AiRRport- lentoasemakonsepti Suomen saavutettavuus uudelle tasolle Visio matkasta vuonna 2030

Transkriptio

1 1 Smart mobility

2 1. Smart mobility AiRRport- lentoasemakonsepti Suomen saavutettavuus uudelle tasolle Toni Virkkunen, innovaatioyrittäjä ja ammattilentäjä Professori Jorma Mäntynen, Tampereen teknillinen yliopisto Visio matkasta vuonna 2030 Kuvittele olevasi lähdössä lyhyelle liikematkalle. Sen sijaan, että varaisit erikseen monta matkalippua eri liikennevälineisiin, voisitkin varata matkan yhdellä kertaa lähimmältä rautatieasemalta lopulliseen määränpäähän asti. Lähtiessäsi voisit tarkistaa lennon aikataulun rautatieasemalla olevasta lähtevät lennot -taulusta ja samalla jättäisit laukkusi laukkujenjättöpisteeseen ja nousisit junaan. Lentoasemalle saapuessasi sinusta tuntuisi, että olet saapunut kaupunkiin, joka on täynnä elämää. Voisit käydä lounaalla kaupungissa asuvan ystäväsi kanssa ennen lentoa. Siirtyminen portille tapahtuisi kaupungin keskusaukion läheisyydestä lähtevillä automaattivaunuilla. Turvatarkastus tehtäisiin samalla kun istut vaunussa muutaman minuutin matkan portille. Lennon laskeutumisen jälkeen voisit suunnata suoraan lentoaseman yhteydessä olevalle rautatieasemalle eikä sinun tarvitsisi raahata laukkuja mukanasi. Vasta määränpäässä noutaisit laukkusi noutopisteestä. Paluumatkalla kaikki olisi yhtä sujuvaa. Miten tällainen visio voisi olla totta Suomessa? 3

3 Kuva 1 Eri liikennemuotojen saumaton matkaketju Kansainvälisestä vertailusta vauhtia konseptin kehittelyyn Idea AiRRport-konseptin taustalla syntyi kesällä 2011 siitä havainnosta, että Ison Britannian useilla kentillä matkustajamäärät olivat jopa kertaistuneet varsin lyhyessä ajassa lentoyhteyksien tarjonnan lisäännyttyä. Siitä heräsi kysymys, miksi Suomen parhaalla saavutettavuusalueella sijaitsevan Tampere-Pirkkalan matkustajamäärät olivat jääneet varsin vaatimattomiksi. Eikö Suomessa voisi olla saavutettavissa vastaavanlaista kehitystä, jollainen on arkipäivää monissa Euroopan maissa jo nyt? Idean ympärille kerääntyi asiasta kiinnostuneiden työryhmä, jonka vetäjänä on ollut Toni Virkkunen ja puheenjohtajana Kari Neilimo. Aluksi ryhmä keskittyi pohtimaan Tampere-Pirkkalan mahdollisuuksien hyödyntämistä, mutta ennen pitkää alkoi hahmottua koko Suomeen vaikuttava uudenlainen konsepti, jossa rautatieliikenne ja tieliikenne yhdistetään sujuvasti lentoasemalle ja näin luodaan intermodaalinen solmupiste kaikkine mahdollisuuksineen. Työhön on osallistunut myös kaksi amerikkalaista arkkitehtia, jotka ovat olleet yhdessä Koolhaasin maailmankuulun arkkitehtitoimiston kanssa suunnittelemassa Dohan kansainvälistä lentoasemaa Qatariin. Heitä kiinnosti erityisesti uudenlainen konsepti ja sen soveltaminen maailmalla. Mitkä ovat motiivit? Työn kannustimena on ollut huoli Suomen talouden alavireestä ja todellinen halu vaikuttaa siihen, että Suomi nykyistä paremmin kytkeytyisi globaaliin talouteen. Tämä merkitsee sitä, että pk-yritykset täytyy pystyä verkottamaan maailmanmarkkinoihin aivan uudella tavalla. Yhtä lailla se merkitsee, että Suomen lentoyhteyksien on oltava uudella tasolla vuonna 2030, mieluiten jo paljon ennen sitä. Muutoin Suomi jatkaa putoamistaan kansainvälisessä kilpailussa. Ns. väli-suomi on väliinputoaja monessakin mielessä. Esimerkiksi matkailussa se on selkeästi alisuorittaja verrattuna Uudenmaan ja pohjoisen Suomen matkailuun. Kun matkailun volyymi maailmassa kasvaa nopeasti, Suomen on otettava osansa tästä kehityksestä. Siihen tarvitaan matkailutuotteen kehittämistä ja markkinointia, mutta myös nykyistä parempia intermodaalisia yhteyksiä. Tästä on pohjimmiltaan kyse AiRRport-konseptissa: muodostaa kehitysharppaus varsinkin väli- Suomen monien maakuntien elinkeinoelämälle ja matkailulle hyvien kansainvälisten 4

4 liikenneyhteyksien avulla. Verkkokaupan lisääntyminen tulee lisäämään lentorahtia ja jakelukuljetuksia. AiRRport-konseptissa lentoasema varustetaan myös tavaraliikenteen intermodaaliseen käsittelyyn. Nopea jakelu suurelle alueelle on mahdollista ja tavarankäsittelystä on tarkoitus tehdä pitkälle automatisoitua. Näin pystytään tarjoamaan uuden aikakauden logistinen palveluketju kotimaasta maailmanmarkkinoille ja päinvastoin. Kuva 2 AiRRport-terminaalit Intermodalismia ja uutta ansaintalogiikkaa Kun 6-7 maakunnan keskuksesta pääsee Tampereen lentoasemalle noin tunnissa nopealla junalla, hyvin laajan alueen saavutettavuus paranee oleellisesti. Tämä generoi uutta lentotarjontaa ja se taas generoi uutta kysyntää. Idea on, että Tampereen länsipuolelta suunniteltu rataoikaisu vedetään kulkemaan lentoaseman kautta. Jos rata kulkisi muutaman kilometrin päästä lentoasemasta, tehtäisiin valtakunnan mittakaavan mitoitusvirhe: jäisi kokonaan toteutumatta intermodaalisuuden mahdollisuus. 5

