Kira-digi

Menetelmällä saadaan lähtöaineiston tarkkuudesta riippuen tuotettua paikkatietoaineistoa, joka sellaisenaan kelpaa monenlaiseen käyttöön. Analyysin suorittamista olisi yhä mahdollista kehittää tekemällä analyysisääntöihin tuloksien tarkkuutta parantavia muutoksia.

​Menetelmällä on mahdollista saada merkittäviä kustannussäästöjä verrattuna siihen, että rakennusten seulonta tehtäisiin täysin manuaalisena työnä. Analysoinnin tuloksena saadaan esille ne kohteet, joissa mahdolliset jatkotoimet on käynnistettävä (esim. lupamenettely), ja työssä voidaan keskittyä vaikutusten kannalta olennaisiin kohteisiin.

Analysoidun aineiston käyttö paikkatietojärjestelmissä on mahdollista. Erilaiset paikkatietoanalyysit mahdollistavat tietojen linkittämisen muihin kunnan käyttämiin tietolähteisiin. Esimerkiksi voidaan poimia luettelo niistä maanomistajista, joiden alueella on tunnistettu puuttuvia rakennuksia, ja automatisoida selvityspyyntökirjeiden lähettäminen.

Tietojen päivittäminen kartoille on helppoa, mutta jos rakennus puuttuu rakennus- ja huoneistorekisteristä, on sen osalta käynnistettävä erillinen prosessi rakennuksen laillistamiseksi. Virheellisten tietojen ​tarkempi tutkiminen ​vaatii vielä melko paljon työtä. ​Itse korjaaminen kuntajärjestelmiin ja siirto väestötietojärjestämään ​on suoraviivaista.

Kokeilulle asetetut keskeisimmät tavoitteet saavutettiin. Haluamme kiittää kaikkia hankkeeseen osallistuneita henkilöitä hyvästä yhteistyöstä ja Jyväskylän kaupunkia kokeiluaineistojen tarjoamisesta. Trimble tulee kehittämään analyysiä eteenpäin ja jatkamaan kokeiluja kaupunkien kanssa laajempien alueiden analysointiin. 

Koska analysoinnin ensimmäisissä tuloksissa oli vielä parannettavaa, teimme kokeiluja paremman lopputuloksen saamiseksi.

Kokonaan puuttuvien rakennusten löytäminen toimi teknisesti hyvin. Jatkoselvityksenä näistä on kuitenkin käytävä läpi tarkemmin ovatko rakennukset sellaisia, että ne olisivat vaatineet rakennuslupaa ja tulisiko ne huomioida kiinteistöverotuksessa.

Osan rakennusten laajuudessa havaituista eroavaisuuksista todettiin johtuvan yksinkertaisesti siitä, että analyysissä tulkittiin rakennusten kattojen mukaista aluetta, kun taas kaupungin aineistossa olevat rakennusten alat olivat sokkelin muodostamia alueita. Analyysissä ei myöskään saatu selville sitä oliko rakennuksen jossain osassa esim. katos tai vastaava uloke, ja myös näistä syistä tuli erovaisuuksia.

Jotta tulkittu rakennus vastaisi pohjapinta-alaltaan paremmin todellista tilannetta, määritimme analysoinnin perustumaan maanpinnan osajoukkoon pistepilven pisteistä. Aikaisemmin löydettyjä rakennusten kattojen alueita ”kutistettiin” räystäiden osalta ja tutkittiin rakennusten kulmiin osuvia pisteitä. Tällä tavalla saatiin esiin rakennuksen sokkelin ulottuvuus. Teimme analysoiduille sokkelilinjoille myös yleistyksen ja suorakulmaistuksen, jolloin lopputuloksena syntyi lähes samantapainen aineisto, kuin mitä kaupungin lähtöaineisto oli, kuitenkin lisättynä puuttuvilla rakennuskohteilla.

Saatu tarkennettu aineisto sellaisenaan voisi olla käyttökelpoista kunnan paikkatietojärjestelmiin ja kantakartalle. Tarkkuus on riippuvainen siitä, miten paljon pistepilven pisteitä on osunut rakennuksen seinälinjan ja maanpinnan leikkauskohtaan. Analyysissä on edelleen puutteita esim. rakennusten katosten alle jäävien kohtien tunnistamisessa. Katoksen alla on useimmiten sokkeli, mutta katostilaa ei lueta rakennukseen kuuluvaksi alueeksi, jolloin rakennuksen laajuustieto ei ole oikein.

Kokeilumme on saatu päätökseen ja julkaisemme loppuraportin lähipäivinä.

​Kokeiluaineistojen ensimmäiset vertailuajot on suoritettu ja mielenkiintoisia tuloksia on jo havaittavissa. 

