CityIoT 2 – miten data saadaan päätöksenteon tueksi?

Turun ja Tampereen kaupunkien yhteinen CityIoT 2 -hanke on tehnyt joukon kokeiluja, jotta muiden kaupunkien olisi helpompi ottaa älykaupunkiratkaisuja käyttöönsä. Kokeilujen ytimenä on ollut datan hallinta ja hyödyntäminen sekä vieminen päätöksenteon tueksi niin, että asukkaat saavat parempia palveluja.

”Älykaupunki näkyy ihmisten arjessa siten, ettei se oikeastaan näy. Palvelut on tehty sujuviksi ja ihmisten on helppo tehdä resurssiviisaita päätöksiä.” Näin luonnehtii älykaupunkia Teemu Peltonen, CityIoT 2:n projektipäällikkö ja älyliikenteen kehittäjä Turun kaupungilta.

Älykaupungille ominainen sujuvuus syntyy siitä, että dataa on saatavilla laajasti, ja sitä myös hyödynnetään palveluissa ja resurssien kohdentamisessa. Suurin haaste älykaupunkikehittämisessä on juuri datan saaminen.

– Kun esimerkiksi liikenteestä halutaan dataa, se vaatii paljon IoT-teknologiaa: infraa ja antureita, jotka tuottavat mittaustietoa. Tähän kaupunkien pitää panostaa, Peltonen sanoo.

CityIoT 2 -hankkeen tyyppisillä kokeiluilla luodaan pieniä näkymiä siihen, miten sensoridataa voi käyttää. Hankkeessa keskityttiin erityisesti osoittamaan, miten dataa voidaan kerätä, miten se kulkee antureista data-alustalle ja edelleen eteenpäin järkeviksi raporteiksi, joiden perusteella voidaan tehdä päätöksiä.

– Kun hanke alkoi kesällä 2021, Turun kaupungilla oli juuri IoT-hubi käyttöönotossa. Sitä on saatu hankkeen aikana hyödynnettyä ja vauhditettu sen kehitystä hankkeen pilottien tarpeiden mukaisesti, Peltonen sanoo. 

Tampereen kaupungin IoT-alusta puolestaan otettiin käyttöön vuoden 2021 lopulla, ja sen ensimmäiset käyttötapaukset liittyivät kaupungin ulkovalaistuksen älykkääseen ohjaamiseen ja tieverkon kulumisen ennakointiin.

CityIoT 2 -hankkeesta parhaat käytännöt

Yksi CityIoT 2 -hankkeen tärkeä tavoite on älykaupunkikehitykseen liittyvän materiaalin tuottaminen ja jakaminen. Turku ja Tampere pyrkivät saamaan parhaat käytäntönsä laajasti tietoisuuteen, jotta muiden kaupunkien olisi mahdollisimman helppo edetä omien järjestelmiensä kehittämisessä.

– Esimerkiksi hankkeen seminaareissa on käsitelty avoimesti myös älykaupunkikehittämisen vaikeita puolia. Seminaarit ovat tallenteina netissä, ja niihin tutustumista voin suositella kaikille kiinnostuneille, Peltonen sanoo.

Hankkeen perustamassa LinkedInin IoT-ryhmässä jaetaan tietoa; yritykset omista innovaatioistaan ja ratkaisuistaan, kaupungit kokemuksistaan ja tarpeistaan. IoT-ryhmä pyrkii olemaan kanava, joka toimisi huikeaa vauhtia kehittyvien älykaupunkiratkaisujen koottuna tiedonlähteenä.

Tampereen piloteissa pysäköintiä, liikennettä ja leikkipuistoja

Hankkeessa on kehitetty ratkaisuja, jotka kannustavat ihmisiä liikkumaan kestävämmin. Varala Engineeringin toteuttamassa pilotissa tutkittiin Tampereen Puutarhakadun pysäköintiä kameroiden ja konenäön avulla. Tavoitteena on testata myös, miten paikkatilanteen saisi näkyville Tampere.Finland-kaupunkiapplikaatiossa. Se auttaisi vähentämään turhaa ajoa ja päästöjä, joita aiheutuu parkkipaikan etsinnästä.

– Olemme pieni ja melko uusi yritys, joten tällaiset hankkeet antavat oivan mahdollisuuden kehittää eteenpäin yrityksen omaa osaamista. Pilottien kautta pääsee tutustumaan samalla myös muiden pilottien tekijöihin sekä tilaajiin, mikä taas voi avata ovia yhteiselle kehittämiselle, toteaa vanhempi asiantuntija Laura Riihentupa Varala Engineering Oy:stä.

Toisessa pilotissa Wapice analysoi konenäkö- ja tekoälytekniikalla Tampereen Hallituskadun pysäköintiä. Tässäkin tapauksessa tutkittiin myös parkkipaikkojen saatavuuden välittämistä web-sovellukselle, jota kuka tahansa kiinnostunut voi käyttää. Lisäksi Wapice hyödynsi IoT-TICKET® Smart Parking Analytics -tuotettaan väärinpysäköityjen autojen havaitsemiseen ja historiadatan keräämiseen.

Nodeon ja sen yhteistyökumppani Hazen.AI käyttivät pilotissaan olemassa olevien Tampereen kaupungin liikennekameroiden dataa erityisesti liikenneturvallisuuden parantamiseksi. ADAS Finland taas hyödynsi Mobileyen ajoneuvodataa muun muassa liikenteen vaaranpaikkojen kartoittamiseen.

MarshallAI teki Tampereella ulkoalueiden käytöstä pilotin, jossa haettiin konenäöstä tukea tiedolla johtamiseen. Se keräsi käyttödataa kahdesta leikkipuistosta ja yhdeltä luistinradalta.

Turun piloteissa linja-autoja ja risteysliikennettä

Marjetas Oy teki Turussa pilotin, jossa muutamiin joukkoliikenteen linja-autoihin asennettiin teiden kuntoa ja kelioloja mittaavat anturit. Datan perusteella on tarkoitus ohjata kunnossapitoa, ja kun huoltokalustossa on paikannus, saadaan tietää myös se, miten huoltotoimet todella vaikuttavat teiden kuntoon. Kun tähän lisätään vielä bussien toteutuneet aikataulutiedot, tiedetään tarkasti, miten teiden kunto vaikuttaa bussien liikkumiseen.

– Näin pystymme ohjaamaan huoltotoimia tarpeellisiin kohteisiin. Voimme saada koneoppivan järjestelmän kautta päätöksenteon tueksi analyysejä siitä, mikä on tehokkain kohde tai resurssiviisain reitti huoltotöiden tekemiseen, Peltonen kertoo.

Turun toinen pilotti on Nodeonin toteuttama kokonaisanalyysi, jossa tulkitaan kameroiden, tutkien ja tekoälyn avulla risteysalueen liikennettä. Pyrkimyksenä on ollut ”maailman älykkäimmän” liikenteenmittauspisteen luominen. Se kertoo muun muassa liikenteen määrän ja nopeudet, jonojen pituudet, liikennerikkomukset – ja pystyy myös analysoimaan esimerkiksi ajoneuvojen päästöluokat.

– Ajatuksena on, että hankkeen pilottien kautta voi syntyä uusia, tuotteistettavia ratkaisuja kaupunkiympäristöjen palveluihin, toteaa Minna Kinnunen, CityIoT 2 -hankkeen projektipäällikkö Business Tampereesta.

Teksti: Päivi Stenroos