Hyppää pääsisältöön

Tekoäly korjasi rakennusten sijaintitietoja 11 kunnassa ja kaupungissa

Tekoäly auttoi korjaamaan virheellisiä rakennusten sijaintitietoja yhteensä yli 1600 km2 laajuiselta alueelta Maanmittauslaitoksen maastotietokannassa. Kun Maanmittauslaitos kouluttaa tekoälymallia lisää, saadaan maastotietokannan rakennusten ja vesistöjen sijaintitietoja parannettua automaattisesti.

Tosiortokuva, jossa on tekoälyn havaitsemat rakennukset.
Kuva:
Maanmittauslaitos

Erittäin tarkan paikkatiedon kysyntä on vuosien mittaan kasvanut voimakkaasti esimerkiksi autonomisen ajamisen myötä. Maanmittauslaitoksen hankkeessa parannettiin maastotietokannan paikkatietojen tarkkuutta, automatisoitiin kohteiden keruuta ja varmistettiin tietojen ajantasaisuutta.

– Maastotietokannassa olevien rakennusten sijaintitietojen epätarkkuudet voivat johtua muun muassa teknisistä rajoituksista, eri ajanjaksojen erilaisista tarkkuusvaatimuksista ja mahdollisista inhimillisistä virheistä, kertoo projektipäällikkö Lingli Zhu Maanmittauslaitoksesta.

Tekoäly tunnistaa rakennukset pääsääntöisesti hyvin

Hankkeen aikana korjattiin rakennusten sijaintitietoja 11 alueella: Kuopio, Savonlinna, Lahti, Vaala, Uusikaarlepyy, Uusikaupunki, Ylitornio, Parainen, Riihimäki, Jyväskylä ja Oulu. Sijaintitietoja korjattiin yhteensä 1628 km2 laajuiselta alueelta. Sijaintitiedolla ilmaistaan, missä kohde sijaitsee.

–  Rakennusten korjaus tapahtui vertaamalla maastotietokannan rakennuksia tekoälyn tuottamiin rakennuksiin ja tarpeen mukaan maastotietokannan rakennuksia korjattiin vastaamaan tekoälyn löytämiä rakennuksia. Tekoälyn tunnistamia rakennuksia hyödynnettiin myös maastotietokannasta puuttuvien ja purettujen rakennuksien tunnistuksessa, Zhu kertoo.

Tekoäly tunnistaa rakennukset pääsääntöisesti hyvin, mutta peitteiset alueet voivat olla ongelmallisia. Ongelmallisten rakennusten tunnistusta pyritään parantamaan tulevaisuudessa hyödyntämällä laserkeilausaineistoa.

Vesistöjen tunnistamisessa haasteita

Vesistöjen ominaisuudet vaihtelevat maastossa paljon ja aiheuttavat haasteita tekoälyn tunnistukselle. Ojat osoittautuivat helpoimmin tunnistettaviksi. Manuaalisessa digitoinnissa selkeästi määritellyistä uomista 86–95 prosenttia tunnistettiin.

Luonnonpurojen tunnistaminen oli huomattavasti haastavampaa ja lammikkojen tunnistaminen vielä vaikeampaa. Ne ovat usein latvuston peitossa ja niiden fyysisessä muodossa, kuten reunoissa, on paljon vaihtelua.

– Tekoälyn avulla tunnistetuista vesistöistä voidaan jatkossa muodostaa kattava vesistöjen verkosto, Zhu sanoo.

Tavoitteena laadukkaampi maastotietokanta

Maastotietokanta on ainut koko maan kattava paikkatiedon tietokanta, jonka tietoja - kuten rakennustietoja - hyödynnetään laajasti esimerkiksi kunnissa ja muissa organisaatioissa. Kunnat voivat hyödyntää maastotietokannan rakennustietoja omien aineistojensa tukena esimerkiksi kiinteistöveroasioihin ja osoitetietoihin liittyen.

Tulevat parannukset parantavat maastotietokannan tietojen laatua lähitulevaisuudessa huomattavasti ja tarjoavat etuja kaikilla aloilla.

– Tulevaisuudessa voidaan olettaa, että manuaalisen työn määrä vähenee huomattavasti, kun tekoälymalli koulutetaan kaikki Suomen tuotantoalueet kattavilla laadukkailla tiedoilla, kuten ilmakuvilla, Zhu sanoo.

Lisätietoja

Lisätietoja englanniksi:

projektipäällikkö Lingli Zhu, +358 50 430 1638

Lisätietoja suomeksi:

johtaja Heli Laaksonen, +358 50 574 6869


Sähköpostit ovat muotoa etunimi.sukunimi@maanmittauslaitos.fi
 

Mediatiedote
Paikkatieto
Maastotietokanta

Uusimmat uutiset ja artikkelit