• Rezultati Niso Bili Najdeni

VplivCOVID-19nagibanjeprebivalstvainpromet GaˇsperˇStepec

N/A
N/A
Protected

Academic year: 2022

Share "VplivCOVID-19nagibanjeprebivalstvainpromet GaˇsperˇStepec"

Copied!
73
0
0

Celotno besedilo

(1)

Univerza v Ljubljani

Fakulteta za raˇ cunalniˇ stvo in informatiko

Gaˇsper ˇ Stepec

Vpliv COVID-19 na gibanje prebivalstva in promet

DIPLOMSKO DELO

UNIVERZITETNI ˇSTUDIJSKI PROGRAM PRVE STOPNJE

RA ˇCUNALNIˇSTVO IN INFORMATIKA

Mentor : doc. dr. Dejan Lavbiˇ c

Ljubljana, 2022

(2)

besedilo, slike, grafi in druge sestavine dela kot tudi rezultati diplomskega dela lahko prosto distribuirajo, reproducirajo, uporabljajo, priobˇcujejo javnosti in pre- delujejo, pod pogojem, da se jasno in vidno navede avtorja in naslov tega dela in da se v primeru spremembe, preoblikovanja ali uporabe tega dela v svojem delu, lahko distribuira predelava le pod licenco, ki je enaka tej. Podrobnosti licence so dostopne na spletni strani creativecommons.si ali na Inˇstitutu za intelektualno lastnino, Streliˇska 1, 1000 Ljubljana.

Izvorna koda diplomskega dela, njeni rezultati in v ta namen razvita program- ska oprema je ponujena pod licenco GNU General Public License, razliˇcica 3 (ali novejˇsa). To pomeni, da se lahko prosto distribuira in/ali predeluje pod njenimi pogoji. Podrobnosti licence so dostopne na spletni strani http://www.gnu.org/

licenses/.

Besedilo je oblikovano z urejevalnikom besedil LATEX.

(3)

Kandidat: Gaˇsper ˇStepec

Naslov: Vpliv COVID-19 na gibanje prebivalstva in promet

Vrsta naloge: Diplomska naloga na univerzitetnem programu prve stopnje Raˇcunalniˇstvo in informatika

Mentor: doc. dr. Dejan Lavbiˇc

Opis: Epidemija COVID-19 je moˇcno vplivala na naˇcin ˇzivljenja, med dru- gim tudi na gospodarstvo. V okviru diplomske naloge analizirajte vpliv epi- demije in vladnih ukrepov v Sloveniji na mobilnost, kjer se osredotoˇcite na zraˇcni, pomorski in cestni promet ter gibanje prebivalstva. Za vir podatkov uporabite vse dostopne javne vire, kjer podatke za potrebe analize ustrezno preoblikujte in zdruˇzite. Ugotovitve poskusite potrditi z ustreznimi stati- stiˇcnimi testi, medtem ko naj bodo rezultati na voljo v obliki spletne aplika- cije, ki naj omogoˇca enostavno pregledovanje.

(4)
(5)

Na tem mestu bi se rad zahvalil druˇzini, Anji, prijateljem ter vsem ostalim za podporo in potrpljenje v ˇcasu mojega ˇstudija. Zahvalil bi se rad tudi mentorju doc. dr. Dejanu Lavbiˇcu za vso pomoˇc pri pisanju diplomskega dela.

(6)
(7)

Kazalo

Povzetek Abstract

1 Uvod 1

1.1 Motivacija . . . 1

1.2 Cilji . . . 2

1.3 Pregled sorodnih del . . . 2

1.4 Struktura diplome . . . 4

2 Pregled podatkovnih virov 7 2.1 COVID-19 sledilnik . . . 7

2.2 Oxford Covid-19 Government Response Tracker . . . 8

2.3 Stevci prometa direkcije RS za infrastrukturoˇ . . . 9

2.4 AIS vessel tracker . . . 10

2.5 OpenSky Network Air traffic data . . . 11

2.6 Google mobility report . . . 12

2.7 Apple mobility trends report . . . 13

3 Uporabljene tehnologije in pristopi 15 3.1 Orodja in tehnologije . . . 15

3.2 Statistiˇcne metode . . . 18

4 Analiza podatkov 21 4.1 Korelacija epidemije COVID-19 s prometom . . . 22

(8)

mobilnosti . . . 43 4.4 Izdelava spletne aplikacije . . . 45

5 Zakljuˇcek 51

Literatura 55

(9)

Seznam uporabljenih kratic

kratica angleˇsko slovensko

COVID Corona virus disease koronavirusna bolezen CSV comma-seperated values z vejico loˇcene vrednosti RS Republic of Slovenia Republika Slovenija AIS Automatic Identification Sy-

stem

sistem za samodejno identifi- kacijo

ADS-B Automatic Dependent Surveillance-Broadcast

samodejno odvisno nadzor- oddajanje

GPS Global Positioning System globalni sistem pozicioniranja NMEA National Marine Electronics

Association

drˇzavno zdruˇzenje pomorske elektronike

SQL Structured Query Language strukturirani povpraˇsevalni jezik

ACID Atomicity, Consistency, Isola- tion, Durability

atomarnost, konstantnost, ne- odvisnost, trajnost

SPA Single Page Application aplikacija na eni strani

HTML HyperText Markup Language jezik za oznaˇcevanje nadbese- dila

CSS Cascading Style Sheet prekrivni slogi

SVG Scalable Vector Graphics umerljiva vektorska grafika

(10)
(11)

Povzetek

Naslov: Vpliv COVID-19 na gibanje prebivalstva in promet Avtor: Gaˇsper ˇStepec

Decembra 2019 se je na Kitajskem pojavil virus COVID-19, ki se je hitro razˇsiril po celem svetu in povsem ohromil javno ˇzivljenje in promet, tudi v Sloveniji. V diplomski nalogi analiziramo korelacijo epidemije ter vladnih ukrepov s spremembo gibanja prebivalstva in prometa. Ugotovimo, da je najbolj prizadel letalski ter javni promet, ki sta bila omejena s strani ukre- pov. Visoke korelacije, predvsem z ukrepi, so bile tudi pri prometu osebnih avtomobilov. Wilcoxonov test je potrdil upad ˇstevila zaznanih avtomobilov.

Motoristom so ukrepi zamaknili zaˇcetek motoristiˇcne sezone, sicer pa veˇcjega vpliva ni bilo zaznati. Najmanjˇsa korelacija je bila s tovornim prometom, ki je tudi med epidemijo oskrboval gospodarstvo. Pri gibanju prebivalstva smo ponovno dobili visoko korelacijo ukrepov z gibanjem prebivalstva pri veˇcini kategorij. Poveˇcalo se je le gibanje v stanovanjskih objektih. Applovi podatki so, nasprotno od Googlovih, pokazali zelo podobne korelacije med ukrepi ozi- roma ˇstevilom okuˇzenih in gibanjem. Podobno, kot drugje, je bil opazen velik vpliv epidemije na voˇznjo in hojo prebivalcev Slovenije. Pri primerjavi po- datkov, o zahtevkih za navodila za pot s cestnim prometom, smo priˇsli do ugotovitve, da navigacijo veˇcinsko uporabljajo vozniki avtomobilov in motor- jev, najmanj pa vozniki tovornih vozil. Izvorna koda analize ter predstavitev rezultatov v obliki spletne strani sta dostopna v javnem repozitoriju.

Kljuˇcne besede: COVID-19, gibanje, promet, vizualizacija.

(12)
(13)

Abstract

Title: Influence of COVID-19 on mobility and traffic Author: Gaˇsper ˇStepec

In December of 2019 COVID-19 appeared in China, which quickly spread across whole world and completely paralyzed public life and traffic, even in Slovenia. In this thesis, we analyze correlation between epidemic, govern- ment measures, population mobility and traffic. We found out it affected air traffic and public traffic the most as they were restricted by measures. High correlations, especially with measures, were also with car traffic. Wilcoxon signed-rank test confirmed fall in numbers of cars detected. Measures moved the start of motorcycling season, but no other significant effect was seen. The lowest correlation calculated was with freight transport, which still supplied the economy even during the epidemic. Correlation between population mo- bility and measures was high again in most categories. Movement was higher only in residential buildings. As opposed to Google data, Apple data showed similar correlations of population mobility with measures and number of in- fections respectively. As with others, big influence of epidemic on driving and walking was noticeable. While comparing navigation requests data with road traffic we came to conclusion that navigation is used the most by car and motorcycle drivers and least by drivers of freight trucks. Analysis source code is available in public repository just like presentation of results in a form of web page.

