Sivu 1/20 Tieto Corporation mobiilikartoitus yhteenveto
1 Mobiilikartoitus pilotti Mobiilikartoitus pilotin tavoitteena on testata ja arvioida mobiilikartoituksen mahdollisuuksia 1) metsäteiden perusparannuksen suunnittelussa, 2) metsätiehankkeiden omavalvonnassa ja 3) metsätiehankkeiden tarkastuksissa. Mobiilikartoitus toteutettiin Suomen metsäkeskuksen, Tieto Finland Oy:n ja Geotrim Oy:n yhteistyönä. Maastotyöt, joihin sisältyi mobiilikartoituksen lisäksi miestyönä tehdyt tarkastusmittaukset, tehtiin toukokuussa 2018 Lapuan ja Kauhavan alueella. Maastotöiden jälkeen digitaalinen aineisto käsiteltiin ja aineisto analysoitiin. Tässä yhteenvedossa kuvataan mobiilikartoituskohteet ja käytetyt mobiilikartoitusmenetelmät. Yhteenvedossa arvioidaan digitaalisesta aineistosta tehtävien mittausten tarkkuutta ja mobiilikartoituksella kerätyn digitaalisen aineiston hyödyntämistä tietojärjestelmissä. Lopussa annetaan mobiilikartoitukseen liittyviä toimenpidesuosituksia. 2 Mobiilikartoituskohteet 2.1 Kakkurin metsätie 2.2 Krupulan metsätie Kakkurin kahdesta osasta koostuvalla metsätiellä on toteutettu tien perusparannus, mutta metsätien viimeistelytyöt olivat vielä kesken (lisämurske ja lanaus seuraavan kesän aikana). Tien ensimmäisellä osalla tierunko on valmis ja tien toiselle osalle on ajettu murske. Metsätieltä kerättiin digitaalinen aineisto mobiilikartoituksella. Maastomittauksia tehtiin metsätien toisella osalla. Krupulan metsätiellä on toteutettu tien perusparannus ja perusparannettu tie on luovutettu käyttöön. Metsätieltä kerättiin digitaalinen aineisto mobiilikartoituksella ja metsätiellä tehtiin maastomittauksia. 2.3 Ampialanmäen metsätie Ampialanmäen uuden metsätien runko on valmis. Metsätieltä kerättiin digitaalinen aineisto dronekeilauksella. Digitaalista aineistoa ei saatu koko tien matkalta, koska lentolinja meni tien loppupäässä sivuun tiestä. Maastomittauksia tehtiin kahdesta kohtaa, joista toinen oli tien päässä oleva kääntöpaikka, josta ei ohilennon takia saatu digitaalista aineistoa. 2.4 Voitilanjärven metsätiestö Voitilanjärven neljästä osasta koostuvalle metsätiestölle suunnitellaan metsätien perusparannusta. Voitilajärven metsätiestön tien osia on hoidettu eri tavalla ja tien Sivu 2/20 Tieto Corporation mobiilikartoitus yhteenveto
osat olivat sen vuoksi eri kuntoisia. Digitaalista aineistoa kerättiin mobiilikartoituksella ja yhdeltä tiestön osalta dronekuvauksella. 3 Mobiilikartoitusmenetelmät 3.1 Mobiilikartoitus Hankkeen mobiilikartoitus toteutettiin Geotrim Oy:n omistamalla Trimble MX8 - mobiilikartoitusjärjestelmällä. MX8-järjestelmä koostuu GNSS/IMUpaikannusjärjestelmästä, kahdesta laserkeilaimesta ja neljästä kamerasta. Paikannusjärjestelmän tarkoituksena on mitata liikkuvan ajoneuvon sijainti ja asento mahdollisimman tarkasti. Tarkan sijainnin ja asennon avulla laserkeilainten ja kameroiden havainnot voidaan sitoa suoraan haluttuun maastokoordinaatistojärjestelmään. Paikannusjärjestelmän tarkkuus on hyvissä olosuhteissa 2 cm tasossa ja 5 cm korkeudessa. Esimerkiksi korkean puuston aiheuttamat katkokset GNSSsignaaleissa heikentävät tarkkuutta. Tyypillisesti esimerkiksi minuutin katkoksen aikana tarkkuus laskee noin 10 cm tasolle. Järjestelmä käyttää kahta ristiin keilaavaa Riegl VQ-250 laserkeilainta. Keilainten muodostama pisteistö on pinnalla ruudukkomainen. Keilaimilla voidaan mitata jopa 600 000 pistettä sekunnissa. Yksittäisen mittauksen tarkkuus on noin 1 cm. Mittapisteitä saadaan jopa useiden satojen metrien päästä keilaimesta. Useimmat mobiilikartoitusjärjestelmät keräävät laserkeilainhavaintojen lisäksi kuvia tai videota. Trimble MX8 -järjestelmässä on neljä kappaletta viiden megapikselin kameroita. Yksi kamera kuvaa tienpintaa taaksepäin ja kolme kameraa kuvaavat näkymää eteenpäin. Kuvatietoa voidaan käyttää sekä mittaamiseen, että laserpistepilven värjäämiseen fotorealistisen näköiseksi. Pistepilven värjäys ja/tai kuvatiedon hyödyntäminen helpottavat aineiston tulkintaa huomattavasti. Kuvat sidotaan koordinaatistoon aikaleiman ja asentokalibroinnin avulla. Mobiilikartoituksen käytännön toteutukseen liittyy paljon huomioon otettavia seikkoja. Kartoitettava kohde ja lopputuotteen vaadittu tarkkuus vaikuttavat toteutustapaan ja käytettävään järjestelmään. Tarkimmissa sovelluksissa vaaditaan esimerkiksi tarkasti mitattuja signaaleja mittausalueelle, joihin sitomalla mobiilikartoitusaineisto saadaan erittäin tarkasti koordinaatistoon. Tässä tapauksessa signaaleja ei vaadittu, sillä sovelluksen mielenkiinnon kohteena olivat suhteelliset mitat. Metsätiet ovat lähtökohtaisesti haastavia mobiilikartoituskohteita huonon paikannussatelliittinäkyvyyden ja vaikeiden kulkuolosuhteiden takia. Trimble MX8 -järjestelmä on kiinteästi asennettu MB Viano -pakettiautoon. Järjestelmää operoidaan kahdella tietokoneella. Operoija seuraa järjestelmän tilaa ja tarkkuuksia, sekä määrittää, milloin dataa kerätään. Uudemmat mobiilikartoitusjärjestelmät eivät yleensä ole kiinteästi asennettuja. Sivu 3/20 Tieto Corporation mobiilikartoitus yhteenveto
