Osallistu webinaariin: Rakennetun ympäristön pistepilvet 21.3. klo 10-10.40.

Webinaarisarjamme jatkuu maaliskuussa 21.3. klo 10 ”Rakennetun ympäristön pistepilvet” -webinaarilla, jossa JP Virtanen Aalto-yliopiston rakennetun ympäristön mittauksen ja mallinnuksen instituutista esittelee alan uusimpia tuulia tutkimustiedon valossa. Keskiössä ovat kysymykset, kuinka kokonaisvaltaisesti rakennettua ympäristöä pystytään nykytekniikalla mittaamaan, ja mihin tätä tietoa voidaan soveltaa?

Webinaarissa esitellään vaihtoehtoja sisä- ja ulkotilojen mittaamiseen tiheiksi pistepilviksi. Tosielämän case-esimerkkien kautta osallistujat pääsevät tutustumaan menetelmien ominaisuuksiin käytännössä. Mittausmenetelmien suorituskykyä ja rajoituksia esitellään sekä ulko- että sisätilojen osalta, unohtamatta tekniikan kehityssuuntia.

Kysymysten lisäksi kuulemme mielellämme tiedon hyödyntäjien tarpeista tutkimukselle.

Webinaari toteutetaan selainpohjaisella alustalla. Ilmoittaudu mukaan 20.3. klo 14 mennessä täällä.

Lisätietoja webinaarista juho-pekka.virtanen@aalto.fi / 050 405 7791.

Pointcloud Rakkaudesta tieteeseen -tapahtumassa 14.2. – ratkaisuriihet katsottavissa

Strategisen tutkimuksen neuvoston ohjelmat järjestivät Rakkaudesta tieteeseen -tilaisuuden Musiikkitalolla 14.2.2017. Tilaisuus toi yhteen tutkijat ja tiedon hyödyntäjät.

Tarjolla oli tietoiskuja ja ratkaisuriihet, jossa keskusteltiin kuudesta ajankohtaisesta teemasta, esimerkiksi digitaalisen murroksen vaikutuksista teollisuuteen ja palveluihin, kestävän kaupunkikehityksen edellytyksistä sekä kansalaisten yhdenvertaisuudesta teknologisen murroksen keskellä. Kooste tilaisuudesta ja teemojen ratkaisuriihien videot löytyvät Suomen Akatemian verkkosivuilta www.aka.fi/rakkaudestatieteeseen.

Osallistuimme Urbanisaatio ja älykaupungit -ratkaisuriiheen, jossa yhtenä keskustelijana oli hankkeestamme Juha Hyyppä. Juha kertoi 3D-pistepilvien luomista uusista mahdollisuuksista yhteiskunnalle ja liiketoiminnalle. Kommentaattoreina toimivat ministeri Anu Vehviläinen, apulaiskaupunginjohtaja Anni Sinnemäki ja Euroopan alueiden komitean puheenjohtaja Markku Markkula.

Juha Hyyppä keskustelemassa pistepilvistä ja 3D-mallinnuksesta STN rakkaudesta tieteeseen -tapahtumassa

 

”Kun kaupunkisuunnitelmat viestitään koko ajan näkyvillä olevilla vuorovaikutteisilla 3D-malleilla, joihin ihmisten omat kokemukset otetaan mukaan, suunnittelu alkaa toimia. Kaupunkisuunnittelun käytäntöjä pitää uudistaa 2D:sta 3D:ksi”, totesi Euroopan alueiden komitean Markku Markkula.

Päivän aikana voi myös tutustua teemojen postereihin ja vierailla ”hypistelynurkassa”, jossa esittelimme uuden miniatyyritiekartoitusdemon hologrammitekniikalla.

Postereilla riitti kiinnostuneita kävijöitä pitkin päivää
Oulun yliopiston tutkijamme Hannu Kukka ja Matti Pouke esittelivät kaupunkinäkymää virtuaalilaseilla
Hologrammidemo tieympäristön pistepilviaineistosta ja sen luokittelusta

 

COMBAT/pointcloudin posterin avoimista kaupunkimalleista löydät täältä, ja rakennetun ympäristön 3d-digitalisaatiosta täältä.

Tilaisuuden järjesti  Suomen Akatemian yhteydessä toimiva Strategisen tutkimuksen neuvosto, jonka hankkeet etsivät ratkaisuja suuriin yhteiskunnallisesti merkittäviin ilmiöihin.