Keywords: COVID-19, mobility, traffic, visualization.

(14)
(15)

Poglavje 1 Uvod

1.1 Motivacija

Decembra 2019 so na Kitajskem, natanˇcneje v mestu Wuhan, prviˇc zaznali virus SARS-CoV-2. V treh mesecih se je virus razˇsiril po celem svetu in povroˇcil epidemijo. Do danes je bilo potrjenih ˇze preko 300 milijonov okuˇzb ter preko 5 milijonov umrlih [39]. Epidemija je zelo moˇcno vplivala na go- spodarstvo, ˇse posebno v prvem valu, ko se je v veˇc drˇzavah gospodarstvo celo ustavilo za nekaj ˇcasa. Najveˇcji efekt je epidemija pustila ravno na tran- sportu, saj se je zaprlo veˇcino drˇzavnih mej ter ustavilo veˇcino proizvodenj.

Izmed vseh panog transporta je najbolj prizadela ravno letalsko industrijo, ki je moˇcno povezana s turizmom in potovanjem ljudi. Veˇcina drˇzav je na- mreˇc omejila gibanje prebivalstva, kot ukrep za zmanjˇsanje ˇsirjenja okuˇzb.

Nekatere drˇzave so se na epidemijo odzvale bolje kot druge in so tako ohra- nile gospodarstvo manj prizadeto napram drugim ter imele manjˇse ˇstevilke okuˇzenih ter umrlih. Epidemija je moˇcno vplivala tudi na gibanje prebi- valstva. Ljudje so se zaradi strahu pred okuˇzbo manj pogosto odpravljali v trgovine in drugam. Ukrepi, namenjeni v boju proti COVID-19, so za- pirali trgovine in lokale ter omejevali gibanje ljudi na regije in obˇcine [17].

Med epidemijo so razne drˇzavne agencije, kot na primer statistiˇcni uradi ter privatne druˇzbe, mnoˇziˇcno nabirala enormne koliˇcine podatkov v povezavi z

1

(16)

epidemijo COVID-19 ter jih obdelovala za potrebe nadzora nad epidemijo, planiranje ukrepov in sploˇsnih raziskav. V Sloveniji se je tako oblikovala sku- pina znanstvenikov, programerjev, zdravnikov in drugih ljudi, ki so ustvarili COVID-19 Sledilnik [34], v tujini pa sta tehnoloˇska giganta Apple [3] in Goo- gle [4] delila podatke pridobljenih iz svojih produktov za pomoˇc pri boju z epidemijo.

1.2 Cilji

Glavni cilj diplomskega dela je raziskati vpliv epidemije ter ukrepov na zraˇcni, pomorski in cestni promet ter na gibanje prebivalstva. Zanima nas, kako je epidemija vplivala na posamezen tip gibanja in prometa ter zakaj prihaja do razlik med njimi. Prav tako ˇzelimo ugotoviti ali so imeli veˇcji vpliv ukrepi v boju proti ˇsirjenju okuˇzb ali okuˇzbe z virusom COVID-19 in zakaj. Pogledali si bomo tudi primerjavo med podatki iz Applovih poroˇcil o trendih mobilnosti ter prometom. Podatke ˇzelimo na koncu prikazati v obliki interaktivnih gra- fov, znotraj spletne aplikacije. Za potrebe analize podatkov in nato prikaza grafov je predhodno potrebno zbrati in urediti podatke v podatkovno bazo.

Aplikacija mora biti dostopna javnosti in mora omogoˇcati izbiro poljubne regije, COVID-19 statistike ter transportne panoge ali gibanja prebivalstva in na podlagi izbir zgraditi graf.

1.3 Pregled sorodnih del

Med trajanjem epidemije je nastala vrsta raziskav in ˇclankov v zvezi s COVID- 19 in njegovim vplivom na gospodarstvo in transport. Raziskovalci s ˇskotske Univerze v Edinburghu so se ukvarjali z vplivom epidemije COVID-19 na letalsko industrijo. Med raziskavo so priˇsli do spoznanja, da se je upad pro- meta poznal veliko bolj drastiˇcno na mednarodnih letih kot na domaˇcih letih, kjer je upad bil poˇcasnejˇsi. Tudi tovorni letalski promet je utrpel oster upad konec marca, vendar se je nato hitro vrnil v ustaljene tire [35]. Na sosednjem

(17)

Diplomska naloga 3 Hrvaˇskem so podrobneje pregledali promet na letaliˇsˇcih. ˇStudija je zaznala 96 % upad letov na Hrvaˇskem in 89 % upad v EU. Podobno kot na ˇSkotskem, so priˇsli do spoznanja, da je upad tovornega prometa veliko manjˇsi napram potniˇskem letalskem prometu [15].

V ZDA je bila opravljena raziskava, kjer so primerjali ˇstevilo okuˇzb z ukrepi. Ugotovili so veliko korelacijo med sprejetimi ukrepi in niˇzanjem okuˇzb. Predvsem dobro so se obnesli ukrepi na podroˇcju omejevanja gi- banja in osveˇsˇcanja o bolezni, najmanj pa se je obneslo zapiranje ˇsol, ki praktiˇcno ni imelo korelacije s ˇstevilom okuˇzb [11]. To so potrdili tudi na Nizozemskem, kjer so priˇsli do spoznanja, da je osveˇsˇcanje prebivalstva preko socialnih omreˇzij in virov novic osnova za poveˇcanje razumevanja tveganja z okuˇzbo med mnoˇzico, s tem pa se ljudje v veˇc primerov drˇzijo ukrepov vlad [41]. Natanˇcneje, osebe, ki so bile izpostavljene infografikam ter videjem o nevarnosti okuˇzbe, so bolj verjetno skrbele za umivanje rok. Hkrati so spre- mljali demografijo ljudi, ki upoˇstevajo ukrepe in ugotovili, da otroci, ˇzenske ter z naraˇsˇcanjem izobrazbe, redneje in bolj kvalitetno skrbijo za higieno ter se drˇzijo ukrepov vlad.

V ZDA so pregledali vpliv na vrsto gospodarskih dejavnosti. Po prvem valu je bil napovedan upad prometa za letalsko industrijo, v letu 2020 kar 97 milijarde dolarjev [28]. Veˇcina letalskih prevoznikov je prizemljila veˇcji del flot in masovno odpuˇsˇcala delavce. Kot glavni razlog so navedli prepovedi po- tovanj in neizdajanje viz tujcem med epidemijo. V naftni industriji je priˇslo do kartelnega dogovora zmanjˇsanja ˇcrpanja nafte, z izjemo Savdske Arabije, ki se tega dogovora ni drˇzala, zaradi ˇcesar je cena padla za pribliˇzno 30 %.

Drugi razlog za padec cene pa je epidemija, ki je poskrbela za zmanjˇsanje potroˇsnje, saj so ljudje bili primorani ostati doma, in je prizemljila letalsko industrijo, ki je predstavlja velik deleˇz porabe. Tudi turistiˇcni industriji so napovedali zmanjˇsanje prihodkov za okoli 500 milijard dolarjev samo v letu 2020, kar predstavlja 45 % skrˇcenje panoge v ZDA. Turistiˇcna panoga je na- mreˇc ena najbolj obˇcutljivih v primerih pandemij in ekonomskih pretresov.

Izpostavijo tudi problem, ki nastane zaradi tega, saj so nekatere najrevnejˇse

(18)

drˇzave povsem odvisne od svojega turistiˇcnega sektorja. Ob nastopu epide- mije je moˇcno padel tudi finanˇcni trg, in sicer za pribliˇzno 30 % v le nekaj tednih. Centralne banke so se ukvarjale predvsem s pokrivanjem izgub na trgu, da prepreˇcijo sploˇsno paniko in ekonomski ˇsok. Ukrepi so pomagali in zaustavili padanje ter trend celo obrnili v rast na trgih vrednostnih papirjev ob koncu prvega vala. Kot zadnje so pogledali ˇse zdravstveni sektor, ki se je bojeval v ˇcasu epidemije predvsem s pomanjkanjem kadra, kapacitet in opreme. Odpovedani so bili vsi nenujni posegi. Poveˇcanje ˇstevila okuˇzenih je prav tako moˇcno vplivalo na dobavo zdravilnih uˇcinkovin, zaradi ˇcesar je priˇslo do pomanjkanja zdravil na trgu.

