Paikkatietojen käytön tulevaisuus -

Koko: px

Aloita esitys sivulta:

Download "Paikkatietojen käytön tulevaisuus -"

Kirsi-Kaisa Alanen
8 vuotta sitten
Katselukertoja:

1 Paikkatietojen käytön tulevaisuus - Näkökulmina teholaskenta ja vuorovaikutteisuus Juha Oksanen, tutkimuspäällikkö Geoinformatiikan ja kartografian osasto, Geodeettinen laitos Geoinformatiikan tutkimuspäivät

tutkimuspäällikkö Geoinformatiikan ja kartografian

2 Sisältö Paikkatiedot eilen ja tänään Mihin teholaskentaa tarvitaan? Katsaus tehokkaan paikkatietoanalyysin hankkeisiin Vuorovaikutteiset kartat ja visuaalinen analytiikka Mitä näkyy horisontissa?

3 Paikkatiedot eilen

4 Paikkatiedot eilen

5 Paikkatiedot tänään

6 Paikkatiedot tänään

7 Tieto- ja viestintäteknologian kehitys Älypuhelinmarkkinoiden voimakas kasvu Palvelukeskeiset ratkaisut, uudenlaiset palvelu- ja liiketoimintarakenteet Pilvipalveluiden hyödyntäminen Paikkatiedot integroitumassa osaksi laajoja palveluratkaisuja

Pilvipalveluiden hyödyntäminen Paikkatiedot integroitumassa osaksi laajoja

8 Mihin teholaskentaa tarvitaan? Datan määrä kasvaa räjähdysmäisesti Perinteiset paikkatieto-ohjelmistot ja niiden analyysit huonosti skaalautuvia Sensoriteknologian kehitys, jatkuva monitorointi staattisista ja mobiileista sensoriverkoista Aineistojen alueellinen ja ajallinen kattavuus paranee, samanaikaisesti erotuskyky paranee Big data todellinen haaste!

analyysit huonosti skaalautuvia Sensoriteknologian kehitys, jatkuva monitorointi

9 MML KM25

10 MML KM2

11 Mihin teholaskentaa tarvitaan? Aineistojen käsittelyssä ja käytössä tapahtuvat muutokset Vuorovaikutteinen työ vs. eräajo Epävarmuuden huomioivat analyysit Sijaintipohjaiset palvelut, lähes-reaaliaikainen vaste, kevyet asiakaspäätteet (thin client) Eksploratiivinen data-analyysi, Visuaalinen analytiikka

12 VALUE I ja II (MMM+YM): Korkeustiedon epävarmuus ja GPU-laskenta

13 VALUE I ja II (MMM+YM): Korkeustiedon epävarmuus ja GPU-laskenta Laskennan tehostamisen mahdollisuuksia, esim.: 1. Algoritmien kehitys ja koodin optimointi 2. Investointi tehokkaampaan rautaan 3. Algoritmien rinnakkaistaminen käyttämään kaikkia CPU:n ytimiä ja/tai yleiskäyttöisiä grafiikkasuorittimia (GPGPU) ALU = Aritmeettislooginen yksikkö (Arithmetic and Logic Unit) Eränen D. (2012). Uncertainty-aware drainage basin delineation from digital elevation models using graphical processing units. Master s Thesis, Åbo Akademi University.

Algoritmien rinnakkaistaminen käyttämään kaikkia CPU:n ytimiä ja/tai yleiskäyttöisiä grafiikkasuorittimia (GPGPU) ALU =

14 VALUE I ja II (MMM+YM): Korkeustiedon epävarmuus ja GPU-laskenta Hankkeessa kehitetty GPU-pohjainen laskentamenetelmä korkeustiedon epävarmuuden huomioivaan valumaalueanalyysiin n. 200-kertainen nopeuden lisäys

laskentamenetelmä korkeustiedon epävarmuuden

15 2013 käynnistyneet hankkeet Quick-GC, Suomen Akatemia, Tapani Sarjakoski (GL) ja Jan Westerholm (ÅA) Supra, Tekes, Juha Oksanen (GL) ja Jan Westerholm (ÅA) Karttakuva: Janne Kovanen