Avoimet kaupunkimallit ja World of Warcraft: Mitä fantasiakaupungit voivat opettaa meille?

Ajatellaanpa verkossa pelattavia massiivisia roolipelejä kuten World of Warcraftia, Guild Wars 2:sta tai Elder Scrolls Onlinea. Iso osa näiden pelien viehätyksestä rakentuu mielenkiintoisen, elävän maailman sekä maailmaa kansoittavan pelaajakunnan varaan. Näiden pelien suuret kaupungit toimivat kohtaamispaikkoina ja tarjoavat monenlaisia palveluja pelaajille. Pelien fantasiakaupungit ovat paikkoja, joissa käyttäjät viihtyvät ja haluavat viettää aikaansa. Niistä voidaan ottaa oppia tosielämän kaupunkimalleihin, joita kehitetään ja demonstroidaan myös Pointcloud-hankkeessa.

Fantasiakaupungeista Ouluun

Toisin kuin edellä mainitut fantasiakaupungit tosielämän kaupunkimallit on rakennettu mahdollisimman tarkoiksi kopioiksi fyysisestä maailmasta. Verkossa toimivat 3D-mallit tarjoavat monenlaisia uusia mahdollisuuksia kaupunkisuunnitteluun sekä matkailun edistämiseen. Viimeksi mainitusta hyvänä esimerkkinä toimii Googlen Streetview-palvelu, jossa käyttäjä voi virtuaalisesti kulkea missä tahansa kaupungissa. Streetview-palvelu tosin käyttää 2D-panoraamakuvia eikä näin ollen ole täydellinen 3D-malli.

Teknologiat visuaalisesti näyttävien 3D-kaupunkimallien luomiseen ovat kehittyneet vauhdilla viime vuosina. Muun muassa Oulussa on toteutettu 30 korttelia sisältävä virtuaalimalli kaupungin keskustasta. Teknologian kehityksestä huolimatta 3D-kaupunkimalleista puuttuvat pelien fantasiakaupungeista tutut palvelut sekä laaja käyttäjäkunta.

Mitä kaupunkimallit ovat ja mikä tekee niistä avoimia?

Kaupunkimallin ydin koostuu virtuaalisesta 3D-mallista, joka kuvaa kaupungin nykytilaa sekä suuresta määrästä paikkaan sidottua tietoa. Virtuaalinen 3D-malli voidaan tuottaa useilla eri tekniikoilla eri lähtöaineistoja käyttäen sekä visuaaliselta ilmeeltään hyvin eri laatuisena. 3D-pistepilvien lisäksi kaupunkimallien onnistuneeseen toteutukseen tarvitaan usein muitakin aineistoja, kuten paikkatietoaineistoja tai yksittäisten rakennusten CAD- ja rakennusmalleja.

3D-mallin tuotantoa säätelevät yleensä kaksi päätekijää, jotka ovat kaupunkimallin käyttötarkoitus sekä mallinnustyön hinta. Tyypillisesti voidaan sanoa, että mitä yksityiskohtaisempi 3D-malli, sitä enemmän se sisältää kallista käsin tehtävää mallinnustyötä. Lisäkustannuksia aiheuttaa myös 3D-mallin päivittäminen kaupunkikuvan muuttuessa. Tästä syystä 3D-mallin luomis- ja päivitysprosessin automatisointiin on syytä paneutua huolella.

Avoimissa kaupunkimalleissa visualisointiin käytetty 3D-lähdeaineisto sekä paikkaan sidottu tieto on vapaasti kaikkien toimijoiden hyödynnettävissä. Avointa tietoa voidaan ammentaa monista eri tiedonlähteistä, jotka saumattomasti yhdistyvät kaupunkimallissa ja sen sisältämässä tietokannassa. Avoimuus luo mahdollisuuden tarkastella kaupunkimallia myös innovaatioalustana, joka käytännössä tarjoaa digitaalisen käyttöliittymän tulevaisuuden älykkääseen kaupunkiin.