V Nemˇciji so podrobno analizirali nakupovalne navade ljudi v ˇcasu pr- vega vala epidemije COVID-19. Potrdili so hipotezo, da je za zmanjˇsanje ˇstevila nakupovanj kriv strah pred okuˇzbo, saj so izraˇcunali zelo visoko sto- pnjo korelacije. Tudi velikosti nakupa se je izredno poveˇcala s poviˇsanjem straha pred okuˇzbo. Povezavo med poveˇcanim strahom so naˇsli z viˇsjo izpo- stavljenostjo novicam o COVID-19 in priˇsli do zakljuˇcka, da bi s pravilnim naˇcinom komunikacije zmanjˇsali nivo paniˇcnega nakupovanja, ki je pustilo za sabo prazne trgovine [30].

Podobnih raziskav na podroˇcju Slovenije, z izjemo COVID-19 sledilnika [34], ni bilo opravljenih. Raziskave v tujini so se veˇcinsko omejile na posame- zen tip prometa, gibanja, gospodarske panoge ali na vpliv na gibanje. Ravno primerjavi epidemije in ukrepov z veˇc tipi prometa ter lokacijami gibanj se posvetimo v okviru tega diplomskega dela.

1.4 Struktura diplome

Diplomska naloga je razdeljana na 5 poglavij. V 2. poglavju predstavimo podroˇcje dela, kjer opiˇsemo COVID-19 sledilnik, ˇstevce prometa Direkcije RS za infrastrukturo, AIS vessel tracker, OpenSky Network ter Googlova in Applova poroˇcila o trendih mobilnosti. V 3. poglavju pregledamo upora- bljena orodja, tehnologije ter statistiˇcne teste, ki smo jih uporabili na poti

(19)

Diplomska naloga 5 do konˇcne analize. V 4. poglavju se posvetimo analizi podatkov, kjer pre- gledamo vpliv COVID-19 in ukrepov na vrsto prometa in gibanja, preverimo postavljene hipoteze s statistiˇcnimi izraˇcuni in si ogledamo izdelano sple- tno aplikacijo. V zadnjem poglavju povzamemo rezultate analize in podamo nekaj predlogov za nadaljevanje dela.

(20)
(21)

Poglavje 2

Pregled podatkovnih virov

2.1 COVID-19 sledilnik

COVID-19 sledilnik1je plod dela ˇstevilnih slovenskih znanstvenikov iz razliˇcnih strok. V okviru projekta zbirajo, analizirajo in grafiˇcno predstavljajo po- datke epidemije COVID-19 [34]. Projekt COVID-19 sledilnik je prejel tudi nagrado Jabolko navdiha s strani predsednika drˇzave Boruta Pahorja, v znak hvaleˇznosti za njihovo pomembno vlogo pri obveˇsˇcanju javnosti o ˇsirjenju novega koronavirusa [7]. Na strani najdemo prikaze osnovnih dnevnih in zgodovinskih podatkov, ukrepov vlade, do naprednih napovednih modelov.

Podatke je mogoˇce primerjati po starostnih skupinah, obˇcinah, regijah ter drˇzavah [34]. Podatki so na voljo za vsak dan vse od zaˇcetka epidemije. Po- datki so javno dostopni v obliki API vmesnika in CSV datotek. V okviru diplomskega dela smo uporabili njihove podatke z dnevnimi podatki COVID- 19 epidemije v Sloveniji ter po regijah v obliki CSV datotek. Z API klicem na spletni strani pridobivamo tudi dnevne podatke, ki jih prikazujemo v obliki kartic na strani Domov.

1https://covid-19.sledilnik.org/sl/data

7

(22)

Slika 2.1: Prikaz ˇstevila okuˇzenih na portalu COVID-19 Sledilnik

2.2 Oxford Covid-19 Government Response Tracker

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-

(23)

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 tovorna 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

(24)

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

(25)

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

(26)

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.,

(27)

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

(28)

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

(29)

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

(30)

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].

(31)

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

(32)

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.

r=

∑︁n

i=1(xi−x¯)(yi−y¯)

√︁∑︁n

i=1(xi−x¯)2√︁∑︁n

i=1(yi−y¯)2 (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

(33)

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.

(34)
(35)

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

(36)

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-

(37)

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 le- talskih poletov po dnevih, od 1. januarja do 31. decembra 2019, s ˇstevilom le-

(38)

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 epidemije 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 ukrepov 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 prometu zaznamo velik upad ob zaˇcetku epidemije in ponovno naraˇsˇcanje ob manjˇsanju ˇstevila okuˇzenih v prvem valu. Tudi pri drugem valu epidemije COVID-19 zaznamo upad prometa ob zaˇcetku drugega vala, vendar neko- liko kasneje, in sicer s ponovno razglasitvijo epidemije. Kot lahko vidimo, iz veˇcine grafov cestnega prometa, za razliko od zraˇcnega prometa, ki ni tako odvisen od sezone, zaˇcne cestni promet v drugem valu upadati ˇsele z razglasitvijo epidemije, ˇceprav ˇstevilo okuˇzenih nekajkratno presega ˇstevilke iz prvega vala. Tudi za cestni promet smo izraˇcunali Pearsonovo korelacijo ˇcasovne vrste, kjer smo vsem podatkom izraˇcunali 14-dnevno drseˇce pov-

(39)

Diplomska naloga 25

Slika 4.3: Korelacije prometa med prvim valom

Slika 4.4: Korelacije prometa med drugim valom

(40)

preˇcje in s tem izniˇcili dnevne variance podatkovnih vrst. Prav tako smo tudi za cestni promet razdelili podatke na obdobje prvega in drugega vala.

Rezultati so vidni na grafih 4.3 in 4.4.

Osebni avtomobili

Za osebne avtomobile je korelacija med ˇstevilom okuˇzb in ˇstevilom zaznanih vozil med prvim valom znaˇsala -0,81, med drugim pa celo -0,98. Za primer- javo smo vsem tudi korelacijo med ukrepi vlade ter ˇstevilom zaznanih vozil, ki za osebne avtomobile med prvim valom znaˇsa -0,88, med drugim pa -0,97.

Med vplivom ukrepov in ˇstevilom okuˇzenih ni mogoˇce opaziti veˇcjih razlik.

Izvedli smo tudi Wilcoxonov test predznaˇcenih rangov za preverjanje niˇcelnih

Slika 4.5: Primerjava ˇstevila okuˇzenih s ˇstevilom zaznanih avtomobilov

Slika 4.6: Primerjava ukrepov vlade s ˇstevilom zaznanih avtomobilov hipotez, ki preverja, ali se promet osebnih avtomobilov ni zmanjˇsal v ˇcasu prvega oziroma drugega vala epidemije COVID-19. Primerjali smo ˇstevilo zaznanih osebnih avtomobilov na slovenskih cestah v ˇstirih 60-dnevnih inter- valih, ki so razporejeni pred prvim valom, med prvim valom, med prvim in drugim valom ter med drugim valom. Z izraˇcunom, smo za prvi val dobili vrednost statistike W = 2254 ter p-vrednost 3,139∗10−4, kjer lahko, pri sto- pnji tveganja α = 0,05, hipotezo zavrnemo in potrdimo statistiˇcno znaˇcilne razlike. Za drugi val smo dobili vrednost statistike W = 3152 ter p-vrednost

(41)

Diplomska naloga 27 0,06, kjer hipoteze ne moremo zavrniti in potrditi statistiˇcno znaˇcilnih raz- like, je pa blizu robnega pogoja.

Avtobusi

Med prevoznimi sredstvi, na katere je najbolj vplivala epidemija, so tudi av- tobusi. Z izraˇcunom korelacij smo preverili hipotezo, ki pravi, da so imeli na javni promet veliko veˇcji vpliv ukrepi, kot ˇstevilo okuˇzenih s COVID-19.

