Na britanski univerzi University of Oxford, zbirajo informacije o ukrepih vlad posameznih drˇzav v boju z epidemijo COVID-19 od samega zaˇcetka epide-mije [6]. Podatke zbirajo za 180 drˇzav in jih delijo na 23 indikatorjev, ki so razdeljeni v ˇstiri glavne kategorije. Skupni odziv vlade, ki vsebuje vse ukrepe v ˇcasu epidemije. V skupinah ukrepov omejevanja ˇsirjenja okuˇzb ter zdra-vstvenih ukrepov, najdemo ukrepe, ki omejuje gibanje in odpiranje ustanov ter doloˇcila glede testiranja, spremljanja okuˇzb, investiranje v zdravstvo ter cepiva. V skupini ekonomskih ukrepov se nahajajo ukrepi, kot so denarna pomoˇc prebivalcem, podjetjem za spodbudo gospodarstva in delitev med-narodne pomoˇci. Zadnja skupina vsebuje le ukrepe na podroˇcju omejevanja gibanja prebivalstva ter zapiranje trgovin, javnih ustanov ter ostalih podroˇcij ˇzivljenja. Podatki so zbrani za vsak dan in so javno ponujeni na github
repo-Diplomska naloga 9 zitoriju2 v obliki CSV datotek. Vsaka kategorija je predstavljena s ˇstevilom od 0 do 100, kjer viˇsja ˇstevilka prikazuje veˇc ukrepov ter bolj stroge ukrepe vlad pri boju z epidemijo COVID-19.
Slika 2.2: Prikaz strogosti ukrepov
2.3 Stevci prometa direkcije RS za infrastruk- ˇ turo
Pri direkciji RS za infrastukturo od leta 1997 zbirajo podatke prometnih obremenitev na slovenskih cestah s pomoˇcjo ˇstevcev v okviru sistema Traffic Agent System [36]. Za ˇstetje prometa uporabljajo ˇstevce QLTC-8C, ki zbi-rajo podatke o ˇstevilu vozil, smeri potovanja, razredu oziroma vrsti zaznanih vozil, hitrosti vozil, ˇcasovni razdalji med vozili ter zasedenosti voziˇsˇc. ˇStevci delijo vozila na motorna kolesa, osebna vozila, kombinirana vozila, lahka to-vorna vozila, srednja toto-vorna vozila (pod 7,5 ton), teˇzka tovorna vozila (nad 7,5 ton), tovorna vozila s prikolico, priklopnike, avtobuse, zglobne avtobuse in nerazvrˇsˇcena vozila. Po celi Sloveniji se nahaja 952 ˇstevnih mest, ki so postavljena na vseh tipih voziˇsˇc. Podatke zbirajo v obliki tekstovnih dato-tek, v katerih se nahaja ˇstevilo zaznanih vozil za vsako kategorijo, na vsakem
2https://github.com/OxCGRT/covid-policy-tracker
ˇstevnem mestu, za vsak dan ter vsako stran voˇznje. Trenutne podatke pri-kazujejo na portalu promet.si3.
Slika 2.3: Prikaz trenutnega stanja ˇstevcev prometa na portalu promet.si
2.4 AIS vessel tracker
Sistem AIS je bil v osnovi narejen za prepreˇcitev trkov ladij, ker so pozi-cije ladij vidne tudi ob slabih razmerah. Sistem ves ˇcas sporoˇca identiteto, pozicijo, smer in druge podatke, kot so velikost ter tip ladje vsem plovilom v bliˇzini. S pomoˇcjo postaj sistem omogoˇca nadzor prometa odgovornim drˇzavnim sluˇzbam [1]. AISHub je edinstvena zbirka podatkov, saj kot edini ponudnik ponuja surove GPS NMEA podatke brezplaˇcno. Trenutne podatke
Slika 2.4: Prikaz trenutno zaznanih ladij s sprejemnika v Kopru na portalu AISHub
3https://www.promet.si/sl/stevci-prometa
Diplomska naloga 11 prikazujejo tudi v obliki interaktivnih zemljevidov, kjer prikazujejo vse po-staje in njihove podatke ter zemljevid s pozicijami in podatki posameznih ladij po celem svetu. Vse opisane podatke zbirajo vsakih 5 minut za vsako zaznano ladjo ter jih ponujajo preko API-ja. V okviru diplomske naloge smo zbirali le podatke ladij v Jadranskem morju, katere smo nato filtrirali po unikatnih identifikatorjih ladij po dnevih ter izbrali le tistje ladje, ki so na-menjene v ali iz Luke Koper. Dobljene podatke smo nato seˇsteli po dnevih ter zapisali v podatkovno bazo.
