Fintraffic ja Jyväskylän yliopisto aloittivat keväällä 2024 yhteistyön, jossa kehitetään yhdessä datamalleja liikenneriskien entistä tarkempaan tunnistamiseen. Jyväskylän yliopistossa informaatioteknologiaa opiskelevan Jimi Jukkalan kandidaatin työssä on pyritty selvittämään, voidaanko liikenteen riskitekijöitä ja reaaliaikaista riskiä ennustaa suomalaisilla pääteillä arvioimalla datamallin avulla ulkoisia tekijöitä, kuten säätä, tien kuntoa ja ominaisuuksia sekä liikennemääriä.
Liikenneonnettomuudet ovat useamman tekijän sattumia, mikä tekee niistä vaikeita estää. Liikenneriskiä on kuitenkin mahdollista ennustaa ainakin tiettyyn pisteeseen asti. Jukkalan kandidaatin työssä on pyritty selvittämään mitkä ulkoiset tekijät olisi hyvä sisällyttää liikenneonnettomuusriskiä ennustavaan datamalliin ja mitkä mallit toimivat hyvin liikenteen riskiä ennustaessa.
”Tieliikenteestä saadun datan avulla voidaan selvittää riskitekijöitä ja arvioida reaaliaikaista onnettomuusriskiä. Ennustemallien tavoitteena on auttaa tulevaisuudessa tavallista, tieliikennelakia noudattavaa kuljettajaa ennakoimaan riskialttiita tilanteita liikenteessä. Näin kuljettaja voi alentaa jo ennakoiden nopeutta ja pysyä tavallista valppaampana tietäessään, että edessä saattaa olla onnettomuusriskiä kohottavia olosuhteita”, Jimi Jukkala kertoo kehitettävän datamallin tavoitteista.
Datamallilla tai ennustemallilla tarkoitetaan tässä yhteydessä algoritmia tai koneoppimismallia, joka pystyisi annetun datan perusteella ennustamaan liikenneriskiä.
Yhdenkin riskitekijän minimoiminen voi estää onnettomuuden
Jukkala tutki kandidaatin työssään erityisesti sään, tien ominaisuuksien ja liikennemäärien vaikutusta liikenneonnettomuuden riskitekijöinä. Sään ja liikennemäärien mittauspisteet ympäri Suomen luovat hyvän pohjan reaaliaikaisen onnettomuusriskin seuraamiselle.
”Datamallien avulla voidaan ennustaa, kuinka nämä olosuhteet vaikuttavat onnettomuuksien todennäköisyyteen. Vaikka ajokeli on harvoin merkittävin syy liikenneonnettomuuden syntyyn, on se usein taustalla vaikuttava tekijä. Yllättävien tilanteiden tehokas ennustaminen ja niistä varoittaminen kuljettajalle voisivat vähentää kelistä johtuvia onnettomuuksia”, Jukkala kertoo.
Onnettomuusaste on korkein silloin, kun useampi olosuhdetekijä haittaa samaan aikaan tiellä liikkumista. Vaikka ulkoiset tekijät eivät yleensä ole suurin vaikuttaja onnettomuuden synnyssä, yhdenkin riskitekijän minimoiminen voi estää onnettomuuteen johtavan tapahtumaketjun syntymisen tai katkaista sen ajoissa.
Ensimmäiset ennustemallit varoittivat onnettomuusriskistä 60 % tapauksista
Ensimmäiset tulokset maantieliikenteen riskejä tunnistavien datamallien rakentamisesta saatiin keväällä 2025. Nämä ensimmäiset ennustemallit varoittivat kohonneesta liikenneonnettomuusriskistä peräti 60 % tapauksista. Tämä on merkittävä osuus, sillä sääolosuhteiden lisäksi onnettomuuksiin vaikuttavat myös inhimilliset ja muut tekijät.
”Tällä hetkellä liikenneonnettomuusriskin reaaliaikainen ennustaminen näyttäisi rajautuvan Suomessa yksittäisille moottoriteille. Kandidaatin tutkimukseni pohjalta voidaan kuitenkin todeta, että riskitekijöiden tai reaaliaikaisen riskin ennustamisen datamalli voi olla mahdollista luoda suomalaiselle pääteille laajemminkin”, Jukkala kertoo.
Ennustemallin rakentamisessa on hyödynnetty Fintrafficin tuottamia liikenneonnettomuuksien liikennetiedotteita, poliisin onnettomuustilastoja sekä Tilastokeskuksen riistaeläinonnettomuustilastoja. Ajokelin osalta tutkimuksessa hyödynnettiin Fintrafficin tiesääasemien tietoja sekä sääennusteita tuottavien tahojen dataa. Ennustemallien kehittäminen jatkuu, ja niitä tullaan testaamaan Fintrafficin tieliikennekeskuksessa.
Fintraffic ja Jyväskylän yliopisto allekirjoittivat huhtikuussa 2024 yhteistyösopimuksen, jonka tavoitteena on tehdä pitkäaikaista yhteistyötä turvallisen, sujuvan ja ympäristöystävällisen tieliikenteen kehittämiseksi. Yhteistyö yhdistää toisiinsa Fintrafficin tuottaman ja hallinnoiman tiedon sekä Jyväskylän yliopiston datamalli- ja analytiikkaosaamisen.