5 Kuva 3 Tampereen tuleva läntinen oikorata mahdollistaa lentoaseman kytkemisen rataverkkoon Lentoasemat ovat bisneslogiikaltaan suurissa vaikeuksissa. Pelkkien matkustajatulojen varassa Suomen kaltaiset volyymit eivät riitä lentoasemien kannattavaan toimintaan. AiRRport-konseptissa ratkaisua on haettu siitä, että otetaan yksityiset investorit mukaan ja kytketään ns. lentokenttäkaupungin bisnes osaksi lentoaseman bisnestä. Lentokenttäkaupungissa on sille luontaisia toimintoja ja se on avoin kaikille, ei vain matkustajille. Tällöin voidaan keventää lentoyhtiöiden kustannustaakkaa ja houkutella uutta tarjontaa aidolla hintakilpailulla. Kuva 4 AiRRport-konseptin tärkeimmät elementit: (1) kytkentä kaukoliikenteen rataverkkoon, (2) lentokenttäkaupunki, (3) nopea siirtyminen porteille ja siirtymiseen integroitu turvatarkastus ja (4) pelkistetty terminaali Yhteistyöllä Suomi menestykseen Konseptin välttämätön ehto on, että eri osapuolet haluavat tehdä yhteistyötä Suomen kehittämiseksi. Periaatteena tulee olla, että kaikki voittavat. Kasvavat volyymit ovat kaiken lähtökohta. Tulevaisuus syntyy vain tekemällä. Kun monien lentoasemien matkustajavolyymit ovat vähentyneet, osin talouden alavireen johdosta, osin lentoasemien kilpailun takia, on viisasta luoda vahva lentoyhteyksien solmupiste, johon on helppo ja nopea tulla laajalta alueelta. Tampere-Pirkkalan sijainti on erinomainen. Nyt tarvitaan 6

6 saumattomien matkaketjujen luomista, jo ennen lentoaseman yhdistävän radan valmistumista. Kysyntää ja tarjontaa pitää kasvattaa vaiheittain ja kaiken aikaa. Lentoliikennettä ei pidä katsoa kvartaaleittain, vaikka se Suomessa yleistä onkin. Kansainvälinen lentoliikenne on yli 2-kertaistunut 1990-luvun alusta nykyhetkeen, vaikka on koettu 1990-luvun alun syvä lama, USA:n terrori-iskujen lamaannuttava vaikutus lentoliikenteeseen ja syksystä 2008 alkanut maailmantalouden kriisi. Lentoliikenteelle on ennustettu voimakasta kasvua maailmanlaajuisesti. Nyt kysymys onkin siitä, millä toimilla Suomi, sen elinkeinoelämä ja liikennesektori nostavat maamme taloudellisesti uuteen nousuun. Joka tapauksessa on varmaa, että pelkkä kotimarkkina ei meitä elätä, tarvitaan vahvoja yhteyksiä maailman kasvaville markkinoille. Juuri siinä AiRRportkonseptin toteuttaminen osaltaan auttaa. Kuva 5 Hahmotelmaa lentokenttäkaupungista sekä terminaalista 7

7 Mitä automaatio edellyttää tienpitäjältä? Johtava asiantuntija, TkT Risto Kulmala Liikennevirasto, PL 33, Helsinki Tiivistelmä Automaattiajaminen on vahvasti tulossa. Rajoitettu automaatio on saatavilla jo tänään älykkään vakionopeudensäätimen, kaistavahdin ja pysäköintiavun muodossa. Osittainen automaattiajaminen maantie- ja moottoritieympäristössä on tulossa vuoteen 2020 mennessä silti vaatien kuljettajan huomiota. Täysin automaattiseen ajamiseen päästään vasta vuoden 2025 jälkeen. Kalliiden autojen valmistajat ovat ilmoittaneet perustavansa automaattiajamisen hyvään ympäristön havainnointiin, jossa auto eri anturien avulla havainnoi auton ympäristöä eri suunnilta ja tunnistaa tien, muut liikkujat ja erilaiset esteet. Auto kykenee automaattiajamiseen hyvin itsenäisesti vaatimatta kovin suurta tukea väyläinfrastruktuurilta. Keskisuurten ja etenkin pienten autojen valmistajat eivät tällä hetkellä suunnittele lähtevänsä vastaavalle linjalle, sillä auton varustaminen tällaisilla antureilla voisi moninkertaistaa auton hinnan. Nämä valmistajat odottavat voivansa tulla toimeen halvemmilla ja vähemmillä antureilla, jos vastaavasti väyläinfra varustettaisiin riittävälle tasolle mahdollistamaan edes osittaisen automaattiajamisen. Esitelmässä käydään läpi erityyppisten autonvalmistajien suunnitelmat automaattiajamisen toteuttamistavoiksi ja aikatauluiksi. Erikseen tarkastellaan myös erityyppisten valmistajien vaatimukset väyläinfrastruktuurin suhteen. Suomen erityisolosuhteet käydään erikseen läpi, esimerkkinä automaattiajamisen mahdollistaminen lumen ja jään peittämillä teillä. Automaation eri tasot Yhdysvaltojen liikenneturvallisuusvirasto National Highway Traffic Safety Administration (NHTSA 2013) on luokitellut automaation viiteen eri tasoon: Taso 0: Ihminen pitää kuljettajana ajoneuvoa kaikkine toimintoineen täysin hallinnassaan Taso 1: Yksittäinen ajoneuvon toiminto on automatisoitu, esimerkiksi ajovakauden hallinta, älykäs vakionopeuden säädin. Kuljettajan on pysyttävä jatkuvasti ajoneuvon hallinnassa. Taso 2: Useampi kuin yksi toiminto on automatisoitu samanaikaisesti, esimerkiksi ohjaus ja nopeuden lisääminen/vähentäminen. Kuljettaja voi ottaa kädet pois ratilta ja jalan pois polkimilta samanaikaisesti, mutta kuljettajan on oltava valmis välittömästi ottamaan ajoneuvon hallinta jos tilanne vaatii sitä Taso 3: Ajoneuvon toiminta on kokonaan automatisoitu tietyissä olosuhteissa ja liikenneympäristöissä. Ajoneuvo havainnoi jatkuvasti ympäristöään ja varoittaa kuljettajaa tarpeesta ottaa ajoneuvo hallintaansa tietyn pituisen siirtymäajan kuluessa mm. saavuttaessa tietyömaa-alueelle. Taso 4: Ajoneuvo ajaa itsestään ihmisen antamaan määränpäähän mahdollisesti annettua reittiä pitkin. Autossa ei tarvitse olla kuljettajaa. 8