Hipoteza vkljuˇcuje ˇstevilo zaznanih avtobusov na cestah ter spremembo giba- nja na tranzitnih mestih med epidemijo. Med prvim valom znaˇsa korelacija med ˇstevilom okuˇzenih s COVID-19 ter ˇstevilom zaznanih vozil -0,68, med drugim pa -0,87. Korelacija med ukrepi vlade ter ˇstevilom zaznanih vozil med prvim valom znaˇsa -0,96, med drugim pa -0,97, kar vidimo na grafih 4.3 in 4.4. Pri avtobusih zaznamo, da so imeli veˇcji vpliv na ˇstevilo zaznanih avtobusov ukrepi vlade in s tem potrdimo prvi del hipoteze. Vlada je namreˇc 13. marca sprejela odlok, da se s 16. marcem 2020 [8] zaˇcasno ustavi javni promet. Enak ukrep je bil sprejet tudi v drugem valu, zaˇcel je veljati s 16.

novembrom 2020 [9]. Ukrepa sta vidna na grafih 4.7 in 4.8 pod oznakama U1 ter U2. Na javni promet je moˇcno vplivalo tudi zaprtje ˇsol. Ukrepi so praktiˇcno ustavili avtobusni prevoz, posledice pa so lepo opazne na grafu 4.8.

Samo v marcu leta 2020 je bilo prepeljanih kar za 50 % manj potnikov[10].

Slika 4.7: Primerjava ˇstevila okuˇzenih s ˇstevilom zaznanih avtobusov

Slika 4.8: Primerjava ukrepov vlade s ˇstevilom zaznanih avtobusov

(42)

Motorji

Motor se, kot prevozno sredstvo, veˇcinoma ne uporablja za osebne in gospo- darske potrebe, temveˇc je ponavadi uporabljen za turistiˇcne voˇznje. Zaradi tega je potrebno podatke ˇstevila zaznanih motorjev obravnavati nekoliko drugaˇce. Iz grafov 4.3 in 4.4 je mogoˇce prebrati izraˇcunane korelacije za mo- torje. Med prvim valom znaˇsa korelacija med ˇstevilom okuˇzenih s COVID- 19 ter ˇstevilom zaznanih vozil -0,08, med drugim pa kar -0,84. Korelacija med ukrepi vlade ter ˇstevilom zaznanih vozil med prvim valom znaˇsa 0,61, med drugim pa -0,8. Podatki kaˇzejo, da med prvim valom ˇstevilo okuˇzenih praktiˇcno nima vpliva na ˇstevilo zaznanih motorjev, medtem ko naj bi ukrepi imeli precejˇsen vpliv. S podatkov je mogoˇce razbrati, da so veliko veˇcji vpliv na ˇstevilo zaznanih motorjev imeli ukrepi. Menimo, da korelacija s COVID- 19 v prvem valu ne prikazuje realnega vpliva, ker se motoristiˇcna sezona ˇse ni dobro zaˇcela. Iz grafa 4.9 lahko vidimo pozen zaˇcetek motoristiˇcne sezone v letu 2020, za kar je odgovorna epidemija COVID-19 ter ˇse posebno ukrep, sprejet 30. marca 2020, ki je prebivalce omejil na obˇcine prebivaliˇsˇc [17].

Ukrep je viden na grafih 4.9 in 4.10 pod oznako U1. Veˇcji vpliv ukrepov v prvem valu se vidi tudi iz izraˇcunanih korelacij. Vpliv COVID-19 bi bil

Slika 4.9: Primerjava ˇstevila okuˇzenih s ˇstevilom zaznanih motorjev

Slika 4.10: Primerjava ukrepov vlade na ˇstevilom zaznanih motorjev veliko viˇsji, v kolikor bi se val zaˇcel sredi sezone, kot to lahko vidimo na po- datkih iz drugega vala. Pri drugem valu ugotavljamo, da korelacija z ukrepi

(43)

Diplomska naloga 29 vlade ne prikazuje realnega vpliva, saj se ukrepi zaˇcnejo stopnjevati ravno ob koncu motoristiˇcne sezone, ko se ˇstevilo motoristov na cesti zmanjˇsuje v vsakem primeru. Eden izmed sprejetih ukrepov v drugem valu je bil tudi ukrep omejitve gibanja na obˇcine prebivaliˇsˇca, sprejet 25. oktobra 2020 [18], kar pa je ˇze po koncu motoristiˇcne sezone, tako da veˇcjega vpliva na ˇstevilo zaznanih motorjev ni imel. Ukrep je viden na grafih 4.9 in 4.10 pod oznako U2.

Tovorna vozila

Lahka tovorna vozila se veˇcinsko uporabljajo za prevoz oseb, dostavo ter obrtna dela. Med obema valoma so se zaprle ˇsole, ki poslediˇcno niso po- trebovale dnevnih prevozov otrok in dostave hrane. Zaprte so bile tudi vse nenujne trgovine, katere so se odpirale postopoma, ki se velikokrat oskrbu- jejo s transportom preko kombijev. Posledice so vidne na grafu 4.11. Med obema valoma je videti razliko zapiranja gospodarstva. Medtem, ko je med prvim valom ustavilo obratovanje, delavce pa poslalo na dopust ali ˇcakanje na delo, kar precejˇsen deleˇz podjetij, pa je bila takih med drugim valom precej manjˇsa. Iz grafov 4.3 in 4.4 je mogoˇce prebrati, da korelacija med ˇstevilom okuˇzenih ter ˇstevilom zaznanih lahkih tovornih vozil znaˇsa med prvim valom -0,69, med drugim pa kar -0,92. Korelacija med ukrepi vlade ter ˇstevilom za- znanih lahkih tovornih vozil je med prvim valom znaˇsala -0,68, med drugim pa -0,92. Vidimo lahko, da bistvene razlike med ˇstevilom okuˇzenih in ukrepi vlade ni bilo.

Podobno, kot na lahka tovorna vozila, je vplivala epidemija tudi na ostale tovorne segmente. Opaziti je mogoˇce, da se s veˇcanjem mase prevoznega sred- stva manjˇsa korelacija s ˇstevilom okuˇzenih ter ukrepi vlade. Preverili smo tudi prvi dve tretjini hipoteze, ki pravi, da epidemija COVID-19 ni moˇcneje vplivala na teˇzki tovorni promet, ki vkljuˇcuje teˇzki tovorni promet, priklo- pnike ter ladje. Iz grafov 4.3 in 4.4 je mogoˇce razbrati, da je korelacija med ˇstevilom okuˇzenih ter ˇstevilom vozil, ki spadajo med teˇzki tovorni promet, v prvem valu znaˇsala -0,01, v drugem pa -0,37. Korelacija med ukrepi vlade ter

(44)

Slika 4.11: Primerjava ˇstevila okuˇzenih s ˇstevilom zaznanih lahkih tovornih vozil

Slika 4.12: Primerjava ukrepov vlade s ˇstevilom zaznanih lahkih tovornih vozil

ˇstevilom zaznanih priklopnikov je v prvem valu bila pozitivna in je znaˇsala 0,16, v drugem valu pa -0,45. Korelacija med ˇstevilom okuˇzenih ter ˇstevilom zaznanih priklopnikov je v prvem valu znaˇsala -0,34, v drugem pa -0,12.

Korelacija med ukrepi vlade ter ˇstevilom zaznanih priklopnikov je v prvem valu znaˇsala -0,41, v drugem pa je celo pozitivna, in sicer 0,1. Korelacija ni pretirano visoka, vseeno pa se pozna nekolikˇsen upad zaznanih priklopni- kov v prvem valu, ki je viden tudi na grafu 4.13. Niˇzje stopnje korelacij gre

Slika 4.13: Primerjava ˇstevila okuˇzenih s ˇstevilom zaznanih priklo- pnikov

Slika 4.14: Primerjava ukrepov vlade s ˇstevilom zaznanih priklopnikov

(45)

Diplomska naloga 31 pripisati dejstvu, da se teˇzka tovorna vozila uporabljajo za glavnino oskrbo- vanj in transportov v naˇsem gospodarstvu. Padec, ki je bil zaznan, pa lahko pripiˇsemo kombinaciji zaprtja meja in ustavljanju proizvodenj v doloˇcenih podjetjih. Prav pri vseh tovornih skupinah je avgusta mogoˇce zaznati padec ˇstevila zaznanih vozil, ki pa ni posledica epidemije COVID-19. Gre namreˇc za obdobje, ko ima veˇcina proizvodnjih podjetij v Sloveniji in okolici tako imenovane kolektivne dopuste, kar seveda zmanjˇsa potrebo po prevozih.

