Vuodesta 2016 lähtien Liikennevirastolla on ollut käynnissä laajamittainen digitalisaatiohanke. Hankkeella on haluttu uudistaa tapoja tuottaa ja ylläpitää liikenne- sekä väylätietoja. Yksi projektin kuudesta osahankkeesta etsii keinoja väylien ennakoivaan kunnossapitoon digitalisaation keinoin.
Kesäkuussa julkaistussa tuotantotalouden diplomityössä Ellinoora Korpela tutkii mahdollisuuksia Liikenneviraston väylänpidon kehittämiseen keinoälyn avulla. ”Keinoälyä pystytään hyödyntämään hyvin laajasti Liikenneviraston eri toiminta-alueilla”, Korpela kertoo. ”Se tunnistaa kaavoja sielläkin, missä ihminen ei niitä havaitse ja osaa muodostaa ennusteita niiden perusteella.”
Keinoälyn tarjoamista ennusteista voisi olla suurta hyötyä Liikenneviraston väylänpidolle, kun esimerkiksi teiden kunnon kehittymistä pystyttäisiin ennakoimaan entistä paremmin. Teiden kuntoa etukäteen ennakoimalla voitaisiin määrittää muun muassa kustannustehokkaimmat ajankohdat korjata päällystystä vaativia teitä.
Keinoäly ohjaisi kunnossapitäjät oikeisiin kohteisiin
Liikennevirasto analysoi väyliensä kuntoa jatkuvasti: palvelutasomittauksia ja päällystevauriokartoituksia tehdään koko maassa, mutta jopa satelliittikuvia on kokeiltu teiden kuntomittauksissa osana digitalisaatiohanketta. Mittauksia ei kuitenkaan voida tehdä reaaliaikaisesti, joten kuntotiedot saadaan ainoastaan yksittäisiltä mittausajankohdilta. Ellinoora Korpelan mukaan keinoälyllä voitaisiin paikata nykyisten mittausten tietoaukkoja. ”Keinoäly voisi analysoida kuntomittausten välisiä tapahtumia aiempien kuntotietojen, säähistorian, liikennemäärien ja liikennetyypin perusteella. Kun ennustukseen tuodaan enemmän tien kuntoon vaikuttavia tekijöitä, saadaan todennäköisesti tarkempi ennuste.”
Tiedot pureskeltuaan keinoäly kykenisi arvioimaan, mitä tielle on tapahtunut mittausten välissä ja tarjoaisi sen pohjalta ennusteen tien kunnosta tulevaisuudessa. Jos ennuste ei pitäisi paikkaansa, keinoäly ottaisi opikseen – se korjaa algoritmejään jatkuvasti uusien tietojen perusteella. ”Käytännössä se viisastuu virheistään”, Korpela selittää.
Diplomityö osoittaa keinoälyn olevan potentiaalinen työkalu myös Liikenneviraston talvikunnossapidolle. Tätä nykyä aura-autojen reitit ovat ennalta määriteltyjä, mutta tulevaisuudessa keinoäly voisi optimoida myös niitä. ”Keinoäly voisi tarjota aura-autoille uusia reittejä aurausluokituksiin, sääennusteisiin ja lumimääriin perustuen. Näin päästäisiin auraamaan kriittisimmät alueet ensimmäisenä”, Korpela pohtii.
Kohti tehokkaampaa asiakaspalvelua
Diplomityön mukaan uutta teknologiaa voisi valjastaa tehostamaan myös asiakaspalvelua – tekstiä ja kuvia analysoimalla sekä avainsanoja poimimalla keinoäly voisi vastata asiakaspalautteisiin. ”Jos aiheesta on kirjoitettu aiemmin, keinoäly osaa hakea ja tarjota tiedot asiakkaalle ilman välikäsiä”, Korpela selittää.
Hänen arvionsa mukaan keinoäly voisi analysoida jopa palautteena lähetettyjä kuvia teiden kunnosta. Jos kuvassa olisi esimerkiksi paikkausta vaativa kuoppa, keinoäly osaisi sijaintitietojen avulla välittää tiedon kohteesta suoraan oikean alueen kunnossapitäjille.
Korpela muistuttaa keinoälyn olevan apuväline, jonka tarkoituksena ei ole vallata asiakaspalvelijoiden työtehtäviä. ”Asiakaspalvelussa vältytään turhalta työltä, jos palautteeseen löytyy valmis vastaus. Keinoäly vain hakee tiedon asiakkaalle mutkattomammin ja asiakaspalvelija voi keskittyä ratkomaan vaativampia yhteydenottoja.”
Turvallisemmat tiet ja paremmat palvelut tienkäyttäjille
Keinoälyllä on mahdollista parantaa väylänpidon kustannustehokkuutta, luoda turvallisempia teitä ja tarjota nopeampaa asiakaspalvelua. ”Nyt keinoälyn testausta voitaisiin jatkaa mahdollisimman laajoilla kokeiluilla, jotta saisimme todisteita sen toimivuudesta”, Korpela pohtii. ”Väylänpidossa tapahtuu merkittäviä asioita – keinoälyllä on selvästi paikkansa tässä kehityskulussa.”