Projektiesittely ---

UrbanSense kokoaa 5G-testialustat yhteen

Artikkelikuva: Projektiesittely

UrbanSense hankkeessa rakennettiin 5G-verkon testiympäristö ja innovaatioalusta, joka käyttää uutta teknologiaa kaupunkiympäristön havainnointiin.

Tavoite

Hankkeessa toteutettiin kaksi toisiinsa kiinteästi liittyvää osaa. Toinen osa keskittyi 5G-verkkoteknologian tutkimus- ja kehitystyöhön sekä reaaliaikaiseen ilmanlaatudatan siirtoon ja keräämiseen. Toisessa kehitettiin laajemmin Helsinkiin yrityksille avoimia 5G-teknologiaan perustuvia alustoja. Hanke mahdollisti kansainvälisestikin kiinnostavan ja uniikin 5G-kokeilualustan kaupunkiympäristöstä, jossa kerättyä tietoa tutkittiin ja koottiin monilähteisesti, monialaisesti ja yhdessä.

Partnerit, kesto ja rahoitus

UrbanSense-hankkeen toteuttivat yhteistyössä Forum Virium Helsinki, Helsingin yliopisto ja Helsingin kaupunginkanslian elinkeino-osasto. Hanke kesti yhteensä kaksi ja puoli vuotta, sisältäen kuuden kuukauden jatkoajan. Kaupunginhallituksen elinkeinojaosto myönsi hankkeelle rahoituksen innovaatiorahastosta.

Forum Viriumin rooli

Forum Virium Helsinki vastasi osatoteutuksessa avoimen 5G-innovaatioalustan toimintamallin, tarvekartoituksen ja temaattisten tavoitteiden määrittämisestä Helsingissä.Lisäksi Forum Virium vastasi 5G-pilottien toteutuksesta ja niiden laajentamisesta Helsinkiin yhdistäen 5G-innovaatioalustaan.

Projektin keskeiset saavutukset

Hankkeen aikana määriteltiin avoimen 5G-innovaatioalustan toimintamalli, tarvekartoitus ja keskeiset teemat. Määrittelytyö toteutettiin sidosryhmä- ja yritysyhteistyötapaamisten kautta, joissa tunnistettiin Helsingin keskeinen sijainti ICT-ekosysteemissä ja avoimen 5G-innovaatioalustan arvo oikeassa kaupunkiympäristössä.

UrbanSense avoin 5G-innovaatioalustan käyttöliittymä

 

5G Pilotit ja konseptit

IoT-teema (NB-IOT, LTE-M1)

  • STARLIT 5G Luonnonvarakeskus (LukeFinland), Wapice, EEE Innovations ja STARA.

Kokeilussa tavoiteltiin järjestelmää, jonka avulla voidaan arvioida kevyenliikenteenväylien liukkautta sekä liukkauden torjuntatoimia kuten hiekan levittäminen. Kokeilun proof-of-concept toteutettiin ajamalla traktorilla koeajoja kevättalvella 2019 josta ajojen aikana kerättiin CAN-väylästä datasetit analyysiin. Ratkaisun tiedonsiirrossa kokeiltiin NB-IOT ja LTE-M1 tekniikoita Wapicen IoT-Ticket IoT-alustaan ja EEEInnovations Oy analysoi kerätyn datan liukkauden arviointia varten kuten: nopeus, kiihtyvyys, luisto, vetovoima, käytetty energia ja kuormitus. STARA toi kokeiluun ylläpidon asiakasnäkemystä.

  • Vaikuttavuuden visualisointi (Wizense Oy) sensorit ja (Citynomadi Oy) visualisointi- STARA.

Kokeilussa toteutettiin vaikuttavuuden visualisoinnin proof-of-concept jossa Citynomadi Oy visualisoi Wizense Oy Fieldsigh tuoteperheen sensoreilla kerätyn datan Helsingin kartta-aineistolle. Toteutuksen tiedonsiirrossa hyödynnettiin NB-IOT ja LTE-M1 tekniikoita STARAN kiinteistössä ja huolto ajoneuvossa.

Kokeilun tuloksena syntyi ilmanlaadun visuaalinen tilannekuva käyttäen hyväksi liikkuvaa kalustoa. Kokeilun avulla ymmärretään paremmin vaatimuksia mitä sensorointi kalustoon tarkoittaa mekaanisesti, virransyöttö sekä sensorien soveltuvuus. Samalla se luo melko valmiin konseptin, jota voi laajemmin monistaa.