2.5 OpenSky Network Air traffic data
OpenSky Network je ˇsvicarska neprofitna organizacija, ki zbira podatke zraˇcnega prometa od leta 2013 in javno ponuja zbrane podatke. Organizacija je plod povezave med ˇsvicarskim obrambnim ministrstvom, univerzo v Kaiserlau-ternu ter univerzo v Oxfordu. Organizacija ne zbira le lokacij in informacij
Slika 2.5: Prikaz trenutno zaznanih letal v zraku na portalu OpenSky Ne-twork
o posameznem letu, temveˇc tudi komunikacijo s kontrolo zraˇcnega prometa.
Podatke zbirajo s pomoˇcjo prostovoljcev, ki imajo v lasti sprejemnike ADS-B, ki so zmoˇzni sprejemati sporoˇcila poslana s strani letal, ki doloˇcajo pozicijo
letala v zraku. Podatke zbrane s strani posameznikov zbirajo in nato delijo v obliki podatkovnih zbirk ter interaktivnega zemljevida s trenutnimi pozi-cijami in podatki o letalih. Ena izmed glavnih prednosti sistema ADS-B je, da signal lahko sprejme tudi drugo letalo, ki je opremljeno s sprejemnikom ADS-B [31]. Od 2020 je sistem ADS-B obvezen za veˇcino zraˇcnih prostorov v Evropi [29]. OpenSky Network ponuja podatke preko API ali CSV dato-tek. Podatkovna zbirka, ponuja podatke letalskih poletov vsakih 5 minut, mi pa smo, podobno kot pri pomorskem prometu, filtrirali podatke po uni-katni ˇstevilki leta ter izbrali le tiste, ki so namenjeni na ali iz letaliˇsˇca Joˇzeta Puˇcnika. Podatke smo nato seˇsteli po dnevih ter zapisali v podatkovno bazo.
2.6 Google mobility report
Google je kot pomoˇc, v boju z epidemijo, javno ponudil podatke trendov gibanja uporabnikov Googlovih storitev, ki imajo vklopljeno shranjevanje zgodovine lokacij. Podatki so namenjeni vladam in raziskovalcem kot pomoˇc pri odkrivanju vpliva epidemije in ukrepov na gibanje prebivalstva. Podatke zbirajo od 15. januarja 2020 in prikazujejo ˇstevilo obiskov in ˇcas zadrˇzevanja na izbranih lokacijah v datotekah oblike CSV. Podatke so zbrali in anoni-mizirali na podoben primer, kot je prikazana obiskanost lokacij na Google Zemljevidih. Za dneve, ko v kraju ni mogoˇce zagotavljati anonimnosti in statistiˇcno kvalitetnih podatkov, le-teh niso objavili. Za izhodiˇsˇcno vrednost podatkov je bilo izbrano obdobje med 3. januarjem in 6. februarjem 2020 [5]. Podatki prikazujejo odklon od izhodiˇsˇcne vrednosti za vsak dan, kjer je izhodiˇsna vrednost predstavljena z 0. Za vsako drˇzavo, regijo in izbrana mesta so podatke razdelili 6 kategorij:
• maloprodaja in rekreacija, ki vsebujejo trgovine in ˇsportne objekte, kot so stadioni, fitnes centri ipd.,
• trgovine z ˇzivili in lekarne,
• parki in javni kraji, ki vsebujejo plaˇze, marine, trge ipd.,
Diplomska naloga 13
• tranzitna mesta, ki vsebujejo poˇcivaliˇsˇca ter postaje javnega prometa,
• delovna mesta in
• stanovanjske objekte.