Kohti uusia sovelluksia ja virtuaalista läsnäoloa

Kaupunkimalli ilman todellisia tarpeita ratkaisevia sovelluksia on kuin koristeltu jalkapallokenttä ilman pelaajia – se jaksaa viihdyttää katsojiaan vain hetken. Riippuen paikkaan sidotun tiedon monipuolisuudesta sekä käytetyn 3D-mallin visuaalisesta laadusta, kaupunkimalli voi tarjota suuren joukon hyödyllisiä sovelluksia kaupunkien, kuntalaisten sekä yritysten käyttöön.

Siinä missä tavallinen kuntalainen voi arvioida talonsa katolle sijoitettavien aurinkoenergiapaneelien kannattavuutta tai ihastella virtuaalista näkymää tulevan kotinsa olohuoneen ikkunasta, voivat yritykset suunnitella palveluverkostojensa uudistamista aluekohtaisten väestöennusteiden sekä ihmisten liikkumista kuvaavien mallien avustuksella. Mikäli 3D-mallin tarkkuus on riittävän hyvällä tasolla voi se tulevaisuudessa toimia myös itseohjautuvien autojen tiedonlähteenä sekä pelastusviranomaisten karttana rakennetussa kaupunkiympäristöissä.

Virtuaali- ja lisätyn todellisuuden tekniikoiden kehittymisen myötä avoin kaupunkimalli voi tulevaisuudessa toimia myös sosiaalisen kanssakäymisen kenttänä. Virtuaaliset tapahtumat ja konsertit eivät ole vielä täysin tätä päivää, mutta tulemme muutamien vuosien päästä kokemaan suuren murroksen tällä saralla. Vaikka virtuaalinen ei korvaa fyysistä läsnäoloa, tarjoaa se paljon uusia osallistumismahdollisuuksia muun muassa vanhuksille, liikuntarajoitteisille sekä matkan päällä oleville ihmisille.

Kaupunkimallien haasteet: mitä pelit voivat meille opettaa

Suurimpana haasteena kaupunkimallien yleistymiselle on saada virtuaalisiin kaupunkeihin hyödyllisiä palveluja ja sovelluksia sekä houkutella suuria joukkoja käyttäjiä. On vaikea sanoa kumpi johtaa toiseen, ja tämä onkin yksi virtuaalisten kaupunkimallien mielenkiintoisimmista tutkimuskysymyksistä.

Pelimaailmoissa kaupunkien suosio kohtaamispaikkoina on ymmärrettävää, sillä ne liittyvät usein tiiviisti pelin tarinaan sekä pelimekaniikkaan. Suosittu Second Life -palvelu on kuitenkin näyttänyt, että virtuaalimaailmoihin on mahdollista houkutella suuria käyttäjäjoukkoja ilman pelillisiä aspekteja, kunhan käyttäjät kokevat maailman riittävän kiinnostavaksi ja toiminnallisuudeltaan rikkaaksi.

Kaupunkimallien tulisikin ottaa oppia pelikaupungeista ja Second Lifesta tulevaisuuden palveluja suunniteltaessa. Vain näin voimme varmistaa, että kaupunkimallit eivät jää pelkäksi kuriositeetiksi, aavekaupungeiksi, joissa satunnainen vierailija pian kyllästyy sisällön puutteeseen eikä palaa enää koskaan.


Kuva: Oulun kaupungin keskustasta on mallinnettu 30 korttelia.

Teksti ja kuva: Timo Koskela ja Hannu Kukka

Kutsu webinaariin: Pistepilvitietoa metsäkoneisiin – kaivattu teknologiahyppäys? 10.10.2016 klo 10.10–10.40.

Suomen metsäteollisuuden puuntuotantoketjua on mahdollista tehostaa huomattavasti pistepilviteknologian ja robotiikan keinoin. Metsien tarkka kartoitus mahdollistaa tarkemman töiden suunnittelun ja lisää tietoa metsiemme tilasta. Lisäksi metsäkoneiden älykkäällä anturoinnilla ja ohjelmistoilla voidaan helpottaa kuljettajan haastavaa työtä, lisätä koneiden automaatioastetta ja dokumentoida tehty työ automaattisesti. Metsien puulogistiikkaa voidaan myös tehostaa huomattavasti, mikäli työkoneiden keräämiä mittauksia hyödynnetään reaaliaikaisesti hakkuuoperaatiossa.

Osallistu webinaariin maanantaina 10.10. klo 10.10-10.40 ja kuule, miten metsäteollisuuden tehostamisen haasteita ratkotaan Pointcloud-hankkeessa!

