Itä-Suomen liikennejärjestelmäpäivät 2017 Liikkumisen uusi aikakausi
Timo Majala Nodeon Finland Oy M. Sc., Tietoliikenne B. Sc., Ohjelmistotekniikka Noin 20 vuotta kokemusta älyliikenteen ja ICT teknologian alueilta teknisen asiantuntijan, konsultin tai projektipäällikön roolissa Älyliikenne ja Smart City tuotteiden ja palvelujen innovointi, tuotteistaminen, myynti ja markkinointi Kokemusta Suomen älyliikennekentän lisäksi myös Ruotsin ja Hollannin markkinoista sekä Eurooppalaisista teknologioista Yli 10 vuotta yrittäjän roolissa kahdessa eri älyliikennekentän teknologiayrityksessä
50 % Suomen tunneli ja moottoritiejärjestelmien markkinoista Nodeon Smart City tuotteistetut liikenteen mittauksen ja liikenneturvallisuuden ratkaisut 70 % Ruotsin pysäköinnin maksuterminaalien markkinoista (uusmyynti v. 2016) 50 % Suomen tunneli ja moottoritiejärjestelmien ylläpitomarkkinoista Teollisen internetin ratkaisutoimittaja, mm. meriliikennekenttä Älyliikenteen tutkimus ja kehitys Tulevaisuuden ratkaisut, mm. autonominen liikenne
1. Älyliikenne ja megatrendit 2. Missä oikeasti ollaan? katsaus hankkeisiin Paraneeko tilannekuva? Tampereen tilannekuvapilotit Milloin automaattinen/autonominen liikenne? Robusta Aurora Miltä infra näyttää/voisi näyttää? Tampereen rantatunneli Hajautetut liikenneturvallisuusratkaisut
ÄLYLIIKENNE JA MEGATRENDIT
(LIIKENTEENKIN) MUUTOSTA OHJAAVAT MEGATRENDIT KESTÄVÄ KEHITYS DIGITALISAATIO KAUPUNGISTUMINEN Jakamistalous (yhteiskäyttö, vertaisvuokraus), omistamisesta käyttöön, vihreät liikkumismuodot, päästöttömyys Laitteet ja sensorit verkkoon, tiedonkeruun automatisointi, big data, avoin data, reaaliaikainen tilannekuva, ennakoivat algoritmit, co operative liikenne, autonominen liikenne Julkisen liikenteen painottuminen, palvelumallit, kuljetusketjut, lähiliikkuminen, smart city konseptit
MITÄ ON ÄLYLIIKENNE? Älyliikenne = Liikenne + ICT Turvallisempi, sujuvampi ja ympäristöystävällisempi liikennejärjestelmä.
MIKÄ SUOMESSA OHJAA ÄLYLIIKENNERATKAISUJA? Älyliikenneratkaisujen tavoitteilla on maantieteellisesti erilaisia painotuksia VT3, to klo 15:45 Tiheämmin asutetuilla alueilla älyliikenteen ratkaisut usein painottavat sujuvuutta Suomessa harva asutus, pitkät välimatkat ja vaikea ilmasto Älyliikennesovelluksissa pääpaino tyypillisesti turvallisuus Sujuvuus Turvallisuus Ympäristöystävällisyys
KASVAVAT SOVELLUSALUEET meillä ja muualla Co operative liikenne Sähköautot Liikenteen palvelullistaminen Liikennevaloetuudet Jakamistalous auton yhteiskäyttö, vertaisvuokraus, ondemand Liityntäpysäköinti Automaattiset/ autonomiset ajoneuvot Pysäköinnin hallinnan ja opastuksen kehittäminen Reaaliaikaisen liikenteen tilannekuvan kehittäminen Kaupunkipyörät Smart Citykonseptit
MISSÄ OIKEASTI OLLAAN? KATSAUS HANKKEISIIN tilannekuva autonominen liikenne infraratkaisut
PARANEEKO TILANNEKUVA? Reaaliaikaista liikenteen tilannekuvaa kehitetään laajasti, kaupungit myös innokkaita Sujuvuustietoa kerätään monenlaisin teknologioin: silmukkatieto, FCDdata, kamerapohjaiset järjestelmät, mobiilipäätelaitteet Joukkoliikenne reaaliaikaisesti kartalla Pysäköinnin paikkatilanne reaaliajassa Mobiilisovellukset tilannekuvan esittäjänä, jatkossa ajoneuvopäätteet Julkinen data, open data, big data Tulevaisuudessa ajoneuvot sensoreina
