Kun kaupungin liikennemääriä seurataan, siitä muodostuu aina dataa. Datan tulee olla ajantasaista, oikeaa ja riittävän monipuolista. Tampereen kaupunki ratkaisi datan laatu- ja kustannusongelmat Wapicen IoT-TICKET® -alustaan ja tekoälyyn pohjautuvalla konenäköratkaisulla.

Nopeasti kasvavan Tampereen liikennesuunnittelulla oli haaste. Jalankulun liikennemääriä mitattiin alle kymmenellä kiinteällä liikenteenlaskimella ja loput tarvittavat laskennat tehtiin suurelta osin ihmisvoimin, otoslaskentana. Liikenteenlaskennassa käytetty tekniikka kehittyy koko ajan. Kaupunki oli testannut pilottien avulla useampaakin ratkaisua, mutta niiden hankintaa ei oltu nähty hyöty- ja kustannustasoltaan riittävän kannattaviksi. Tilanne oli jatkunut vuosia samanlaisena.

Wapicen ratkaisussa kuvantunnistus tehdään keskitetysti ns. reunalaskentana, jolloin pystymme hyödyntämään olemassa olevia kameroita ja tietoliikenneinfraa.

Jarno Hietanen, Tampereen kaupungin erikoissuunnittelija

Wapice oli toimittanut Tampereen kaupungille IoT-alustan ja tätä kautta kaupungilla päätettiin kokeilla Wapicen tekoälyyn pohjautuvaa Smart Mobility Insights -liikenteenlaskentajärjestelmää.

”Olimme kokeilleet aiemminkin tekoälyyn pohjautuvia ratkaisuja, mutta niissä kuvantunnistus oli kamerassa itsessään, ja ratkaisun käyttöönotto olisi vaatinut uusien erikoiskameroiden hankkimista ja asentamista. Wapicen ratkaisussa kuvantunnistus tehdään keskitetysti ns. reunalaskentana, jolloin pystymme hyödyntämään olemassa olevia kameroita ja tietoliikenneinfraa. Käytännössä ostimme siis analysointisovellusta ja palvelinkapasiteettia, emme kameroita. Tästä syystä Wapicen ratkaisu muodostui meille kiinteitä laskimia ja aiempia kuvantunnistusratkaisuja huomattavasti edullisemmaksi”, kertoo Tampereen kaupungin erikoissuunnittelija Jarno Hietanen.

Tietolajit ovat tässä huomattavasti monipuolisempia, kuin mitä perinteisistä liikennelaskimista on saatavissa.

Jarno Hietanen, Tampereen kaupungin erikoissuunnittelija

_{Käyttöliittymänäkymä Smart Mobility Insights -sovellukseen.}

Wapicen järjestelmässä oli myös iso lisävahvuus: kyky oppia maailman muuttuessa. Toisin kuin perinteiset järjestelmät, tekoälyn voi aina opettaa laskemaan uudentyyppisiä kohteita.

”Lisähyötynä on myös se, samalla järjestelmällä pystymme keräämään tietoa käytännössä kaikista eri liikkumismuodoista. Aluksi lähdimme liikkeelle jalankulkija- ja pyöräilydatasta, siitä laajensimme nopeasti mm. sähköpotkulautojen tunnukseen ja autoliikenteeseen. Tietolajit ovat tässä huomattavasti monipuolisempia, kuin mitä perinteisistä liikennelaskimista on saatavissa.” kertoo Hietanen.

Kustannussäästöjä ja sujuvuutta reaaliaikaisen tiedon avulla

Wapicen järjestelmä on joustava myös datalähteiden suhteen ja niitä voidaan monipuolisesti yhdistellä toisiinsa.

”Suunnitelmissa on yhdistää järjestelmään muun muassa liikennevaloista saatava data ja valaistuksenohjaus. Liikennemääriin pohjautuvalla valaistuksenohjauksella pystytään mm. parantamaan liikenneturvallisuutta ja säästämään energiaa hiljaisen liikenteen aikana.”, pohtii Hietanen.

Reaaliaikaisuus mahdollistaa myös nopean reagoinnin liikenteen erityistilanteissa, kuten suurten tapahtumien yhteydessä. Hiljainen katu voi olla yhtäkkiä täynnä ihmisiä urheilutapahtuman päättyessä tai konsertin alkaessa. Tällöin voidaan kytkeä vaihtoehtoinen liikenteenohjaus päälle.

Esimerkiksi liikenne, turvallisuus, pysäköinti, ulkoalueiden käyttöasteet ja sääolosuhteet on mahdollista tunnistaa yhdellä sensorilla.

Jari Kuusisto, Wapice’s Product Manager, IoT for Smart Cities.

”Isot hyödyt tulevat esiin, kun dataa lähdetään analysoimaan syvemmälle. Silloin päästään näkemään esimerkiksi liikenneturvallisuuden trendejä ja kausivaihteluita, ja toisaalta voidaan ennustaa liikennemäärien kehittymistä alueittain. Läheltä piti -tilanteiden osalta nähdään ajat ja paikat, jolloin riski nousee ja voidaan tunnistaa tilanteet, joista tapahtumaketjut lähtevät liikkeelle”, pohtii Wapicen Head of AI, Analytics and Automation Solutions Mickey Shroff.

”IoT alustan rajapinnat mahdollistavat anonymisoidun, numeerisen datan hyödyntämisen useissa erilaisissa sovelluksissa kaupunkiekosysteemissä yrityksille, tutkimuslaitoksille ja yliopistoille. Konenäkö on kustannustehokas tapa havainnoida kaupunkiympäristöä monella tapaa. Esimerkiksi liikenne, turvallisuus, pysäköinti, ulkoalueiden käyttöasteet ja sääolosuhteet on mahdollista tunnistaa yhdellä sensorilla”, kommentoi Wapicen Product Manager, IoT for Smart Cities Jari Kuusisto.

Ilman dataa käsitys liikennemääristä vääristyy

Kaikki liikkuvat kaupungissa ja kaikilla on liikenteestä oma näkemys. Juuri siksi faktoihin perustuva tilannekuva on niin tärkeä.

”Julkisuudessa ja somessa kuulee säännöllisesti väitteitä, että Hämeenkadulla ei enää liikuta. Kuvantunnistuslaskimen käyttöönoton jälkeen tiedämme nyt varmuudella, että esimerkiksi Hämeensillan yli tehtiin heinäkuussa 2022 yhteensä yli miljoona jalankulku, pyöräily ja sähköpotkulautamatkaa. Wapicen ratkaisu tuo meille merkittävästi lisätietoa päätöksentekoon.”, painottaa Hietanen.

IoT-TICKET® Smart City Solutions and Services