Väylänpito tehostuu tekoälyn ja paikkatiedon avulla

Teksti: Ellinoora Korpela

Tekoälyä on viime aikoina povattu jopa maailmanrauhan ratkaisevaksi teknologiaksi. Sillä on paljon annettavaa myös väylänpidon tehostamisessa, kunhan tiedonkeruuteknologioiden kustannukset laskevat.

Talvinen maantie.

Megatrendit, kuten ilmastonmuutos, globalisaatio, digitalisaatio ja kaupungistuminen vaikuttavat kaikki siihen mitä ja mistä liikutetaan, minne, milloin ja millä välineillä. Muuttuva liikenteen kysyntä asettaa paineita liikenteen infrastruktuurin palvelutasolle.

Liikenneinfrastruktuurista huolehtii Suomessa Väylävirasto eli Väylä (ent. Liikennevirasto). Väylänpito sisältää muun muassa väylien päivittäistä kunnossapitoa, kuten talvikunnossapitoa tai rakenteiden ja laitteiden huoltoa, väylien ikääntymiseen ja kulumiseen liittyvää ylläpitoa, kuten väylärakenteiden uusimista sekä väyläomaisuuden hallintaa.

Korjausvelka kasvaa

Väylänpidon merkittäviä haasteita ovat korjausvelka, ilmastonmuutos, muuttunut liikenteen kysyntä sekä se, ettei tiestön tilannetta pystytä seuraamaan reaaliajassa. Korjausvelan kasvun pysäyttäminen on hankalaa, sillä väylänpidon rahoitustaso ei ole riittävä, ja mitä huonompaan kuntoon tie menee, sitä nopeammin korjausvelka kasvaa.

Ilmastonmuutoksen myötä muuttuneet sääolosuhteet, kuten pitkien pakkasjaksojen väheneminen ja nopeammat sääolosuhteiden vaihtelut ovat Väylän mukaan nostaneet kunnossapidon kustannuksia 2010-luvulla kymmenen prosenttia. Lisäksi esimerkiksi logistiikan kiristyvät aikatauluvaatimukset, kaupungistuminen ja päästötavoitteet asettavat väyläverkon toimivuudelle omat vaatimuksensa. Tiestön tilannetta ei kuitenkaan kyetä reaaliajassa kattavasti seuraamaan, sillä nauhamaiselta tieverkolta saadaan tällä hetkellä vain paikoittaista pistemäistä dataa.

Tekoäly tuo ennustettavuutta väylän ylläpitoon

Tekoäly on yksi työkaluista, joilla väylänpidon haasteisiin voitaisiin vastata. Tekoäly kykenee käsittelemään suuria massoja eri muotoista ja epäyhtenäistä heterogeenistä dataa. Näin ollen se voisi esimerkiksi yhdistää erilaisia kuntomittaustietoja, säätietoja, toimenpidetieoja, liikennemäärätietoja ja asiakaspalautteita. Rikastamalla näitä tietoja paikkatiedolla saadaan visualisoitua esimerkiksi tieverkon tilanne.

Tekoäly kykenee tunnistamaan datamassasta syy-seuraus-suhteita sekä toistuvia ilmiöitä ja luomaan siten ennusteita tiestön tilanteen kehittymisestä. Samaa logiikkaa soveltamalla tekoäly voisi ennustaa esimerkiksi liikenteen kysynnän muutoksia analysoimalla alueen elinkeinorakenteen, väestörakenteen, tulo- ja poismuuton sekä liikennemäärät ja -tyypit.

Tällaista ennustetta voitaisiin hyödyntää esimerkiksi ylläpidon ohjelmoinnissa priorisoimassa mitä teitä ja kuinka pitkältä matkalta päällystetään uudelleen, tai rahoituksen suunnittelussa eli esimerkiksi määrittämässä onko seuraava euro kannattavampaa sijoittaa teihin vai siltoihin.