8 1. Smart mobility Automaation eteneminen Autoissa on ollut tason 1 mukaista automaatiota jo 1990-luvulta lähtien kun lukkiutumattomat jarrut, ajovakauden hallinta ja vakionopeudensäädin tulivat markkinoille. Automaatio on etenemässä tieliikenteessä nopeasti hyödyntäen jo olemassa olevien sekä kehitteillä olevien kuljettajien yksittäisten tukijärjestelmien ja autojen anturien toiminnallisuuksia. Automaatio etenee integroimalla edellä mainitut yhtenäisiksi kokonaisuuksiksi. Tasolle 2 on päästy jo nyt ja tämän tason järjestelmät yleistyvät nopeasti. Tämä käy myös ilmi kuvassa 1. Kuva 1. Automaation eteneminen (Försterling 2014) Useat autonvalmistajat ja muut toimijat ovat kehittämässä omia automaatiokonseptejaan. Jotkut kuten Google tai Mercedes panostavat auton omaan anturointiin ja itsenäiseen autonomiseen ajamiseen kun taas toiset kuten Renault luottavat laajalti yhteistoiminnallisten järjestelmien mukanaan tuomaan ajoneuvojen keskinäiseen ja ajoneuvon ja infrastruktuurin väliseen tiedonvaihtoon sekä ajoneuvojen tarkkaan paikannukseen ja tarkkoihin digitaalisiin tieverkon kuvauksiin (Rousseau 2014). Vuoteen 2020 mennessä markkinoille tullee useita automalleja, jotka kykenevät automaatti-ajamiseen moottoritie- ja maatieoloissa kuitenkin siten, että kuljettajan tulee olla valmiina ottamaan ajoneuvon hallinta yllättävien tilanteiden sattuessa. Automaatio etenee tällöin tasolle 3. (Försterling 2014) Automaatio etenee vuoden 2020 jälkeenkin nopeasti. On vaikea ennustaa, koska kokonaan kuljettamattomat ajoneuvot, ns. robottiautot ilmestyvät yleiselle tieverkolle. Rajatuilla väylillä kuten terminaalien oheisilla joukkoliikenneväylillä toimivat (linja)autot tullevat olemaan arkipäivää jo 2020 luvulla. Automaatiota kehitetään pääosin ajoneuvovalmistajien ja heille järjestelmiä tuottavien yritysten vetämänä. Kehitystä tuetaan eri maissa testialueiden ja T&K-hankkeiden muodossa. Automaatio ei kuitenkaan onnistu pelkästään näiden toimijoiden varassa, vaan automaatio asettaa myös joitakin vaatimuksia muille toimijoille kuten tienpitäjille. 9

9 Vaatimukset tienpitäjille Jo jotkin tason 1 järjestelmät kuten kaistavahti vaativat sitä, että ajoneuvo tunnistaa sen käyttämän ajokaistan. Jotkin muut järjestelmät kuten ylinopeusvaroitin ja -rajoitin edellyttävät liikennemerkkien tunnistamista. Automaatio siis vaatii tienpitäjiltä sitä, että liikennemerkit, tiemerkinnät ja etenkin kaistaviivat ovat hyvässä kunnossa ja kansainvälisesti yhdenmukaisia. (Dreher & Flament 2014, Rousseau 2014) Samoin tieverkon digitaalisen kuvauksen tulee olla niin tarkka, että satelliitti-paikannettu ajoneuvo voi seurata tielinjaa myös silloin, kun tien pinta on lumen, jään tai muun aineen peittämä. Tavoitteena on alle 1 m tarkkuus 99 % ajasta. Kuvauksen tulee kattaa kaistojen fyysiset ja maalatut ominaisuudet, vauriot (kuopat, urat jne), ajolinjojen, nopeuksien ja jarrutuspaikkojen mediaanit tarkennus edellyttää lisäksi valaisin- ja muiden pylväiden sekä muiden ajoneuvon anturien näkemien rakenteiden tarkkaa paikantamista digitaalisissa tiekartta-aineistoissa. Hätätilanteita varten kuvauksen tulisi myös mahdollistaa väistöliikkeet yllättävien esteiden esiintyessä ajokaistalla. (Dreher & Flament 2014) Jo vuonna 2020 käytössä olevan tason 3 automaation toimivuus ja tehokkuus paranee, jos automaattiset ajoneuvot on kytketty taustajärjestelmiin "pilvessä" yhteistoiminnallisten järjestelmien avulla ja jos siellä oleva tieto on mahdollisimman ajantasaista ja muutenkin laadukasta (Kuva 2). Tämä vaatii ajantasaisen liikennetiedon ja tilannekuvan laadun nostamista erittäin korkealle tasolle, missä toisaalta auttaa ajoneuvojen itse taustajärjestelmiin tuottavan tiedon määrän huomattava lisääntyminen. Samoin liikenteenja häiriönhallintasuunnitelmien yksityiskohtaisuuteen ja niiden käyttöottoon liittyvän tiedotuksen laatuun pitää panostaa merkittävästi nykyistä enemmän. Kuva 2. Automaattiajoneuvojen yhteys "pilvessä" oleviin taustajärjestelmiin (Försterling 2014) Tienpitäjällä tai pilvessä oleva tieto pitää luonnollisesti jollakin tavalla toimittaa ajoneuvoon. Tämä tapahtuu ajoneuvojen välisen tai ajoneuvon ja infrastruktuurin välisen tiedonvälityksen keinoin eli ns. yhteistoiminnallisten järjestelmien (cooperative systems) avulla. Yhteistoiminnalliset järjestelmät ovat olennainen osa automatisointia, sillä ne 10

