Konenäkö osana liikennettä ja sen laskemista

Teknologian nopea kehitys on kasvattanut tiedolla johtamisen merkitystä yhteiskunnassa, ja sen myötä datan keräämisestä on tullut entistä tärkeämpää. Pilotoinnissa testattiin konenäön tuomia mahdollisuuksia liikenteen mittaamisessa. Dataa kerättiin Hämeenlinnan kauppatorin liikenteestä ja alueen käytöstä konenäköä hyödyntämällä, minkä jälkeen kerätystä datasta luotiin analyyseja, joiden tuloksia voi käyttää tukemaan alueen liikenteen suunnittelua.

Digitaalisen vallankumouksen tuomat mahdollisuudet laajenevat myös liikenteeseen tuoden uusia keinoja liikennevirtojen ja -määrien tutkimiseen. Liikenteen mittauksissa ja laskennoissa tieto on entistä vahvemmin tukemassa suunnittelua. Yhtenä teknologian kehityksen tuomana mahdollisuutena on konenäön hyödyntäminen, joka perustuu videoidun kuvan antamaan informaatioon muun muassa liikkujien määristä ja käyttäytymisestä sekä kulkutavoista. Hämeenlinnan kauppatorilla tehdyn pilotoinnin tarkoituksena oli kerätä tietoa torin käytöstä ja sen käyttäjien liikkumisreiteistä. Toteutuksesta vastasi turkulainen konenäkö- ja tekoälyratkaisuja tuottava Marshall AI yhdessä Hämeen ammattikorkeakoulun HAMK Smart -tutkimusyksikön ja Hämeenlinnan kaupungin kanssa. Pilotti suoritettiin aikavälillä kesäkuu-joulukuu 2021.

Tekoäly tunnistaa kohteet ja havainnoi reitit

Pilotoinnin ensimmäiseen vaiheeseen kuului Hämeenlinnan Raatihuoneen parvekkeelle sijoitetun 4K-laatuista videokuvaa tuottavan kameran asennus, joka kuvasi torialueen liikennettä. Kuvauskulma ulottui kuvaamaan liikkujat koko torin alueelta, toria reunustavan Raatihuoneenkadun liikenteen määrät sekä pysäköintipaikat kadun varressa. Liikkujien tunnistus tapahtui analysoimalla kamerasta saatua videokuvaa tekoälyn avulla. Järjestelmä pystyi seuraamaan kuvasta satoja objekteja samanaikaisesti, mikä manuaalisesti toteutettuna olisi ollut mahdotonta. Tekoälyn avulla voitiin tunnistaa ja erotella objektien mittojen perusteella kävelijät ja pyöräilijät sekä henkilö-, paketti- ja kuorma-autot. Kohteiden tunnistamisen lisäksi tekoäly loi kohteen liikehdinnästä reitin, minkä myötä liikkujan käyttäytymistä oli mahdollista tarkkailla.

Liikkujien reittien perusteella voitiin todentaa torialueen aktiivisimpia kohteita ja havaita esimerkiksi torin myyntikojujen sijaintien vaikutuksia liikkujien reitteihin. Torialueella järjestettävien tapahtumien vaikutusta liikkujien määriin tutkittiin. Tapahtumien aikana kerätyn datan avulla voitiin analysoida tapahtumien vaikutuksia jalankulkijoiden ja torille saapuvan ajoneuvoliikenteen määrään. Osana tutkimusta tutkittiin myös liikenteen viipymisaikaa torilla, torin suosituimpia kohteita sekä pysäköintipaikkojen vapausastetta Hallituskadulla. Torialue jaoteltiin sektoreihin (kuva 1), joiden avulla havainnoitiin liikkujien reittejä torin sisällä. Toripäivän vaikutuksesta oli havaittavissa selvä muutos alueen liikkujiin ja käyttöasteeseen.

Anonymiteettisuoja tärkeässä roolissa

Henkilöiden kuvaamisessa tunnistettavuus sekä tietosuoja ovat nykyaikana todellisia huolia, kun dataa kerätään useista eri lähteistä. Pilotointi suoritettiin noudattaen yleisen tietosuoja-asetuksen GDPR:n (General Data Protection Regulation) ehtoja. MarshallAI luo konenäköratkaisunsa turvaten henkilöllisyyden tunnistamattomuuden. Kameroiden kuvista ei ole nähtävissä kasvojen piirteitä, eivätkä kuvissa näkyvät henkilöt ole tunnistettavissa, jolloin liikkujista kerätty data on anonyymia. Yritys ei tallenna henkilötietoja eikä kuvamateriaalia lukuun ottamatta tilapäistä tallennusta laadun varmistusta ja vikatilojen korjaamista varten.

Pilotoinnin lopputuloksena data visualisoitiin Grafana-palvelussa (kuva 2), jossa mittaustulokset pystyttiin esittämään visuaalisesti. Grafana perustuu avoimeen lähdekoodiin, antaen käyttäjälle mahdollisuuden luoda analyyseja ja interaktiivisia visualisointeja. Sovelluksen avulla hankalista datakokonaisuuksista oli mahdollista luoda helposti havainnoitavia lopputuloksia torialueella liikkumisesta. Analysointi ja datan saatavuus tapahtui reaaliajassa 5G:n ja nopean kuva-analyysin toimesta, jonka avulla torin liikkujien määriä oli mahdollista tarkastella graafeista lähes välittömästi.

Tuloksia oli mahdollista tarkastella sektoreittain, joihin alue oli jaettu. Näin alueen havainnointi oli helpompaa. Sektorialueita olivat muun muassa torikahvilan läheisyys, lasten leikkipaikka sekä tori kokonaisuutena. Kerättyä dataa pystyttiin myös integroimaan muun muassa avoimeen säädataan sekä tapahtumien ajankohtiin, jolloin voitiin havainnoida eri tekijöiden vaikutuksia liikkujien määrän muutokseen. Saatujen tulosten perusteella todettiin yksittäisten tapahtumien vaikutuksen olevan suuri torin käyttöasteeseen. Esimerkiksi Pimeän kaupan iltana 1.10.2021, jolloin Hämeenlinnan keskustassa järjestetään tapahtumia, havaittiin yli tuhannen kävijän hetkellinen ruuhka (kuva 2). Eri tekijöitä seuraamalla informaatiota jaettiin myös torin tapahtumista vastuussa olleille tahoille, jotka saivat hyödyllistä informaatiota todellisista kävijämääristä.

Osia tästä artikkelista on julkaistu pilotoinnin alkuvaiheessa Kuljetuslehdessä 18.6.2021. Kuljetuslehden artikkeliin pääset tästä: Hämeenlinnan toriliikennettä tutkitaan konenäöllä ja tekoälyllä

Tämä artikkeli ja julkaisusarja, jonka osa se on, on tuotettu Liikenne 4.0 -hankkeessa, jonka rahoittajana toimivat Hämeen liitto ja Uudenmaan liitto (EAKR). Lisäksi hankkeen kuntarahoittajana toimi Hämeenlinnan kaupunki.