Oletko koskaan miettinyt, missä kohtaa matkaasi riski hirvikolariin on iso? Entä haluaisitko, että autosi navigaattori varottaisi sinua edessä olevista liukkaista ennen kuin ne yllättävät? Fintraffic ja Jyväskylän yliopisto kehittävät parhaillaan uusia datamalleja, jotka pyrkivät ennakoimaan maanteiden liikenneriskejä tarkemmin kuin koskaan aiemmin. Työ on vielä käynnissä, mutta ensimmäiset testitulokset näyttävät lupaaville: ne kertovat, että tulevaisuudessa autoilijat voisivat saada heräteviestejä suoraan edessä olevista vaaratilanteista ja varautua niihin ajoissa.
Fintraffic ja Jyväskylän yliopisto vievät eteenpäin yhteistyötä, jossa rakennetaan täysin uusia datamalleja tieliikenteen riskien ennakointiin. Mallit liittyvät sekä riistaeläinonnettomuuksiin että sääolosuhteiden muutoksiin.
Työ on vielä kehittämisvaiheessa, mutta testit simulaatio-olosuhteissa ovat tuottaneet jo lupaavia tuloksia. Seuraavaksi malleja testataan vuoden alusta lähtien Fintrafficin tieliikennekeskuksessa, missä niiden toimintaa voidaan arvioida jo todellisessa liikenneympäristössä.
”Liikenneturvallisuus on jatkuvaa kehittämistä. Nyt kehitettävät mallit tuovat mukanaan mahdollisuuden ennakoida riskejä aivan uudella tavalla. Työ on vielä kesken, ja etenemme vaiheittain kohti ratkaisua, joka voi tulevaisuudessa tarjota kuljettajille uutta reaaliaikaista tietoa suoraan tien päälle. Se tarkoittaa käytännössä sitä, että kuljettaja saa esimerkiksi auton navigaattorin kautta herätteen vaikkapa edessä olevista hirvikolarin riskipaikoista, liukkaista keliolosuhteista tai heikkenevästä näkyväisyydestä”, kertoo Head of Digital Jani Kariniemi Fintrafficin tieliikenteenohjauksesta.
Riistaeläinmalli kokoaa laajan tietopohjan
Suomen maanteillä tapahtuu vuosittain tuhansia riistaeläinonnettomuuksia. Vuonna 2024 niitä kirjattiin lähes 13 000 kappaletta. Kehitteillä oleva riistaeläinmalli pyrkii arvioimaan riistaeläinkohtaamisten todennäköisyyttä yhdistämällä monipuolista dataa. Se ottaa huomioon muun muassa vuoden- ja vuorokaudenajan, liikennemäärät ja niiden vaihtelut eri viikonpäivinä, hirvikantojen sijainnit sekä ympäristötekijät, kuten metsät, vesistöt, hirviaidat ja varoitusmerkit. Näistä syntyy ennusteita, joiden avulla voidaan arvioida, milloin ja missä tieosuuksilla riski esimerkiksi hirven, peuran tai kauriin kohtaamiselle on suurin.
”Malli tuottaa autoilijoille jatkuvaa riskiarviota valta-, kanta- ja seututeille jopa muutaman kilometrin tarkkuudella. Mallin keskeinen vahvuus on sen kyky yhdistää monimutkaisia tietoja ja luoda ennusteita erilaisiin tilanteisiin. Nyt keskitymme mallin testaamiseen ja tarkkuuden arviointiin. Samalla siirrymme vaiheesta, jossa malli on kokeiltu simulaatioissa ja kontrolloiduissa olosuhteissa, todelliseen liikenteeseen, jotta näemme, miten se toimii käytännössä”, kertoo hankkeen asiantuntijana työskentelevä Jimi Jukkala Jyväskylän yliopistosta.
Säämalli seuraa ajokelien muutoksia
Haastavat keliolosuhteet ovat taustatekijänä monissa liikenneonnettomuuksissa. Kehitteillä oleva säämalli kokoaa tietoa muun muassa Fintrafficin lähes 400 tiesääasemalta sekä sääennusteita tuottavilta tahoilta. Mallinnuksessa hyödynnetään tietoa esimerkiksi sademääristä, pilvisyydestä, lumikertymistä, ilman lämpötilasta ja kosteuspisteestä. Näiden avulla rakennetaan jatkuvaa riskiarviota vilkasliikenteisille valta- ja kantateille, joilta on saatavilla runsaasti reaaliaikaista tiesäädataa.
”Mallin tavoitteena on ennakoida esimerkiksi liukkaita ajokelejä tai näkyvyyden heikkenemistä. Työ on vielä käynnissä, mutta näemme jo nyt, että yhdistämällä monipuolista dataa voidaan luoda entistä tarkempia riskiennusteita. Tätä ennustemallia kehitetään rintarinnan riistaeläinmallin kanssa. Tavoitteena on saada malleihin ensi vuonna lisättyä myös kokonaan uusia tietolähteitä”, Jukkala jatkaa.
Pitkäjänteistä kehitystyötä liikenneturvallisuuden eteen
Rakenteilla olevat ennustemallit tarjoavat uusia mahdollisuuksia liikenneturvallisuuden parantamiseen. Kesästä 2025 lähtien ennustemalleja on testattu suljetussa ympäristössä. Tuloksia on verrattu muun muassa Tilastokeskuksen vuosien 2022–2024 riistaeläinonnettomuustilastoihin sekä Pelastuslaitoksen vuoden 2024 onnettomuustilastoihin. Näin on voitu arvioida, kuinka hyvin mallit tunnistavat todellisia riskejä.
Työ jatkuu vaiheittain, ja kehitystyön myötä saadaan lisää tietoa siitä, miten malleja voidaan hyödyntää tulevaisuudessa tieliikenteen riskien ennakoinnissa. Seuraava vaihe on mallien testaus Fintrafficin tieliikennekeskuksessa alkuvuodesta 2026. Vuoden 2026 aikana vahvistetaan myös mallien tietopohjaa uusilla datalähteillä.
Fintrafficin ja Jyväskylän yliopiston yhteistyö käynnistyi keväällä 2024. Fintraffic tuo hankkeeseen liikennetiedon keruu- ja hallintaosaamisen ja Jyväskylän yliopisto data-analytiikan ja mallinnuksen asiantuntemuksen.
Fintrafficin tavoitteena on tehdä Suomen liikenteestä maailman turvallisin, sujuvin ja ympäristöystävällisin – yhteistyössä eri liikennealan toimijoiden kanssa. Kun tieto on oikeassa paikassa oikeaan aikaan, voimme ennakoida riskitilanteita, vähentää onnettomuuksia, parantaa liikenteen sujuvuutta ja pienentää ympäristökuormitusta. Lue tavoitteistamme lisää täältä.