Tekoäly vaatii laadukasta dataa

Parhaimmatkaan tekoälyalgoritmit eivät tuota ratkaisua maailman rauhaan tai organisaatioiden päivittäisiin haasteisiin, ellei niillä ole suurta määrää laadukasta dataa algoritmin läpikäytäväksi. Väylällä itsellään on paljon erimuotoista dataa väylistä ja väyläomaisuudesta, ja mittausten toimittajilla on lisäksi paljon mittauksien tuottamaa raakadataa.

Haasteena on, että jatkuvaa, nauhamaista dataa on vain osalta tieverkkoa ja se päivittyy verrattain harvoin. Väylä kartoittikin uusia datankeruun mahdollisuuksia osana vuosina 2016-2018 toteutettua digitalisaatiohanketta. Uusista datankeruumenetelmistä kokeiltiin muun muassa videokuvan tuottamista puukuljetusautoihin asennettujen älypuhelimien avulla, eri laserkeilaustekniikoita tien välittömän läheisyyden mallintamisessa ja päällyste- ja soravaurioiden tunnistamisessa, routavaurioiden tunnistamista satelliittikuvista sekä 360-kuvien tuottamista ja hyödyntämistä.

Kokeiluissa saatiin paljon arvokkaita tuloksia. Esimerkiksi mobiililaserkeilauksella tuotetusta aineistosta pystyttiin tunnistamaan tien varusteet ja laitteet sekä tienpinnan vauriot. Mobiililaserkeilauksella pystyttiin myös havaitsemaan muuten hankalasti havaittavia tien geometrian ja rakenteen poikkeamia, mitkä osoittivat hyvin rakennetunkin geometrian heikkenemisen ajan kuluessa. Tien liukkaus- ja kuntotietoja puolestaan kerättiin ajoneuvolaivastolla, johon oli jälkiasennettu erilaisia antureita. Kokeilussa tunnistettiin lukuisia hyötyjä eri toimijoille tienhuollon urakoitsijoista vakuutusyhtiöihin. Osa menetelmistä todettiin  liian epätarkoiksi, ja joidenkin menetelmien hyödyntäminen saattaa olla mahdotonta liian korkeiden kustannusten vuoksi.

Tiedonkeruumenetelmien kehittyessä uusilta mittausteknologioilta, kuten multispektri ja muilta pistepilviteknologioilta, voidaan tulevaisuudessa odottaa entistä tarkempaa ja siten myös monikäyttöisempää dataa. Ennen kuin näitä uusia teknologioita voidaan kuitenkaan valjastaa toimivamman yhteiskunnan rakentamiseen, tulee niiden kustannusten laskea.

Mitä on tekoäly?

Tekoälyllä tarkoitetaan sellaista konetta, joka kykenee ratkaisemaan ongelmia, joiden ratkaiseminen vaatii ihmiseltä älykkyyttä. Teknologiana se kykenee käsittelemään suuria määriä heterogeenistä dataa. Tekoäly tunnistaa datasta toistuvia ilmiöitä, sekä syy-seuraus-suhteita ja luo niiden perusteella erilaisia ennusteita ja optimointeja.

Tekoäly kykenee myös oppimaan. Oppimista voi tapahtua esimerkiksi siten, että tekoäly korjaa tai vahvistaa algoritmiaan sen perusteella, miten ihminen validoi sen antamia tuloksia. Tekoäly on siis kognitiivista tietojen käsittelyä, eli ihmisen ajatusprosessia, kuten spekulatiivisia oletuksia, mielikuvaskenaarioita sekä intuitiota, jäljittelevää tietojen käsittelyä. Ihminen on kuitenkin altis ristiriidoille. Kone ei, ellei ristiriitoja ole siihen ohjelmoitu.

 

Lue lisää Väylän datankeruukokeiluista

Ellinoora Korpela työskentelee CGI:llä palvelupäällikkönä julkishallinnon ja liikenteen yksikössä. Artikkeli perustuu Korpelan Liikennevirastolle tekemään diplomityöhön. Sähköposti etunimi.sukunimi@cgi.com.

 

Artikkelin pdf-versio >>

Positio 1/2019 sisällysluettelo >>