10 antavat mahdollisuuden laajentaa ajoneuvojen "näkemää" osaa liikennejärjestelmästä omien anturien näkemäalueen ulkopuolelle. Ajoneuvovalmistajat laitevalmistajineen ovat viime vuosina panostaneet voimakkaasti lyhyen kantaman tiedonsiirtoon 5,9 GHz:n taajuudella. Liikenneinfraan asennettavan tällaisen tiedonsiirtomajakan kantavuus on kuitenkin vain m eikä tieverkon kattava varustaminen niillä ole taloudellisesti mielekästä. Kaupunkiympäristössä liikennevalot olisivat luultavasti sopiva kohde majakoille, sillä automaatio hyötyisi ennakkoon saatavasta tiedosta liikennevalojen tilasta ja vaihtumisesta. Liikennevirasto edistää aktiivisesti yhteistoiminnallisten järjestelmien kehittämistä ja käyttöönottoa eurooppalaisilla foorumeilla etenkin tuomalla esille matkapuhelinverkkoihin perustavia ratkaisuja, jotka sopivat Suomen oloihin lyhyen kantaman tiedonsiirtoon perustuvia ratkaisuja paremmin. Pohdintaa Automaattiajoneuvot eri muodoissaan parantavat etenkin liikenteen turvallisuutta ja mahdollistavat olemassa olevan liikenneinfrastruktuurin tehokkaan käytön, vaikutusten kasvaessa automaatio-asteen lisääntyessä. Automatisointi myös muuttaa liikenteenhallintaa antamalla entistä suoremmat mahdollisuudet vaikuttaa liikennevirtoihin ja myös liikkumisen hallintaa (Fagnant & Kockelman 2013). Automaattiajaminen tekee Liikkuminen Palveluna -ratkaisuista paljon nykyistä tehokkaampia toteuttaa ja avaa mahdollisuuden paitsi henkilöautoliikenteen määrän hillitsemiseen myös uuteen liiketoimintaan ja vientituotteisiin. (Burns ym. 2013) Edellä mainittujen syiden vuoksi tienpitäjien kannattaa ryhtyä aktiiviseen yhteistyöhön automaattiajamisen kehittämiseksi ja toteuttamiseksi sekä varautua tienpitäjille lähitulevaisuudessa kohdistuviin vaatimuksiin. Näistä tärkeimmät kohdistuvat tämänhetkisen tiedon mukaan liikennetiedon laatuun ja kattavuuteen sekä tieverkon digitaalisen kuvauksen laatuun ja sisältöön. Viimeksi mainitun osalta digitaalisten karttaaineostojen toimittajat kuten HERE ja TomTom ovat ilmeisesti valmiina tuottamaan sisältöä omana liiketoimintanaan. 11

11 Lähteet Burns, L. D.; Jordan, W. C. & Scarborough, B. A Transpforming Personal Mobility. The Earth Institute, Columbia University. January 27, s. Dreher, S. & Flament, M WG Automation in Road Transport, Digital Infrastructure Subgroup. imobility Forum Workshop, 08 May 2014, Antwerp. Daniel J. Fagnant, D. J. & Kockelman, K. M Preparing a Nation for Autonomous Vehicles Opportunities, Barriers and Policy Recommendations. Eno Center for Transportation. October s. Forsterling, F Automated Driving Key Application of ITS and Networked Car. Presentation by Frank Försterling Continental AG at the ITS World Congress Board of Directors meetin in Bordeaux, May 13th, s. NHTSA2013. Preliminary Statement of Policy Concerning Automated Vehicles. National Highway Traffic Safety Adminstration, May s. Rousseau, C Sähköposti johtaja Christian Rousseaulta Ranaultilla aiheesta "Requirements of automated driving on road authoritities/operators" Risto Kulmalalle

