Staattinen liikennetieto : tiedon merkitys ja asiantuntijakäyttö
Karoluoto, Kimmo (2017)
Karoluoto, Kimmo
Savonia-ammattikorkeakoulu
2017
All rights reserved
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2017052410038
https://urn.fi/URN:NBN:fi:amk-2017052410038
Tiivistelmä
Työn aiheena oli staattinen liikennetieto ja sen käyttö asiantuntijatyössä. Tavoitteena oli selvittää, millainen kysyntä staattiselle ajoneuvoliikenteen liikennetiedolle nykyään vallitsee. Lisäksi työssä tutkittiin, ketkä näitä tietoja hyödyntävät ja minkä tyyppistä tietoa eri tahojen päätöksenteossa käytetään. Lisäksi pyrittiin selvittämään suunnittelutyössä ja väylänpidon ohjauksessa käytettäviä liikenteen määrätiedon tarkkuuteen liittyviä merkitseviä raja-arvoja. Tavoitteena oli myös ymmärtää, kuinka data eroaa tiedosta. Työssä pohdittiin myös, onko tiedon merkitys muuttunut ja mikä on avoimen datan sekä big datan merkitys tulevaisuuden liikennetiedon tuotannossa.
Työ toteutettiin kirjallisuustyönä. Lähdeaineistona käytettiin pääasiassa Liikenneviraston ja entisen Tiehallinnon suunnitteluohjeita, toimintaohjeita, tutkimuksia ja selvityksiä. Tietoja täydennettiin haastattelemalla sähköpostitse eri organisaatioiden asiantuntijoita niin julkiselta kuin yksityiseltä sektorilta.
Tehdyn katsauksen perusteella todettiin, että luotettavalle staattiselle liikennetiedolle on runsaasti kysyntää. Tietoja hyödynnetään useiden eri organisaatioiden tarpeisiin osana lähes päivittäistä päätöksentekoa. Selvityksessä ilmeni, että yleisiä tiedon käyttökohteita ovat liikennesuunnittelu, tiesuunnittelu, esisuunnittelu, katusuunnittelu kevyen liikenteen näkökulmasta, kunnossapidon ohjaus, kaupallinen käyttö, liikenneturvallisuustyö, liikennejärjestelmätyö, kaavoitus ja maankäyttö, rahoitusperustelut, melu- ja päästölaskenta sekä liikenteen hallinta.
Liikennetiedon keräysprosessit ja -menetelmät automatisoituvat hyvää vauhtia. Näin voidaan tuottaa nopeasti ja kustannustehokkaasti suuria määriä liikennedataa, jota hyödynnetään sellaisenaan useissa liikkujille suunnatuissa palveluissa. Data kuitenkin sisältää lähes poikkeuksetta aina virheitä. Tämän perusteella todettiin, että ennen tilastokäyttöä data tulee aina todentaa ja tarvittaessa korjata oikeaksi.
Tulevaisuudessa liikennetiedon asiantuntijapalveluissa korostuu big data -analytiikan osaaminen. Asiantuntijapalveluita tuottavien organisaatioiden täytyy lähivuosina varautua tämän osaamisen vahvistamiseen. Big datan analysoinnissa korostuu liikennetiedon asiantuntemus. Luotettavan liikennetiedon tuottaminen valtavista datamassoista vaatii yhteispeliä, jossa syvä ymmärrys liikennetiedosta, sen käyttökohteista, alkuperästä, laatuvaatimuksista ja jalostusarvosta yhdistyvät moderniin data-analytiikan osaamiseen.
Työ toteutettiin kirjallisuustyönä. Lähdeaineistona käytettiin pääasiassa Liikenneviraston ja entisen Tiehallinnon suunnitteluohjeita, toimintaohjeita, tutkimuksia ja selvityksiä. Tietoja täydennettiin haastattelemalla sähköpostitse eri organisaatioiden asiantuntijoita niin julkiselta kuin yksityiseltä sektorilta.
Tehdyn katsauksen perusteella todettiin, että luotettavalle staattiselle liikennetiedolle on runsaasti kysyntää. Tietoja hyödynnetään useiden eri organisaatioiden tarpeisiin osana lähes päivittäistä päätöksentekoa. Selvityksessä ilmeni, että yleisiä tiedon käyttökohteita ovat liikennesuunnittelu, tiesuunnittelu, esisuunnittelu, katusuunnittelu kevyen liikenteen näkökulmasta, kunnossapidon ohjaus, kaupallinen käyttö, liikenneturvallisuustyö, liikennejärjestelmätyö, kaavoitus ja maankäyttö, rahoitusperustelut, melu- ja päästölaskenta sekä liikenteen hallinta.
Liikennetiedon keräysprosessit ja -menetelmät automatisoituvat hyvää vauhtia. Näin voidaan tuottaa nopeasti ja kustannustehokkaasti suuria määriä liikennedataa, jota hyödynnetään sellaisenaan useissa liikkujille suunnatuissa palveluissa. Data kuitenkin sisältää lähes poikkeuksetta aina virheitä. Tämän perusteella todettiin, että ennen tilastokäyttöä data tulee aina todentaa ja tarvittaessa korjata oikeaksi.
Tulevaisuudessa liikennetiedon asiantuntijapalveluissa korostuu big data -analytiikan osaaminen. Asiantuntijapalveluita tuottavien organisaatioiden täytyy lähivuosina varautua tämän osaamisen vahvistamiseen. Big datan analysoinnissa korostuu liikennetiedon asiantuntemus. Luotettavan liikennetiedon tuottaminen valtavista datamassoista vaatii yhteispeliä, jossa syvä ymmärrys liikennetiedosta, sen käyttökohteista, alkuperästä, laatuvaatimuksista ja jalostusarvosta yhdistyvät moderniin data-analytiikan osaamiseen.