Viides kurssikerta – itsenäistymisen vaikeus

Viidennellä kurssikerralla jouduttiin ensimmäistä kertaa tosissaan itsenäisiin hommiin. Harjoittelimme yhdessä etenkin puskurien käyttöä ja kyselyiden tekemistä sekä erilaisten geometristen muotojen avulla laskentaa.

Itsenäistehtäviä ehdin jo aloittaa kurssikerralla ja luulin päässeeni pitkällekin, kunnes kotona huomasin Vilma Pylkön blogista, että olinkin poiminut ainoastaan rakennusten määrät, en kysyttyjä asuntojen määrä. Ei muuta kuin pari viikkoa myöhemmin hihat heilumaan ja uudestaan analyysejä suorittamaan. Tehokkaasti sitä oli ehtinyt jo unohtamaan kaiken kurssikerralla opitun.

Tästä ne ongelmat vasta alkoivat. Minulla oli ylitsepääsemättömiä vaikeuksia ladatessani kurssikerran tiedostoja onedrive-linkin kautta: joka kerta kansioon ilmestyi error-viesti siitä, että osa tiedostoista on liian suuria ladattavaksi. Myöskään puuttuva tiedosto kerrallaan lataaminen ei onnistunut, vaan esimerkiksi väestötieteokantojen attribuuttitaulukot sisälsivät ainoastaan tietoa pisteiden lukumäärästä, mutta ei mitään muuta. En lopulta saanut ongelmaa ratkaistua kotikoneella mitenkään. Koululla kävi samalla lailla, mutta löysin sentäs koulun tiedostoista pks_vaki.shp-tietokannan kaikkine informaatioineen. Käytin tätä myös 1. tehtävä ratkaisemiseen, sillä Vantaa-väki.shp:ta en vain saanut toimimaan. Sen vuoksi vastaukseni varmasti poikkeaa osittain  muiden vastauksista, sillä asukkaiden kokonaismäärä minun aineistosttani oli yli miljoonan, Vantaa-aineistossa väestön määrä jää n. puoleen miljoonaan.

  1. tehtävä

Ensimmäisessä tehtävän alussa tutkittiin Malmin lentokentän ja Helsinki-Vantaan ympäristössä asuvia. Harjoituksessa puskuri-työkalu tuli tutuksi, samoin spatial query ja statistics panelin käyttö. Analyysien suorittamisessa ei tässä kohtaa ollut suurempia ongelmia, ja puskurien tekeminen ja spatial query-toiminnan hyödyntäminen on (ainakin toistaiseksi) syöpynyt muistiin.  Päänvaivaa tuotti ainoastaan lentokoneiden laskusuunnan muutos -tehtävänanto. En ollut varma, oliko tarkoitus laskea vain puskurialueella asuvien, vai intersect-toiminnolla valita vielä nimenomaan Tikkurilan asukit, sillä mielestäni nykyisellään tuo puskurialue (kuva 1) edustaa kyllä suurimmilta osin jonkun muun alueen kuin Tikkurilan asukkeja. Päädyin kuitenkin siihen, että tehtävänannossa nimenomaan puskurialueen asukkaita kysyttiin.

Lentokenttiin liittyvät, kyselyiden perusteella saadut tulokset on koottu taulukkoon 1. Eroavaisuuksia on muiden, kuten esim. Juhon ja Vilman blogien arvoihin, mikä johtuu varmasti siitä, kuinka tarkasti lentokenttien kiitoradat on alueelle piirretty. Omalla kohdalla myös tuo pks.väki-aineiston käyttö voi tuottaa eroja, vaikka pisteet Vantaan kohdalla on lähestulkoon yhtenevät, mutta kok.väestön määrä yli kaksinkertainen

