Case Story: Liikenteen laskentaa videoanalyysin avulla

Liikennevirasto on toteuttanut vuoden 2016 aikana vuoden mittaisen Tutkimus & Kehitys hankkeen, jossa Empower Securitylla oli merkittävä rooli videoanalyysin tuottamisessa. Liikennetiedon hallinta ja uudet keruumenetelmät ovat yksi osa hallituksen asettamia kärkihankkeita digitalisaatiossa. Hankkeen testikohteena on toiminut Nuijamaan rajanylityspaikka, jossa on runsaasti liikennettä, sekä ajoittain ruuhkia.

T&K hankkeessa testattiin kameravalvonnalla tehtävän videoanalyysin toimivuutta verrattuna perinteisiin ratkaisuihin. Maantiehen upotettavilla liikenteen laskenta silmukoilla on ongelmia laskentatulosten oikeellisuuksien kanssa silloin kun liikenne ruuhkautuu. Testissä haettiin vertailua myös toisesta teknologiasta ja mittaustuloksia otettiin myös tutkan avulla. Testissä eroteltiin myös videoanalyysin perusteella henkilöauto- ja raskasliikenne toisistaan.

”Hankkeesta saadut tulokset ovat olleet hyviä uuden kamera-analytiikka tekniikan puolesta. Uskon, että nykyaikainen kamera-analyysi tekniikka yhdistettynä esimerkiksi tutkateknologiaan voisi tarjota hyvän lisäarvon täydentämään jo olemassa olevia laskentatekniikoita tulevaisuudessa. Erityisesti ajoneuvojen luokittelussa tulokset olivat hyviä tässä pilottihankkeessa.” toteaa Liikenneviraston tarkastaja Erkki Pakarinen.

T&K hankkeessa tehdyissä mittaustuloksissa päästiin parhaimmillaan alle kahden prosentin virhemarginaaliin videoanalytiikan avulla. Ruuhka olosuhteissa saatiin jopa yli 50 % tarkempia mittaustuloksia, kuin perinteisellä ”silmukka” tekniikalla.

”Videoanalyysi on viimeisten vuosien aikana ottanut huimia kehitysaskeleita ja erityisesti niiden virheen suodatus algoritmit ovat parantuneet merkittävästi”, toteaa Emsecin teknologiajohtaja Toni Mikkilä, jolla on lähes kahden vuosikymmenen kokemus videovalvontajärjestelmistä. ”Siitä huolimatta olimme positiivisesti yllättyneitä, kuinka hyviin tuloksiin testeissä päästiin, kun asetukset saatiin kalibroitua kunnolla.” Mikkilä jatkaa. Uudet ja kehittyneet videoalgoritmit tunnistavat ja erottelevat ajoneuvot tehokkaasti lumi- ja vesisateesta huolimatta, jotka ovat perinteisesti aiheuttaneet runsaasti virhetuloksia.