RMK Data Team Internship 2025

English version

Interaktiivsed graafikud on saadaval Streamliti rakenduses:
https://rmkdatateaminternship2025-idc2zimyqvkshe9jabymgf.streamlit.app

---

Lõpptulemus

Joonis. Rita hilinemise tõenäosus

---

Lühikokkuvõte

1. Laadisin GTFS-andmed alla.
2. Otsisin välja õiged peatused
3. Arvutasin reiside kestused erinevatel kellaaegadel
4. Kraapisin endpointist andmeid busside tegelike saabumiste kohta kolmel päeval
5. Tegelike andmete põhjal kogusin andmeid hilinemiste kohta, analüüsisin ja visualiseerisin hilinemiste dünaamikat
6. Graafiku tegemine hilinemiste ning Monte Carlo simulatsiooni abil

---

Otsustasin esmalt laadida alla Eesti GTFS andmestiku ning seda uurida. Kavatsen esmalt teha lihtsama graafiku GTFS andmete põhjal. Andmestik on saadaval: "http://www.peatus.ee/gtfs/" ning juhend: "https://developers.google.com/transit/gtfs/reference/",

Leidsin stops.txt failist vastavad peatused:

stop_id	stop_code	stop_name	stop_lat	stop_lon	zone_id	alias	stop_area	stop_desc	lest_x	lest_y	zone_name	authority
822	00702-1	Zoo	59.42621424	24.65888954	822		Haabersti		6587778.16	537400.97	Harju1	Tallinna TA
1769	10902-1	Toompark	59.43682472	24.73332737	1769		Kesklinn		6589004.00	541613.25	Harju1	Tallinna TA

Vastavad peatused on kindlaks tehtud koordinatide järgi - veendusin, et tegemist on õige suunaga peatustega.

Teades õigeid stop_id väärtuseid, võtsin GTFS andmetest välja buss nr 8 kohta käiva graafiku (zoo_toompark_valjumised.csv data -> raw kaustas). Järgnev graafik tõlgendab saabumised ja väljumised TT:MM formaati (tund-minut).

	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31	32	33	34	35	36	37	38	39	40	41	42	43	44	45	46	47	48	49	50	51	52	53	54	55	56	57	58	59	60	61	62	63	64	65	66	67	68	69	70	71	72	73	74	75	76	77	78	79	80	81	82	83	84	85	86	87	88	89
Zoo	05:08	05:23	05:37	05:49	06:00	06:11	06:19	06:27	06:35	06:43	06:51	07:00	07:09	07:17	07:26	07:35	07:45	07:54	08:05	08:16	08:28	08:38	08:48	08:59	09:11	09:23	09:36	09:49	10:02	10:15	10:30	10:45	10:56	11:10	11:24	11:38	11:52	12:06	12:20	12:33	12:47	13:01	13:15	13:29	13:43	13:57	14:10	14:22	14:33	14:44	14:57	15:06	15:16	15:26	15:36	15:47	15:57	16:07	16:16	16:26	16:38	16:51	17:03	17:15	17:26	17:37	17:48	18:01	18:14	18:27	18:41	18:56	19:10	19:25	19:40	19:54	20:08	20:23	20:38	20:54	21:09	21:25	21:42	21:59	22:16	22:32	22:49	23:06	23:26
Toompark	05:17	05:32	05:46	05:58	06:12	06:23	06:31	06:39	06:47	06:55	07:03	07:13	07:22	07:30	07:39	07:48	07:58	08:07	08:18	08:30	08:41	08:51	09:01	09:12	09:24	09:36	09:49	10:02	10:15	10:28	10:43	10:58	11:09	11:23	11:37	11:51	12:05	12:19	12:33	12:46	13:00	13:14	13:28	13:42	13:56	14:11	14:24	14:36	14:47	14:58	15:11	15:20	15:30	15:40	15:50	16:01	16:12	16:22	16:31	16:41	16:53	17:06	17:18	17:30	17:41	17:52	18:03	18:16	18:29	18:40	18:54	19:09	19:23	19:38	19:53	20:06	20:20	20:35	20:50	21:06	21:21	21:37	21:54	22:10	22:27	22:43	23:00	23:16	23:35
sõit (minutid)	9	9	9	9	12	12	12	12	12	12	12	13	13	13	13	13	13	13	13	14	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	13	14	14	14	14	14	14	14	14	14	14	14	15	15	15	15	15	15	15	15	15	15	15	15	15	13	13	13	13	13	13	12	12	12	12	12	12	12	12	11	11	11	11	10	9
aeg zoo (sekundid)	18480	19380	20220	20940	21600	22260	22740	23220	23700	24180	24660	25200	25740	26220	26760	27300	27900	28440	29100	29760	30480	31080	31680	32340	33060	33780	34560	35340	36120	36900	37800	38700	39360	40200	41040	41880	42720	43560	44400	45180	46020	46860	47700	48540	49380	50220	51000	51720	52380	53040	53820	54360	54960	55560	56160	56820	57420	58020	58560	59160	59880	60660	61380	62100	62760	63420	64080	64860	65640	66420	67260	68160	69000	69900	70800	71640	72480	73380	74280	75240	76140	77100	78120	79140	80160	81120	82140	83160	84360
aeg toompark (sekundid)	19020	19920	20760	21480	22320	22980	23460	23940	24420	24900	25380	25980	26520	27000	27540	28080	28680	29220	29880	30600	31260	31860	32460	33120	33840	34560	35340	36120	36900	37680	38580	39480	40140	40980	41820	42660	43500	44340	45180	45960	46800	47640	48480	49320	50160	51060	51840	52560	53220	53880	54660	55200	55800	56400	57000	57660	58320	58920	59460	60060	60780	61560	62280	63000	63660	64320	64980	65760	66540	67200	68040	68940	69780	70680	71580	72360	73200	74100	75000	75960	76860	77820	78840	79800	80820	81780	82800	83760	84900

