Blogi: Big datan hyödyntäminen Finrailin työssä
Nykyisin lienee mahdotonta olla törmäämättä dataan ja tekoälyyn liittyvään uutisointiin ja keskusteluun. Rautatiet ovat puolestaan 1800-luvun keksintö. Miten data ja rautatiet liittyvät toisiinsa? Voidaan hyvin sanoa, että erottamattomasti: ilman luotettavaa dataa junia ei voida nykypäivänä liikennöidä.
Tavallinen junamatkustaja ei ehkä usein tule ajatelleeksi, kuinka paljon erilaisia tietojärjestelmiä junamatkan taustalla vaikuttaa. Matkustajaa ei välttämättä kiinnosta taustalla toimivat tietojärjestelmät, mutta häntä kiinnostaa päästä ajoissa haluamaansa paikkaan. Jos matkanteko jostain syystä viivästyy, matkustaja haluaa tietää, mistä viivästys johtuu ja milloin se on ohi. Tähän kaikkeen valtionyhtiö Finrail haluaa analytiikallaan antaa vastauksia.
Finrail vastaa muun muassa Suomen rautateiden liikenteenohjauksesta ja matkustajainformaatiopalveluista. Finraililla on paljon erilaisia tietojärjestelmiä, jotka tuottavat valtavat määrät dataa. Niihin lukeutuvat muun muassa liikenteenohjaukseen, junien kauko-ohjaukseen, poikkeamien hallintaan, matkustajainformaatioon, ratatöiden hallintaan sekä ratakapasiteetin hallintaan liittyvät järjestelmät.
Finrail jakaa esimerkiksi ratakapasiteettia. Junia liikennöivät operaattorit hakevat liikennöimilleen junilleen kapasiteettia eli aikatauluja, milloin ne voivat liikkua rataverkolla. Kapasiteetinhallintaa suunniteltaessa on puolestaan tärkeää saada analytiikasta vastauksia siihen, mistä junien myöhästymiset johtuvat. Missä junaradan pahimmat pullonkaulat ovat ja missä kohtaa rataa ne yleensä jäävät aikataulustaan jälkeen? Päätöksenteon tueksi tarvitaan dataa: Miten ratakapasiteettia kannattaa jakaa (eli aikatauluttaa junia), jotta liikennöinti sujuisi mahdollisimman täsmällisesti.
Datan prosessointi päätöksenteon tueksi on vaativa tehtävä. Junaliikenteestä on saatavavilla valtavat määrät dataa, mutta se on kompleksisessa muodossa. Tietojärjestelmät ovat lisäksi keskenään erilaisia. Ne on suunniteltu eri aikoina ja eri tarpeisiin, eikä niitä ole rakennettu analytiikan ja raportoinnin näkökulmasta. Voidaankin puhua monikerroksisesta data-arkkitehtuurista. Finrailin vuonna käynnistyneen dataprojektin pääpaino on tällä hetkellä tiedon mallintamisessa ja kuvaamisessa.
Edessä siintää lisää tärkeitä päämääriä. Esimerkiksi raideliikenteen häiriötilanteista saatavasta datasta voitaisiin tulevaisuudessa tehdä ongelmatilanteisiin liittyvää ennakoivaa analytiikkaa. Tämä auttaisi ylläpitämään mm. laadukasta infrastruktuuria, kalustoa ja liikenteenohjausjärjestelmiä sekä -prosesseja. Virheiden määrää voitaisiin minimoida, jolloin koko yhteiskunta hyötyisi täsmällisemmästä junaliikenteestä. Ennakoiva virheanalytiikka voisi perustua tekoälyyn. Analyysin avulla voitaisiin tutkia, koska ja missä kohdassa toimenpiteitä tarvitaan, ja mikä on toimenpiteen prioriteetti.
Datan saralla tapahtuu Finrailissa paljon. Finrail on yhtenä kumppanina mukana myös selvitysvaiheessa olevassa Digirata-hankkeessa. Hankkeen eräinä tavoitteina ovat pyrkimykset liikenteenohjauksen optimointiin tekoälyn avulla sekä tähdätä mahdollisuuksien mukaan automaattiseen junien operointiin rajatulla alueella.
Lisäksi Finraillle tehdään tekoälyä hyödyntävää tutkimusta liikenteenohjaajien työn kuormittavuudesta. Työssä lasketaan eri mittareilla työn kuormittavuutta koneoppimista hyödyntäen. Tarkoituksena on saada aikaan liikenneohjaajan työn kuormitusta mittaavan algoritmin ensimmäinen versio valmiiksi ja käyttöön vielä vuoden 2020 aikana.
Maria Pohjamo, Data analyst, Finrail Oy