Yksi puuntuotantoketjun tehostamisen keskeinen haaste on metsäkoneen paikannustarkkuus, joka vaikeuttaa reitin optimointia. Paikannusta voidaan parantaa riittävällä tarkkuudella vain yhdistelemällä useita erilaisia paikannustapoja. Nykyisin satelliittipaikannuksen tarkkuus metsässä ei riitä hakattujen tukkien yksilöimiseen, jolloin harvesterin hakkuutyössä keräämää tietoa on vaikea käyttää metsätraktorin reitin optimointiin. Tämä paikannustarkkuuden epäkohta voidaan ratkaista pistepilviteknologian avulla. Laserkeilaimella ja konenäkökameroilla varustettu metsäkone voi havaita puut ympärillään ja paikantaa visuaalisesti itsensä niihin nähden. Liikkuessaan se voi kartoittaa kulkemansa alueen ja kerätä satelliittipaikannustietoa. Tällöin tuloksena on metsäkoneen luoma kartta työalueesta, kuljettu reitti tällä kartalla ja arvio kartan sijainnista satelliittipaikannusta hyödyntäen. Tähän karttaan on helppo liittää tieto mistä tahansa koneen tekemästä operaatiosta, ja se on jaettavissa useiden työkoneiden välillä niiden yhteistyön tehostamiseksi.

Toinen keskeinen haaste on nuorten taimikoiden harvennus. Suomessa on valitettavan paljon hoitamattomia taimikoita, joiden raivaus on useimmiten edelleen ammattitaitoa vaativaa käsityötä. Työn koneellistaminen nuoressa taimikossa on erityisen haastavaa, eikä se ole vielä tähän mennessä onnistunut riittävän kilpailukykyisesti mekanisoiduin työkonein. Laserkeilaimien ja konenäkökameroiden avulla voidaan luoda kolmiulotteinen malli taimikosta esimerkiksi raivauslaitteen ohjaamiseksi. Tällöin kone voi välttää vahingoittamasta jäljelle jätettäviä puita ja auttaa kuljettajaa valitsemaan oikeat poistettavat puut.

Kuljettajaa voidaan auttaa tehtävissään myös tuomalla hänelle tietoa tehdyistä havainnoista. Tämä voidaan toteuttaa näyttämällä kuljettajalle metsäkoneiden keräämää karttaa tietokoneen näytöllä, johon karttatieto ja dokumentaatio päivittyvät automaattisesti. Lisäksi hänelle voidaan esittää koneen mittaamaa ja luomaa mallia ympäröivästä maailmasta laajennetun todellisuuden avulla. Tällöin kuljettaja voi nähdä metsäkoneen ohjelmiston mallintamat maastonmuodot ja puut myös esimerkiksi sumussa tai yön hämärässä.

 

Ilmoittaudu webinaariin viimeistään 6.10.2016 osoitteessa http://goo.gl/forms/WtBMmWCMD7B8zy0t1.

Webinaari toteutetaan verkossa Adobe Connectin välityksellä. Ilmoittauduttuasi saat osallistumisohjeet antamaasi sähköpostiosoitteeseen seminaaria edeltävällä viikolla. Webinaaria voi seurata selaimen kautta ilman erillistä ohjelmaa.

Lisätietoja: Mari Taskinen, mari.taskinen@nls.fi p. 029 531 4111 (ilmoittautumiset ja lisätiedot hankkeesta)

Heikki Hyyti, heikki.hyyti@aalto.fi, p. 040 771 8099 (webinaarin sisältö)

 

**

Suomen Akatemian strategisen tutkimuksen neuvoston Pointcloud-hankkeessa tutkitaan kaupunkien, metsien ja väylien pistepilvimallintamista ja 3D-digitalisaatiota. Lisätietoa www.pointcloud.fi. Seuraa meitä myös Twitterissä @pointcloudfi.

**

Tulevaisuudessa metsäkone tuottaa puukarttaa reaaliaikaisesti jo taimikonhoitovaiheessa

Kaukokartoituksella tuotetusta 3D-pistepilvistä jalostetaan jo nyt täsmämetsätalouden mahdollistavaa tietoa. Tietoa voidaan tarkentaa huomattavasti älykkäiden metsäkoneiden mittaustietoja käyttämällä. Jo lähitulevaisuudessa laserkeilaimella ja konenäkökameroilla varustetut metsäkoneet voivat mitata ja tunnistaa metsäkuvion puut ja päivittää metsävaratietoa. Pointcloud-hankkeessa tutkitaan taimikonhoidon robotisointia ja 3D-puukartan luomista. Myös yhdyskuntatekniikan koneet ovat pistepilvitutkimuksemme kohteina.