Need ajad kattuvad aadressil transport.tallinn.ee saadaval oleva graafikuga:

Joonis 1. Kuvatõmmis portaalist transport.tallinn.ee. Liini 8 (Zoo) sõiduplaan.

Uurisin Postman rakenduse abil https://gis.ee/tallinn/ kaardirakendust - sealt on võimalik leida reaalajas andmeid Tallinna busside ja trammide kohta. Leidsin endpointi kujul:

https://transport.tallinn.ee/siri-stop-departures.php?stopid=xxxx

mille abil on võimalik requestida arvatavat saabumisaega ning tegelikku saabumisaega.

Endpoint väljastab andmeid kujul:

Transport,RouteNum,ExpectedTimeInSeconds,ScheduleTimeInSeconds,65472,version20201024
stop,822
bus,25,65688,65484,Reisisadama D-terminal,216,Z
bus,8,65704,65694,Äigrumäe,232,Z
bus,21,65776,65460,Balti jaam,304,Z
bus,42,65818,65796,Priisle,346,Z
bus,26,65900,65898,Paljassaare,428,Z

Kogusin andmeid kolme päeva väljumiste kohta - eelkõige kl 8 - kl 9 (hilinemised.py). Kogusin andmeid 15.05.2025, 16.05.2025 ja 19.05.2025 - neljapäev, reede, esmaspäev. Et andmeid hilinemise tõenäosuse arvutamiseks on liiga vähe (aega ülesande täitmiseks ka : D), otsustasin sel korral kasutada keskmise hilinemise arvutamiseks andmeid ka teiste liinide kohta, mis sõidavad sarnast teed pidi ning läbivad Zoo ja Toompark peatuseid.

routes.txt põhjal sõidavad Zoo ja Toompargi vahel järgmised liinid:

route_id	agency_id	route_short_name	route_long_name	route_type	route_color	competent_authority	route_desc
xxxx	56	21	Balti jaam - Landi	3	de2c42	Tallinna TA
xxxx	56	21B	Balti jaam - Kakumäe	3	de2c42	Tallinna TA
xxxx	56	41	Balti jaam - Landi	3	de2c42	Tallinna TA
xxxx	56	41B	Balti jaam - Kakumäe	3	de2c42	Tallinna TA
xxxx	56	8	Väike-Õismäe - Äigrumäe	3	de2c42	Tallinna TA
xxxx	56	92	ÖÖ Balti jaam - Väike-Õismäe	3	de2c42	Tallinna TA

Väljumiste hilinemised visualiseerisin graafikuga: Joonis 2. Kuvatõmmis hilinemiste kohta (Zoo peatuses) Joonis 3. Kuvatõmmis hilinemiste kohta (Toompargi peatuses)

Seejärel visualiseerisin reiside kestused: Joonis 4. Reiside tegelik kestus

Seejuures kestis keskmine reis 834 sekundit, standardhälve 153 sekundit, lühim reis 11,2 minutit, pikim reis 21,9 minutit.