  • Ilmanlaatumittari ja kirjastolainaamisen kosepti (Loopshore Oy) ja 4 kirjastoa.

Konseptissa kokeiltiin pientä ranteeseen kiinnitettävää mittalaitteita neljässä eri kirjastossa: Oodi, Vallila, Itäkeskus ja Viikki. Lainattavien mittareiden avulla saatiin kerättyä monipuolisesti tietoa eri alueiden ilmanlaadusta reaaliaikaisesti Helsingin yliopiston tutkimuskäyttöön. Konsepti sisältää pienen mittalaitteen ja Oo-app:n josta näkee laitteen lukemat.  

Kirjastojen tehtävänä on edistää tiedonsaantia ja yhteiskunnallista keskustelua, ja kokeilun mittarit tekivät sitä innovatiivisella tavalla. Kokeilu on vahvistanut toimintamallia, jossa kirjastopalvelut osallistuu kokeilussa uusien innovaatioiden skaalaamisen yhdessä kirjaston asiakkaiden kanssa. Tästä on hyvä jatkaa digitaalisten palvelujen kehittämistä yhdessä.

AR/VR teema 

  • AR Helsinki ajassa (Teatime Research Oy)

Kokeilussa Teatime Research Oy toteutti sovelluksen jonka avulla käyttäjä pääsee tarkastelemaan Helsingin historiallisia kerrostumia lisättyyn todellisuuteen sijoitettujen valokuva materiaalin avulla. Sovellus hyödyntää 5G-verkon nopeaa ja lähes reaaliaikaista tiedonsiirtoa kuvan lähettämiseen ja on suunniteltu soveltuvaksi kaikille Helsingin kaupunkiympäristössä liikkuville kaupunkilaisille sekä turisteille. Kuvamateriaali on koottu Helsingin kaupunginmuseon kuvakokoelmista.

  • AR paikannus ulkotiloissa 3D kaupunkimallin avulla xD Twin xD (Visuals Oy), Kaupunkisuunnittelu Pasila Trigoni. 

Kokeilussa  xD Visuals Oy toteutti (xD Twin) sovelluksen tuoden lisätyn todellisuuden AR-teknologiaa nopeiden 5G-verkkojen avulla kaupunkisuunnittelun ja rakennushankkeiden avuksi. Sovelluksen, jolla voidaan katsella rakennushankkeiden 3D-visualisointi- ja tietomalleja mobiililaitteilla paikan päällä sekä kehittää teknisiä menetelmiä, jolla AR-laitteiden paikannusta voidaan parantaa hyödyntämällä olemassa olevaa Helsingin 3D-kaupunkimallia.

 

Edge Computing -alusta

Edge Computing alustakokeilussa Telia inmics-nebula ja RAIN Edge Lempea Oy toteuttivat yhteisen ratkaisun jossa RAIN Edge toteutti helposti orkestoitavan palvelurajapinna Telia Inmics-Nebulan tarjoamille virtuaalikoneille. Alusta tarjottiin Edge Computing kokeilujen aikaiseen käyttöön ja palveluja laajennettiin Edge Computing kokeilujen käyttötapauksien mukaan. Telia mahdollisti 5G päätelaitteet kokeiluille. 

  • Telia inmics-nebula Cloud9 
  • RAIN Edge Lempea Oy

Edge Computing -kokeilut Telia/RAIN Edge -alustalla

  • Liikennemerkkien automaattinen tunnistaminen. Safe Cruising Edge Computing (Aavista Oy) ja Virve Leino Autonomous Urban Area Driving

Kokeilun konseptissa kokeiltiin kustannustehokasta tapaa kerää dataa risteyksissä olevista liikennevaloista autossa olevan matkapuhelimen avulla. Kokeilussa liikennevaloja tunnistettiin konenäön avulla valokuvista. Nämä tiedot sekä kuvista poimitut paikkatiedot ovat kytketty karttaan. Kokeilun perusteella autoille tarkoitettujen liikennevalojen tunnistus onnistuu suurella todennäköisyydellä. Kokeilussa ajettiin useita keräyskierroksia (satoja kuvia) konenäköalgoritmien läpi. Noin 10 m säteellä, ajorataa koskevat liikennevalot tunnistettiin näissä testeissä 100 %. Lisäksi konseptoitiin liikennemerkkien automaattinen tunnistaminen sekä konsepti jossa robottiautoon asennetulla matkapuhelimella tunnistetut liikennevalot voivat toimia ylimääräisenä ’backupina’ varmistamaan turvallista liikennöintiä.