4.1.3 Pomorski promet

Vpliv epidemije COVID-19 smo preverjali tudi pri pomorskem prometu.

Luka Koper je ena izmed najbolj pomembnih strateˇskih toˇck slovenskega go- spodarstva, saj je okno v svet veliki koliˇcini slovenskih proizvodov ter vstopna toˇcka proizvodovm tujih proizvajalcev namenjenih za celo Evropo. Pretovor se je v letu 2020 zmanjˇsal za skoraj 15 %. Epidemija COVID-19 je poskr- bela za zmanjˇsanje potroˇsnje in gibanja, kar je poslediˇcno najbolj vplivalo na prodajo naftnih derivatov in avtomobilov, ki sta dva izmed najmnoˇziˇcnejˇsih tovorov v Luki Koper. Zmanjˇsanje avtomobilske proizvodnje ne vpliva le na ˇstevilo prepeljanih avtomobilov, temveˇc tudi na celotno dobavno verigo, predvsem na jeklarsko industrijo, za katero se preko Luke Koper tovori su- rovine. Tudi ˇze prej omenjen upad letalskih poletov in ˇstevilo zaznanih vozil po Sloveniji in Evropi direktno vpliva zmanjˇsanje koliˇcine potreb po gorivu [12]. Ob pogledu na grafa 4.15 in 4.16 lahko vidimo upad prometa med pr- vim valom, kar lahko poveˇzemo s prihodom epidemije COVID-19 v Slovenijo.

Tako kot pri tovornem prometu, je mogoˇce v avgustu opaziti upad pomor- skega prometa iz istega razloga. Zaradi naˇcrtovanih kolektivnih dopustov podjetja v tem obdobju ne naroˇcajo toliko surovin in izdelkov. Jeseni se prav tako vidi upad ˇstevila ladij, katerega pa teˇzko pripiˇsemo drugemu valu epidemija. V sklopu hipoteze, ki pravi, da epidemija COVID-19 ni moˇcneje vplivala na teˇzki tovorni promet, smo izraˇcunali tudi korelacije med ˇstevilom ladij v Jadranskem morju, ki so namenjene v ali iz Luke Koper in ˇstevilom okuˇzenih s COVID-19 oziroma ukrepi vladi. Iz grafov 4.3 in 4.4 je mogoˇce

(46)

Slika 4.15: Primerjava ˇstevila okuˇzenih s ˇstevilom ladij

Slika 4.16: Primerjava ukrepov vlade s ˇstevilom ladij

razbrati, da je korelacija med ˇstevilom okuˇzenih ter ˇstevilom ladij, v prvem valu znaˇsala -0,59, v drugem pa je bila pozitivna, in sicer 0,35. Korelacija med ukrepi vlade ter ˇstevilom ladij je v prvem valu bila -0,23, v drugem valu pa ponovno pozitivna, in sicer 0,43. ˇCeprav izraˇcuni korelacij kaˇzejo na potrditev hipoteze, pa ne bi bilo smiselno potrditi hipotezo na podlagi stati- stiˇcnih podatkov, saj ti prikazujejo zmanjˇsanje tovornega prometa v primeru pomorskega prometa [33]. Tudi izraˇcun korelacij pri ladijskem prevozu ne more najbolje prikazati direktnega vpliva epidemije COVID-19 na pomorski promet, saj je le ta odvisen od potreb drugih gospodarskih panog in se padci poznajo kasneje. Za testiranje niˇcelne hipoteze, da v drugem valu COVID-19 ni priˇslo do zmanjˇsanja prometa, smo naredili Wilcoxonov test predznaˇcenih rangov, kjer smo primerjali drugo polovico leta 2020 z drugo polovico leta 2019. Dobili smo vrednost statistike W = 4181 ter p-vrednost 2,178∗10−9, kjer lahko pri stopnji tveganja α = 0,05 niˇcelno hipotezo zavrnemo. Wil- coxonov test predznaˇcenih rangov pravi, da prihaja do statistiˇcno znaˇcilnih razlik, kar pa ne pomeni, da so razlike dejanske. ˇStevilo ladij je bilo v drugi polovici 2019 ter 2020 enako, in sicer 183. Razliˇcna pa je bila dnevna razpo- reditev prihoda in odhoda ladij, kar je vidno iz grafa 4.17, ki je zaradi boljˇse preglednosti narejen s dvotedenskim drseˇcim povpreˇcjem.

(47)

Diplomska naloga 33

Slika 4.17: Primerjava druge polovice leta 2019 in 2020

4.2 Korelacija epidemije COVID-19 z giba- njem prebivalstva

Epidemija COVID-19 je moˇcno vplivala tudi na gibanje prebivalstva, kate- rega sta spremljala tudi tehnoloˇska velikana Google in Apple. Zmanjˇsanje gibanja prebivalstva sovpada z razglasom epidemije 12. marca 2020 in traja vse do zmanjˇsanja ˇstevila okuˇzb v maju 2020. Podobno gibanje se pojavi tudi v jesenskem, drugem valu. Na samo gibanje je moˇcno vplivala tudi vlada z ukrepi, ki so prepovedovali gibanje na javnih prostorih in gibanje izven obˇcine prebivaliˇsˇca ter ukrep za ustavitev javnega prometa. 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]. Tekom analize smo poleg drugih preverjali tudi hipotezo, da imajo na gibanje veˇcji vpliv ukrepi vlade kot pa ˇstevilo okuˇzenih s COVID-19. Za laˇzji pregled in bolj kvalitetne izraˇcune smo podatke ponovno zgladili z drseˇcim dvotedenskim povpreˇcjem.

(48)

4.2.1 Google COVID-19 Community Mobility Reports

Maloprodaja in rekreacija je skupina lokacij na katero je, glede na grafe, epidemija najbolj vplivala. Iz grafov 4.18 in 4.19 je vidno, da na zaˇcetku epidemije pride do rahlega poskoka, ko se je ob strahu zaprtja trgovin ter pomanjkanja izdelkov, veˇc nakupovalo tudi v tehniˇcnih in drugih trgovinah.

Kasneje ima veˇcji vpliv strah pred okuˇzbo, ki zmanjˇsa ˇstevilo obiskov trgovin [30]. Po zaˇcetnem vzponu pa sledi strm padec, dno pa doseˇze po sprejemu ukrepa, ki je vsem nenujnim trgovinam in rekreacijskim objektom prepovedal obratovanje [24]. Podobno se zgodi tudi v drugem valu, in sicer po razglasi- tvi epidemije COVID-19 18. oktobra 2020 [27]. Ukrep prepovedi ponujanja in prodajanja blaga ter storitev potroˇsnikom v drugem valu je priˇsel v ve- ljavo 24. oktobra 2020 [25]. Ukrepa sta vidna na grafih 4.20 in 4.21 pod oznakama U1 in U2. Poleti je, kljub odprtju trgovin, opazen padec gibanja.

Za zmanjˇsanja so v glavni meri krivi dopusti. Kot pri prometu, smo tudi

Slika 4.18: Primerjava ˇstevila okuˇzenih z gibanjem v maloprodaj- nih in rekreacijskih objektih

Slika 4.19: Primerjava ukrepov vlade z gibanjem v maloprodajnih in rekre- acijskih objektih

za gibanje prebivalstva izraˇcunali korelacije med vrsto gibanja ter ˇstevilom okuˇzenih s COVID-19 oziroma ukrepi vlade. Korelacije, ki so razdeljene na prvi in drugi val, so vidne na grafih 4.20 in 4.21.

Korelacija med ˇstevilom okuˇzenih ter gibanjem v prostorih, ki spadajo v maloprodajo in rekreacijo, v prvem valu znaˇsala -0,77, v drugem pa kar

(49)

Diplomska naloga 35

Slika 4.20: Korelacije gibanja med prvim valom

Slika 4.21: Korelacije gibanja med drugim valom

(50)

-0,98. Korelacija med ukrepi vlade ter gibanjem v prostorih, ki spadajo v maloprodajo in rekreacijo, je v prvem valu bila -0,89, v drugem valu pa -0,97.