12 Crowdsensing liikkumistottumusten mittaamisessa Hannes Keskikiikonen, diplomityöntekijä Aalto-yliopistossa, nyk. Strafica Oy:n palveluksessa Tiivistelmä Liikkumistutkimuksilla kerätään tietoa kaupungin tai alueen asukkaiden päivittäisestä liikkumisesta liikenne- ja kaupunkisuunnittelun päätöksenteon tueksi. Kerättävän tiedon avulla laaditaan kaupungin liikennettä kuvaavia liikennemalleja. Liikennemallien avulla taas pystytään ennustamaan suunnitteilla olevien liikennehankkeiden vaikutuksia liikenteen määriin ja ominaisuuksiin kaupungin tie- ja katuverkolla. Perinteisiä liikkumistutkimusten tekemisessä käytettyjä tiedonkeruumenetelmiä ovat postikyselyt, puhelinhaastattelut, internet-kyselyt ja näiden yhdistelmät. Nämä menetelmät vaativat kuitenkin paljon käsin tehtävää työtä ja niiden tekemiseen kuluu paljon aikaa. Tiedonkeruuta automatisoimalla liikkumistutkimuksia voitaisiin tehdä nykyistä useammin, inhimillisiä virheitä välttäen ja pienemmillä kustannuksilla. Aalto-yliopiston Insinööritieteiden korkeakoulussa Yhdyskunta- ja ympäristötekniikan laitoksella tehdyssä diplomityössä Joukkoistamisen mahdollisuudet liikkumistutkimuksissa esitellään sähköinen matkapäiväkirja, joka on uusi liikkumistutkimusten tiedonkeruumenetelmä. Se hyödyntää nykyaikaisia mobiililaitteita liikkumistutkimuksissa tarvittavan tiedon keräämiseen. Järjestelmään kuuluva mobiilisovellus pystyy tunnistamaan tutkimuksen osallistujien käyttämät reitit ja kulkumuodot automaattisesti. Tämä mahdollistaa suurien asukasmäärien liikkeiden aistimisen, josta on työn tekemisen aikana käytetty nimeä crowdsensing. Työn tavoitteena oli arvioida sähköisen matkapäiväkirjan soveltuvuutta liikkumistutkimusten tiedonkeruumenetelmäksi aiheeseen liittyvän kirjallisuuden, järjestelmän kehitystyön aikaisten kokemusten ja toteutetulla järjestelmän prototyypillä järjestetyn käyttökokeilun tuloksien avulla. Lisäksi ehdotettiin aiheesta tehtävän jatkotutkimuksen aiheita ja suuntaviivoja sähköisen matkapäiväkirjan jatkokehitykselle. Työn tuloksena havaittiin, että sähköinen matkapäiväkirja pystyy tuottamaan yksityiskohtaista matkatietoa käyttäjäystävällisen mobiilisovelluksen avulla. Osa kulkumuodoista pystytään tunnistamaan melko luotettavasti, mutta osan tunnistamisessa havaittiin virheitä. Jatkokehitystä on siis tehtävä, jotta menetelmällä kerätty tieto olisi riittävän luotettavaa. Sähköinen matkapäiväkirja avaa kuitenkin uusia mahdollisuuksia liikenteellisille tarkasteluille ja joukkoistamisen (engl. crowdsourcing) hyödyntämiselle kaupunkisuunnittelussa. Työ valittiin esiteltäväksi Masters of Aalto -näyttelyssä keväällä Toteutetun järjestelmän yleiskuvaus Diplomityötä varten toteutetulla sähköisen matkapäiväkirjan järjestelmällä ja siihen liittyvällä käyttökokeilulla haluttiin selvittää, voitaisiinko uudella liikennetutkimusmenetelmällä, sähköisellä matkapäiväkirjalla ratkaista ongelmia, joita perinteisissä liikkumistutkimusten tiedonkeruumenetelmissä on. Perinteiset tiedonkeruumenetelmät vaativat paljon manuaalista työtä ja niiden tekemisen kaikkiin vaiheisiin kuluu paljon aikaa. Lisäksi osallistujien kokema vastausrasitus on suuri, mutta 13

13 tietoa saadaan kerättyä vain melko vähän ja siihen jää vaihtelevan suuruisia mittausvirheitä. Uuden menetelmän tavoitteena on pienentää osallistujien kokemaa vastausrasitusta ja kerättyihin tietoihin, erityisesti matkojen pituuksiin ja kestoihin liittyvää mittausvirhettä. Lisäksi hyvin pitkälle automatisoidulla tiedonkeruulla pyritään vähentämään merkittävästi vaadittavan manuaalisen työn määrää. Kerätty tieto on täten lisäksi ajantasaisempaa ja kuvaa näin ollen paremmin liikennejärjestelmässä vallitsevia olosuhteita. Kuvassa 1 on esitetty havainnekuva järjestelmästä. Tutkimuksen osallistujat tallentavat matkojensa tiedot ja mobiilisovellus lähettää ne automaattisesti internetiin liitettyyn tietokantaan. Kun matkojen tietoja on tallennettu, suunnittelijat voivat tarkastella tietoja selailusovelluksella työpisteellään. Kuva 1: Havainnekuva toteutetusta järjestelmästä ja sen toiminnasta. Järjestelmää tutkimuksen tekemiseen käytettäessä osallistujille toimitetaan mobiilisovelluksen asennustiedosto (APK-paketti), jonka avulla he asentavat sovelluksen Android-mobiililaitteeseensa. Tutkimuksen aikana kukin osallistuja avaa sovelluksen ja käynnistää matkan tallennuksen sovelluksen painiketta painamalla hieman ennen jokaisen matkansa alkua. Vastaavasti he lopettavat tallennuksen jokaisen matkansa päätteeksi. Aina tallennuksen lopettamisen jälkeen sovellus tarkentaa tunnistamansa kulkumuototiedot ja esittää osallistujalle listan, josta hänen tulee tarkistaa automaattisesti tunnistetut tiedot ja tarvittaessa korjata väärin tunnistetut tiedot oikeiksi. Lopuksi osallistuja vahvistaa painiketta painamalla tiedot oikeiksi ja sovellus lähettää ne tietokantaan. Aloitusnäkymässä sovellus tarjoaa osallistujalle matkojen tallentamiseen motivoivaa palautetta näyttämällä kertymätietoja osallistujan matkoista kulkumuodoittain. Kuvassa 2 on esitetty näkymiä sovelluksen toiminnan vaiheista. 14

14 1. Smart mobility Kuva2: Näkymiä mobiilisovelluksesta. Selailusovellus toteutettiin web-karttana, jota käytetään internet-selaimella. Tekniikoina käytettiin puhdasta JavaScriptiä ja OpenLayers-ohjelmointikirjastoa. Selailusovelluksella tutkimuksen tekijät voivat tarkastella kerättyä dataa kartalla ja muodostaa datasta automaattisesti raportin. Kuvassa 3 on esitetty näkymiä selailusovelluksesta. Oikeanpuoleisissa kuvissa näkyy reittipisteiden ja osamatkojen ominaisuustietojen esitysmuoto selailusovelluksessa. Kuva 3: Näkymiä selailusovelluksesta. Käyttökokeilun menetelmä Diplomityössä esiteltiin toteutetulla järjestelmällä tehty käyttökokeilu, jolla pyrittiin selvittämään järjestelmän soveltuvuutta liikkumistutkimuksissa käytettäväksi sekä sen mahdollisia kehitystarpeita. Näitä seikkoja arvioitiin tarkastelemalla kerättyä tietoa 15