TAMPEREEN REAALIAIKAISEN TILANNEKUVAN KEHITYS Vuosien 2016 ja 2017 aikana toteutettu hanke uusien reaaliaikaisen tilannekuvan innovaatioiden kehittämiseksi 6 yritystä kehittämässä uutta: CGI joukkoliikenteen bussit sensoreina DDS Digital Dispatch Mobisoft tietojen keruu takseista ja kuljettajien havainnot Infotripla uudet liikenneinformaation analyysit ja jakelumenetelmät Innovator Network Oy pysäköintipaikkojen käyttöaste mobiiliapplikaation avulla Mattersoft Oy sujuvuustiedon tuottaminen avoimiin rajapintoihin Nodeon Oy liikenteen lähtöalueanalyysit kameratunnistus/julkinen data Erinomainen esimerkki julkisen ja yksityisen tahon yhteistyöstä, jossa yrityksille tarjotaan avustusta t&k pohjaiseen toimintaan aidossa ympäristössä
ESIMERKKI - JULKISEN TAHON DATAN HYÖDYNTÄMINEN Perinteinen liikenteen mittaaminen on pistemäistä mittaamista Tuoteinnovaatio, joka mittaa liikennevirtaa, tunnistaa rekisteritunnukset ja Trafi yhteistyön avulla selvittää mistä ajoneuvot ovat peräisin (postinumeroalueet) > liikennevirran lähtöalueanalyysi Käyttökohteina mm. infrahankkeiden ennen jälkeen mittaukset, liikennejärjestelmän suunnittelun lähtöaineistoksi, hot spot mittaukset, kauppakeskusalueet, satamat, lentokentät, tapahtumat läpimenoliikenteen tunnistaminen lähtöalueittain (kahdella mittauspisteellä)
HAASTEET - TILANNEKUVAN KEHITYS Tulevaisuutta varten perinteinen pistemäinen tieto ei tule olemaan riittävää (ajoneuvoilta odotetaan tässä kohtaa paljon) Kaupallisten toimijoiden tuottama tieto (Here, TomTom, Google) kiinnostuksen kohteena (validius?) Poikkeustilannetieto edelleen haasteena: esim. liikkuvat tietyöt eivät siirry automaattisesti tilannekuvaan Livi/ELY kehittää omaa tilannekuvaa, kaupungit voimakkaasti omaa tilannekuvan pitäisi sujuvasti ylittää suomalaisen hallinnon rakenteen rajat
AUTONOMINEN LIIKENNE MAAILMAN SUURIN KAPPALETAVARA-AUTOMAATTI? Voimakas kehitys (autonvalmistajien todellinen herääminen) Hyviä testituloksia, mutta vielä tarvitaan ihmisten apua (esim. tuulen riepottelema muovikassi voi olla ajoneuvolle ylitsepääsemätön este) Edellyttää aivan uudenlaisen saumattoman tietojärjestelmän ja liikenteen tilannekuvan kehittämistä sekä ajoneuvojen ja tietojärjestelmien välistä integraatiota (myös hallintarajojen häivyttäminen tietojärjestelmätasolla, kaupungit, kunnat, valtion tiet, maiden rajat) Ajoneuvot edellyttävät yhtenäisempää ja laajempaa liikenteen digitalisaatiota ja ovat tulevaisuudessa myös itse merkittävä tiedon tuottaja
ROBUSTA etäohjatut automaattiset ajoneuvot 2018 loppuun kestävän hankkeen keskeinen tavoite autonomisten autojen nopeampi käyttöönotto Toinen tavoite tutkia miten ajoneuvot voivat parantaa liikenteen tilannekuvaa ja millaista ulkopuolista tietoa ne tarvitsevat (infran rooli) Teknologian kehitys ja testaus todellisessa liikenneympäristössä Hankkeessa kehitettävä etäohjausjärjestelmä nopeuttaa automaattisten ajoneuvojen tuloa liikenteeseen Hyvänä lähtökohtana Suomen lainsäädäntö kuljettajan ei tarvitse olla ajoneuvon sisällä
AURORA ÄLYTIE TULEVAISUUDEN LIIKENTEEN TESTIALUSTA Aurora Älytie hankkeessa on instrumentoitu noin 10 kilometrin tieosuus valtatie 21:llä Lapissa Tällä hetkellä autonvalmistajat ovat kehittäneet automaattisia ajoneuvojaan ihanteellisissa kesäolosuhteissa (tarve vaikeiden olosuhteiden testeille) Hankkeen tavoitteita: automaattisen ajamisen sekä tulevaisuuden infrastruktuurin kehittäminen arktisia olosuhteita ja osaamista hyödyntäen, löytää uusia ratkaisuja korjausvelan taittamiseen ja talvikunnossapitoon sekä parantaa raskaan liikenteen sujuvuutta ja turvallisuutta