V prvem valu je videti veˇcji vpliv ukrepov, kot so zapiranje obˇcin, nenujnih trgovin in storitev, medtem ko v drugem valu veˇcjih razlik ni opaziti.

Trgovine z ˇzivili in lekarne so bile v ˇcasu epidemije redno odprte. Tako, kot pri skupini maloprodaja in rekreacija, je mogoˇce na grafih 4.22 in 4.23 videti hiter vzpon in nato konkreten padec gibanja v prvem valu in nekoliko manjˇsi v drugem valu. Tudi tukaj je, tako kot pri maloprodaji in rekreaciji, razlog za vzpon nakupovanje zalog, razlog za padec pa strah pred okuˇzbo s COVID-19, ki je zmanjˇsal nepotrebne obiske trgovin [30]. V drugem valu je zaznan manjˇsi upad gibanja, ˇcemur botruje ravno manjˇsi strah pred okuˇzbo s COVID-19. Zaznamo tudi, da se v letu 2020 gibanje v trgovinah z ˇzivili in lekarnah ni vrnilo na raven iz predkoronskih ˇcasov. Korelacija, zapisana na grafih 4.20 in 4.21, med ˇstevilom okuˇzenih ter gibanjem v trgovinah z ˇzivili ter lekarnah znaˇsa med prvim valom -0,68, med drugim pa kar -0,95. Korelacija med ukrepi vlade ter gibanjem v trgovinah z ˇzivili ter lekarnah med prvim valom znaˇsa -0,93, med drugim pa -0,96. Vidimo lahko, da bistvene razlike med ˇstevilom okuˇzenih in ukrepi vlade ni bilo. Tudi pri tej skupini je mogoˇce opaziti, da so med prvim valom precej bolj na gibanje vplivali ukrepi vlade, med drugim pa razlike praktiˇcno ni.

Ker je v februarju obdobje zimskih poˇcitnic za ˇsolarje, je bilo izmerjeno gibanje v parkih in na javnih krajih, pred nastopom epidemije COVID-19, v osnovi visoko, zato je bil padec kar precejˇsen, celo primerljiv z maloprodajo, ˇceprav ni padel na tako nizke ravni. Na grafih 4.24 in 4.25 je vidno, da se zaˇcetek upadanja priˇcne takoj ob razglasitvi epidemije, 12. marca, najniˇzjo toˇcko pa doseˇze po 20. marcu 2020, ko je bila sprejeta omejitev zbiranja in gibanja na javnih povrˇsinah [40]. Ukrep je viden na grafih pod oznako U1.

Tako, kot pri maloprodaji in rekreaciji, poleti zaznamo upad gibanja, ko se veˇcina odpravi na dopuste v tujino. S koncem dopustov se gibanje poveˇcuje vse do konca poletne turistiˇcne sezone, ko zaˇcne upadati ob bliˇzanju pozne jeseni in zime. V drugem valu bi tako viˇsjo korelacijo pripisali turistiˇcni in

(51)

Diplomska naloga 37

Slika 4.22: Primerjava ˇstevila okuˇzenih z gibanjem v trgovinah z ˇzivili in lekarnah

Slika 4.23: Primerjava ukrepov vlade z gibanjem v trgovinah z ˇzivili in le- karnah

podnebni sezoni. Iz grafov 4.20 in 4.21 lahko razberemo, da korelacija med ˇstevilom okuˇzenih ter gibanjem v parkih in na javnih krajih v prvem valu znaˇsa -0,9, med drugim pa 0,88. Korelacija med ukrepi vlade ter gibanjem v parkih in na javnih krajih v prvem valu znaˇsa -0,51, v drugem pa -0,84.

Ceprav se na grafu vidi povezavo med ukrepi, ki se dotikajo te skupine,ˇ pa iz korelacij tega ni opaziti. Ukrepi namreˇc vsebujejo vse ukrepe, tudi stroˇzje, ki so se izvajali kasneje, kot je na primer prepoved gibanja izven obˇcin prebivaliˇsˇca. V drugem valu razlik med korelacijo tako ni veˇc vidnih.

Slika 4.24: Primerjava ˇstevila okuˇzenih z gibanjem na javnih krajih

Slika 4.25: Primerjava ukrepov vlade z gibanjem na javnih krajih

(52)

Kot smo ugotovili ˇze pri analizi podatkov ˇstevila zaznanih avtobusov v razdelku 4.1, je na javni promet epidemija moˇcno vplivala, predvsem ukrepi vlade. Vlada je namreˇc 13. marca sprejela odlok, da se s 16. marcem 2020 [8] zaˇcasno ustavi javni promet. Enak ukrep so sprejeli tudi v drugem valu, ki je zaˇcel veljati s 16. novembrom 2020[9]. Ukrepa sta na grafih 4.26 in 4.27 vidna pod oznakama U1 in U2. Dodatno je gibanje na avtobusnih in ˇzelezniˇskih postajah zmanjˇsala selitev pouka na daljavo. Podobno, kot do zdaj obravnavane vrste gibanja, se, kot je vidno na grafih 4.26 in 4.27, gi- banje na tranzitnih mestih skoraj ustavi, med prvim valom epidemije pa se poveˇcuje. Tudi drugi val je zelo podoben, in sicer je opazen manjˇsi upad napram prvem valu. Velik upad je prav tako med poletjem, za kar so razlog poletne ˇsolske poˇcitnice. Na grafih 4.20 in 4.21 se nahajajo izraˇcunane kore- lacije. Korelacija med ˇstevilom okuˇzenih ter gibanjem na tranzitnih mestih, kot so poˇcivaliˇsˇca in postaje, v prvem valu znaˇsa -0,69, med drugim pa 0,96.

Korelacija med ukrepi vlade ter gibanjem v parkih in na javnih krajih v pr- vem valu znaˇsa -0,95, med drugim pa -0,99. Iz korelacij je razvidno, da so v prvem valu na gibanje na tranzitnih mestih vplivali ukrepi, s ˇcimer potrdimo tudi drug del in s tem celotno hipotezo, ki pravi, da so na zmanjˇsanje javnega prometa bolj vplivali ukrepi vlade, kot ˇstevilo okuˇzenih s COVID-19.

Slika 4.26: Primerjava ˇstevila okuˇzenih z gibanjem na tranzitnih mestih

Slika 4.27: Primerjava ukrepov vlade z gibanjem na tranzitnih mestih

(53)

Diplomska naloga 39

Slika 4.28: Primerjava ˇstevila okuˇzenih z gibanjem na delovnih mestih

Slika 4.29: Primerjava ukrepov vlade z gibanjem na delovnih mestih

Vpliv se vedno najmoˇcneje pokaˇze na gospodarstvu samem. Vpliv epide- mije na slovensko gospodarstvo je vlada poskuˇsala reˇsevati z razliˇcnimi obli- kami pomoˇci, med drugim: s turistiˇcnimi boni, samostojnim podjetnikom je omogoˇcila nadomestila za izpade dohodka, za zaposlene je drˇzava uvedla t.i.

ˇcakanje na delo. Definitivno se je prav vsa ta pomoˇc poznala tudi manjˇsem poviˇsanju brezposelnosti, ki je v Sloveniji narasla iz 4,6 % v prvem ˇcetrtletju 2020 na 5,6 %, v drugem ˇcetrtletju 2021, ki je bil tudi vrh brezposelnosti med epidemijo [32]. Kot na druge skupine krajev gibanja je tudi na gibanje na delovnem mestu epidemija moˇcno vplivala. Takoj po razglasitvi epidemije 12. marca 2020 je mogoˇce na grafih 4.28 in 4.29 opaziti upad gibanja na delovnih mestih. Veliko podjetij je delavce poslalo na dopuste, na delo od doma ter ob izpadu dela tudi na ˇcakanje na delo. Ob umiritvi prvega vala se gibanje normalizira vse do avgusta, ko pride do zmanjˇsanja gibanja, kar je posledica dopustov. Ob priˇcetku drugega vala epidemije se ponovno zaˇcne zmanjˇsevati gibanje na delovnem mestu. Iz grafov 4.20 in 4.21 je mogoˇce prebrati, da je korelacija med ˇstevilom okuˇzenih s COVID-19 ter gibanjem na delovnem mestu med prvim valom -0,66, med drugim pa -0,92. Korelacija med ukrepi vlade ter gibanjem na delovnem mestu med prvim valom znaˇsa -0,93, med drugim pa zelo podobno, in sicer -0,94. Opaziti je nekoliko veˇcji