15 selailusovelluksen avulla ja käsittelemällä osallistujilta kerättyä palautetta. Tärkeää käyttökokeilussa oli riittävän suuren tietomäärän kerääminen usean eri osallistujan erilaisista liikkumistottumuksista, eikä muiden liikkumistutkimusten kanssa vertailukelpoisen tutkimuksen suorittaminen. Käyttökokeilu järjestettiin ajalla Ajankohdan valintaan vaikutti suuresti se, että ennen käyttökokeilun järjestämistä järjestelmän kaikki tarvittava toiminnallisuus oli toteutettava ja testattava sekä mobiilisovelluksessa esiintyneet merkittävimmät ohjelmointivirheet korjattava. Lisäksi joulukuussa odotettiin kertyvän paljon matkoja, kun ihmiset tekevät poikkeuksellisen paljon kaupassakäynti- ja ostosmatkoja. Varsinaiset liikkumistutkimukset pyritään aina tekemään aikana, jolloin ihmisten liikkuminen on mahdollisimman tavanomaista. Osallistujat valittiin aiheesta kiinnostuneista ja siihen liittyen työskennelleistä Aaltoyliopiston työntekijöistä ja tämän työn tekijän ystäväpiiristä. Yleisesti levitettyä avointa kutsua ei käytetty. Ehdoton vaatimus valituille osallistujille oli, että heillä on käytössään Android-käyttöjärjestelmää käyttävän älypuhelin ja mielellään että se on heillä päivittäisessä käytössä. Lisäksi heidän laitteidensa käyttöjärjestelmän version tuli olla riittävän uusi. Osallistujien oli myös asuttava pääkaupunkiseudun alueella järjestelmästä johtuvan käyttöalueen rajoituksen vuoksi. Kaikille valituille osallistujille lähetettiin käyttökokeilusta kertova aloituskirje, jonka liitteenä oli lyhyt ohjeistus matkojen tallentamiseen sekä mobiilisovelluksen asennustiedosto. Lisäksi lähetettiin muistutuksia sähköpostitse. Lopuksi osallistujilta kerättiin palaute. Käyttökokeilun tuloksia olivat kerätty data ja palaute, joita tarkastelemalla arvioitiin sähköisen matkapäiväkirjan soveltuvuutta liikkumistutkimusten tekemiseen. Kerätyn datan sijaintitarkkuutta arvioitiin selailusovellusta käyttäen etsimällä matkojen reiteistä karkeita sijaintivirheitä taustakarttaan vertaamalla. Mobiilisovellus ohjelmoitiin keräämään myös automaattisen tunnistuksen onnistumista kuvaavia tietoja tallentamalla tiedot sekä automaattisesti tunnistetuista että osallistujan vahvistamista kulkumuodoista ja julkisen liikenteen linjatunnuksista. Näistä tiedoista luotiin yhteenveto selailusovellukseen kehitetyn raporttitoiminnon avulla. Tämän yhteenvedon avulla arvioitiin automaattisen kulkumuodontunnistuksen ja julkisen liikenteen tunnistuksen tarkkuutta ja luotettavuutta. Palautetta tarkasteltiin etsimällä toistuvasti mainittuja asioita sanallisista kysymyksistä ja taulukoimalla muiden kysymysten vastaukset. Tulokset Käyttökokeilun tuloksista tarkasteltiin tallennetuissa matkoissa ilmenneitä sijaintivirheitä, kulkumuodontunnistuksen ja julkisen liikenteen tunnistuksen virheitä sekä kerättyä palautetta. Sijaintivirheitä esiintyi poikkeuksellisen paljon junalla tai metrolla kuljetuilla osamatkoilla. Kulkumuodolla ei havaittu olevan merkittävää vaikutusta yksittäisten sijaintivirheiden vakavuuteen. Yhdelle osallistujista kertyi poikkeuksellisen paljon sijaintivirheitä. Samalla kuitenkin kahden osallistujan matkojen tiedoista niitä ei löydetty ollenkaan. Tästä pääteltiin osallistujan toiminnan ja käytetyn mobiililaitteen vaikuttavan sijaintivirheiden määrään. 16

16 Sijaintivirheistä tunnistettiin kahdentyyppisiä virheitä: oikaisuvirheitä ja koukkausvirheitä. Oikaisuvirhe tapahtuu, kun sijaintitietoa ei saada joltain matkan osalta ja tuo matkan osa piirtyy dataan suorana viivana. Koukkausvirhe syntyy kun tunnistetaan ylimääräisiä reittipisteitä, joilla on suuri hajonta. Havaittiin, että oikaisuvirheet olivat tyypillisempiä sijaintivirheitä kuin koukkausvirheet. Käyttökokeilun aikana kulkumuoto oli tunnistettu väärin 11 % kaikista osamatkoista. Kuvassa 4 on esitetty kulkumuodontunnistuksen tarkkuus kulkumuodoittain kutakin tunnistettu-vahvistettu-paria kohden. Tästä havaittiin, että juna oli heikoiten tunnistettu kulkumuoto. Julkisella liikenteellä kuljetuista osamatkoista julkisen liikenteen linjatunnus oli tunnistettu väärin 8 % kaikista julkisella liikenteellä kuljetuista osamatkoista. Tulosten merkitsevyyttä heikensi se, että käyttökokeilun aikana ei matkustettu kertaakaan polkupyörällä eikä raitiovaunulla. Kuva 4: Kulkumuodontunnistuksen tarkkuus eri kulkumuodoilla. Palautteessa mobiilisovelluksen helppokäyttöisyyttä sekä automaattista kulkumuodontunnistusta ja julkisen liikenteen tunnistusta oli kehuttu. Osallistujia vaivanneista ongelmista esiin nousi voimakkaimmin matkojen tallentamisen unohtaminen. Diplomityössä toteutettua järjestelmää suunnitellaan käytettäväksi Aalto-yliopiston TrafficSense-tutkimusprojektissa. Lisäksi menetelmän jatkokehitystä on suunnitteilla Strafica Oy:ssä. 17

