Skip to content

Case Fintraffic

Tekoäly parantaa liikennemäärätiedon laatua ja tehostaa asiantuntijoiden työtä

Digian tiedolla johtamisen osaamisyksikkö Productivity Leap rakensi Fintrafficille liikennetiedon raportointijärjestelmän, jonka datan laatua parantaa koneoppimiseen pohjautuva korjaussovellus. Uusi raportointijärjestelmä tehostaa toimintaa, ja laadukas liikennemäärädata tuo hyötyä koko yhteiskunnalle. Tieto on uuden raportointijärjestelmän myötä avoimesti saatavilla verkossa kaikille sitä tarvitseville.

 

Fintraffic on liikenne- ja viestintäministeriön omistajaohjauksessa toimiva
erityistehtäväkonserni, joka tarjoaa ja kehittää liikenteenohjauksen ja -hallinnan palveluita kaikissa liikennemuodoissa sekä varmistaa liikenteen turvallisuuden ja sujuvuuden vastuullisesti. Yksi osa Fintrafficin tuottamaa palvelua on liikennemäärätiedon kerääminen, joka toteutetaan liikenteen automaattisten mittauspisteiden (LAM) avulla. Asemia on Suomessa noin 500 kappaletta. 

Liikennemäärätiedolla on suuri merkitys ympäröivälle yhteiskunnalle. Eri hallinnolliset ja viranomaistahot hyödyntävät tietoa monipuolisesti liikennesuunnittelusta poliittiseen päätöksentekoon, ja liikennetiedosta on kiinnostunut myös media. Tiedon hyödyntämisen monipuolisuuden vuoksi on tärkeää, että tieto on laadukasta ja tarkkaa.

”LAM-datalla ja raportointijärjestelmällä on keskeinen rooli siinä palvelussa, jota tuotamme Väylävirastolle ja viime kädessä kansalaisille. Datan luotettavuus ja matalan kynnyksen pääsy siihen on meille erittäin tärkeää”, kuvailee hankkeen projektipäällikkö, liikenteen mittauspalvelun palvelupäällikkö Eetu Karhunen.

Mitä teimme

  • LAM-mittauspisteiden raportointi
  • Datan korjaussovellus
  • Avoimen datan jakelu

Millä teimme

  • AWS
  • Snowflake
  • Agile Data Engine
Ratkaisu on edelläkävijä koneoppimisen ja tekoälyn tuomisessa ihmistyön avuksi. Nyt meillä on käytössämme järjestelmä, joka kestää aikaa ja on tarpeen mukaan skaalattavissa.

Eetu Karhunen, liikenteen mittauspalvelun palvelupäällikkö, Fintraffic

Käyttäjäystävällisyys ja laatu lähtökohdaksi

Fintrafficin tarpeet olivat selkeät: vanha, elinkaarensa päähän tullut järjestelmä oli uusittava ja vastaavat toiminnallisuudet oli tuotava mukaan uuteen raportointijärjestelmään. Samalla järjestelmän käytettävyyttä ja tiedon laatua oli pystyttävä parantamaan. Kumppaniksi valikoitui Productivity Leap, jonka kokemus ja täsmäosaaminen vakuuttivat Fintrafficin.

”Tiimistä löytyi tekijöitä, joille aiempi järjestelmä oli tuttu, joten yhteistyö oli helppo aloittaa”, Karhunen kertoo.

Vanhan Tiira-järjestelmän tilalle luotiin moderni, pilvipohjainen ratkaisu, jossa raportointi hoituu helppokäyttöisillä Microsoft Power BI -raporteilla. Julkisen Digitraffic.fi-verkkopalvelun kautta perustason liikennetieto on avoimesti kenen tahansa hyödynnettävissä, ja julkisten raporttien upotteet löytyvät myös Fintrafficin verkkosivuilta. Laajempaa ja jalostetumpaa dataa tarvitseville asiantuntijoille on tarjolla luvanvarainen pääsy tarkempiin raportteihin. 

Uuden järjestelmän helppokäyttöisyys näkyy käyttäjien määrässä ja käyttäjiltä saadussa palautteessa.

”Uusi raportointijärjestelmä on huomattavasti käyttäjäystävällisempi. Käyttäjiä on parannusten myötä tullut lisää ja käyttäjäpalaute on positiivista”, Karhunen sanoo.

Korjaussovellus hyödyntää tekoälyä

Yksi merkittävä uuden järjestelmän mukanaan tuoma parannus on koneoppimiseen pohjautuva korjaussovellus, joka tekee tiedosta laadukkaampaa ja tarkempaa sekä tehostaa tiedon parissa työskentelevien asiantuntijoiden työtä. Sovellus tunnistaa yksittäisten mittauspisteiden datassa esimerkiksi teknisen vian vuoksi esiintyvät poikkeamat ja ehdottaa niihin korjauksia mittauspisteen aikaisempaan liikennemäärähistoriaan perustuvien mallinnusten pohjalta. Sovellus hyödyntää jatkuvasti kertyvää dataa ja tarkentaa sen avulla korjausehdotuksiaan.

Aiemmassa järjestelmässä datan poikkeamien tunnistaminen ja korjaaminen oli täysin manuaalisen asiantuntijatyön varassa, joten uusi sovellus vähentää tuntuvasti korjaustyöhön käytettävää päivittäistä työaikaa. Nyt asiantuntijan tehtäväksi jää joko hyväksyä tai hylätä sovelluksen tekemät korjausehdotukset.

”Koneoppiminen tukee ja tehostaa harjaantuneen asiantuntijan työtä. Aiemmin useita tunteja vieneen työn voi nyt hoitaa varttitunnissa”, kertoo liikennelaskennan asiantuntijakonsulttina työskentelevä Kimmo Saastamoinen. ”Täysin automatisoituun ratkaisuun emme ole vielä halunneet lähteä, mutta tulevaisuudessa automaatioastetta voidaan mahdollisesti lisätä.”

Korjaussovellus tukee myös LAM-mittauspisteiden kunnossapitoa. Mittauspisteiden viat paljastavat tekniset virheet havaitaan datasta nopeammin, mikä nopeuttaa korjaustoimenpiteiden aloitusta ja parantaa osaltaan datan laatua.

”Sovelluksen avulla pystymme ohjaamaan kunnossapitotoimintaamme paremmin”, Karhunen toteaa.

Digitaalisuus tukee asiantuntijan työtä

Uuden raportointijärjestelmän ja korjaussovelluksen myötä Fintraffic on ottanut merkittävän askeleen digitaalisen transformaation saralla.

”Ratkaisu on edelläkävijä koneoppimisen ja tekoälyn tuomisessa ihmistyön avuksi. Aihe kiinnostaa laajalti, ja saamme myös sisäisesti paljon kyselyjä ratkaisusta”, Karhunen kertoo.

Karhunen on tyytyväinen projektiyhteistyöhön Productivity Leapin kanssa.

”Nyt meillä on käytössämme järjestelmä, joka kestää aikaa ja on tarpeen mukaan skaalattavissa. Projekti onnistui kaikin puolin, sillä pysyimme sekä aikataulussa että budjetissa ja saavutimme asetetut tavoitteet ja enemmänkin. Tiedonkulku on toiminut, ja projektipäällikön näkökulmasta kaikki on sujunut hienosti.”