(54)

vpliv ukrepov.

in

Slika 4.30: Primerjava ˇstevila okuˇzenih z gibanjem v stanovanjskih objektih

Slika 4.31: Primerjava ukrepov vlade z gibanjem v stanovanjskih objektih

Preverili smo hipotezo, ki pravi, da je med epidemijo COVID-19 veˇc ljudi ostalo doma zaradi dela od doma, in sicer z Wilcoxonovim testom pred- znaˇcenih rangov. Primerjali smo gibanje v stanovanjskih objektih v ˇstirih 60-dnevnih intervalih, ki so razporejeni pred prvim valom, med prvim va- lom, med prvim in drugim valom ter med drugim valom. Z izraˇcunom smo za prvi val dobili vrednost statistike W = 405 ter p-vrednost 3,016∗10−17, kjer lahko pri stopnji tveganja α = 0,05 hipotezo zavrnemo in potrdimo statistiˇcno znaˇcilne razlike. Za drugi val smo dobili vrednost statistike W

= 3028 ter p-vrednost 0,115, kjer pri stopnji tveganja α = 0,05 hipoteze ne moremo zavrniti in potrditi statistiˇcno znaˇcilne razlike. Izraˇcunali smo tudi korelacijo med gibanjem v stanovanjskih objektih ter gibanjem na de- lovnih mestih. V prvem valu ta znaˇsa -0,98, v drugem pa -0,94. Skupaj z ˇze izraˇcunanim Wilcoxonovim testom predznaˇcenih rangov, s katerim smo dokazali upad avtomobilskega prometa, lahko hipotezo potrdimo v primeru prvega vala epidemije.

(55)

Diplomska naloga 41

4.2.2 Apple COVID-19 Mobility Trends Reports

Za razliko od Googla, je Apple spremljal le zahtevke za navodila za pot. Po- dobne rezultate, kot pri Googlovih poroˇcilih o trendih mobilnosti, smo dobili tudi pri Applovih poroˇcilih o trendih mobilnosti. Iz grafov 4.30 in 4.31 vi- dimo, da tako kot pri Googlovih podatkih ob prihodu epidemije v Slovenijo pride do porasta zahtevkov, nato pa sledi strm padec po razglasitvi epidemije 12. marca 2020. Enako tudi tu, ob manjˇsanju ˇstevila okuˇzb ter rahljanju ukrepov, ter ob prehodu v poletje ˇstevilo zahtevkov preseˇze predkoronsko raven. Ta dvig lahko poveˇzemo predvsem s koncem prvega vala, rahljanjem

Slika 4.32: Primerjava ˇstevila okuˇzenih z zahtevki za navodila za pot peˇs

Slika 4.33: Primerjava ukrepov vlade z zahtevki za navodila za pot peˇs

ukrepov ter odpravljanjem na dopuste ter turistiˇcne izlete. Podobna zgodba je tudi pri drugem valu, ko z naraˇsˇcanjem okuˇzb in zaostrovanjem ukre- pov ˇstevilo zahtevkov ponovno upade. Korelacija med ˇstevilom okuˇzenih s COVID-19 ter zahtevki za navodila za pot peˇs med prvim valom znaˇsa -0,8, med drugim pa -0,99. Korelacija med ukrepi vlade ter gibanjem v stanovanj- skih objektih med prvim valom znaˇsa -0,84, med drugim pa znaˇsa nekoliko veˇc, in sicer -0,97. Razlike v korelacijah, prikazane v grafih 4.20 in 4.21, ni opaziti.

Graf sprememb zahtevkov po navodilih za pot z vozilom je praktiˇcno enak prejˇsnjemu. Iz grafov 4.34 in 4.35 lahko vidimo, da se ob prvih okuˇzbah,

(56)

ˇstevilo zahtevkov krepko poveˇca, nato pa po razglasitvi epidemije strmo pade, tako kot pri zahtevkih za navodila za pot peˇs. Z manjˇsanjem okuˇzb, rahlja- njem ukrepov in prihodom poletja se ˇstevilo poveˇcuje vse do konca poletne sezone ter priˇcetkom drugega vala epidemije, ko ponovno zaˇcne upadati. Tudi za navodila za pot z avtom so korelacije prikazane v grafih 4.20 in 4.21. Ko- relacija med ˇstevilom okuˇzenih s COVID-19 ter zahtevki za navodila za pot peˇs med prvim valom znaˇsa -0,84, med drugim pa -0,97. Korelacija med ukrepi vlade ter gibanjem v stanovanjskih objektih med prvim valom znaˇsa -0,91, med drugim pa znaˇsa nekoliko veˇc, in sicer -0,92. Bistvene razlike v korelacijah tudi tu ni opaziti.

Slika 4.34: Primerjava ˇstevila okuˇzenih z zahtevki za navodila za pot z vozilom

Slika 4.35: Primerjava ukrepov vlade z zahtevki za navodila za pot z vozi- lom

Pri analizi podatkov gibanja med epidemijo COVID-19 smo ugotovili, da lahko hipotezo, da imajo na gibanje prebivalstva med epidemijo COVID-19 veˇcji vpliv ukrepi vlade, kot pa ˇstevilo okuˇzenih s COVID-19, potrdimo le za prvi val epidemije in ˇse to samo glede na podatke iz Googlovih poroˇcil o trendih mobilnosti. V drugem valu, ter pri podatkih iz Applovih poroˇcil o trendih mobilnosti, ni mogoˇce opaziti veˇcjih razlik.

Preverili smo ˇse hipotezo, da se je kljub epidemiji in viˇsjim ˇstevilkam okuˇzenih, prebivalstvo veˇc odpravljalo na pot med poletjem leta 2021 na- pram poletju leta 2020. Za analizo hipoteze smo s pomoˇcjo Wilcoxonovega

(57)

Diplomska naloga 43 testa predznaˇcenih rangov primerjali obdobje med 1. junijem ter 30. sep- tembrom v obeh letih. Po konˇcanem izraˇcunu smo za zahtevke za navodila za pot peˇs dobili vrednost statistike W = 4 ter p-vrednost 1,491 ∗10−21, kjer lahko, pri stopnji tveganja α = 0,05, niˇcelno hipotezo zavrnemo in po- trdimo statistiˇcno znaˇcilne razlike. Za zahtevke za navodila za pot z vozilom smo izraˇcunali vrednost statistike W = 67 ter p-vrednost 7,08∗10−21, kjer lahko, pri stopnji tveganjaα= 0,05, niˇcelno hipotezo zavrnemo in potrdimo statistiˇcno znaˇcilne razlike.

4.3 Primerjava cestnega prometa s podatki Applovega poroˇ cila o mobilnosti

Applove podatke o spremembi ˇstevila zahtevkov za navodila za pot z vozilom smo primerjali s podatki ˇstevila zaznanih vozil na cestah, katere smo analizi- rali ˇze v razdelku 4.1. Podatke smo ponovno zgladili z drseˇcim dvotedenskim povpreˇcjem. Zanimalo nas je, v kolikˇsni meri se uporablja navigacija med razliˇcnimi skupinami vozil. Iz grafa 4.36, kjer so prikazane izraˇcunane kore- lacije, je mogoˇce opaziti vse od nizkih do visokih korelacij. Opaziti je, da se z maso vozila izraˇcunana korelacija med spremembo ˇstevila zahtevkov za navo- dila za pot z vozilom ter ˇstevilom zaznanih vozil manjˇsa. Najviˇsje korelacije s ˇstevilom zahtevkov za navodila za pot imajo osebni avtomobili, motorji ter lahki tovorni promet, in sicer znaˇsajo 0,86, 0,78 in 0,79. Najniˇzje korela- cije imajo priklopniki, teˇzki tovorni promet ter tovorni promet s prikolico, in sicer znaˇsajo 0,15, 0,21 ter 0,23. Rezultati niso presentljivi. Navigacijo najveˇckrat uporabljamo pri iskanju doloˇcene turistiˇcne lokacije in lokacije doloˇcene hiˇse, podjetja ali ustanove. Pri osebnih avtomobilih so to pred- vsem dnevni opravki, pri motorjih turistiˇcne toˇcke in splanirane poti, pri lahkem tovornem prometu pa naslovi strank, katerim dostavljajo poˇsiljke ali pri katerih izvajajo obrtna dela. Tudi najniˇzji rezultati so nepresenetljivi, teˇzki tovorni promet velikokrat vozi na doloˇcenih poteh, ki se ponavljajo.