17 Hälytysajoneuvojen liikennevaloetuuksien vaikutukset Oulun seudulla Antti Mustaniemi, Ramboll Finland Oy Johdanto Hälytysajoneuvoilla on usein kiire pelastamaan ihmishenkiä ja tarjoamaan turvaa. Matkaan kuluvan ajan kasvaessa toiminnan tehokkuus laskee. Kovaa vauhtia ajava hälytysajoneuvo tulee usein yllätyksenä muulle liikenteelle, ja reaktiot tätä kohtaan vaihtelevat huomiotta jättämisestä paniikinomaisiin toimiin. Joskus onnettomuuksia sattuu, ja liikennevaloissa punaisia päin ajava hälytysajoneuvo on yleensä onnettomuuden aiheuttaja sekä onnettomuuskustannusten maksaja. Tilastojen perusteella hälytysajoneuvoille sattuu Suomessa vuosittain noin 20 onnettomuutta liikennevaloohjatuissa liittymissä. Onnettomuuksien kustannukset vaihtelevat riippuen nopeudesta ja mukana olevista ajoneuvoista. Keskimääräiset kustannukset tällaisissa onnettomuuksissa ovat huomattavasti suuremmat, kuin keskiverto liikenneonnettomuudessa. Kattava ja kustannustehokas järjestelmä keskikokoiselle kaupungille voidaan hankkia pienemmällä sijoituksella, kuin yhdestä vakavasta onnettomuudesta aiheutuu kustannuksia. Moderni liikennevaloetuusjärjestelmä voi pakottaa liikennevalot vihreiksi kaikissa liittymissä ja kaikilla tulosuunnilla. Oulussa suunniteltiin tällainen järjestelmä, ja se otettiin käyttöön vuonna Järjestelmä kattaa noin 200 liittymää ja 80 ajoneuvoa. Lisäksi Poliisihallitus valmistelee 15 ajoneuvon kansallisen pilotin toteutusta Oulun seudulla. Kesän 2014 aikana järjestelmä on laajentunut kattamaan Kainuussa Kajaanin, Kuhmon ja Sotkamon liikennevalot. Järjestelmä on ollut useasti esillä kansalliseen älyliikennestrategiaan kirjatun etuuksien kansallisesti yhtenäistä toteutusta suunniteltaessa. Järjestelmää kohtaan on ilmaistu kiinnostusta myös usealta kansainväliseltä taholta. Järjestelmä ohjaa automaattisesti liikennekameroita siten, että niiden avulla voidaan seurata hälytysajojen kulkua ja tarkistaa toiminta jälkikäteen nauhoitteelta. Järjestelmän tilasivat yhteistyössä Oulun kaupunki, Pohjois-Pohjanmaan ELY-keskus, sekä Liikennevirasto. Myöhemmin järjestelmään on liittynyt myös muita toimijoita esimerkiksi Raahesta, Ylivieskasta ja Kuusamosta. Ramboll arvioi järjestelmän vaikutuksia mm. muulle liikenteelle, järjestelmän käyttäjille, turvallisuudelle sekä pelastustoimen asiakkaille. Lopputuloksena voidaan sanoa, että järjestelmä toimii erittäin hyvin ja sen vaikutukset muulle liikenteelle ovat minimaaliset. Järjestelmä on parantanut hälytysajojen turvallisuutta, nopeuttanut hälytysajoja, parantanut henkilökunnan valmistautumista tulevaan tehtävään, sekä edelliseen järjestelmään verrattuna vähentänyt merkittävästi muulle liikenteelle aiheutuvia haittoja. Järjestelmähankinta on onnistunut ja se on maksanut itsensä takaisin alle vuodessa. Järjestelmä Järjestelmän toiminta perustuu satelliittipaikannukseen ja langattomaan tiedonsiirtoon. Ajoneuvoyksikkö sisältää ohjelmoitavan 3G-modeemin, johon on integroitu GPSvastaanotin, ulkoisen GPS-antennin sekä ohjauspaneelin. Varsinainen ohjelmisto on kustannustehokkaalla virtuaaliserverillä. Liikennevaloja ohjataan ohjelmoitavan I/Oohjaimen välityksellä. Osa ohjelmistoista tulee laitteiden mukana, mutta varsinainen ohjelmisto on järjestelmän ydin ja täysin muokattavissa. Myös rajapintoja voidaan muokata, mikä tekee jatkokehityksestä mahdollista. 18