Kuva: Mobiilikartoituksessa käytetty ajoneuvo, jonka katolle Trimble MX8 järjestelmä on asennettu. Kuva: Mobiilikartoituksen operointia ajoneuvossa tiedon keruun yhteydessä. Järjestelmän keräämän aineiston prosessointi aloitetaan paikannusdatan jälkilaskennalla Applanix POSPac-ohjelmistossa. Paikannusdata on käytännössä Sivu 4/20 Tieto Corporation mobiilikartoitus yhteenveto
ajoneuvon kulkema rata ja asento. Ajorata voidaan saada jälkilaskennalla jopa parin sentin tarkkuuteen. Jälkilaskennassa hyödynnetään GNSS-tukiasemia, joiden avulla liikkuvan alusta paikannuksen virhettä voidaan korjata. Tässä hankkeessa käytettiin virtuaalisia tukiasemia, joita voi ladata Geotrim Oy:n Trimnet-palvelusta. Ajoradan jälkilaskennan jälkeen sekä laserpistepilvi että kuva-aineisto lasketaan tarkan ajoradan mukaiseen sijaintiin Trimble Trident-ohjelmistossa. Seuraavaksi pistepilvi värjätään kuva-aineiston avulla. Aineisto viedään ulos ohjelmasta yleensä pistepilvien standardissa LAS-formaatissa. Pistepilveä voidaan jatkokäsitellä monin tavoin. Tässä hankkeessa pistepilvi luokiteltiin Trimble RealWorks-ohjelmassa. Luokittelun avulla jokainen piste saa luokan, johon se kuuluu. Tässä tapauksessa luokkia olivat maanpinta, korkea puusto ja muu. Luokittelu auttaa myös mahdollisten häiriöpisteiden siivoamisessa. Mittauksia aineistolta toteutettiin Trimble Trident ja Trimble MX Asset Modeler - ohjelmistossa. 3.2 Dronekuvaus Kuva: Mobiilikartoitusaineiston käsittelyprosessi. Sekä dronekuvaus, että -laserkeilaus suoritettiin GeoDrone X4L -multikopterilla. Kopterin valmistaja on suomalainen VideoDrone Oy. Kopteriin voidaan kiinnittää erilaisia hyötykuormia, kuten RGB-, infrapuna- ja lämpökameroita. Hankkeessa käytettiin Sony a6000 -järjestelmäkameraa. Osa Voitilanjärven metsätiestöstä kuvattiin dronella. Kuvauksessa tehtiin kaksi lentoa. Lennot suunnitellaan etukäteen, jonka jälkeen drone lentää reitin automaattisesti. Vain ilmaan nousu ja lasku ovat manuaalista lentämistä. Reitti määritellään automaattisesti siten, että ilmasta otettavilla kuvilla on riittävä päällekkäisyys stereomittaamiseen. Stereomittaamisen avulla kuvista voidaan Sivu 5/20 Tieto Corporation mobiilikartoitus yhteenveto
muodostaa muun muassa 3D-pistepilvi (LAS-formaatti) ja ortokuva (GeoTIFFformaatti). Tuotetut aineistot ovat mittatarkkoja. Kuvien prosessointiin käytetään Pix4D-ohjelmistoa. Prosessi Pix4D:ssä on pitkälti automatisoitu. Kuten mobiilikartoituksessa, dronekuvauksessa päästään tarkimpaan tulokseen joko tarkkoja signaaleja tai tarkkaa paikannusta käyttämällä. Tässä hankkeessa ei käytetty signaaleja eikä tarkkaa paikannusta, joten aineiston sijaintitarkkuus koordinaatistossa on muutamia metrejä. Suhteelliset tarkkuudet ovat tarkkoja ilman signaaleja. Kuva: Kameralla varustettu drone on lähdössä lentoon Voitilanjärven metsätiellä. Sivu 6/20 Tieto Corporation mobiilikartoitus yhteenveto
3.3 Dronelaserkeilaus Viime aikoina markkinoille on tullut myös laserkeilaimia, jotka ovat tarpeeksi pieniä dronekäyttöön. Tässä hankkeessa käytettiin GeoDrone X4L-kopteriin kiinnitettyä YellowScan Surveyor -laserkeilainta. Dronelaserkeilain koostuu lasersensorista, GNSS/IMU-paikannusjärjestelmästä ja tietokoneesta. Lasersensori kerää jopa 300 000 pistettä sekunnissa noin 60 metrin kantamalla, jolloin dronella voidaan lentää maksimissaan noin 50-60 metrissä. Mittauksen tarkkuus on muutamia senttejä. Yhdestä lasersäteestä saadaan kaksi kaikua, mikä edesauttaa esimerkiksi maanpinnan korkeuden mittaamisessa puuston alta. Paikannusjärjestelmän tarkkuus on myös muutamia senttejä. Laserkeilain ei suoraan tuota väriarvoja pisteille, mutta laserpistepilvi ja kuvaaineisto voidaan yhdistää. Tämän hankkeen kohdalla näin ei tehty, sillä kuvaus ja keilaus toteutettiin eri kohteissa. Drone-laserkeilainaineiston prosessointiin kuuluu pitkälti samat vaiheet kuin mobiililaserkeilausaineiston prosessointiin. 