Poleg tega je v Sloveniji veˇcina teˇzkega tovornega prometa tranzitnega in se

(58)

ob prehodu ozemlja Slovenije drˇzijo avtocestnega kriˇza, za kar ni potrebe po navigaciji. V letu 2020 je namreˇc mednarodni blagovni cestni promet obsegal kar 90 % vseh tonskih kilometrov.

Slika 4.36: Korelacija cestnega prometa z zahtevki za navodila za pot z vo- zilom

(59)

Diplomska naloga 45

4.4 Izdelava spletne aplikacije

Za boljˇso vizualizacijo podatkov in veliko veˇc potencialnih kombinacij primer- jav je bil v okviru diplomskega dela razvit spletni COVID-19 primerjalnik1. Izvorna koda je javno dostopna v github repozitoriju2.

Spletna aplikacija je sestavljena iz odjemalskega dela ter streˇzniˇskega dela.

Odjemalski del je napisan v ogrodju Angular z uporabo jezikov TypeScript, HTML in CSS. Streˇzniˇski del za izvajanje uporablja okolje Node.js in je na- pisan v jeziku JavaScript. Streˇzniˇski del je preprost in le servira podatke iz podatkovne baze PostgreSQL glede na izbran graf ter izbrane datume.

Razdeljen je na tri krmilnike, ki pridobivajo podatke iz baze in jih servirajo odjemalskemu delu, in sicer na /covid, /mobility ter /traffic. Krmilnik /covid servira podatke pridobljene iz COVID-19 sledilnika, /mobility podatke prido- bljene iz poroˇcil o trendih mobilnosti Googla in Appla, /traffic pa podatke iz podatkovnih zbirk ˇstevnih mest cestnega prometa, ladij v Jadranskem morju ter letal v zraku.

Spletna aplikacija vsebuje ˇstiri strani - Domov, COVID, Gibanje pre- bivalstva ter Promet. Strani COVID, gibanje prebivalstva ter promet so si zelo podobne med sabo. Vsebujejo grafe, primer enega je na sliki 4.38, kjer je vsaka skupina podatkov predstavljena posamezno. Grafi so interak- tivni. Uporabniku se ob premikanju z miˇsko skozi graf prikazujejo oblaˇcki z dnevnimi podatki vseh skupin v grafu, ki ustrezajo dnevu na kateremu smo postavljeni z miˇsko. Vsakemu grafu je mogoˇce izbrati datuma, s katerima doloˇcimo ˇcasovno obdobje, ki nas zanima glede specifiˇcnih podatkov. Za iz- biro ˇcasovnega obdobja pa imamo pod grafom na voljo tudi ˇcasovnico, kjer lahko z miˇsko oznaˇcimo del grafa, ki nas zanima. Oznaˇcen okvir lahko nato premikamo levo ali desno po ˇcasovnici. Tako pohitrimo prikazovanje podat- kov manjˇsih ˇcasovnih obdobij. Na desni strani grafa se nahaja legenda, katero smo preoblikovali in naredili interaktivno. Ob kliku na element v legendi se pripadujoˇci podatki v grafi skrijejo, ob ponovnem kliku na izbrani element pa

1https://covid-primerjalnik.herokuapp.com/home

2https://github.com/mynameisgasper/covid-primerjalnik

(60)

Slika 4.37: Arhitektura spletne aplikacije

Slika 4.38: Primer grafa

Reference

POVEZANI DOKUMENTI

Povzetek Namen raziskave je proučiti rabo vode, vrednosti investicij in tekoče izdatke za varstvo okolja v predelovalni dejavnosti v času pred epidemijo Covid-19

V letu 2020 se je življenje zaradi virusa COVID-19 postavilo na glavo. Da bi lahko preprečevali okužbe s korona virusom, smo se morali vsi socialno distancirati. To pa je

Pri iskanju razlik, kako pogosto so učitelji fizike izvajali neposredni pouk na daljavo, se niso pokazale statistično pomembne razlike glede na spol, delovno dobo in

V empiričnem delu diplomskega dela bom raziskala, ali so bili starši seznanjeni s pravico do postopnega uvajanja; kako dolgo je potekalo uvajanje v vrtec s

Tabela 13: Učne situacije doživljanja anksioznosti pred epidemijo covid-19 in v času epidemije za dijake glede na letnik

Prosila bi vse razredne učitelje in učiteljice, ki ste spomladi (v šolskem letu 2019/20) med epidemijo poučevali šport na daljavo, da rešite spodnji anketni vprašalnik.

Poglavitni cilj magistrskega dela je bil raziskati organizacijo dela v času izobraževanja na daljavo pri starših in učiteljih na izbrani osnovni šoli ter s tem osvetliti pomanjkljive

Hipotezo, da nepravilna tehnika dela povečuje obremenitev sekača s tresenjem, lahko le delno potrdimo, saj smo od skupno 19 uporabljenih opravil le pri 9 opravilih ugotovili, da

Izkušnje učiteljev s poučevanjem glasbene umetnosti na daljavo v času med epidemijo covid-19 in po njej kažejo, da je več kot polovica učiteljev (61,0 %) imela težave z uporabo

Med drugim se lahko pojavijo kognitivne posledice (težave z mi- selnimi sposobnostmi) in posledice na duševnem zdravju tako za- radi bolezni covid-19 kot tudi zaradi posegov

Če primerjamo med seboj različne valove raziskave, delež oseb, ki menijo, da lahko cepivo proti COVID-19 pripomore k zajezitvi širjenja novega koronavirusa, v 5.. Slika 9: Mnenje

julija 2020 sprejel še četrti protikoronski paket, s katerim se je država pripravila na drugi val epidemije Covid-19, paket pa je vseboval Zakon o interventnih ukrepih

Ob ustrezni zaščiti lahko odvzamejo tudi bris ob sumu na Covid-19, oskrbovanec mora biti ob tem že v izolaciji?. Predlagamo, da se ZD z organizirano vstopno ambulanto za

skladno s sprejetimi ukrepi Vlade Republike Slovenije in Ministrstva za zdravje za zajezitev in obvladovanja epidemije COVID-19 se strokovna organizacija

` Stiska zaradi osebnih ali družinskih izkušenj s COVID-19.. ` Izkušnje strahu ali stigmatizacije zunaj

skladno s sprejetimi ukrepi Vlade Republike Slovenije in Ministrstva za zdravje za zajezitev in obvladovanja epidemije COVID-19 se strokovna organizacija izvajalcev zdravstvene

NASVETI ZA OHRANJANJE DOBREGA POČUTJA NA BOLNIŠNIČNIH ODDELKIH MED EPIDEMIJO COVID-19 IN PO NJEJ.. Potrebe zaposlenih se razlikujejo med posameznimi stopnjami zdravljenja

C e pljenje na domu pacienta z zmanjšano pokretnostjo medicinska sestra v patronažni dejavnosti izvede v skladu z delovnim časom ambulante osebnega zdravnika oziroma cepilne

V teoretičnem delu diplomske naloge sem opisala duševno zdravje, stanje o duševnem zdravju otrok pred in med epidemijo, varovalne dejavnike otrok, težave osnovnošolcev med

Pišem diplomsko nalogo z naslovom Izkušnje študentov in študentk Fakultete za socialno delo s pridobivanjem praktičnih izkušenj med epidemijo COVID-19, zato bi prosila, da

Raziskovala sem zadovoljstvo z dostopnostjo pomoči med epidemijo, zadovoljstvo s potekom urejanja zasvojenosti med epidemijo, zadovoljstvo z on-line srečanji, kako so se pri

Tudi odnosi z uporabniki so bili dobri, čeprav so nekateri za dejavnosti potrebovali več motivacije (Odnosi so bili ves čas dobri, naše uporabnike smo začeli celo malo

Na obmoˇ cju Slovenije se je ˇstevilo tujih igralcev zelo zmanjˇsalo, ˇstevilo domaˇ cih igralcev pa je bilo malenkost viˇsje kot pred COVID-19, iz ˇ cesar smo lahko sklepali, da