Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Oulun ammattikorkeakoulu
  • Julkaisut
  • Näytä viite
  •   Ammattikorkeakoulut
  • Oulun ammattikorkeakoulu
  • Julkaisut
  • Näytä viite

Kelirikkoennustemallin päivittäminen

Konttinen, Salla; Alitalo, Sanna (2025)

 
Avaa tiedosto
vj_2025-29_978-952-405-267-2.pdf (4.573Mt)
Lataukset: 


Konttinen, Salla
Alitalo, Sanna
Väylävirasto
2025
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe202601123049
Tiivistelmä
Kelirikko on vuosittainen ilmiö, joka vaikuttaa sorateihin keväisin lumen ja jään sulaessa. Sen vaikutukset vaihtelevat vuosittain ja paikallisesti. Väylävirasto ja ELY-keskukset pyrkivät ennustamaan kelirikkoa ja viestimään siitä tienkäyttäjille. Nykyinen ennustemalli on yli 20 vuotta vanha, ja sen toimivuudessa on haasteita.

Tutkimuksen tavoitteena on arvioida nykyisen kelirikkoennustemallin toimivuutta ja kehittää uusia ennustemalleja. Työ sisältää puutteiden ja ongelmien kartoituksen, ennusteiden ja toteumien vertailun, maastokäynnit ja kehittämispolut.

Haastatteluissa selvitettiin käytännön toimijoiden näkemyksiä kelirikkoennustemallista. Haastateltavat pitivät nykyistä painorajoituskäytäntöä toimivana, mutta ennustemallia ei pidetty käytännön työssä hyödyllisenä. Syksyn ilmastotekijöistä tärkeimmiksi kelirikkoon vaikuttaviksi tekijöiksi nousivat aikainen pakkaskauden alkaminen ja pohjaveden korkeus.

Tutkimuksessa ehdotetaan kolmea strategiamallia kelirikkoennustemallin kehittämiseksi:

­Uusi ennustekaava, jossa nykyisen mallin periaatteita mukaileva uusi kaava, joka huomioi myös uusia tekijöitä.

­Hybridimalli, jossa ennustekaava, joka yhdistää syksyn ja kevään ilmastotiedot reaaliaikaisesti päivittyviin tietoihin.

­Koneoppivamalli, jossa koneoppimista hyödyntävä malli, joka käyttää laajaa tietoaineistoa ennusteen laatimiseen.

Johtopäätöksenä todettiin, että nykyinen ennustemalli ei vastaa nykypäivän olosuhteita ja vaatii päivitystä tai kokonaan uuden mallin kehittämistä. Tutkimuksessa suositellaan miettimään hybridimallia, joka yhdistää historiatiedon ja reaaliaikaisen datan, mutta myös koneoppivamallin mahdollisuuksia tulisi tutkia.
Kokoelmat
  • Julkaisut
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste