimustele nad vastuseid annavad, on juba pikema arutelu teema. Arvestama peab, et täna on SPMil palju probleeme. Kolm kõige olulisemat pudelikaela on: inimeste kartus jälgimise ees, operaatorite valmisoleku puudumine ja positsioneerimise täpsus.
Joonis 4. Kesklinnas elava ja töötava inimese ajalis-ruumilise liikumise graafik (digitaalne jäljerida) 19 veebruaril 2004. peaksin vist joonise eestikeelseks tegema?
Ajalise rütmi uurimise tulemused SPM meetodiga annavad väga häid resultaate (Joonis 1). Selleks on tänasest positsioneerimistäpsusest küllalt, samuti ei pea valim olema liiga suur. Ruumilise analüüsi jaoks (Joonised 2 ja 3) on valim liiga väike, et põhjalikke järeldusi teha. Aga õige mastaabi valikul saab väga hästi analüüsida ka pendelrännet ja linnaosadevahelist liikumist. Käesoleva eksperimendi tulemused näitasid, et 500 meetrist täpsemaks minnes muutub positsioneerimise vea mõju liiga suureks. Joonisel 4 on esitatud Tallinna linnas töötava ja elava inimese ajalis-ruumilise liikumise graafik ehk digitaalne jäljerida. Tallinna suuruses linnas on ka tänase positsioneerimise täpsusega võimalik liikumisest ülevaadet saada.
Tugevaid seoseid andis aga SPM eksperimendiandmete võrdlemine liiklusloendurite andmetega. Joonisel 5 on esitatud Vabaduse ja Sõbra tänavate ristmiku automaatse liiklusloenduri ning SPM eksperimendi tulemuste seos uuringupäevadel 18.–23.02.2004.
Joonis 5. SPM eksperimendi jooksul salvestatud üle 500 m liikumiste hulga seos Vabaduse ja Sõbra ristmiku liiklusloenduri andmetega 18.–22.02. 2004 (R=0,73).
Analüüsil kasutati kõiki üle 500 meetri pikkusi positsioneeringuid 30 min perioodidel, sest alla 500 m liikumised on ka jalakäijate tunnused, mis liiklusloenduses ei kajastu. Nende erineva metoodikaga kogutud andmete tugev seos tõestab, et SPM metoodika on pädev liikumisuuringute teostamiseks. Veelgi olulisem on see, et nii tugeva seose alusel saab hakata erineva metoodikaga kogutud andmeid siduma. Näiteks saame liikluse automaatse loenduri andmetele lisada SPM uuringus selgunud sotsiaalsed tunnused. Nii saame seni elutule autovoole lisada autos istujate „näo ja iseloomu“. See võimaldaks mõlemaid uurimissuundi täpsemaks ja usaldusväärsemaks muuta.
Sotsiaalse positsioneerimise rakendamine planeerimisel
Käesolevas uurimistöös käsitletud andmestik võimaldab inimeste käitumise teatud aspekte üsna täpselt kirjeldada. Linna ajaline rütm ja ruumikasutuse erinevus on üsna täpselt kirjeldatav. Kahjuks ei võimalda positsioneerimise tänane täpsus detailsemaks minna kui 200m. Sellele vaatamata on tulemused ka ühiskonna elukorralduse planeerimisel rakendatavad. Käesoleva eksperimendi tulemusi rakendati Tallinna kesklinna liikumisvoogude ja sotsiaalse koosseisu määramiseks kesklinna ehitusmääruse koostamise eeltöödes. Vaatamata valimi väiksusele ja ühekülgsusele omasid olulist rakenduslikku väärtust pendelrändajate liikumise tunnused, linna ajalise kasutuse parameetrid, linna sotsiaalse koosseisu muutused ja kesklinna liikumisvood. Tallinna planeerimisel on need samad küsimused väga olulise tähtsusega.
Pendelrändajate liikumine on kujunenud valglinnastuvas (Ahas ja Mark 2004b) Tallinnas üheks planeerimise võtmeteemaks. Kuidas peatada noorte perekondade väljavool linnast eeslinnadesse ja kogu Tallinna tagamaale. Tagamaal elavate inimeste hulk muudab linna hõredamaks ja tekitab palju probleeme: teenused muutuvad kallimaks, liiklus tiheneb ja keskkond saastub, linna maksubaas väheneb. Positsioneerimine võimaldab niisuguste hajali elavate asumite inimeste liikumisharjumusi paremini kaardistada ja sellele vastavat linna kujundada. Tänase päeva võtmeteemaks on linna atraktiivsemaks muutmine, et inimesed ei lahkuks ja linnas lahkunute (pendeldajate) positiivne sidumine kesklinna teenuste ja töökohtadega. Positiivne side võimaldab ka linnast väljas elavad inimesed siduda linnaregiooni piires ühtseks tervikuks. Niisuguste linnaregiooni uuringute ja planeerimise jaoks sobib SPM väga hästi. SPM andmed sobib hästi pendeldajate liikumissuundade ja -teede analüüsiks, tipptundide ja nädalapäevade rütmi kirjeldamiseks. Tulevikus võib positsioneerimispõhise liikumisstatistikaga siduda ka positiivse maksude (parkimine, teede taastamine) arvestamise süsteemi.
