Helsingin katuympäristön tarkempaa mallinnusta ja uusia konenäköratkaisuja

Forum Virium Helsingin ja Business Helsingin yhteinen Mobility Lab Helsinki -hanke vauhdittaa yritysten uuden liiketoiminnan, tuotteiden ja palvelujen syntyä edistämällä Helsingin kaupungin liikenteen digitaalisen kaksosen, tietomallien ja datavarntojen kehittämistä sekä tukemalla näiden tehokasta hyödyntämistä.

Katutilojen tietomallintaminen on oleellinen osa Helsingin kaupunkitietomallin kehittämistä, niinpä kokeilumme toteutetaan yhteistyössä Helsingin kaupunginkanslian kanssa. Laaja tavoite on jakaa oppeja yrityksille, tutkijoille ja kehittäjille sekä lisätä ymmärrystä standardin uuden version mahdollisuuksista.

Eri liikennemuotojen liikenneverkostoja voi kuvata useilla eri tarkkuustasoilla, aina viivamaisesta verkostokuvauksesta tarkkaan kolmiulotteiseen kadun osia yksityiskohtaisesti esittävään kolmiulotteiseen tietomalliin asti. Kevään 2023 kokeilujen tavoitteena on testata Helsingin katuympäristön tietomallintamisessa uutta standardia (CityGML3 Transport module) valituilla koealueilla. CityGML3 mahdollistaa katuympäristön esittämisen monina eri tasoisina tietomalleina. 

Kokeiluhaun voittajat

Valitsimme kokeilun toteutukseen kaksi yritystä. Molemmissa kokeiluissa tuotetaan lähtöaineisto valikoiduilta katualueilta Jätkäsaaressa ja Esplanadilla. 

Sitowise Oy kokeilee lähtöaineiston tietomallintamista FME (Feature Manipulation Engine) -työkalulla. FME mahdollistaa erilaiset paikkatietoaineistojen muunnokset ja datan integroinnit tehokkaasti. 

Tavoitteena on kokeilla, kuinka kaupungin nykyisiä paikkatietoaineistoja voitaisiin yhdistellä ja parantaa liikenneympäristön mallin tuottamiseksi mahdollisimman automaattisesti. Kehittämällä tällaisia aineiston käsittelymenetelmiä mahdollistetaan uusien sovellusten kustannustehokas rakentaminen jo ylläpidettävien aineistojen pohjalta.

Zero Gravity Oy kokeilee konenäköratkaisuja katutilan elementtien tunnistamiseen, kuten ajoratamerkinnät ja väylätyypit. Lähtöaineistoina toimivat sekä sateliittikuvat, perinteiset ortokuvat, että dronella tarkemmin mitatut ortokuvat katuympäristöstä.

Koneoppimiseen perustuva kuvien tulkinta voisi mahdollistaa hyvin tehokkaan tiedon tuottamisen laajoilta alueilta esimerkiksi kaupungin ilmakuviin perustuen. Tällöin esimerkiksi liikennemerkintöjen ajantasainen tilanne voitaisiin helposti päivittää säännöllisesti.

Kuva: Jussi Hellsten