Teknologiamurros työkoneissa

Työkoneissa, myös metsäkoneissa, on tapahtumassa teknologiamurros, jossa koneiden toiminta robotisoituu, muuttuu enemmän autonomiseksi, jopa miehittämättömäksi. Näin on tapahtunut jo satama– ja kaivoskoneissa.

Metsä on kuitenkin erittäin haastava ympäristö, jossa on realistista tavoitella ensin puoliautonomista kuljettajaa avustavaa toimintaa. Tällöin mittalaitteet ja niitä tukeva ohjelmisto antavat kuljettajalle paremman tilannekuvan työskentelystä ja helpottavat haluttuihin tarkkuusvaatimuksiin pääsyä. Metsäkoneen kuljettajan on muun muassa lajiteltava hakatut puut lajeittain ja laaduittain ja lisäksi katkaistava tukit tarkasti määrämittaan. Harvennettaessa tulisi tavoitella tarkasti haluttua tiheyttä, samalla jättäen vain parhaat puut parhaille kasvupaikoille.

Tulevaisuuden kehittyneillä mittalaitteilla voidaan lisäksi kerätä ja päivittää metsävaratietoa. Kun metsäkone mittaa ja mallintaa ympäristöään työskennellessään, voidaan jäljelle jääneet puut ja maastonmuodot mitata tarkasti ja päivittää tulokset metsävaratietoon. Myös kaadettujen puiden tietoja voidaan hyödyntää aikaisemmin kaukokartoituksella kerättyjen mittauksien ja simulaatiomallien tarkentamiseen. Työkoneista onkin tulossa tärkeitä Big Datan tuottajia.

Taimikonhoidossa tarvitaan teknologiapotkua

Suomessa on valitettavan paljon hoitamattomia taimikoita. Taimikonhoito on useimmiten edelleen raivaussahalla tehtävää ammattilaisen käsityötä, eikä osaavaa työvoimaa ole aina saatavilla. Työn koneellistaminen nuoressa taimikossa on erityisen haastavaa, eikä se ole vielä tähän mennessä onnistunut riittävän kilpailukykyisesti mekanisoiduin työkonein. Raivaussaha ja osaava metsuri ovat edelleen kustannustehokas ratkaisu.

Jotta myös tulevaisuudessa metsämme pysyvät kilpailukykyisinä, tarvitaan koneelliseen taimikonhoitoon tuottavuus- ja kannattavuusparannusta. Tähän pyritään nyt robotiikan ja automaation keinoin. Tutkimuksessamme aistin- ja mittalaitteilla määritetään taimien tai nuorten puiden paikat alustakoneen suhteen ja samalla mitataan metsäpohjan muoto. Tätä varten metsäkoneisiin asennetaan laserkeilaimia ja konenäkökameroita, joiden mittauksista voidaan laskea pistepilvitietoa. Mittauksista luodaan kolmiulotteinen malli, jonka avulla raivauslaitetta voidaan ohjata. Tällöin kone voi välttää vahingoittamasta jäljelle jätettäviä puita ja auttaa kuljettajaa valitsemaan oikeat poistettavat puut.

Kone ja ihmisoperaattori kommunikoivat 3D-käyttöliittymän välityksellä

Autonomisuus tarkoittaa sitä, että kone pystyy mittaamaan ja havaitsemaan ympäristöään, tekemään mittaustensa perusteella päätelmiä ja toteuttamaan tekemiään toimintasuunnitelmia. Jotta ihmisoperaattori pystyy ohjaamaan ja valvomaan koneen toimintaa, koneen on havainnollistettava operaattorille selkeästi havaitsemansa kohteet sekä sen perusteella laatimansa työsuunnitelma.

Tutkimuksessamme tätä toteutetaan kuljettajan virtuaalinäkymän avulla. Kuljettaja näkee joko lisätyn todellisuuden maiseman virtuaalilaseissa tai ylhäältä päin visualisoidun tilannekuvan ruudulla edessään. Tilannekuva on kartan tapainen koneen ympäristötieto, joka päivittyy reaaliaikaisesti.