Latasimme lähtöaineistot eCognition sovellukseen ja määritimme lähtöaineistoille suoritettavat muunnokset sekä vertailusäännöt.

Analyysin ensimmäisessä vaiheessa pyritään tunnistamaan kaikki rakennukset lähtöaineistoista pistepilveä hyödyntäen. Oletuksena jätimme alle 10 m² kokoiset rakennelmat huomioimatta, sillä nämä ovat useimmiten katoksia tai vastaavia kevytrakenteisia rakennuksia, jotka eivät ole rakennuslupaa vaativia.

Analysointi rakentuu seuraavista päävaiheista

• Tunnistetaan rakennuskohteet pistepilvestä
• Löydettyjen potentiaalisten rakennusten segmentointi ja luokittelu
• Lisätään puiden katveista löytyvät rakennukset
• Muokataan rakennusten luokitukset
• Luodaan rakennusten viivat ja yleistetään niitä​

​Jyskän kokeilualueelta automatisoitu analyysi löysi 572 rakennukseksi luokiteltavaa kohdetta. Tutkimme niistä joka viidennen tarkemmin ja havaitsimme, että 28 rakennusta 117:sta poikkesi merkittävästi kantakartan tilanteesta. Poikkeamat ovat kokonaan puuttuvia rakennuksia, tai merkittäviä eroja rakennusten laajuudessa. Analyysin tuloksia voidaan tarkastella visuaalisesti erilaisilla erovaisuuksien korostuksilla ja analyysissä tunnistetut rakennukset voidaan myös kirjoittaa ulos erilaisiin vektoriformaatteihin.

Kokeilu jatkuu automaattisen rakennusten haun luokitusparametrien hienosäädöllä ja tulosten tarkemmalla analysoinnilla suhteessa voimassaolevaan viralliseen rakennusdataan.

KIRA-digi kokeilumme on käynnistynyt ja ensimmäisessä vaiheessa olemme valinneet kokeilualueet yhdessä Jyväskylän kaupungin kanssa. Kokeilualueiksi valittiin kaksi rakentamistyyliltään ja rakennuskannaltaan erilaista aluetta Jyskä ja Tyyppälä. Näin voimme kokeilla analyysimetodin soveltumista hieman erilaisiin aineistoihin.

Jyskän pientalovaltainen alue sijaitsee Vaajakosken moottoritien molemminpuolin Halssilan ja Vaajakosken välissä noin kuuden kilometrin päässä keskustasta. Jyskän alueen rakennuskanta on iältään vaihtelevaa ja alue on rakentunut asemakaavan perusteella.

Tyyppälän kokeilualue sijaitsee Palokan/Ritopohjan alueella Jyväskylän pohjoispuolella noin viiden kilometrin päässä Jyväskylästä. Alue on haja-asutusalue, jolla ei ole voimassaolevaa asemakaavaa. Rakennuskanta on pientalovaltainen.

Kokeilualueilta on valmisteltu sopivat lähtöaineistot käytettäväksi analysointeihin. Aineistot käsittävät Jyväskylän kaupungin olemassa olevat rakennukset aluemuotoisina, ortoilmakuvat ja laserkeilausaineistot.

​Kokeilun tekniseksi välineeksi valittiin eCognition-ohjelmisto, joka on tehty erityisesti vaativiin kuvatulkintaan perustuviin paikkatietoanalyyseihin. Ohjelmiston avulla voidaan vertailla muutoksia aineistojen välillä ja suorittaa analysointia muutoksen tunnistusluokitusten avulla. 

​Trimble Solutions Oy:n KIRA-digi -kokeiluhankkeessa kehitetään uusia käytäntöjä rakennusrekisteritietojen laadun parantamiseen.

​Kokeilun tuloksista laaditaan loppuraportti, jossa kuvataan lähtöaineistot ja vertailumetodiikka. Loppuraportti on vapaasti saatavilla ja Trimble Solutions Oy julkaisee loppuraportin web-sivuillaan, sekä tiivistelmän blogissaan. Kaupungit voivat hyödyntää tuloksia ja luotua metodia omien tietoaineistojensa laadun parantamisessa. 

Kokeiluhanke on saanut rahoitusta KIRA-digiltä, joka on Rakennetun ympäristön ja rakentamisen digitalisaatio -hanke. Kiinteistö- ja rakennusalan toimijat ja keskeiset viranomaiset toimivat KIRA-digissä yhdessä kirittääkseen koko toimialan digi-talisaatiota. KIRA-digi toteuttaa hallituksen määrittämää julkisten palveluiden digitalisoimisen kärkihanketta. KIRA-digi on ympäristöministeriön rahoittama.