4 Mobiilikartoituksen tarkkuus Metsätiestä mitattavien tunnusten määrittäminen on maastossa luonteeltaan arviointia, koska mitattavat tunnukset eivät ole selvärajaisia. Esimerkiksi rungon tasoitusleveyden ja ajoradan leveyden mittauskohtien (reunat) määrittäminen ei ole maastossa yksiselitteistä. Sama tulkinnanvaraisuus on myös digitaalisista aineistoista tehtävissä mittauksisissa. 4.1 Omavalvonta ja tarkastukset Arvio digitaalisesta aineistosta tehtävien mittausten tarkkuudesta omavalvonnan ja tarkastusten tarpeista lähtien on esitetty alla olevassa taulukossa. Taulukossa arvioidaan tarkastuksissa ja omavalvonnassa mitattavien tunnusten mittaamista digitaalisesta aineistosta. K = Voidaan mitata digitaalisesta aineistosta, E = Ei voida mitata digitaalisesta aineistosta,? = Voidaan mitata digitaalisesta aineistosta tietyin edellytyksin, - = Ei havaintoja Tunnus Mobiilikartoitus Dronekeilaus Arvio mittaustarkkuudesta Tieluokka?? Digitaalisen aineiston lisäksi tarvitaan muutakin informaatiota esim. metsätiestön kartta. Tielinjan leveys K K Mobiilikartoituksen digitaalinen aineisto oli puutteellinen mittaustarkkuuden arvioimiseksi, koska maastomittaus Sivu 7/20 Tieto Corporation mobiilikartoitus yhteenveto
Tunnus Mobiilikartoitus Dronekeilaus Arvio mittaustarkkuudesta tehtiin sellaisesta kohdasta, jossa tien varren puusto ei ollut keilautunut. Dronekeilaus kohteelta ei ole maastomittauksia mittaustarkkuuden arvioimiseksi. Rungon tasoitusleveys K K Mobiilikartoituksella päästään pääosin vähintään ±20 cm / ±5 % mittaustarkkuuteen. Dronekeilaus kohteelta ei ole maastomittauksia mittaustarkkuuden arvioimiseksi. Ajoradan leveys K E Mobiilikartoituksella päästään pääosin ±10 cm / ±3 % mittaustarkkuuteen. Dronekeilauksen pistepilvessä ei ole riittävästi informaatiota ajoradan leveyden määrittämiseen, jos murskepatja ei ole selkeä (koholla). Sivukaltevuus K E Mobiilikartoituksen mittaustarkkuutta ei voida arvioida (ei maastomittauksia), mutta sivukaltevuus voidaan määrittää tien leikkausprofiilista tai digitaalisesta aineistosta mittaamalla. Dronekeilauksen pistepilvessä ei ole riittävästi informaatiota sivukaltevuuden määrittämiseen, jos ajoradan leveyttä ei saada mitattua (ks. ajoradan leveys). Pituuskaltevuus K K Mobiilikartoituksen ja dronekeilauksen mittaustarkkuutta ei voida arvioida (ei maastomittauksia), mutta pituuskaltevuus voidaan määrittää molemmilla menetelmillä tien pituusprofiilista tai digitaalisesta aineistosta mittaamalla. Ojan syvyys K K Ojan syvyyden määrittäminen on sekä maastossa että digitaalisesta aineistosta tulkinnanvaraista, mutta ojan syvyys voidaan määrittää tien Sivu 8/20 Tieto Corporation mobiilikartoitus yhteenveto
Tunnus Mobiilikartoitus Dronekeilaus Arvio mittaustarkkuudesta leikkausprofiilista tai digitaalisesta aineistosta mittaamalla. Tieliittymä?? Mobiilikartoituksen digitaalinen aineisto oli puutteellinen mittaustarkkuuden arvioimiseksi. Tieliittymän tyyppi ja mitat voidaan määrittää, kun myös päätie kartoitetaan. Dronekeilauksen pistepilvessä ei ole riittävästi informaatiota tieliittymän mittojen määrittämiseen kaikissa tilanteissa. Metsäliittymä K K Metsäliittymät havaitaan mobiilikeilausaineistosta ja dronekeilaus aineistosta. Kohtaamispaikka K E Mobiilikartoituksen digitaalisessa aineistossa päästään pääosin ±10 cm / ±3 % mittaustarkkuuteen. Dronekeilauksen pistepilvessä ei ole kaikissa tilanteissa riittävästi informaatiota kohtaamispaikan mittojen määrittämiseen (ks. ajoradan leveys). Kääntymispaikka K E Mobiilikartoituksen digitaalisessa aineistossa päästään pääosin ±10 cm / ±3 % mittaustarkkuuteen. Mobiilikartoituksen aineisto oli osin puutteellinen, kun kääntymispaikka keilattiin vain metsätieltä käsin. Dronekeilauksen pistepilvessä ei ole riittävästi informaatiota kääntymispaikan mittojen määrittämiseen (ks. ajoradan leveys). Varastopaikka?? Mobiilikartoituksen ja dronekeilauksen digitaalisesta aineistosta voidaan havaita metsätien välittömässä läheisyydessä olevat varastopaikat. Digitaalisen aineiston lisäksi tarvitaan muutakin informaatiota esim. tiesuunnitelma. Sivu 9/20 Tieto Corporation mobiilikartoitus yhteenveto