Slika 2.6: Prikaz podatkov iz Google mobility report
2.7 Apple mobility trends report
Podobno kot Google, je tudi tehnoloˇski velikan Apple ponudil podatke z na-menom, da dobijo vlade in raziskovalci vpogled v spreminjanje gibanja pre-bivalstva med epidemijo. Za razliko od Googla, Apple ni spremljal gibanje glede na lokacije, temveˇc na zahtevke za navodila za pot po tipu transporta.
Podatke je poleg drˇzav in regij razdelil na hojo, voˇznjo ter javni promet. Za Slovenijo podatki za javni promet niso na voljo. Prav tako Apple ponuja podatke le za celotno Slovenijo, medtem ko Google ponuja veliko podatkov
tudi za posamezne kraje. Enako kot pri Googlu so tudi podatki pri Applu povsem anonimizirani. Za izhodiˇsˇcno vrednost podatkov je bil izbran 13.
januar 2020. Podatki so predstavljeni v obliki ˇstevila za vsak dan, kjer vre-dnost 100 pomeni enako koliˇcino zahtevkov kot 13. januarja 2020 v izbrani geografski enoti, vrednost 120 pa pomeni 20 % poveˇcanje napram izhodiˇsˇcni vrednosti. Podobno velja za podatke z vrednostjo pod 100. Podatki so na voljo v obliki CSV datoteke.
Slika 2.7: Prikaz podatkov iz Apple mobility trends report
Poglavje 3
Uporabljene tehnologije in pristopi
3.1 Orodja in tehnologije
Podatke smo iz CSV in tekstovnih datotek prebrali s pomoˇcjo knjiˇznice Pan-das [19] za programski jezik Python [26]. Izluˇsˇcene podatke smo nato shra-nili v podatkovno bazo PostgreSQL [22]. Nato smo postavili spletno stran v ogrodju Angular [2] ter okolju Node.js [16]. Za prikaz grafov na spletni strani smo uporabili knjiˇznico ngx-charts [14], kateri smo dodali funkcionalnosti za lastne potrebe s pomoˇcjo paketa package-patch [20]. Za analizo podatkov smo najprej pridobili podatke iz obstojeˇce baze, jih prikazali v obliki gra-fov s knjiˇznico Matplotlib [13] ter nato izvedli statistiˇcne teste s pomoˇcjo knjiˇznice sciPy [37].
3.1.1 CSV
CSV je format datotek, v katerem so podatki loˇceni z doloˇcenim podatkom, ponavadi z vejico. Prva vrstica vsebuje imena polj loˇcenih z vejico, vsaka na-slednja vrstica pa vsebuje vrednosti na poziciji vsakega polja. Vsaka vrstica je svoja zakljuˇcena enota podatkov. CSV datoteke se veˇcinoma uporabljajo za prenos podatkov iz ali v bazo ter med razliˇcnimi aplikacijami [38].
15
3.1.2 Python
Python je eden najbolj razˇsirjenih visokonivojskih, objektno orientiranih pro-gramski jezikov. Ima preprost semantiˇcni slog programske kode. Uporablja se na vseh podroˇcjih programiranja, najbolj priljubljen je pri podatkovnem rudarjenju, umetni inteligenci, spletnih ter matematiˇcnih aplikacijah [26].
3.1.3 Pandas
Pandas je odprtokodna knjiˇznica namenjena programskemu jeziku Python za hitro in enostavno manipulacijo in analizo podatkov. Ponuja podatkovne strukture in operacije, ki so ˇse posebno uporabne pri delu s podatki, ki so bazirani na ˇcasu ter s podatki pridobljenimi iz CSV datotek ali podatkovnih baz. Primera takih struktur sta Series, ki je podobna Javini strukturi List ter DataFrames, ki ima obliko tabele [19].
