Tutkimuksessa keskityttiin erityisesti sääpalveluihin, ohjelmistoihin ja järjestelmäarkkitehtuureihin, sillä moderni ajoneuvo toimi laajana ohjelmistoalustana, jonka luotettavuudelle, turvallisuudelle ja suorituskyvylle autonominen ajaminen asetti uusia vaatimuksia. Hankkeessa kehitettiin ratkaisuja, joilla voitiin yhdistää ajoneuvojen omien sensorien tuottamaa tietoa ulkoisiin tietolähteisiin ja muodostaa laajennettu liikennetilannekuva.

Keskeisenä tuloksena hankkeessa pystyttiin yhdistämään eri lähteistä tulevaa tietoa, kuten liikenne-, ympäristö-, säädataa, sekä kehittämään tehokkaita tiedonsiirron ja tiedonjalostuksen ratkaisuja autonomisen ajamisen tueksi. Tätä jalostettua tietoa voidaan hyödyntää kuljettajan avustamisessa, liikenteen etäohjauksessa sekä täysin autonomisten ajoneuvojen toiminnassa.

Hankkeessa hyödynnettiin 5G- ja 6G‑verkkoihin pohjautuvia ratkaisuja sekä hajautettua laskentaa, joiden avulla mahdollistettiin suurien tietomäärien reaaliaikainen käsittely, analysointi ja päätöksenteko. Samalla tutkittiin, miten ohjelmisto- ja järjestelmäratkaisuja voitiin testata sekä simulaatioympäristöissä että todellisissa liikennetilanteissa.

”Tutkimuksessa yhdistimme langattomat verkot, tekoälyn, säädatan ja ajoneuvojen sensorit yhtenäiseksi ja kehittymiskykyiseksi järjestelmäksi, joka parantaa autonomisen liikenteen tilannetietoisuutta”, tiivistää professori Tero Päivärinta Oulun yliopistosta.

”Ilmatieteen laitos toi hankkeeseen sää- ja turvallisuusnäkökulman. Tutkimuksessa kehitettiin autonomisille ajoneuvoille räätälöityjä tiesääpalveluja sekä lyhyen aikavälin ennusteita, jotka perustuivat muun muassa säätutkadataan. Sää- ja keliolosuhteita hyödynnettiin osana päätöksentekoa, esimerkiksi reitityksessä ja turvallisuuden ennakoinnissa”, täydentää Ilmatieteen laitoksen vanhempi tutkija Timo Sukuvaara.

Hankkeessa tarkasteltiin 6G‑aikakauden haasteita, kuten erittäin hajautettujen ja monimutkaisten järjestelmien hallintaa sekä eri laitteiden ja palveluiden yhteensovittamista yhtenäiseksi ajamista tukevaksi palveluksi.

Tiivistettynä hankkeessa:

• arvioitiin ajoneuvojen sensorijärjestelmien, kuten LiDARin, kameroiden ja tutkien, toimintaa haastavissa sääolosuhteissa
• kehitettiin malleja, joilla analysoitiin säätekijöiden vaikutusta älyliikenteen haasteisiin, kuten liikenneturvallisuuteen ja kestävään kehitykseen
• rakennettiin uusia palveluja, kuten nowcasting‑pohjaisia lähisääennusteita reaaliaikaiseen käyttöön
• otettiin käyttöön testialustoja, kuten Sodankylän älyliikenteen testirata ja autonomiset pienoismallit

6G Visible -hankkeen tulokset loivat pohjaa uusille ohjelmistoratkaisuille, palveluille ja liiketoimintamahdollisuuksille erityisesti ajoneuvo‑ ja ohjelmistoalalla. Tutkimus vahvisti suomalaisten toimijoiden osaamista 6G‑teknologian ja älyliikenteen kehittämisessä sekä tuki alan yritysten kilpailukykyä.

Hanke toteutettiin yhteistyössä Oulun yliopiston ja Ilmatieteen laitoksen kanssa, ja sitä rahoitti Business Finlandin 6G Bridge -ohjelma. Projekti kesti vuoteen 2026 saakka.

Täsmäsäädatasta apua automaattiseen reittisuunnitteluun

6G Visible ‑hankkeessa kehitettiin palvelu tukemaan reitinsuunnittelua erityisesti haastavissa sääolosuhteissa. Ratkaisussa siirryttiin pelkästä ajoneuvon sensorien ja staattisten karttojen hyödyntämisestä kohti laajempaa tilanneymmärrystä, jossa huomioitiin sää, liikenne ja ihmisen kokemus.

”Keskeinen innovaatio oli niin sanotun ”näkymättömän tiedon” hyödyntäminen: järjestelmä yhdisti pilvessä useista lähteistä, kuten säähavainnoista, tutkaennusteista, tie- ja liikennetiedoista, saatavaa dataa yhdeksi jatkuvasti päivittyväksi tietokuvaksi. Tätä tietoa hallittiin kehittyvän tietämysverkon avulla, jonka tavoite on oppia ajan myötä sekä ihmiseltä että koneoppimisen keinoin ja näin parantaa päätöksentekoa”, kertoo väitöskirjatutkija Anna Teern.