16 MenoMaps I ja II (Tekes): Tassu - Vuorovaikutteiset kartat monikosketusnäytöllä Tassu on ulkoilijoille tarkoitettu monikosketusnäytöllä käytettävä karttasovellus, jolla voi tutustua Viherkehän alueisiin ja kohteisiin Kartta = käyttöliittymä tietoon Käsien sijainti nähdään infrapunakameroilla => sijainti ja liike tunnistetaan eleiksi => eleitä käytetään sovelluksen ohjaamiseen Tassun löydät Luontokeskus Haltiasta eteenpäin!

kohteisiin Kartta = käyttöliittymä tietoon Käsien sijainti nähdään infrapunakameroilla => sijainti ja liike

17 MenoMaps I ja II (Tekes): Tassu - Vuorovaikutteiset kartat monikosketusnäytöllä Tassu demo

18 Visuaalinen analytiikka ja vuorovaikutteiset kartat Visuaalinen analytiikka on tiede analyyttisestä päättelystä käyttäen välineenä vuorovaikutteista tietojen visualisointia Visuaalisen analytiikan työkaluja ja menetelmiä käytetään informaation luontiin käyttäen lähtötietoina massiivisia, dynaamisia, epämääräisiä ja usein myös ristiriitaisia datoja odotetun löytämiseen ja poikkeavan havaitsemiseen oikea-aikaisten ja perusteltujen arviointien tuottamiseen ja saatujen tulosten tehokkaaseen viestintään toimenpiteitä varten Thomas JJ & KA Cook (2005). Illuminating the path. The research and development agenda for visual analytics. Piscataway, New Jersey: IEEE Computer Society Press.

ristiriitaisia datoja odotetun löytämiseen ja poikkeavan havaitsemiseen oikea-aikaisten ja perusteltujen arviointien tuottamiseen ja saatujen tulosten tehokkaaseen

19 Statistics explorer Tilastokeskuksessa, kehittäjä prof. Mikael Jern, Linköpingin yliopisto

20 Mitä näkyy horisontissa? Teholaskenta ja vuorovaikutteiset kartat ovat seuraavan sukupolven visuaalisen analytiikan mahdollistajia Päätöksenteon tukijärjestelmiin saadaan lähes reaaliajassa rikas, hyvin visualisoitu kuva analyysin tuloksista ja tuloksiin liittyvistä epävarmuustekijöistä Tehokas paikkatietoanalyysi tulee sulautetuksi mobiileihin kuluttajasovelluksiin Paikkatietoanalyysit ajetaan suurteholaskentaan soveltuvissa pilvipalveluissa, joiden resurssit skaalautuvat joustavasti erilaisiin käyttötilanteisiin Teholaskenta ja WPS?

tukijärjestelmiin saadaan lähes reaaliajassa rikas, hyvin visualisoitu kuva analyysin tuloksista ja tuloksiin liittyvistä

21 Kiitokset GL: Tapani Sarjakoski, Janne Kovanen, Susanne Suvanto, Mikko Rönneberg, Hanna-Marika Halkosaari Åbo Akademi: Jan Westerholm, David Eränen Maa- ja metsätalousministeriö, Ympäristöministeriö (VALUE I ja II -hankkeet) Suomen Akatemia (INTUIT ja Quick-GC -hankkeet) Tekes (MenoMaps I ja II, sekä Supra-hankkeet)

Samankaltaiset tiedostot

Missä ovat parhaat liikuntareitit?

Missä ovat parhaat liikuntareitit? Teholaskennalla lisäarvoa sijaintipohjaisiin palveluihin Juha Oksanen geova Paikkatiedon analyysin ja visualisoinnin tutkimusryhmä, Geoinformatiikan and kartografian