3.1.4 PostgreSQL
PostgreSQL je odprtokodni sistem za upravljanje relacijskih baz podatkov.
Uporablja programski jezik SQL in deluje na vseh veˇcjih operacijskih sis-temih, kot so UNIX razliˇcice ter operacijski sistemi Windows. Sklada se s standardom ACID in ima vse glavne funkcionalnosti sistemov za upravlja-nje relacijskih baz podatkov, kot so tuji kljuˇci, povezovanje tabel, proˇzilce, poglede in drugo [22].
3.1.5 Angular
Angular je programsko ogrodje namenjeno razvijanju mobilnih ter spletnih SPA aplikacij. SPA aplikacija se izvaja na strani odjemalca in vkljuˇcuje pri-kaze zaslonskih mask, logiko ter usmerjanje. Razvoj poteka v jezikih HTML, CSS in Typescript [2].
Diplomska naloga 17
3.1.6 Node.js
Node.js je odprtokodno izvajalno okolje za programski jezik Javascript in je namenjeno predvsem razvoju enostavnih spletnih strani in streˇzniˇskih apli-kacij. Izvaja se v eni niti in izkoriˇsˇca asinhronost jezika Javascript [16].
3.1.7 ngx-charts
Na spletni strani smo za prikazovanje grafov uporabili odprtokodno ogrodje ngx-charts, ki za matematiˇcne funkcije uporablja bolj razˇsirjeno knjiˇznico d3.js. Najveˇcja prednost ogrodja ngx-charts je, poleg preprostega sloga im-plementacije grafov, da izris grafov prepuˇsˇca ogrodju Angular, za izris in animacijo pa uporablja SVG elemente. Tak naˇcin izris grafov zelo pohitri, zlasti pri veliki koliˇcini podatkov za dinamiˇcne ter interaktivne grafe [14].
3.1.8 Package-patch
Package-patch je paket za popravljanje kode v npm paketih, katere uporablja aplikacija. Izvrstno se odnese pri odpravljanju napak in dodajanju funkci-onalnosti v uporabljenih knjiˇznicah, ko ne moremo ˇcakati na popravke in razvijanje kode razvijalcev. S pomoˇcje paketa package-patch se izognemo roˇcnemu dodajanju celega paketa v projekt, saj nam omogoˇca vrivanje in spreminjanje le ˇzeljenih vrstic [20].
3.1.9 Matplotlib
Matplotlib je ena najbolj uporabljenih knjiˇznic za risanje grafov za program-ski jezik Python [13]. Omogoˇca praktiˇcno vse vrste diagramov, grafov ter dru-gih predstavitev podatkov in uporabniku omogoˇca nastavljanje skoraj vseh ˇzeljenih parametrov. Poleg statiˇcnih diagramov omogoˇca tudi dinamiˇcne in interaktivne grafe ter shranjevanje grafov v datoteke poljubnih formatov.
Odliˇcno se obnese v povezavi s podatkovnimi strukturami Series in Data-frames knjiˇznice Pandas, kar omogoˇca hitro in enostavno risanje grafov, ˇce
podatke pridobivamo direktno iz baze ali CSV datotek.
3.1.10 sciPy
SciPy je najbolj pomembna odprtokodna knjiˇznica za matematiˇcno analizo podatkov za programski jezik Python. Osnovno delovanje sloni na prav tako zelo razˇsirjeni knjiˇznici NumPy, vendar ima SciPy na voljo precej veˇc funk-cij, funkcije iz NumPy pa so dodatno optimizirane za hitrejˇse delovanje na veliki koliˇcini podatkov. Vsebuje algoritme za raˇcunanje, optimizacijo, mo-deliranje in analiziranje podatkov ter signalov, hkrati pa ima implementirane podatkovne strukture, ki so posebno namenjene matrikam ter drevesom [37].