Virtuaalilaseilla näkökenttään voidaan täydentää koneen mittaamia tietoja kuljettajan metsänäkymän päälle. Tällöin kuljettaja saa samalla kertaa kaiken oleellisen tiedon yksinkertaistetussa muodossa, esimerkiksi koneen tekemä suunnitelma puomin liikkeestä voidaan visualisoida tulevan liikkeen suuntaan osoittavalla nuolella. Käyttöliittymän avulla kuljettaja voi myös nähdä suunnitelmassa jätettävät puut erivärisinä kuin harvennusta kaipaavat puut. Näin kuljettajan on helpompi valita raivattavat kohteet ja päästä lähemmäs oikeaa tavoitetiheyttä.

Yhdyskuntatekniikan koneet

Pointcloud-hankkeessa tutkitaan pistepilviteknologioita metsäympäristön lisäksi myös rakennetussa ympäristössä. Metsäkoneiden yhteydessä kehitettyjä pistepilvimenetelmiä voidaan käyttää myös muissa liikkuvissa ajoneuvoissa ja työkoneissa. Yhdyskuntatekniikassa on valtavasti potentiaalia hyödyntää tulevaisuuden autonomisten ajoneuvojen keräämää tilannetietoa esimerkiksi auraus- ja suolaustarpeen suunnittelussa ja väylien kunnossapidon reaaliaikaisessa monitoroinnissa.

Tutkimuksemme tulokset hyödyttävät yhdyskuntatekniikan koneita valmistavia suomalaisyrityksiä. Alustakoneiden ja niihin liitettyjen työkoneiden mitta- ja aistinlaitteilla voidaan tuottaa työtehtäviä helpottavaa mittaustietoa. Esimerkiksi tieauran kaltevuutta voidaan säätää automaattisesti, jos kone pystyy mittaamaan paikkansa tarkasti tiehen nähden ja tien nykyinen muoto voidaan mitata. Näitä tiedon tuottamisen ja hyödyntämisen mahdollisuuksia ryhdymme systemaattisesti kartoittamaan ensi talvena.

 

Teksti: Arto Visala ja Heikki Hyyti

Kuva: Mikko Vihlman

Tulvakartoitusten pohjana tarkka ja ajantasainen tieto ympäristöstä

Tulvat ovat uhka rakennuksille, tiestölle ja muulle infrastruktuurille. Tulvariskien tunnistamiseen ja hallintaan pyritään varautumaan yhä paremmin EU:n tulvadirektiivin puitteissa.

Suomessa on tunnistettu 21 merkittävää tulvariskialuetta osana direktiivin mukaista tulvasuojelutyötä. Vesistön tulvimisesta aiheutuu suurimmat riskit Rovaniemellä ja Porissa. Meriveden noususta taas aiheutuu merkittäviä riskejä esimerkiksi pääkaupungin ja Turun seuduilla. Rankkasadetulvien esiintymisistä ei ole arvioita. Tarkka 3D-tieto parantaa tulvavahinkojen arviointia.

Miten tulvat syntyvät ja miten niitä mallinnetaan?

Veden virtaukset ja haihtuminen vaikuttavat monin tavoin luontoon ja rakennettuun ympäristöön. Valuma-alueille satava vesi kertyy pinta- ja pohjavalunnan kautta uomastoon ja virtaa vesistöjen kautta lopulta mereen. Sieltä vesi taas haihtuu ilmakehään ja kulkeutuu ilmavirtauksissa uusille alueille sataen joko mereen tai mantereelle. Tätä luonnonsysteemiä kutsutaan hydrologiseksi kierroksi. Sateen ja uomastossa virtaavan veden määrän nopea lisääntyminen ilmenee rankkasade- ja vesistötulvina osana tätä kiertoa.

Tulvien ennakoinnissa tulvien laajuutta ja kestoa arvioidaan laskennallisilla virtausmalleilla, joita on kehitetty eri tulvatyypeille. Mallien lähtötietoina käytetään mallinnettavan alueen suurinta ja pienintä virtaamaa, vedenkorkeutta tai sademäärää sekä koko alueen topografiaa mukaan lukien ihmisten tekemät pengerrykset, padot ja muut rakenteet. Mallit laskevat kullekin joen virtaamalle (vesistötulva) tai rankkasateelle (hulevesitulva) tulvalaajuudet.