Ratkaisussa kehitetty hybridiälykäs autonominen ajamisjärjestelmä (HI-ADS) yhdisti tietojärjestelmän laskentakyvyn ja ennustamisen ihmisen arviointikykyyn ja kontekstuaaliseen ymmärrykseen. Näin reitinsuunnittelussa voitiin ottaa huomioon sää- ja liikennetiedon lisäksi kuljettajan mieltymykset, kokemus sekä reaaliaikainen palaute.

Käytännössä järjestelmä:

• tuotti reitityssuosituksia ajan, turvallisuuden ja olosuhteiden perusteella
• ennakoi näkyvyyttä heikentävät sääilmiöt, kuten lumi ja sade
• täydensi ajoneuvon sensoreita tarjoamalla tietoa niiden havaintokyvyn ulkopuolelta
• mahdollisti dynaamiset reitityspäätökset muuttuvissa tilanteissa
   

Tulos oli aiempaa adaptiivisempi ja luotettavampi reitinsuunnitteluratkaisu, joka paransi autonomisen ajamisen turvallisuutta erityisesti pohjoisissa, vaihtelevissa sääolosuhteissa.

Laajennettu näkymä tuo turvallisuutta 

Hankkeen tulokset parantavat autonomista ajamista yhdistämällä dynaamista liikenne-, sää- ja sensoridataa reaaliaikaiseen päätöksentekoon. Tavoitteena oli lisätä kuljettajan tai ajoneuvon tilannetietoisuutta erityisesti ajamiseen vaikuttavista tekijöistä, joita ajoneuvon omat sensorit eivät havaitse.

Ratkaisussa rakennettiin reaaliaikaisia, jatkuvasti päivittyviä malleja liikenne-, tie- ja sääolosuhteista. Näiden avulla voitiin ennakoida esimerkiksi esteitä, näkyvyysongelmia ja onnettomuusriskejä, myös vaikeissa sääolosuhteissa.

Keskeinen lähestymistapa oli ihmisen ja koneen yhteinen päätöksenteko (hybridiäly). Järjestelmä yhdisti ajoneuvojen, sensoreiden, liikennejärjestelmien ja sääpalveluiden tuottamaa dataa kuljettajan tietoon ja kokemukseen. Näin päätöksenteko perustui laajempaan ja luotettavampaan tietopohjaan kuin pelkkään automaatioon.

Tutkimuksessa ja kehitystyössä keskityttiin kuuteen teemaan, joissa:

• tuotettiin autonomisille ajoneuvoille räätälöityjä tiesääpalveluja ja ennusteita
• arvioitiin ajoneuvojen sensorien toimintaa haastavissa sääolosuhteissa
• hyödynnettiin tietomalleja ja tietograafeja reitityksessä ja tilannekuvan muodostamisessa
• kehitettiin datalähtöistä päätöksentekoa ja koneoppimismalleja, kuten sääperäisten onnettomuusriskien ennustamista
• kehitettiin järjestelmä- ja ohjelmistoarkkitehtuureja, jotka hyödyntävät tietoverkkojen reaaliaikaisuutta
• rakennettiin hybridiälykäs autonominen ajamisjärjestelmä (HI-ADS)

Tuloksena syntyi ratkaisu, jossa auton “näkyvyys” laajeni sensorien ulkopuolelle: ajoneuvo pystyi hyödyntämään laajaa dataekosysteemiä ja ennakoimaan ympäristön muutoksia. Ratkaisussa siirryttiin staattisista kartoista ja yksittäisten ajoneuvojen sensoroinnista kohti reaaliaikaista, dynaamista ympäristön mallintamista, jossa hyödynnettiin liikenne-, sää- ja sensoridataa laajasti eri lähteistä. Keskeinen rooli oli 5G- ja 6G‑verkkoyhteyksillä, joiden avulla dataa voitiin siirtää ja yhdistää nopeasti eri järjestelmien välillä.

Autonomisen ajamisen tilannetietoisuutta parannettiin hyödyntämällä ajoneuvon oman sensoridatan ulkopuolista tietoa. Tavoitteena oli mahdollistaa “näkeminen kulman taakse” eli havaita liikenne-esteitä ja riskejä, joita ajoneuvo ei pystyisi tunnistamaan pelkkien omien sensorien avulla.

Tuloksena syntyi lähestymistapa, jossa ajoneuvojen “näkyvyys” laajeni merkittävästi: ne pystyivät hyödyntämään verkon kautta saatavaa tietoa ympäristöstään ja ennakoimaan tilanteita jo ennen kuin ne tulivat ajoneuvon sensorien havaittaviksi. Tämä parantaa kuljettajaa avustavan sekä autonomisen ja etäohjatun ajamisen turvallisuutta muuttuvissa ja haastavissa olosuhteissa.