3.2 Statistiˇ cne metode
3.2.1 Pearsonov koeficient korelacije
Pearsonov koeficient korelacije je mera za ugotavljanje stopnje linearne po-vezanosti med dvema intervalnima spremenljivkama. Vrednost koeficienta se nahaja med -1 in 1, kjer r = 1 predstavlja pozitivno korelacijo, r = −1 negativno korelacijo, r= 0 pa da med dvema spremenljivkama ni korelacije.
Pozitivna korelacija pomeni, da z naraˇsˇcanjem vrednosti ene spremenljivke naraˇsˇca tudi vrednost druge, s padanjem ene pa pada tudi druga vrednost spremenljivke. Negativna korelacija pomeni, da z naraˇsˇcanjem vrednosti ene spremenljivke vrednost druge pada, s padanjem vrednosti ene pa vrednost druge naraˇsˇca [21]. Pearsonov koeficient korelacije se izraˇcuna po formuli 3.1. Koeficient korelacije v enaˇcbi predstavlja znak r. xi predstavlja vrednosti spremenljivke x v zajetem vzorcu,yi pa vrednost spremenljivke y v zajetem vzorcu. x¯ je povpreˇcje vseh vrednosti spremenljivke xv zajetem vzorcu,y¯ pa
Diplomska naloga 19 povpreˇcje vseh vrednosti spremenljivke v zajetem vzorcu. n je ˇstevilo vseh vrednosti v posameznem vzorcu, kjer mora biti n za spremenljivke x in y enak.
3.2.2 Wilcoxonov test predznaˇ cenih rangov
Wilcoxonov test predznaˇcenih rangov (ang. Wilcoxon Signed Rank test) je alternativa t-testu, ki za razliko od t-testa ne predpostavlja normalne po-razdelitve razlik med spremenljivkama x in y. Uporablja se za preverjanje niˇcelne hipoteze, ki pravi da je porazdelitev razlik med dvema spremenljiv-kama simetriˇcna glede na niˇclo. Wilcoxonov test predznaˇcenih rangov se izraˇcuna po formuli 3.2.
W =
Nr
∑︂
i=1
[sgn(x2,i−x1,i)×Ri] (3.2)
W predstavlja testno statistiko,Nrvelikost vzorca brez parov, kjer jex1 =x2, sgn funkcijo signum,x2,i ter x1,i rangiran par iz obeh vzorcev,Ri pa trenutni rang para.
Nr predstavlja velikost vzorca (brez parov, za katere velja x1 = x2), sgn je funkcija signum, x2,i in x1,i sta ustrezno rangirana para iz obeh skupin, Ri pa je trenutni rang para.
Poglavje 4
Analiza podatkov
Glavni namen diplomske naloge je primerjati korelacije ˇstevila okuˇzenih ter ukrepov vlade z vrsto gibanja in prometa. Da smo lahko primerjali razliˇcne vrste prometa in gibanja prebivalstva med seboj, smo za vzorec vzeli celotno leto 2020, saj nam za kasnejˇsi ˇcas manjkajo podatki zraˇcnega ter cestnega prometa. Na vseh grafih je mogoˇce opaziti navpiˇcne ˇcrte z oznakami Z1, K1 ter Z2, ki predstavljajo zaˇcetek in konec prvega vala epidemije ter zaˇcetek drugega vala epidemije. Na nekaterih grafih je mogoˇce opaziti ˇse dodatne ˇcrte, oznaˇcene s ˇcrko U ter ˇstevilko, ki predstavljajo zaˇcetek ukrepa omenje-nega v tekstu. Pred zaˇcetkom analize smo si postavili nekaj hipotez. Prva se nanaˇsa na zraˇcni promet, in sicer, da se je v ˇcasu epidemije zmanjˇsal promet na letaliˇsˇcu Joˇzeta Puˇcnika. Hipotezo