AUTONOMINEN LIIKENNE - HAASTEITA Autovalmistajilla kehitys voimakasta, infran rooli teknisesti edelleen epäselvä Digitaalisen taustajärjestelmän keskitetty tilannekuva ja älykkyys on massiivinen haaste (kuka investoi, toimijarajat ylittävä, valtioiden välinen yhteistyö, standardointi) Henkilöturvallisuus (ihmisen inhimillisiä virheitä poistetaan, teknologian virheet tulee tilalle) Kyberturvallisuus (haastava kyberturvallisuusympäristö) Tiedonsiirtoyhteyksien ongelmat ja roolit (mobiiliverkon kyvykkyys, mitä tehdään mobiiliverkon varassa ja milloin autojen välisen kommunikaation 802.11p standardin mukainen tiedonsiirto)
TUNNELIT INFRAKOHTEINA Haastavimpia yksittäisiä tieosuuksia ja kehittyneimpiä infrakohteita Paljon liikennettä, jatkuva tilannekuvan seuranta ja häiriötilanteisiin välitön reagointi Järjestelmät suhteellisen yhdenmukaisia Euroopan tasolla taustalla EU tunnelidirektiivi (2004/54/EY) Kaikkien yli 500 metriä pitkien tieliikennetunnelien tulee täyttää direktiivin turvallisuusvaatimukset Suomen ns. älykäs tieliikennetunneli vuonna 1999, Kehä II Hiidenkallio
TAMPEREEN RANTATUNNELI 2,4 km pitkä tieliikennetunneli keskellä kaupunkia Tunnelihankkeen kokonaiskustannukset n. 185 miljoonaa euroa Kehittynein tunnelin liikenteenhallinnan ja turvateknologian ohjausjärjestelmä Suomessa Otettu liikenteelle käyttöön 11/2016 (Projektiyhdistys ry:n Vuoden 2017 projekti)
TAMPEREEN RANTATUNNELI TIELIIKENTEEN TEOLLISUUSLAITOS KESKELLÄ KAUPUNKIA Tilannekuvasta kaikki alkaa 150 häiriönhavainto ja seurantakameraa 30 olosuhdemittausta (ilman laatu/virtaus, näkyvyys) Induktiiviset silmukat liikennemäärä ja nopeuslaskentaan 16 kilometriä paloilmaisinkuitua Tilannekuvan avulla tunnelin tehokas hallinta Yli 100 muuttuvaa ohjaus ja opastuslaitetta 75 automaattisesti säätyvää puhallinta Automaattisesti säätyvä valaistus Automaattinen pääsynsäätely
TAMPEREEN RANTATUNNELI TIELIIKENTEEN TEOLLISUUSLAITOS KESKELLÄ KAUPUNKIA Raskasta infraa 20 kv sähkönjakelujärjestelmä Vesienkäsittelykapasiteettia keskisuuren kylpylän verran Tunnelin sisällä mobiiliverkon ja Virve verkon toiminta varmistettu Yhteys hätäkeskukseen yli 50 pisteestä Kahdennettu tietoliikenneverkko konesalien käyttövarmuudella Kaksi eri kuitureittiä Tampereen liikennekeskukseen 24/7 operointi
HAJAUTETUT LIIKENNETURVALLISUUSRATKAISUT Raskaiden infraratkaisujen (esim. moottoritiet, tunnelit) lisäksi erityisesti Suomessa on olemassa tarve laajasti maantieteellisesti hajautetuille turvallisuusratkaisuille Kohteina esimerkiksi Koulut ja päiväkodit Vaaralliset risteykset ja/tai yleensä valtateiden risteysalueet Helposti jäätyvät rampit Tasoristeykset Näitä on tehty Suomeen hyvin vähän
TURVALLISEMPI KOULUTIE JYVÄSKYLÄSSÄ Jyväskylän kaupungin kanssa alkava kouluturvallisuusratkaisun pilotti Pilvipohjaisesti hallittavat kello /kalenteripohjaisesti muuttuvat varoitus /nopeusrajoitusmerkit Kaupunkiympäristöön paremmin soveltuvat normaalia pienemmät merkkikoot (640 mm), täysmatriisi Hankkeessa myös laaja vaikuttavuusarviointi: ennen jälkeen mittaukset, haastattelututkimus
KOOSTE - PERINTEISTEN INFRARATKAISUJEN TILANNE Perinteiset tienvarsiteknologia (tunnelit, moottoritiet, reitinopastus, sillat) kohtuullisen stabiilissa tilassa (Livin T LOIK suurin kansallisen teknologia arkkitehtuurin muokkaaja) Tuottavat kohdekohtaista tilannekuvaa, mutta sille ei tulevaisuuden ratkaisujen osalta (esim. autonominen liikenne) ole vielä käyttäjiä (muuttuvat merkit eivät kommunikoi edes poliisin kamerapohjaisen valvontajärjestelmän kanssa) Järjestelmien välistä integraatiota on kehitetty, mutta ei vielä kovin kattavaa (Tampereen tunneli kehittynein, kommunikoi kaupungin liikennevalo ja reitinopastusjärjestelmien kanssa) Kehitettäviä asioita: hajautetuilla turvallisuusratkaisuilla vaikuttavuutta, kaupungin ja Livin alueen ratkaisut täysin erillään (ajoneuvo ei välitä ns. urban / inter urban rajasta)