Arvestades reisi keskmist kestust ning standardhälvet, jooksutasin Monte Carlo simulatsiooni (vastus): Joonis 5. Rita hilinemise tõenäosus

---

English version {#english-version}

Interactive charts are available in the Streamlit app:
https://rmkdatateaminternship2025-idc2zimyqvkshe9jabymgf.streamlit.app

---

Final result

Figure. Probability of delay

---

Summary

1. I downloaded the GTFS data.
2. I found the correct stops.
3. I calculated trip durations at different times of day.
4. I scraped actual bus arrival data from the endpoint for three days.
5. I collected delay data, analyzed it, and visualized delay dynamics.
6. I made charts of delays and ran a Monte Carlo simulation.

---

I first downloaded the Estonian GTFS dataset and explored it. The dataset is available at:
http://www.peatus.ee/gtfs/
Guide: https://developers.google.com/transit/gtfs/reference/

From stops.txt, I found the matching stops:

stop_id	stop_code	stop_name	stop_lat	stop_lon	zone_id	alias	stop_area	stop_desc	lest_x	lest_y	zone_name	authority
822	00702-1	Zoo	59.42621424	24.65888954	822		Haabersti		6587778.16	537400.97	Harju1	Tallinna TA
1769	10902-1	Toompark	59.43682472	24.73332737	1769		Kesklinn		6589004.00	541613.25	Harju1	Tallinna TA

I confirmed by coordinates that these are the correct stops.

Knowing the stop IDs, I extracted the schedule for bus no. 8 (zoo_toompark_valjumised.csv). Here are arrivals and departures in HH:MM:

	1	2	…	88	89
zoo	05:08	05:23	…	23:06	23:26
toompark	05:17	05:32	…	23:00	23:35
duration	9 min	9 min	…	11 min	9 min

These match the schedule on transport.tallinn.ee:

I used Postman to fetch real-time data from:

https://transport.tallinn.ee/siri-stop-departures.php?stopid=XXXX

It returns scheduled and actual times:

Transport,RouteNum,ExpectedTimeInSeconds,ScheduleTimeInSeconds...
stop,822
bus,25,65688,65484,...

I collected data for three days (15 May 2025, 16 May 2025, 19 May 2025) between 8 AM and 9 AM using hilinemised.py. To boost sample size, I added lines that run between Zoo and Toompark:

route_short_name	route_long_name
21	Balti jaam – Landi
21B	Balti jaam – Kakumäe
41	Balti jaam – Landi
41B	Balti jaam – Kakumäe
8	Väike-Õismäe – Äigrumäe
92	Night Balti jaam – Väike-Õismäe

I visualized departure delays:

Then I visualized trip durations:

• Average: 834 s
• Std dev: 153 s
• Shortest: 11.2 min
• Longest: 21.9 min

Using these stats, I ran a Monte Carlo simulation:

---

Allikad

Ühistranspordiregistri avaandmed Ajaline kaetus: 28.05.2018; Uuenemissagedus: iga päev
Litsents: CC BY-SA 3.0
URL: https://avaandmed.eesti.ee/datasets/uhistranspordiregistri-avaandmed

Google Transit GTFS Schedule URL: https://developers.google.com/transit/gtfs/reference/

Joonis 1. Kuvatõmmis portaalist transport.tallinn.ee URL: https://transport.tallinn.ee/#bus/8/a-b/00702-1

Stellwall, Mats. Monte Carlo simulations with Streamlit. Streamlit Blog (Snowflake powered ❄️), 8. juuni 2023. URL: https://blog.streamlit.io/monte-carlo-simulations-with-streamlit/