bomo preverili z Wilcoxono-vim testom predznaˇcenih rangov, s katerim bomo primerjali enaka obdobja v letu 2019 ter 2020. Povsem na enak naˇcin bomo preverili hipotezo, da se je promet zmanjˇsal v prvem ter drugem valu epidemije COVID-19. Za teˇzko to-vorni promet, v kar smo vkljuˇcili tovornjake z maso nad 7,5 ton, priklopnike ter ladje, smo postavili hipotezo, da z epidemijo nima moˇcne korelacije, kar bomo preverjali z izraˇcuni Pearsonovih korelacij. Pri gibanju prebivalstva smo si postavili hipotezo, da gibanje moˇcneje korelira z ukrepi vlade, kot pa s ˇstevilom okuˇzenih. V okviru analize gibanja prebivalstva smo si postavili tudi hipotezo, da se je poveˇcalo gibanje v stanovanjskih objektih, kar bomo
21
preverili z Wilcoxonovim testom predznaˇcenih rangov, kjer bomo primerjali obdobja poviˇsanega ˇstevila okuˇzb z obdobji manjˇsega ˇstevila okuˇzb. Kot za-dnje pa ˇzelimo preveriti hipotezo, da se je kljub epidemiji in viˇsjim ˇstevilkam okuˇzenih, prebivalstvo veˇc odpravljalo na pot med poletjem leta 2021 napram poletju leta 2020.
4.1 Korelacija epidemije COVID-19 s prome-tom
Promet je eden izmed sektorjev na katerega je epidemija COVID-19 moˇcneje vplivala. Upad prometa sovpada z razglasom epidemije v Slovenije, ki je bila raglaˇsena 12. marca 2020. Ustavitev javnega prometa se je zgodila v prvem in v drugem valu. Dodatno sta osebni in turistiˇcni promet ovirala ˇse dva ukrepa. Prvi, ki je prepovedoval gibanje na javnih prostorih ter drugi, ki je prepovedal gibanje izven obˇcine prebivaliˇsˇca za nenujne zadeve. Ta dva ukrepa sta bila sprejeta z odlokom vlade v obeh valih. Dovoljen je bil prihod in odhod na delo, opravljanje gospodarskih dejavnosti ter varstvo in pomoˇc.
Dovoljen je bil tudi dostop do lekarn, trgovin z ˇzivil, bencinskih ˇcrpalk, bank in poˇst ter do zdravstvenih in sanitarnih storitev [40]. Z manjˇsanjem ˇstevila okuˇzb je priˇslo do rahljanja ukrepov in postopnega poveˇcevanja prometa.
4.1.1 Zraˇ cni promet
Izmed vseh gospodarskih panog je COVID-19 verjetno poleg turizma najbolj prizadel letalske prevoznike. Samo med prvim valom so v Evropi letalski prevozniki naredili kar 89 milijard dolarjev izgube [28]. Tudi na grafu 4.1, ki prikazuje ˇstevilo letalskih poletov z letaliˇsˇca Joˇzeta Puˇcnika in ˇstevilo okuˇzenih s COVID-19 v odvistnosti od ˇcasa, je videti bistven upad ˇstevila letov v ˇcasu epidemije. Strm padec se priˇcne s priˇcetkom epidemije COVID-19, nato pa se poˇcasi proti poletju in skozi poletje dviguje vse do prihoda drugega vala epidemije COVID-19. Ob prihodu drugega vala namreˇc
po-Diplomska naloga 23 novno priˇcne upadati ˇstevilo poletov. Dodaten udarec za zraˇcni promet pa je bil odlok vlade, viden na grafu 4.1 pod oznako U1, ki je prepovedal zraˇcni promet, razen za vraˇcanje iz tujine, ki je nato veljal vse do maja 2020 [23].