Tunnus Mobiilikartoitus Dronekeilaus Arvio mittaustarkkuudesta Rumpu? E Mobiilikartoituksen digitaalisesta aineistosta havaitaan rummut, mutta niiden laatua ja kokoa ei voida määrittää. Suodatinkangas E E Dronekeilauksen pistepilvessä ei ole riittävästi informaatiota rumpujen havaitsemiseen. Puomi K K Puomit havaitaan sekä mobiilikeilausaineistosta että dronekeilauksen pistepilvestä. Silta - - Sillat ja niiden tyyppi havaitaan mobiilikartoituksen digitaalisesta aineistosta, mutta niiden kokoa ei voida määrittää. Vesiensuojelu - - Muut ympäristövaikutukset - - Kuva: Ajoradan leveyden mittaaminen digitaalisesta aineistosta tarkasti on mahdollista, kun murskepatja on selvärajainen. 4.2 Metsätien perusparannuksen suunnittelu Arvio digitaalisesta aineistosta tehtävien mittausten tarkkuudesta perusparannuksen suunnittelun tarpeista lähtien on esitetty alla olevassa Sivu 10/20 Tieto Corporation mobiilikartoitus yhteenveto
taulukossa. Taulukossa arvioidaan metsätien perusparannuksen suunnittelussa mitattavien tunnusten mittaamista digitaalisesta aineistosta. Tien perusparannuskohteessa Voitilanjärven metsätiestöllä tehtiin havaintoja tien kunnosta, mutta tarkkoja mittauksia ei tehty. K = Voidaan mitata digitaalisesta aineistosta, E = Ei voida mitata digitaalisesta aineistosta,? = Voidaan mitata digitaalisesta aineistosta tietyin edellytyksin, - = Ei havaintoja Tunnus Mobiilikartoitus Dronekuvaus Arvio mittaustarkkuudesta Tieluokka?? Digitaalisen aineiston lisäksi tarvitaan muutakin informaatiota esim. metsätiestön kartta. Tielinjan leveys, onko tien reuna vesakoitunut K K Mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta voidaan arvioida tielinjan leveyden suuruusluokka. Tien reunan vesakoituminen havaitaan mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta. Rungon tasoitusleveys??/e Mobiilikartoituksen ja dronekuvauksen digitaalisessa aineistossa vesakoituminen voi vaikeuttaa rungon tasoitusleveyden mittaamista. Ajoradan leveys K K Mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta voidaan arvioida ajoradan leveyden suuruusluokka. Sivukaltevuus, onko ajoradan reunoilla palteita K K Mobiilikartoituksen digitaalisesta aineistosta voidaan määrittää sivukaltevuus tien leikkausprofiilista tai digitaalisesta aineistosta mittaamalla. Palteet voidaan havaita digitaalisesta aineistosta. Dronekuvauksen digitaalisessa aineistossa voidaan määrittää tien sivukaltevuuden suuruusluokka. Selkeät palteet voidaan havaita digitaalisesta aineistosta. Pituuskaltevuus K K Mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta voidaan Sivu 11/20 Tieto Corporation mobiilikartoitus yhteenveto
Tunnus Mobiilikartoitus Dronekuvaus Arvio mittaustarkkuudesta määrittää pituuskaltevuus tien pituusprofiilista tai digitaalisesta aineistosta mittaamalla. Ojan syvyys?? Ojan syvyyden määrittäminen on sekä maastossa että digitaalisesta aineistosta tulkinnanvaraista, mutta ojan syvyys voidaan määrittää tien leikkausprofiilista tai digitaalisesta aineistosta mittaamalla. Vesakko vaikeuttaa ojan syvyyden mittaamista. Kuopan syvyys, onko kuoppa havaittavissa Maakivi, onko kivi havaittavissa Eroosiokohta, onko eroosiokohta havaittavissa K E Mobiilikeilauksen digitaalisesta aineistosta voidaan mitata kuopan syvyys tai sen suuruusluokka, koska kuopan pohjalle ei välttämättä nähdä. K E Mobiilikeilauksen digitaalisesta aineistosta voidaan havaita kivet ja mitata niiden korkeus. - - Selkeät eroosiokohdat voidaan havaita sekä mobiilikeilauksen että dronekuvauksen digitaalisesta aineistosta. Tieliittymä? K Mobiilikartoituksen digitaalisesta aineistosta voidaan määrittää tieliittymän tyyppi ja mitat, kun päätie keilataan. Dronekuvauksen digitaalisesta aineistosta saadaan mitattua tieliittymän mittojen suuruusluokka. Metsäliittymä K K Mobiilikeilauksen ja dronekuvauksen digitaalisesta aineistosta voidaan havaita metsäliittymät. Kohtaamispaikka K K Mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta voidaan määrittää kohtaamispaikan tyyppi ja koko. Sivu 12/20 Tieto Corporation mobiilikartoitus yhteenveto
Tunnus Mobiilikartoitus Dronekuvaus Arvio mittaustarkkuudesta Kääntymispaikka K K Mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta voidaan määrittää kääntymispaikan tyyppi ja koko. Varastopaikka?? Mobiilikartoituksen digitaalisesta aineistosta voidaan havaita metsätien välittömässä läheisyydessä olevat varastopaikat. Dronekuvauksen digitaalisesta aineistosta voidaan havaita varastopaikat. Digitaalisen aineiston lisäksi tarvitaan muutakin informaatiota esim. tiesuunnitelma. Rumpu? E Mobiilikartoituksen digitaalisesta aineistosta havaitaan rummut, mutta niiden laatua ja kokoa ei voida määrittää. Vesakoituminen vaikeuttaa rumpujen havaitsemista. Suodatinkangas E E Dronekuvauksen digitaalisessa aineistossa ei ole riittävästi informaatiota rumpujen havaitsemiseen. Puomi - - Puomit havaitaan mobiilikeilauksen ja dronekuvauksen digitaalisesta aineistosta. Silta - - Sillat ja niiden tyyppi havaitaan mobiilikartoituksen ja dronekuvauksen digitaalisesta aineistosta, mutta niiden kokoa ei voida määrittää. Vesiensuojelu - - Muut ympäristövaikutukset - - Sivu 13/20 Tieto Corporation mobiilikartoitus yhteenveto