Tulvalaajuuskarttoja tehdään yleensä tulville, jotka toistuvat tilastollisesti 2-250 vuoden välein. Vedenpinnan korkeusvaihtelut eivät alavilla alueilla ole suuria usein ja harvoin tapahtuvien tulvien välillä. Siksi korkeusmallin tarkkuus on ensiarvoisen tärkeää tulvalaajuuskartoitusta tehtäessä.

Miten pistepilvet auttavat tulvamallinnuksessa?

Laserkeilauksella saadaan tarkka kolmiulotteinen malli maanpinnan muodoista laskennallisen virtausmallin lähtötiedoiksi. Yksi keskeisimmistä uusista menetelmistä laserkeilauksessa on liikkuva laserkeilaus maasta. Tässä menetelmässä lasersädettä lähetetään kartoitusyksiköstä eli keilaimesta ympäristöön. Säde heijastuu takaisin ympäristön pinnoista, kuten talon seinistä tai kuivan ojan pohjasta. Keilain mittaa säteen lentoajan ja kulman. Lisäksi laitteen paikannusyksikkö tallentaa keilaimen sijainnin ja kallistukset mittauksen ajalta. Keilain ja paikannusyksikkö voidaan sijoittaa auton katolle, selkäreppuun tai mönkijään.

Mittausten tuloksena on miljoonien pisteiden pistepilvi, josta tiedetään jokaisen pisteen kolmiulotteinen sijainti. Pisteitä voidaan edelleen luokitella esimerkiksi siten, että rakennuksien pinnat ja vesistöt kuuluvat omiin luokkiinsa. Näin alueesta saadaan kolmiulotteinen malli, jossa tiedetään senttimetritarkkuudella katujen korkeus, talojen kolmiulotteinen muoto sekä sijainti ja paikalliset luonnolliset tai ihmisen tekemät painanteet.

Kolmiulotteinen luokiteltu pintamalli on erinomainen lähtöaineisto laskennallisille virtausmalleille ja sen perusteella laadittuun tulvalaajuuskarttaan sekä edelleen tulvariskien arviointiin. Laskennallisella virtausmallilla, jossa geometria-aineistona on tarkka laserkeilauksella tehty pintamalli, saadaan huomioitua pienienkin korkeuserojen vaikutukset veden virtauksiin ja siten kartoitettua mahdollisen tulvan laajuus tarkasti. Tämä parantaa edelleen tulvavahinkoarvioita. Ympäristö- ja pelastusviranomaiset hyödyntävät tulvalaajuustietoja ennakoivassa tulvasuojelutyössä. Tulvamallitietojen avulla pelastustoimet voidaan kohdistaa oikein.

Pointcloud-hankkeemme kehittää menetelmiä ympäristön kolmiulotteiseen kartoittamiseen, jotta tulvariskeihin voidaan varautua yhä paremmin. Ympäristön 3D-digitalisaatio on osa teknologiamurrosta, joka lisää turvallisuutta ja luo tilaa esimerkiksi uudelle yritystoiminnalle.

Teksti: Petteri Alho ja Harri Kaartinen

Kuva: Antti Fager-Pintilä

 

Väylät, metsät ja kaupungit (piste)pilveen

Lahden testikenttä

Tänään kaupunkien, metsien ja erilaisten väylien mallinnukseen tarvittavia pistepilviä keräävät lähinnä vain muutamat alan yritykset. Teknologiamurroksessa pistepilviä keräävät myös työkoneet, autot ja yksittäiset kansalaiset, muodostaen pistepilviekosysteemin. Hankkeessamme kaukokartoittajat (ihmiset gepseineen, satelliitteineen, ilmakuvineen ja laserkeilauksineen), robotiikan taitajat, maantieteilijät sekä tietotekniikan ja 3D-mallinnuksen osaajat hakevat ensimmäistä kertaa yhdessä ratkaisuja, joiden avulla muuttuvat instituutiot eli julkishallinnon säästöt ja yritysten kasvu ovat mahdollisia.

 

Lue Harri Kaartisen blogiteksti kokonaisuudessaan  Strategisen tutkimusneuvoston sivuilta.