Vseeno je mogoˇce opaziti, da kljub veˇcjemu ˇstevilu okuˇzb, v 2. valu napram 1. valu, ˇstevilo letov ne pada tako drastiˇcno. To bi lahko pripisali temu, da so se do takrat ˇze sprejeli doloˇceni ukrepi za zajezitve okuˇzb ter da se je prebivalstvo in stroka ˇze spoznala z novo boleznijo. Epidemija je bila v dru-gem, jesenskem valu razglaˇsena 18. oktobra 2020 zveˇcer in je priˇcela veljati z 19. oktobrom [27]. Upad ˇstevila letov z letaliˇsˇca Joˇzeta Puˇcnika je opazen ˇze v septembru, vendar lahko to pripiˇsemo dejstvu, da se septembra konˇcuje poletna turistiˇcna sezona, ki povzroˇci najveˇc letov. Na grafu 4.1 se vidi, da konˇcni upad letalskega prometa pride ravno konec oktobra, po razglasitvi epidemije.
Slika 4.1: Primerjava ˇstevila okuˇzenih in zraˇcnega prometa
Slika 4.2: Primerjava ukrepov vlade in zraˇcnega prometa
Za preverjanje niˇcelne hipoteze, da se zraˇcni promet na letaliˇsˇcu Joˇzeta Puˇcnika v ˇcasu COVID-19 ni zmanjˇsal, smo izvedli Wilcoxonov test pred-znaˇcenih rangov. Zraˇcni promet je smiselno primerjati po letih, istih obdo-bjih med razliˇcnimi leti ali kot v tem primeru po datumih, saj je ˇstevilo pole-tov moˇcno povezano s turistiˇcnimi sezonami. Za podatke smo ponovno vzeli ˇstevilo letalskih poletov z letaliˇsˇca Joˇzeta Puˇcnika. Primerjali smo ˇstevilo talskih poletov po dnevih, od 1. januarja do 31. decembra 2019, s ˇstevilom
le-talskih poletov po dnevih od 1. januarja do 31. decembra 2020. Z izraˇcunom smo dobili vrednost statistike W = 8047 ter p-vrednost 1,623∗10−35, kjer lahko, pri stopnji tveganja α = 0,05, hipotezo zavrnemo in potrdimo stati-stiˇcno znaˇcilne razlike. Izraˇcunali smo Pearsonovo korelacijo ˇcasovne vrste, kjer smo vsem podatkom izraˇcunali 14-dnevno drseˇce povpreˇcje, da smo s tem izniˇcili dnevne variance podatkovnih vrst, ki pozvroˇcajo bolj volatilne grafe ter manj kvalitetne izraˇcune. Podatke smo razdelili na obdobje prvega in drugega vala. Razlog za to odloˇcitev je dejstvo, da se je promet odzval podobno na oba vala in se skoraj povsem ustavil v obeh primerih, kljub veliki razliki v ˇstevilu okuˇzb, kar zniˇza vrednost korelacije. Korelacija (vidna na grafih 4.3 in 4.4) med ˇstevilom okuˇzb in ˇstevilom letov med prvim valom epi-demije COVID-19 znaˇsa -0,47, v obdobju med 2. valom epiepi-demije COVID-19 pa znaˇsa kar -0,93. Zanimalo nas je tudi, ali so na zraˇcni promet imeli veˇcji vpliv ukrepi vlade, zato smo izraˇcunali tudi korelacijo med strogostjo ukre-pov vlade in ˇstevilom letov za oba vala. Korelacija med strogostjo ukreukre-pov vlade ter ˇstevilom letov med prvim valom epidemije COVID-19 znaˇsa -0,93, medtem ko v obdobju med drugim valom epidemije COVID-19 znaˇsa kore-lacija -0,92. Iz izraˇcunanih podatkov lahko vidimo, da so na ˇstevilo poletov v prvem valu veliko moˇcneje vplivali ukrepi vlade.
4.1.2 Cestni promet
Nabolj ˇstevilˇcna oblika prometa pri nas je cestni promet. Tudi pri cestnem
Nabolj ˇstevilˇcna oblika prometa pri nas je cestni promet. Tudi pri cestnem