Taulukko 1. Malmin lentokentän ja Helsinki-Vantaan ympäristössä asuvat
henkilömäärä tai prosentti (%)
Malmin lentokentän kiitotiestä 2 km päässä asuvat 59189
Malmin lentokentän kiitotiestä 1 km päässä asuvat 9346
Helsinki-Vantaan lentokentän kiitotiestä 2 km päässä asuvat 12552
Helsinki-Vantaan pahimmalla melualueella asuvat 303 (3,2 % 2 km etäisyydellä asuvista)
Vähintään 55 dB alueella asuvat 11923
60 dB melun määrästä väliaikaisella laskeutumisreitillä kärsivät 12569

Myös asemien kohdalla puskurityökalun käyttö jatkui. Hetken päänvaivaa tuotti tuo prosenttilukumäärien ratkaiseminen, mutta lopulta suoritin sen luomalla attribuuttitaulukkoon uuden sarakkeen, johon loin lausekkeen, jonka avulla summasin kaikkien ASYHT-sarakkeen tiedot yhteen. Prosenttilaskut suoritin laskimen avulla, tähänkin  ehkä olisi QGISissä jokin parempi keino, mutta tälle aineistolle homma toimi näinkin hyvin. Asemiin liittyvät tiedot on kerätty taulukkon 2.

Taulukko 2. Asemien läheisyydessä asuvat                                                                          
500 m etäisyys asemilta 278052
prosenttiosuus kaikista asukkaista, 500 m etäisyys asemilta 24,8 %
joista työikäisten prosenttiosuus 70 %

2. tehtävä

Toisessa tehtävässä tutkittiin kouluiasten määriä taajamissa. Tässä harjoituksessa joutuikin käyttämään vähän enemmän mielikuvitusta, ja laskea attribuuttitaulukkoon uusia arvoja. Taajamien asukkaat pystyi edelleen helposti selvittämään kuten 1. tehtävässä, mutta kouluikäisten selvittämiseksi oli ensin luotava uusi sarake, johon kouluikäisten määrät (7-14-vuotiaat) laskettiin. Taajamien ulkopuolisten lasten määrän päädyin myös ratkaisemaan käänteisesti laskemalla attribuuttitaulukkoon uuden sarakkeen koululaisten kokonaismäärästä. Tämän jälkeen selvitin kyselyn avulla taajamissa asuvien määrä, ja vähensin tämän kouluikäisten kokonaismäärästä, jolloin sain lopputulokseksi taajamien ulkopuolella asuvien määrän. Nämä tulokset on esitetty taulukossa 3.

Taulukko 3. Taajamissa asuvien osuuksia kaikista asukkaista                               
prosenttia %
taajamien asukkaat kokonaisasukkaista 92 %
taajamissa asuvien koululaisten osuus kaikista koululaisista 6,92 %

Ylitsepääsemättömiä hankaluuksia tuotti ulkomaalaisten osuuksien selvittäminen taajamissa. Minun olisi tarvinnut siis saada uusi tietokanta, jossa yksittäisen taajaman sisällä olevien kaikkien rakennusten ominaisuustietosarakkeet olisi laskettuna yhteen ja sijoitettu attribuuttitaulukkon kunkin taajaman kohdalle. Yritin katsoa kurssikerran 5 yhteisestä osuudesta, aikaisempien kurssikertojen materiaaleista sekä yotubesta, mutta mistään en tuntunut löytävän juuri tarvitsemaani apua. Selailin myös muiden blogeja, ja huomasin, että monilta muiltakin tämä kohta uupui. Ne, joiden blogista tiedot löysin, eivät olleet kuvailleet sen tarkemmin, miten olivat saaneet tiedot selvitettyä, joten tämä kohta jäi ratkaisematta. Kokeilin Clip- ja intersect-työkalujen käyttöä, mutta en saanut aikaan haluamaani lopputulosta. Yksi vaihtoehto olisi voinut olla myös laskea attribuuttitaulukkoon uusi sarake, johon kirjoittaa ehtolausekkeen, mutta tässäkin tuli vastaan ongelma, ettei sarakkeeseen voi laskea uutta tietoa muiden attribuuttitaulukoiden tietojen avulla. Tietokantaliitosta ei myöskään suoraan pystynyt suorittamaan, sillä tietokannoissa ei ollut yhteneviä tietoja näiden osalta.