  • Helsingin kadut Edge Computing (Digia Finland Oy) 

Demon tarkoituksena oli kokeilla, miten voidaan automatisoida tiestön kunnon seurantaa sekä havaita tiessä esiintyviä päällystevaurioita. Kokeilussa kuvatunnistaminen perustui koneoppimisen (machine learing) kykyyn ja kokeilu toteutettiin yhteistyönä Digia Oyj, Lempea Edge Oy ja Telia Finland Oyj toimesta. Tapahtuman orkestrointi toteutettiin RAIN visuaalisen käyttöliittymän kautta edgessä. Kuvatunnistus (TensorFlow) tuotti seuraavan säännön mukaista dataa:

  • Käsiteltävä kuva (kuoppa tunnistettu)
  • Lopputulos kuva (kuoppa merkattu visuaalisesti)
  • Metatiedosto (kuvaa eri tunnistuksen lukumäärät)

Yli seitsemän minuuttia kestävän videon perusteella demo tallensi 3996 otosta. Lisäksi Video Display Widgetin avulla saa tuotua erilllisen videoseurannan näytölle. Demovaiheen avulla voidaan arvioida Edge Computing tarjoavan huomattavia etuja tulevaisuuteen. Reunalaskennan avulla älykkäät päätelaitteet osaavat itse tehdä omia havaintoja ja lähettää tulokset eteenpäin, esimerkiksi pilveen.

Vaihe 2 (Next Step) kokeilussa Digia Finland Oy jatkokehitti Helsingin kadut (Edge Computing) kokeilua seuraavalle tasolle kehittäen aikaleima pohjaista analyysiä yhdessä GPS sijainnin kanssa. Kokeilussa hyödynnetään Edge prosessointia (RAIN Edge) verkon reunalla sekä kokeillaan hajautettua RAIN Edge järjestelmää jossa prosessointikapasiteetti hajautettiin lähelle päätelaitetta.

  • Fast Loop Edge Computing Tripla, (Loopshore Oy)

Fast Loop kokeilussa Loopshore Oy ratkasussa kartoitettiin äänipuolen Open Source tekoälyanalyysien hyödyntämistä eli tarkkailemalla ja reagoinnilla suuria äänenpaineita konseptin MVP ratkasuun. Kokeilussa toteutettiin konsepti jolla todettiin, että kattavan IoT pohjaisen sensorointiverkon tuottama tieto voidaan välittää EDGE laskennan avulla turvallisuushenkilöstön tietoon. Epänormaalien turvallisuuteen vaikuttavien äkillisten tapahtumien havaitseminen on usein aika-kriittistä ja tällä kokeilulla todistetaan teknologian tuomat mahdollisuudet yleisen turvallisuuden kohentamiseksi.

Hyödyt Helsingille

Toimintamalli on lisännyt langattomien verkkojen ja ratkaisujen kokeilutoimintaa eri alueilla Helsingissä sekä kehittänyt ympärilleen ainutlaatuisen ekosysteemin. UrbanSense toiminnan pohjalta on syntynyt uusia 5G liiketoimintamahdollisuuksia ja kumppanuuksia jotka edesauttavat Helsingin 5G-palvelujen ja toimialan laajentumista kaupunkiympäristössä.

Yrityspalaute on hyvää ja pääsääntöisesti ylittänyt odotukset. 5G-teknologian käyttöönotto on laajentunut uusien hankkeiden käyttöön joissa toimintamallia ja verkostoa on hyödynnetty uudella tavalla kuten uudet 5G testialueet. Edge Computing yhdessä 5G kanssa mahdollistaa hajautetut ratkaisut jossa datan prosessointi voidaan optimoida uusille reaaliaikaisille käyttötapauksille.

Yliopiston kautta hanke on kasvattanut Helsingin osaamisperustaa opiskelijoiden projektityöhön osallistamisen myötä sekä tuonut tutkimuksen kautta uutta osaamispääomaa, jota voidaan hyödyntää myös kaupallistamiseen tähtäävissä jatkohankkeissa.5G-kokeilualustatoiminta jatkuu Pasila testbed -jatkotyön kautta Helsingin kaupungin toimesta.

Projektin materiaalit ja mediaosumat

 

Projektisivun kuva: Elise Kulmala / Helsinki Marketing

Lisätietoja

Kuva

Eero Jalo

#urbansense
puh. +358 40 501 3223
eero.jalo(at)forumvirium.fi