Kuva: Kuopat voidaan havaita mobiilikartoitusaineistosta. Esimerkki on Voitilanjärven metsätiestön mobiilikartoituksella kerätystä digitaalisesta aineistosta. Kuva: Palteet ja urat voidaan havaita mobiilikartoitusaineistosta. Esimerkki on Voitilanjärven metsätiestön mobiilikartoituksella kerätystä digitaalisesta aineistosta. 5 Mobiilikartoituksen hyödynnettävyys 5.1 Omavalvonta, tarkastukset ja perusparannuksen suunnittelu 5.1.1 Mobiilikartoitus Metsäteillä pilotoiduista menetelmistä mobiilikartoituksella saadaan riittävästi ja riittävän tarkkaa tietoa omavalvontaa ja tarkastuksia sekä perusparannuksen suunnittelua varten. Pistepilvi yhdistettynä kameroilla otettuun kuvaan mahdollistaa kohteiden havaitsemisen ja niiden mittojen mittaamisen digitaalisesta aineistosta. Digitaalinen aineisto on käyttötarkoitukseen riittävän Sivu 14/20 Tieto Corporation mobiilikartoitus yhteenveto
mittatarkkaa. Mobiilikartoitusaineistosta voidaan havaita ja mitata eri käyttötilanteissa metsäteistä mitattavat tunnukset rumpujen ja siltojen kokoa sekä käytetyn suodatinkankaan määrää lukuun ottamatta. Mobiilikartoituksen plussia ja miinuksia: Plussat Mahdollistaa tiedon keräämisen ja analysoinnin eriyttämisen. Tiedon keräämiseen erikoistuneiden yritysten määrä voi kasvaa. Digitaalisten aineistojen tuotannon tehokkuus paranee erikoistumisen ja kilpailun myötä. Mahdollistaa maastotyön vähentämisen, kun mittaukset voidaan tehdä (esikäsitellystä) digitaalisesta aineistosta toimistolla. Mahdollistaa digitaalisen aineiston esikäsittelyn, mittausten ja analyysien ajoittamisen parhaiten sopivaan aikaan esim. maastokauden ulkopuolelle. Mahdollistaa tiehankkeiden yksityiskohtaisemman dokumentoinnin omavalvonnassa ja tarkastuksissa. Aineistoon voidaan palata myöhemmin ja tehdä vertailuja esim. eri ajankohtien välillä. Mahdollistaa metsäteitä koskevien tietojen keräämisen tehokkaasti ja yksityiskohtaisesti. Yksityiskohtainen kaikkien saatavilla oleva tieto mahdollistaa uusien tuotteiden ja palveluiden kehittämisen. Miinukset Mobiilikartoitus vaatii poutasään, koska keilaus ei onnistu vesisateella. Digitaalisen aineiston manuaalinen tulkinta vaatii harjaantumista ja aineiston analysointi ja aineistosta mittaaminen on hidasta. Digitaalisen aineiston esitulkintaan ei ole valmiita sovelluksia esim. tarkastuksissa tehtävien mittausten automaatio. Mobiilikartoitusta tekevien yrittäjien määrä on toistaiseksi vähäinen. Tiedon keruun näkökulmasta metsätiet ovat rakennettua ympäristöä vaikeampi ympäristö. Syntyy iso määrä tietoa (dataa), joka vaatii suuren määrän tallennustilaa ja joka pitää prosessoida tehokkaan hyödyntämisen mahdollistamiseksi. Koko metsätieverkon kartoittaminen vie aikaa ja on kallista. Sivu 15/20 Tieto Corporation mobiilikartoitus yhteenveto
Mobiilikartoituksessa tiedon keräämisessä ja analysoinnissa tehtiin seuraavat havainnot Metsätien risteysalueet on kartoitettava sekä päätieltä että metsätieltä, jotta tien mitat ja mahdolliset näkemäesteet voidaan havaita digitaalisesta aineistosta. Kääntöpaikat esim. kohtaamispaikan yhteydessä on kartoitettava, jotta kääntöpaikan mitat voidaan mitata digitaalisesta aineistosta. Mobiilikartoituksessa tämä aiheuttaa edestakaista ajamista, koska nykyisellä menetelmällä päätie kartoitetaan ensin ja kääntöpaikat erillisellä ajokerralla. Valot ja varjot, joita metsäteillä on teiden lähellä kasvavan puuston vuoksi paljon, vaikeuttavat digitaalisen aineiston tulkintaa ja analysointia. Mobiilikartoituksen kustannuksia on vaikea arvioida pilotin perusteella, koska tiedon keruun mittakaavan mukanaan tuomaa tehostumista on hankala arvioida. Nykyisen miestyönä tehtävän (tie- ja ojahankkeiden) tarkastuksen kustannukset ovat noin 900 EUR/hanke. Mobiilikartoitusaineiston automatisoitu esitulkinta on tarkastustyön tehostumisen edellytys. Karkea arvio mobiilikartoitukseen perustuvasta tarkastuksen kustannuksesta on 370 EUR/hanke keskimäärisen kokoisella hankkeella (pituus 3367 m), jos automatisoitu mobiilikartoitusaineiston esitulkinta on käytössä. Kustannuslaskelma sisältää seuraavat kustannuserät: Mobiilikartoituslaitteiston vuokra Mobiilikartoituksen toteutus (henkilötyö ja polttoainekustannukset) Mobiilikartoitusaineiston esikäsittely ja -tulkinta Tarkastustyö esitulkitusta aineistosta 5.1.2 Dronekeilaus ja -kuvaus Dronella keilattu pelkkä pistepilvi ei tarjoa riittävästi informaatiota omavalvonnan ja tarkastuksen tarpeisiin. Pelkästä pistepilvestä ei voida erottaa kaikkia kohteita riittävän tarkasti, jotta kohteet voitaisiin mitata. Dronekeilausta ei tehty metsätien perusparannuskohteella, mutta saatujen kokemuksen perusteella aineiston yksityiskohtaisuus ja tarkkuus eivät ole riittäviä perusparannuksen suunnitteluun. Dronekuvausta ei tehty omavalvonta- ja tarkastuskohteella, mutta saatujen kokemusten perusteella aineisto on käyttökelpoinen ja sen tarkkuus on riittävä joiltakin osin. Dronekuvauksella kerätystä aineistosta saadaan informaatiota perusparannuksen suunnitteluun, vaikka kaikkien mitattavien kohteiden yksityiskohtia ei pystytä havaitsemaan aineistosta. Dronekuvaus ja -keilaus voidaan yhdistää, jolloin aineiston hyödynnettävyys paranee merkittävästi. Tällöin ongelmaksi muodostuu nykyisellä tekniikalla lentoaika dronen hyötykuorman painon kasvaessa. Dronella tapahtuva tiedon keruu voi olla toimiva ratkaisu pienissä metsätiekohteissa. Metsäteitä koskeva tieto voidaan kerätä esim. droneen perustuvan metsäsuunnittelun tiedon keruun yhteydessä, joka voi yleistyä lähitulevaisuudessa. Autonomiset lennokit todennäköisesti yleistyvät tulevaisuudessa ja niiden avulla tietoa voidaan kerätä droneja tehokkaammin. Sivu 16/20 Tieto Corporation mobiilikartoitus yhteenveto
5.2 Muut käyttömahdollisuudet Mobiilikartoituksella metsäteistä on mahdollista kerätä yksityiskohtaista perustietoa tehokkaasti ja nopeasti. Metsäteistä kerättyyn tietoon perustuvat uudet tuotteet ja palvelut mahdollistuvat, jos mobiilikartoituksella kerätyt tiedot ovat kaikkien hyödynnettävissä. Mobiilikartoitusaineistosta voidaan tuottaa tiehankkeen esittelymateriaalia esim. tiekunnan kokouksiin. Visuaalisen videoesityksen avulla voidaan esitellä esim. metsätien kunnostuksen tarpeessa olevat kohdat päätöksenteon tueksi. Puutavarakuljetusten suunnittelijan tai kuljetusyrittäjän työtä voisi helpottaa, jos metsätien pystyisi ajamaan läpi virtuaalisesti ennen puutavarakuorman hakemista. Suunnittelija tai kuljetusyrittäjä voisi esim. tutkia kääntöpaikat ja saada tietoa metsätien mahdollisista ongelmakohdista. Tällöin metsätietä koskevan tiedon on oltava ajan tasalla. 6 Mobiilikartoituksella kerätyn tiedon integroiminen tietojärjestelmiin 6.1 Aineistojen analysointi ja esitulkinta Mobiilikartoituksessa metsäteistä syntyy suuri määrä aineistoa, jonka läpikäynti ja tulkinta manuaalisesti on tehotonta. Metsäteiden aineiston tulkintaan ja peruskunnostuksessa kunnostettavien kohtien etsimiseen digitaalisesta aineistosta on tarve kehittää sovelluksia tai palveluita. Automaation avulla esitulkittu aineisto esim. automaation tuottamat tarkastusmittaukset tai automaation avulla kunnostuksen tarpeessa olevalta metsätieltä havaitut kivet ja palteet voidaan käsitellä henkilötyönä. Valmiita sovelluksia metsäteiden mobiilikeilausaineiston automaattiseen tulkintaan ei ole toistaiseksi saatavilla. Pistepilven voi viedä useisiin paikkatieto-ohjelmistoihin, joissa pystytään paikkatietoanalytiikalla käsittelemään aineistoa ja tuottamaan metsäteihin liittyviä muuttujia. Nykyiset lasertoiminnot eivät riitä yksistään automatiikan rakentamiseen, vaan tarvitaan myös muita paikkatiedon käsittelymenetelmiä kohteen päättelyssä. Yleisimmät ja käyttökelpoisimmat paikkatieto-ohjelmistot ovat ESRI ArcGIS tuoteperhe, FME ja QGIS. Laserkeilausaineiston nopeaan käsittelyyn on tehty mm. LasTools- ja Fusion-toiminnot, jotka pystytään integroimaan edellä mainittuihin paikkatieto-ohjelmistoihin. 6.1.1 Pistepilviaineiston automatisointiketju paikkatietojärjestelmissä Metsämuuttujien automatisointivaiheet ovat: 1) automaattiluokittelu, puoliautomaattinen luokittelu tai muu rajaus metsätiehen, 2) ylimääräisten alueiden poistaminen, 3) metsätiealueiden korjaus, 4) pisteiden statistiikan luominen (esimerkiksi z-muuttujan keskihajonta 10 cm, z-muuttujan vaihteluväli 10 cm resoluutiossa, intensiteetin keskiarvo), 5) naapurianalyysi, 6) huipukkaiden arvojen irrottaminen, 7) huipukkaan kohteen muodon ja koon arviointi ja 8) metsätiemuuttujan päättely. Sivu 17/20 Tieto Corporation mobiilikartoitus yhteenveto
Ensimmäisen vaiheen voi toteuttaa monella erilaisella tavalla. LasToolstoiminnoissa on automaattiluokittelu, jolla pystytään rajamaan pistepilven pisteet tiemuuttujiin. Huonona puolena LasTools:n automaattiluokittelussa on luokittelualgoritmin keskittyminen päällystettyjen teiden erottamiseen, jolloin metsäteistä ei saada luokiteltua sen huonoimpia kohtia. Toisena vaihtoehtona on tehdä luokittelu ESRI:n luokittelualgoritmilla, jonka huonona puolena automatiikan kannalta on tuottaa apupolygoni osasta metsätiestä. Algoritmi tarkastelee apupolygonin alueella olevien pisteiden statistiikkaa ja muuttaa sen perusteella kaikki samankaltaisen statistiikan pisteet metsätieluokkaan. Hyvänä puolena on tämän kaltaisessa puoliautomatisoidussa luokittelussa päällystämättömän ja päällystetyn tien erottaminen toisistaan. Kolmantena vaihtoehtona on rajata pisteet maanpintaan, joista lasketaan tien ja maaston eroavaisuuteen liittyviä muuttujia. Oletuksena metsätien maapintapisteistä tulee huomattavasti pienempi z-muuttujan keskihajonta kuin maastopisteistä. Näin saadaan rajattua pistepilvi metsätiehen. Metsätiemuuttujien automaattisessa tuottamisen toisessa ja kolmannessa vaiheessa metsätiehen rajauksen jälkeen on huomattava mahdolliset virheelliset havainnot. Esimerkiksi keilaukseen mukaan tullut lähialueen parkkialue ja maaston tasaisten pintojen alueet on poistettava. Näiden kohteiden muoto on yleensä hyvin moninainen ja sirpaleinen, jonka perustella nämä kohteet voidaan helposti poistaa. Tielinjan peräkkäisten reunageometriapisteiden suunnan vaihtelu on käytännössä hyvin pientä, jonka perusteella voidaan korjata tien reunageometriaa menemään suoraviivaisesti. Ennen metsätiemuuttujan päättelyä on luotava pistepilven statistiikkatunnuksia mielekkäässä resoluutiossa (esim. 10 cm). Metsätiemuuttujat kertovat suurimmaksi osaksi tien kunnosta, joita voidaan päätellä maanpinnan rosoisuudella ja kaltevuudella sekä ympäristöstä poikkeavilla arvoilla (kuoppa / huomattava kivi tiellä). Maapinnan rosoisuus ja kaltevuus saadaan suoraan rasterianalytiikalla. Ympäristöstään poikkeavien arvojen laskeminen onnistuu naapurustoanalyysilla / focal statistic. Maapinnan ja ympäristöstään poikkeavien arvojen tuottamisen jälkeen rajataan merkittävät arvot erikseen. Esimerkiksi kuopan tapauksessa tuotetaan maapinnan minimikorkeusarvo. Korkeusminimirasterin soluille tehdään vertaus naapurustoon ennalta määritellyllä alueella, josta huipukkaat arvot (>0,1 m) rajataan omaksi. Koon ja muodon analysoinnissa viedään rajatut solut polygoniksi, josta saadaan koko suoraan. Muodon karkea arviointi (pyöreä, hieman ellipsoitunut, voimakkaasti ellipsoitunut, viivamainen) saadaan x ja y koordinaattien minimien ja maksimien vertailulla. Kohteen koon ja muodon jälkeen voidaan päätellä, onko kyseessä esimerkiksi kuoppa vai ura. 6.2 Omavalvonnan ja tarkastuksen järjestelmät Mobiilikartoituksella kerätty, esikäsitelty ja mahdollisesti automaation avulla esitulkittu aineisto on hyödynnettävissä tarkastuksissa ja omavalvonnassa. Sivu 18/20 Tieto Corporation mobiilikartoitus yhteenveto
Digitaalisesta aineistosta saadaan mitattua nykyisen tarkastus- ja omavalvontakäytännön mukaiset metsätien tunnukset. Tarkastuksen ja omavalvonnan prosessi ja järjestelmät tulee arvioida uudelleen otantaan perustuvasta menettelystä metsäteiden käytettävyyden kannalta kriittisten (korjattavien) kohteiden tunnistamiseen, jos mobiilikartoitus yleistyy. 6.3 Metsätietietojärjestelmä Metsäteitä koskevat perustiedot ovat hajallaan eri toimijoiden järjestelmissä, niiden tietosisältö vaihtelee ja tiedot ovat osittain puutteellisia. Mobiilikartoituksella voidaan kerätä yksityiskohtaisia tietoja metsätiestä ja kerättyä pysyvää tiestödataa voidaan tallentaa suunnitteilla olevaan metsätietietojärjestelmään, josta ne ovat toimijoiden hyödynnettävissä. Mobiilikartoituksella saadaan tarkkaa tietoa mm. tien leveydestä, kääntöpaikkojen sijainnista, muodosta ja mitoista, näkemäesteistä sekä metsätien pituus- ja poikittaiskaltevuudesta, jotka ovat puutavaran kuljetuksen suunnittelussa keskeistä pysyvää tiestödataa. Mobiilikartoituksella voidaan kerätä myös metsäteiden kuntotietoa esim. kelirikkoja eroosiovaurioista. 