Suomen viranomaisilla on apunaan järjestelmä, joka koneoppimisen avulla osaa ennustaa sään vaikutuksen esimerkiksi liikenneonnettomuuksien määrään.
Ilmatieteen laitos osaa sään lisäksi ennustaa myös huonosta ajokelistä johtuvien kolarien määrän. Onnettomuuksien määrän ennustaminen voi kuulostaa tieteiselokuvalta, mutta tällainen järjestelmä on tälläkin hetkellä viranomaisten apuna.
Vahinkoennuste laaditaan kartan muodossa. Siitä näkee maakuntakohtaisesti, minkä verran on odotettavissa säästä johtuvia liikenneonnettomuuksia.
Vahinkoennuste kertoo luotettavimmin lähipäivien tilanteen – samaan tapaan kuin sääennuste.
Kyse on koneoppimisesta. Vahinkoennusteita alusta asti kehittämässä ollut Ilmatieteen laitoksen ylimeteorologi Ari-Juhani Punkka kertoo, että vaikutusennusteen laatimisessa tarvitaan arkistoitua tietoa sääolosuhteista sekä sään vaikutuksista liikenteeseen. Tällaisia tietoja on parhaimmillaan saatavilla parinkymmenen vuoden ajalta.
Koneoppimisen ja sääennusteen avulla näin suuresta tietomassasta on mahdollista laskea ennuste siitä, miten sää vaikuttaa liikenteeseen. Punkka kertoo, että koneoppimismenetelmää koulutettiin suurella tietomäärällä löytämään yhteyksiä ilmakehän tilan ja siitä johtuvien vaikutusten välillä.
– Emme enää ennusta pelkästään sitä, mikä on tuulen nopeus huomenna vaan ennustamme lisäksi, mitä tuulenpuuskat aiheuttavat.
Ylimeteorologi Punkka korostaa, että vahinkoennuste on nimensä mukaisesti ennuste. Ilmatieteen laitoksella ei ole kristallipalloa, joka kertoisi täysin tarkan liikenneonnettomuuksien määrän.
Saadun kokemuksen perusteella vahinkoennuste antaa kuitenkin Punkan mukaan suuntaa antavan kuvan sään vaikutuksista.
Vahinkoennuste helpottaa varautumista
Vahinkoennusteet on tarkoitettu päätöksenteon tueksi, kun pelastuslaitoksilla varaudutaan Suomen yli pyyhkivään myrskyyn tai lumimyräkkään.
Karttasarjasta näkee yhdellä vilkaisulla, mikä on oman alueen tilanne, Punkka kuvaa.
Helsingin kaupungin pelastuslaitoksen palomestari Sami Lindberg kertoo, että yleisesti ottaen ennusteiden avulla pystytään etukäteen varaamaan tarvittava määrän resursseja valmiuteen.
– Kun meidän ei tarvitse käyttää aikaa sääolosuhteiden seurausten tulkintaan, voimme keskittyä ydinosaamiseemme.
Lindbergin mukaan Silva olisi nykyistä hyödyllisempi, jos siitä näkisi vahinkoennusteet Helsingin osalta. Nyt se näyttää koko Uudenmaan ennusteen.
Ylimeteorologi Punkka kertoo, että alueellisen tarkkuuden parantamista on suunniteltu.
Koneoppiminen taipuu moneen
Vaikutustietokannan kehitystyö alkoi vuonna 2020 Huoltovarmuuskeskuksen ja Ilmatieteen laitoksen yhteistyönä. Viime vuonna käyttöönotettuja ennusteita ovat testanneet eri viranomaiset.
Tällä hetkellä Punkan mukaan siitä hyötyvät eniten pelastuslaitokset, mutta palvelua kehitetään edelleen sen hyödyn lisäämiseksi. Kaikki pelastuslaitoksetkaan eivät sitä vielä käytä.
Ennusteita laaditaan muistakin kuin kolarien määrästä. Koneoppimisen avulla tehdään esimerkiksi ennusteita sään vaikutuksesta tuulivoimaloiden energiantuotantoon. Koneoppimista voidaan hyödyntää aina, jos olosuhteilla ja vaikutuksilla on mitattava yhteys, Punkka sanoo.
Ilmatieteen laitos laatii ennusteita myös talven vaikutuksista. On olemassa ennuste liukastumisista johtuvien tapaturmien määrästä. Periaatteessa ensiapu tai tapaturma-asema osaisi ennusteen avulla paremmin varautua siihen, että luunsa murtaneita potilaita voi tulla tiettynä päivänä tavallista enemmän.
– Tässä on melkein mielikuvitus rajana, mitä tällä voi ennustaa, jos löytyy sopivaa dataa, Punkka sanoo.