3. tehtävä

Kolmannessa ja viimeisessä itsenäistehtävässä tutkin koululaisten määriä Helsingin yhtenäiskoulun koulupiirissä. Tässäkin kohdassa päädyin käyttämään työkaluja, joiden tehokkuus isojen aineistojen kanssa ei olisi mahdollista. Esimerkiksi yhenäiskoulun koulupiirin rakennukset valitsin kyselyn sijaan manuaalisesti valintatyökalulla. Periaatteessa tämä olisi mielestäni pitänyt pystyä laskemaan spatial queryn avulla, kun oikea koulupiiri olisi valittuna, mutta jostakin syystä en saanut analyysiä toimimaan haluamallani tavalla. Valitsin siis pistetiedostot alueelta manuaalisesti, ja tallensin ne uudeksi, omaksi tietokannakseen. Sen jälkeen laskin uuteen sarakkeeseen jokaisen rakennuksen 6-vuotiaat (seuraavana vuonna koulun aloittavat) ja lopuksi niiden kokonaismäärän.
yläkouluikäisten määrän laskin vastaavalla tavalla (12-14-vuotiaat). Vastaukset tehtävään on koottuna taulukossa 4.

oppilasmäärät tai osuudet
seuraavana vuonna koulunsa aloittavien määrä 29
seuraavana vuonna yläkoulussa opiskelevien määrä (12-14-v.) 63
kouluikäisten osuus kaikist alueen asukkaista 7,3 %
muunkielisten kouluikäisten määrä 13

Tietoja selvitin siis lähinnä attribuuttitaulukkoon uusia sarakkeita luomalla. Mikäli tarkastelussa olisi ollut useita koulupiirejä, tämä laskentatapa kävisi kuitenkin äkkiä työlääksi. Mikäli olisin kyennyt ratkaisemaan 2. tehtävän ulkomaalaisten osuus-osion, olisin varmasti pystynyt hyödyntämään näitä taitoja myös tässä viimeisessä tehtävässä.

Hain uskonvahvistusta omille tuloksilleni myös muiden blogeista. Vaikka yläkoulun oppialiden määräksi sain lähestulkoon saman kuin Juuso, jostakin syystä kkoulun aloittavien määrä oli minun laskujen perusteella tuplat siitä mitä Juuson tai Sannin blogissa. tarkistin vielä määrät laskemalla 5-vuotiaiden määrät yhteen sekä 7-vuotiaiden määrät yhteen, mutta mistään en saanut tulokseksi 14:a, niinkuin Juuso ja Sanni ovat kummatkin saaneet.  Laskin vielä 6-vuotiaiden määrät lopuksi manuaalisesti, ja sain edelleen vastaukseksi 29. Tämä jäi nyt siis vähän mysteeriksi, mistä he ovat arvot saaneet.

Kaiken kaikkiaan itsenäistehtävissä riitti haastetta ainakin kun ne suoritti pari viikkoa kurssikerran jälkeen. Työkalujen hyödyntämisessä on vielä parantamisen varaa, etenkin suurten datamäärien laskennan kohdalla. Tämän kurssikerran analyysityökalujen sujuva käyttö olisi kyllä hyvä taito opetella, joten ehkä näihin pitää vielä perehtyä lisää.

 

Lähteet:

Sannin blogipostaus: Kurssikerta 5

Juuson blogipostaus: Kurssikerta 5- Bufferoidaan.

Vilma Pylkön blogipostaus: KK 5 – Bufferointia

Juhon blogipostaus: Kurssikerta 5

 

 

Leave a Reply

Your email address will not be published. Required fields are marked *