Ka teisele olulisele Tallinna planeeringu küsimusele – Tallinna City’s eemaldumine vanalinnast - aitab SPM andmestik vastuseid leida. Tallinna keskus on viimasel kümnendil nihkunud Vabaduse väljakult Narva mnt ja Tartu mnt suundades. Tänasel päeval on uus keskus välja kujunemata. Nn City kontrollimatu kasv Tartu maantee suunas nihutab linnakeset oluliselt. Selleks, et linnaelu seisukohast olulised vanalinn ja sadam ei jääks täielikku isolatsiooni on vaja inimeste liikumisteed City-vanalinn-sadam väga läbimõeldult planeerida. Vajalikud on jalakäiguala, ühistranspordi ja autoliikluse ümberkorraldused, et ühendada kesklinna ühtseks tervikuks. Väga oluline on läbi murda Viru-Keskuse ja Kaubamaja ühendamisest tekkinud katkestusest nimetatud liikumisteljel. Selle teema lahendamisel aitab ka positsioneerimistest lähtuv andmestik, mis aitab kesklinna liiklusvoogu ja seal liikuvaid inimesi iseloomustada. Loomulikult on vaja teostada põhjalikke uuringuid ka jalakäijate ja transpordi loendamisel ja kaardistamisel, aga SPM uuringud saavad siin olulist lisa pakkuda, sest saame väga kergelt analüüsida teatud linnaosade ajalist kasutust ja kasutajate tunnuseid. Just positsioneeritavate isikute tunnuste sidumine traditsiooniliste liiklusloenduste ja automaatsete salvestajate andmestikega omab suurt potentsiaali. Mõlemad suunad täiendavad üksteist.
Eraldi vajab planeerijatel huvist lähtuvalt ära märkimist ka linna sotsiaalse koosseisu muutuste analüüsimine. Kes kasutavad kesklinna päeval? Kes öösel? Missugune sissetulek on pendelrändajatel? Niisugused on vaid üksikud küsimused millele SPM andmestiku abil võib vastuseid leida. Näiteks selgus käesoleva valimi põhjal, et kesklinnas on naised ülekaalukamad just töö ajal, mehed on palju liikuvamad ja nende töökohad on kogu linnas hajutatud. Samuti näitas uuring, et linnaruumi oluliselt mõjutavad koolinoored on tööpäevadel väga lokaalselt seotud koolidega ja liiguvad summaarselt isegi pensionäridest vähem.
Kokkuvõte
Sotsiaalse positsioneerimise meetod on alles katsetuste järgus ja esimesed testuuringud ei võimalda väga suuri järeldusi teha. Küll aga võib tehtu põhjal järeldada, et sellel metoodikal ja andmestikul on tulevikku, sest asukohapõhised teenused muutuvad üheks elu osaks. Niisuguseks osaks, mis võimaldab kiirenevat elu paremini ruumiliselt korraldada ja analüüsida. Infotehnoloogia areng on näidanud, et kasulikud teenused levivad ühiskonnas väga kiiresti. Loodame, et sotsiaalne positsioneerimine on üks neist.
Kasutatud kirjandus
Ahas, R., Mark, Ü. 2004a. Location based services – new challenges for planning and public administration? Futures, 37(6).
Ahas, R., Mark, Ü. 2004b. Kes peataks linnade allakäigu? Postimees, 18.02.
Ahas, R., Mark, Ü., Kalle H., 2004. Sotsiaalne positsioneerimine muudab geograafiat ja ühiskonnateadusi. Akadeemia 3-508-529.
Al-Kodmany, K., 2001. Online tools for public participation. Government Information Quarterly vol. 18, no. 4, pp. 329-341.
Bafna, S., 2003. Space syntax: A brief introduction to its logic and analytical techniques. Environment and Behavior, vol. 35, no. 1, pp. 17-29.
Hägerstrand, T., 1968. T. Hägerstrand, Innovation Diffusion as Spatial Process. University of Chicago Press, Chicago. 334p.
Laineste, J., 2003. Mobiilpositsioneerimise täpsus ja rakendatavus. Tartu Ülikooli geograafia instituut. Magistritöö, 75 lk.
Laurier, E. 2000: Why people say where they are during mobile phone calls. Environment and Planning D 19(4): 485-504.
Longley, P.A., 2002. Geographical Information Systems: will developments in urban remote sensing and GIS lead to 'better' urban geography? Progress in Human Geography, vol. 26, no. 2, pp. 231-239.
McCall, M.K., 2003. Seeking good governance in participatory-GIS: a review of processes and governance dimensions in applying GIS to participatory spatial planning. Habitat International, vol. 27, no. 4, pp. 549–573.
Miller, H.J., 2003. What about people in geographic information science? Computers, Environment and Urban Systems, vol. 27, pp. 447–453.
Mountain, D., Raper, J., 2001. Modelling human spatio-temporal behaviour: a challenge for location-based services. In: Proc. of the 6th Internat. Conference on GeoComputation. University of Queensland, Brisbane, Australia, pp. 24–26 September 2001.
Perrier, A., Liang-Travers, L., Gras, R., Thirion, F., Mallard, S., Gaudry, A., Auzou, J-M., Danard, J., Giely, J-M., 2004. Tallinna integreeritud ühistranspordi uurimus, 1. järgu vahearuanne. Tallinn, käsikiri