Koneoppiminen auttaa YIT:tä teiden ja katujen kunnossapidossa

Case YIT

Koneoppiminen auttaa YIT:tä teiden ja katujen kunnossapidossa

Hyvästit liukkaille teille

”Kelikoneäly” on koneoppimiseen perustuva järjestelmä tiestön kunnossapitotöiden hallintaan. Järjestelmä auttaa YIT:tä ennustamaan liukkauden todennäköisyyttä ja tienpinnan olosuhdemuutoksia, joita hyödynnetään teiden ja katujen kunnossapitotoimenpiteiden optimoinnissa.

Oikea-aikaisia toimenpiteitä Azuren avulla

Ratkaisun avulla huoltoajoneuvojen lähettäjällä on käytössään ennakoivaa analytiikkaa hyväksi käyttävä malli, jolla saadaan tietoa tien pinnan liukkauden todennäköisyydestä tulevina tunteina. Parhaimmillaan järjestelmällä saadaan hiottua toimenpiteet täsmälleen oikea-aikaisiksi, mikä tarkoittaa loppukäyttäjälle parempia olosuhteita liikkumiseen.

Järjestelmä ennustaa esimerkiksi liukkautta aivan uudella tavalla, oppien aiemmista toimenpiteistä ja niiden tuloksista. Se kertoo kunnossapitäjille, milloin on optimaalisin aika tehdä toimenpiteitä sekä millainen määrä ja mitä liukkaudentorjunta-materiaaleja tarvitaan. ”Järjestelmä on päivittäisessä käytössä kaikilla kunnossapidon urakoillamme ja sillä haetaan parempia algoritmeja toimintamme tueksi.”, kertoo kelikoneälyn kehittämisestä vastaava projektipäällikkö Petri Jansson YIT:n kunnossapitoyksiköstä.

Järjestelmä mahdollistaa muun muassa benchmarkkauksen eri urakoiden välillä. Oulun tilannetta pystytään vertaamaan Helsinkiin, jolloin henkilöstö oppii samalla ja pysyy ajan tasalla. YIT:n kunnossapidon 24/7 -päivystävä palvelukeskus PANU operoi järjestelmän pääkäyttäjänä, mutta kuka tahansa urakkavastuullinen näkee koko maan tilanteen.

Kelikoneäly on 24/7 -toiminnassa oleva järjestelmä web-pohjaisella käyttöliittymällä, joka oppii työmaan toiminnasta ja hyödyntää monipuolisesti niin YIT:n itsensä keräämää ja siten omistamaa dataa ja ulkoista, kaikille avointa dataa. Järjestelmä toimii Azure-alustalla, Microsoftin koneoppimisen työkaluilla. Ratkaisun on toteuttanut yhteistyössä YIT:n kanssa Louhia ja Soikea. Järjestelmää on kehitetty muutaman vuoden ajan, jolloin talvella saatuja oppeja jalostetaan kesän ajan ja niitä testataan jälleen seuraavana talvena.

"Projektille on suunniteltu jo jatkoa, jossa kehitetään uusia algoritmeja, joilla pyritään entistä suurempiin ympäristö- ja taloudellisiin säästöihin."

- Petri Jansson, vastaava projektipäällikkö, YIT

Share