RUUHKAENNUSTEET MAHDOLLISTAVAT SUJUVAMMAN JA TURVALLISEMMAN LIIKENTEEN

Liikennevirasto – Ruuhkien ennustemallinnus avointa dataa hyödyntäen

“Turun moottoritie länteen ruuhkautuu Veikkolan kohdalla 15 minuutin päästä 90 % todennäköisyydellä.” Muun muassa tällaiset ruuhkaennusteet voivat pian olla arkipäivää Suomessa.

Suomen tavoitteena on olla liikenteen automaation kärkimaa. Tavoitteen saavuttamiseksi liikenne- ja viestintäministeriö on valmistellut tiekartan, jonka yksi keskeinen tavoite on liikenteen tietopääoman ja datan hyödyntämisen lisääminen. Yksi tavoitteeseen liittyvistä hankkeista on liikenneruuhkien ja liikenteen poikkeustilanteiden ennustamisprojekti, johon Liikennevirasto valitsi Aureoliksen analytiikkakumppanikseen. Projekti toteutettiin yhdessä Digian kanssa.

Malli ennustaa keskinopeuden muutoksen

“Olemme kehittäneet Aureoliksen kanssa ennustemallin, joka kertoo melko luotettavasti, miten ajoneuvojen keskinopeus kehittyy maanteillä. Käynnissä on nyt testivaihe, mutta alustavat tulokset ovat lupaavia”, toteaa Liikenneviraston analytiikka-asiantuntija Pekka Kinnunen. Lupaavilla tuloksilla Kinnunen viittaa siihen, että ohjelma pystyi ennustamaan ajoneuvojen nopeuksia esimerkiksi testiosuuksilla yli 99 % todennäköisyydellä.

Testivaiheessa mallit tehtiin Kehä III:n kahdelle LAM-pisteelle molempiin liikennesuuntiin. Ruuhkamallinnuksessa ja -ennustamisessa käytetään avointa dataa. Lähdetietoina ovat Liikenneviraston keräämät LAM-mittaustiedot, liikenteen sääasematiedot ja kalenteri. LAM-laite rekisteröi tietyn pisteen ylittävät ajoneuvot, jolloin jokaisesta ajoneuvosta saadaan ohituksen kellonaika, ajosuunta, ajokaista, ajonopeus, ajoneuvon pituus, peräkkäisten ajoneuvojen aikaero ja ajoneuvoluokka.

Tietojen avulla ennustettaan lineaarisella regressioanalyysillä liikenteen keskinopeuden muutosta 15 minuutin päähän tulevaisuuteen. Muutoksesta päätellään, onko kyseinen tieosuus ruuhkautumassa. Lisäksi lasketaan kullekin viikonpäivälle ja kellonajalle pitkän ajan keskinopeus. Ruuhkaennusteet lasketaan lähes reaaliaikaisesti. Tulokset tallennetaan tietokantaan ja visualisoidaan Digian toteuttaman MS PowerBI -käyttöliittymän kautta.

Mahdollisuuksia jatkokehitykselle

Säännölliset ruuhkat pystytään mallintamaan melko luotettavasti, mutta tavoitteena on lisäksi, että sovelluksen kautta voitaisiin havaita nopeasti myös epäsäännöllisiä, esimerkiksi kolareista, johtuvia liikenteen poikkeustilanteita. Kun ruuhkatilanteita pystytään ennustamaan, niitä voidaan myös pyrkiä estämään. Ruuhkasta voidaan tiedottaa vaihtuvilla opastetauluilla ja ohjata liikennettä vaihtoehtoisille reiteille. Ruuhkaa voidaan myös pyrkiä estämään valo-ohjauksella tai vaihtuvilla nopeusrajoituksilla. Tarkemmat ruuhkaennusteet tarkoittavat sujuvampaa ja turvallisempaa liikennettä.

Pilottiprojekti avaa kiinnostavia mahdollisuuksia jatkokehitykselle. ”Nyt mallinnus LAM-pistekohtaisia malleja, mutta jatkossa prosessia tulisi kehittää siihen suuntaan, että meillä olisi jollain tapaa yleisempi malli, jota voisi hyödyntää pisteellä kuin pisteellä. Ideaalitilanne olisi, että meillä olisi geneerinen itseoppiva malli, joka tarkentuisi sitä mukaa, kun sijaintikohtaista dataa kertyy”, Kinnunen visioi.

Tieliikennekeskusten lisäksi myös kansalaiset saattavat tulevaisuudessa päästä hyödyntämään projektin mahdollistamia parempia ruuhkaennusteita esimerkiksi Liikenneviraston Liikennetilanne-palvelun kautta.

Haluatko keskustella lisää aiheesta? Ota yhteyttä!

Mika Rissanen

Mika Rissanen

mika.rissanen@aureolis.com

040 530 9724