Kaavoitus, maankäytön suunnittelu, rakennusten ja infrastruktuurin rakentaminen, energiankulutus, kaupankäynti ja liikkuminen tuottavat jatkuvasti kasvavan datavarannon. Sen hyödyntäminen tekoälyn avulla on vasta alullaan. Tekoäly mahdollistaa entistä parempia ennusteita ja analyysejä muun muassa kaavoituksen ja investointipäätösten tueksi.
A-Insinöörit, Cityfier – Ennusteita kaavoittajille ja kiinteistökehittäjille
A-Insinöörit on 800-henkinen kiinteistö- ja rakennusalan suunnittelu- ja konsulttiyritys.
Cityfier liiketoimintaa edistävänä ratkaisuna
Cityfier on A-Insinöörien kehittämä ohjelmistotuote, joka ennustaa ja analysoi, kannattaako tietyllä alueella rakentaa, ostaa, myydä, pitää hallussa, korjata tai purkaa. Cityfier on tarkoitettu sijoittajille, kaupungeille ja rakennuttajille.
Alkuperäinen kehityshanke käynnistyi, koska ratkaisulla on selkeää käyttöarvoa ja kysynnän perusteella myös kaupallista potentiaalia. Ratkaisun avulla A-Insinöörit pystyy lisäksi palvelemaan olemassa olevia asiakkaitaan paremmin.
Kun sijoittajilla, kaupungeilla ja rakennuttajilla on Cityfierin kaltainen työkalu päätöksentekonsa tukena, A-Insinöörien rakentamisen konsultointi- ja suunnittelupalveluille syntyy uutta kysyntää. Näin ollen Citifyerilla on suora linkki yhtiön ydinliiketoimintaan.
Tekoälykehitys
Cityfier oli jo laajalti käytössä ennen kuin sen kehittäjät päättivät alkaa rikastaa malleja yleisillä tekoälyteknologiolla, erityisesti luonnollisen kielen menetelmillä (NLP) ja koneoppimisella, joita käsittelimme kurssin ensimmäisessä luvussa.
Cityfier perustuu datapohjaiseen analytiikkaan, joka kokoaa yhteen tietoja useammasta lähteestä ja mallintaa erityisesti liikenne- ja palveluinvestointien vaikutuksen kiinteistöjen arvoon tulevaisuudessa.
Sovelluksen kehitystiimi tutki kuvantunnistuksen mahdollisuuksia jo varhain yhteistyössä VTT:n kanssa. Cityfier toimii hyvänä esimerkkinä siitä, miten toimivasta palvelusta tulee monipuolisempi ja kilpailukykyisempi, kun sitä täydentää tekoälyteknologioilla.
Kuvantunnistus satelliittidatasta
Erilaiset konenäköpohjaiset ratkaisut ovat viime vuosina yleistyneet myös rakennetun ympäristön sovelluksissa. Cityfier on yhdessä VTT:n kanssa kokeillut kuvantunnistuksen hyödyntämistä ESA:n (European Space Agency) satelliittidatasta.
Tarkoituksena oli tunnistaa erityisesti viheralueita, kuten puistoja ja leikkialueita, teitä ja rantaviivoja, ja siten luoda automaattisesti kuva tietystä alueesta ja sen hintakehitykseen vaikuttavista tekijöistä. Satelliittidata on erityisen hyödyllistä uusilla maa-alueilla, joilla se auttaa ymmärtämään paikan potentiaalia, kehitystä ja arvoa.
Ennen ratkaisun käyttöönottoa mallin (tässä tapauksessa kuvantunnistuksen) tarkkuutta tulee aina testata. Uusilla, osittain tuntemattomilla alueilla tämä ei ollut mahdollista, koska rantaviivoista tai viheralueista ei ole aina tarkkaa tietoa saatavilla. Siksi kehittäjät päättivät testata mallia alueilla, joissa tarkkaa tietoa on saatavilla, kuten Helsinki, Espoo ja Vantaa, jotta kuvantunnistuksen tuloksia olisi mahdollista verrata olemassa oleviin tietoihin.
Muistisääntö
Kun mietit tekoälyratkaisuja, kartoita prosessia, johon ratkaisua olet tuomassa ja pohdi, miten mallin suorituskykyä voi testata ja varmistaa, että ratkaisu toimii toivotulla tavalla.
Tuleva kehitys
Seuraavaksi Cityfierissä on tarkoitus jatkokehittää asuntojen hintaennustemalleja koneoppimisen avulla ja selvittää, mitkä alueelliset tekijät vaikuttavat eniten asuntojen hintoihin. Koneoppiminen soveltuu numeronmurskausta vaativiin tehtäviin, kuten analysoimaan kaavoituksen vaikutusta kiinteistöjen neliöhintoihin. Tämä auttaa kaavoitusjärjestyksen optimoinnissa ja sijoituspäätöksissä. Aikaisemmin tarkoitukseen on ollut käytettävä julkisia myyntitietoja, jotka eivät kuitenkaan kerro kaavoituksen vaikutuksesta erityisen hyvin.
Ahaa!
Suomessa oppilaitokset ja yliopistot ovat erittäin aktiivisia ja erilaisia yhteistyöhankkeita on paljon. Hankkeissa voi oppia paljon, kohtuukustannuksin.
Cityfier on koneoppimisessa vielä alkutaipaleella. Kehitystyöhön osallistuu oman väen lisäksi kotimaisia palveluntarjoajia. Yleensä onkin järkevää aloittaa kehitys ja testaus ulkopuolisten teknologiaosaajien kanssa ja harkita uusia rekrytointeja vasta kun ratkaisu alkaa tuottaa arvoa.
Amsterdamin ja Singaporen kaltaisten kaupunkien kaupunkisuunnitteluosastot ovat soveltaneet generatiivista tekoälyä luodakseen optimoituja pohjapiirustuksia infrastruktuurille, kuten teille, kunnallistekniikalle ja julkisille tiloille hyödyntämällä dataa olemassa olevasta infrastruktuurista, tulevista väestönkasvuodotuksista ja kaupunkien kasvusuuntauksista.
Jotkin kaupungit ovat myös soveltaneet näitä tekniikoita turvallisuuden parantamiseen analysoimalla rikollisuutta, liikenneonnettomuuksia jne. koskevia tietoja ja tuottamalla optimoituja suunnitelmia turvallisuusriskien minimoimiseksi. Näistä suunnitelmista saadaan myös tietoa valvontakameroiden ja poliisipartiostrategioiden sijoittelua varten.