18 Toiminta Ajoneuvopääte lähettää tietoa ajoneuvon sijainnista ja hallintalaitteiden (suuntavilkkujen, käsijarrun ja P-vaihteen) käytöstä kun hälytysvalot ovat päällä. Järjestelmä seuraa ajoneuvon liikkumista ja päättää milloin pakkoetuutta tarjotaan. Pakkoetuus käynnistetään, kun ajoneuvo saapuu ennalta määritetylle etuuspyyntöalueelle. Alueet on määritetty siten, että etuus käynnistyy riittävän aikaisessa vaiheessa, jotta liittymässä odottamassa olevat ajoneuvot ehtivät poistua tai pääsevät vähintään liikkeelle ennen hälytysajoneuvon saapumista. Pakkoetuus kuitataan pois, kun ajoneuvo poistuu pyyntöalueelta. Käytännössä tämä tapahtuu, kun ajoneuvo ylittää tulosuuntansa pysäytysviivan. Kuva 1: Liittymä 30 sekuntia ennen hälytysajoneuvon saapumista ja saapumishetkellä Kuvan 1 esittämässä tilanteessa paloauto olisi ilman pakkoetuuksia joutunut odottamaan sillan alle ulottuneen jonon purkautumista, koska myös vastakkainen kaista oli tukossa alikulun toisella puolella. Etuuksien kanssa hälytysajon nopeus pysyi tasaisena koko liittymäalueella, eikä tarvetta pysähtymiselle ollut. Oulun keskustassa palo-autojen keskinopeus on yli 50 km/h myös talvella. Kustannukset ja roolit Järjestelmän hankinta on maksanut euroa 160 liittymään ja 30 ajoneuvolle, mikä tekee siitä erittäin kustannustehokkaan. Hankintahinta ei sisällä suunnittelua, ohjelmointia ja liikennevalojen tietoliikenteen kuluja, jotka ovat olleet noin euroa. Järjestelmän ylläpito maksaa noin euroa vuodessa. Kustannukset on jaettu Oulun kaupungin, Pohjois-Pohjanmaan ELY-keskuksen ja Oulu-Koillismaan pelastuslaitoksen kesken. Järjestelmän on toimittanut Signal Partners Oy, Special Code Oy, Elektro-Arola ja Asan Security Tehcnologies Oy. Järestelmään liittyneet muut osapuolet ovat allekirjoittaneet sitoutumuksen samoista käyttöehdoista varsinaisten tilaajien kanssa ja osallistuvat keskusjärjestelmän kustannuksiin sovitussa suhteessa. Vaikutustenarviointi Vaikutusten arvioinnin empiirinen osuus koostui kahdesta tutkimuksesta, onnettomuuksien tilastotutkimuksesta ja videoseurannalla toteutetusta käytännön vaikutusten arvioinnista. Lisäksi käytössä oli vuorokauden ajan ilman etuuksia suoritettujen hälytysajojen paikka- ja nopeustiedot. Yhtä kattavaa tutkimusta etuuksien vaikutuksista ei ole maailmallakaan tehty. Onnettomuustilastotutkimuksen perusteella voidaan sanoa, että 84 % hälytysajojen aikana liikennevaloissa sattuneista onnettomuuksista johtui hälytysajoneuvon punaisia päin ajamisesta. Vastapuoli ei puolestaan 86 % tapauksista huomannut punaisia päin ajavaa hälytysajoneuvoa ennen vahinkoa. 19

19 Nopeusseuranta Järjestelmä tarjoaa tiedot kaikista hälytysajoista sekunnin välein kerättynä paikka- ja nopeustietona. Tietojen avulla hälytysajoja pystyttiin vertaamaan sekä etuuksin että ilman etuuksia suoritetuissa ajoissa. Vertailu toteutettiin sijoittamalla vertailukelpoisten ajojen tiedot 3D-aineistona (nopeus z-akseli) karttapohjalle. Vertailun tuloksia on esitetty kuvassa 3. Kuvasta nähdään, että etuuksien ollessa käytössä hälytysajoneuvon ei tarvitse jarruttaa yhtä voimakkaasti liittymään saapuessaan, ja vastaavasti kiihdyttämisen tarve risteyksen jälkeen pienenee. Tasaisemmat ajonopeudet parantavat myös potilaan hoidon suorittamisen edellytyksiä tehtävän aikana. Kaukaa ennen liittymää laukaistava pakkoetuus poistaa jonossa olevat ajoneuvot liittymäalueelta, parantaen näin hälytysajoneuvon mahdollisuuksia ajaa turvallisesti liittymästä. Kuva 3: Hälytysajoneuvojen nopeus liittymässä etuuksin ja ilman. Emergency vehicle speed at intersec3on Number of observa3ons Speed km/h Kuva 4: Hälytysajoneuvojen nopeuksia liittymäalueella etuusjärjestelmän ollessa käytössä. Hitaat nopeudet ovat pääosin kääntyvää liikennettä. Kuvassa 4 esitetään yhdestä liittymästä kertyneet havaintopisteet yli 100 hälytysajon osalta. Havainnoista voidaan nähdä, että alle 1 % havainnoista nopeus oli alle 20km/h. Voidaan siis todeta järjestelmän toimivan kuten se suunniteltiin toimivaksi. Vaikutusten arvioinnissa perehdyttiin tarkemmin viikon aikana kerättyyn kaikki hälytysajot sekunnin tarkkuudella sisältäneeseen materiaaliin. Materiaali on helposti esitettävissä mm. Google Earth -ohjelmistolla, jonka avulla voidaan hyvin havainnollistaa 20

20 ajojen nopeuksia liittymäalueella. Kuvassa 5 on esitetty yhden liittymän alueella seurannan aikana suoritetut ajot em. ohjelmistolla. Kuva 5: Hälytysajojen nopeuksia liittymäalueella (viikon materiaali). Simuloinnit Vaikutusten arviointia laajennettiin simuloimalla uuden paloaseman mahdollisen sijainnin vaikutuksia moottoriteiden ramppien ruuhkautumiseen. Simuloinnissa käytettiin hyväksi todellisia liikennevalokojeiden ohjelmia ja tarkasteltiin useita eri skenaarioita hälytysajoneuvojen lähdöistä. Etuusjärjestelmän muulle liikenteelle aiheuttamat haitat voidaan simulointien perusteella todeta vähäisiksi. 50 Delays at the busiest direc3on of intersec3on 27 Average delay (s) No EV Kuva 6: Hälytysajojen aiheuttama moottoritien rampin viivytysten kasvu. Simulointeja suoritettiin ensin ilman hälytysajoneuvoja, sitten yhden ja kolmen ajoneuvon samanaikaisilla ajoilla, ja tämän jälkeen kahden letkan peräkkäisinä ajoina (4+1 = ensin 4 ja 2 minuutin jälkeen 1, 6+2 samalla kaavalla). Maksimissaan kolmen hälytysajoneuvon letkalla ei ollut merkittävää vaikutusta liittymän viiveisiin. Vasta useamman ajoneuvon ja kahden erillisen letkan peräkkäiset ajot lisäsivät aiheutuneita viiveitä. Viiveiden kasvun voidaan täten todeta olevan hyvin vähäistä. 21