6.4 Tietomallinnus ja suunnittelujärjestelmät Mobiilikartoituksella kerättyä aineistoa voidaan hyödyntää tietomallinnuksessa, jolloin suunnitteluohjelmilla luodut metsätiehankkeen suunnitelmat ovat koneyrittäjän saatavilla ja ne voidaan siirtää työkoneelle koneohjausta varten. Tietomallinnuksen avulla voidaan nostaa metsäteiden suunnittelun tasoa. Koneohjauksen avulla on mahdollista päästä parempaan laatuun esim. nykyisin ongelmakodiksi tunnistettujen metsätien leveyden ja kääntöpaikkojen mitoituksen kohdalla. Metsätieympäristössä koneohjauksessa on todennäköisesti perinteistä infrarakentamista enemmän ongelmia, koska metsätieympäristössä olosuhteet vaihtelevat rakennettua ympäristöä enemmän. Kokemukset ovat osoittaneet, että maanrakennushankkeissa digitaalisuus on mahdollistanut merkittävän tuottavuusloikan. Tietomallinnus ei poista kokonaan maastokäyntien tarvetta tiehankkeen suunnittelun yhteydessä, koska esim. perusparannuksen suunnittelussa rumpujen kuntoa ei voida arvioida digitaalisesta aineistosta. Koneohjaus yleistyy infrarakentamisessa, jolloin tarvittavat ohjelmistot ja laitteistot ovat käytössä yhä useammalla metsätiehankkeitakin toteuttavalla yrittäjällä. 6.5 Autonomiset ajoneuvot Autonomiset ajoneuvot käyttävät samantyyppisiä sensoreita kuin mobiilikartoituksessa käytetään nykyisin. Autonomiset ajoneuvot tuottavat mobiilikartoitusta vastaavaa dataa tulkitakseen edessä olevaa ympäristöä (nähdäkseen). Toisaalta autonomiset ajoneuvot tarvitsevat turvallisen etenemisen mahdollistamiseksi tarkkaa paikkaan sidottua tietoa tieympäristöstä esim. tarkkoja 3D-karttoja navigointiin. Suurien datamassojen hallinta ja laadun varmistus on haasteena sekä tiedon keräämisessä että automaatioajon mahdollistavissa aineistoissa. Sivu 19/20 Tieto Corporation mobiilikartoitus yhteenveto
7 Toimenpidesuositukset Pilotissa tehtiin seuraavat havainnot, jotta mobiilikartoituksesta saadaan paras mahdollinen hyöty: On selvitettävä, miten yksityiskohtaista tietoa metsätieverkosta on tarve kerätä. Tiedon keruumenetelmä on optimoitava mobiilikartoituksessa metsäteitä koskevan tiedon tarpeista lähtien. Esimerkiksi laserkeilaimen laserpulssin tiheys voidaan optimoida, mikä vaikuttaa metsätiestä kerättävän mobiilikartoitusdatan määrän ja edelleen kustannuksiin. Mobiilikartoituksella kerätty ja siitä tulkittu aineisto on vietävä metsätietietojärjestelmään toimijoiden hyödynnettäväksi, koska menetelmällä voidaan tuottaa yksityiskohtaista pysyvää tiestödataa. Automaatiota on kehitettävä digitaalisen aineiston esitulkintaan, jotta henkilötyönä tehtävä aineiston jatkokäsittely tarkastuksissa, omavalvonnassa tai perusparannuksen suunnittelussa on tehokasta. Automaation kehittäminen vaatii aineistosta tulkittavien kohteiden esim. ajoon vaikuttavan kiven korkeuden raja-arvojen määrittämistä. On myös selvitettävä, miten dataa on prosessoitava, jotta datasta saadaan irti käyttötarkoitusta varten oleelliset tiedot. Luokittelualgoritmeja, tulkintaautomaatiota ja esitulkinnan tulosten esittämistä voidaan kehittää esim. paikkatietojärjestelmien analyysityökaluihin perustuen. On selvitettävä pistepilven automaattitarkastelua paikkatietoanalytiikalla, jossa lähtökohtana on tuottaa metsätiestä kertovia muuttujia. Tarkastelussa olisi hyvä huomioida erilaisten keilausmenetelmien (mobiilikartoitus sekä drone- ja lentokonekeilaus) mahdollisuudet. Tietomallinnuksen ja koneohjauksen mahdollisuudet työn tehokkuuden ja laadun parantamiseksi on hyödynnettävä. Metsätien suunnittelun osuus metsäteiden toteutuksen kustannusrakenteessa on pieni, jolloin suunnittelutyön kustannushyödyt on saatava laadun parantumisesta. On päätettävä, kuka kerää tiedot (toteuttaa mobiilikartoituksen), tekee tietomallinnuksen ja tarjoaa aineiston hyödynnettäväksi. Tämä taho voi olla esim. Metsäkeskus (viranomainen), metsätiehankkeita toteuttava yritys tai mobiilikartoitus- ja tietomallinnuspalvelua tarjoava yritys osana tiehankkeen toteutusta. Metsätiehankkeiden toimintamallin voisi kopioida infrarakentamisesta. Mobiilikartoitukseen perustuva tarkastus- ja omavalvontaprosessi muuttuu esitulkitun aineiston tarkastamiseksi, jos mobiilikartoitus tai sitä vastaava menetelmä yleistyy. Uuden tiheäpulssisemman laserkeilausohjelman (käynnistyy vuonna 2020-21) aineiston hyödyntämismahdollisuudet on tutkittava pilotissa tutkittuihin käyttötarkoituksiin. Käytettävä laserpulssin tiheys, lentokorkeus ja monikanavakeilaus ovat uudessa ohjelmassa vielä avoimia. Kantavuusmittauksen ja mobiilikartoituksen mahdollinen yhdistäminen tuo tehokkuutta tiedon keräämiseen. Mobiilikartoituksen yhdistäminen kantavuusmittaukseen edellyttää kuitenkin mobiilikartoitusmenetelmän kehittämistä niin, että keilaus voidaan keskeyttää kantavuusmittauksen ajaksi. Sivu 20/20 Tieto Corporation mobiilikartoitus yhteenveto