Tekoälyllä voi ennustaa tulipaloja
Ennakoivaa analytiikkaa on mahdollista hyödyntää pelastusalan riskianalyysien laatimisessa. Suomen Pelastusalan Keskusjärjestö aloitti tänä syksynä Palosuojelurahaston rahoittaman tutkimushankkeen, jossa selvitetään, miten tulipaloja voidaan ennustaa tekoälyn avulla.
– Tekoälyn ja ennakoivan analytiikan käyttö onnettomuuksien ennustamisessa pelastusalla on uusi, mutta kasvava ilmiö. Ulkomailla pelastusalalla tekoälyä on käytetty viime vuosina esimerkiksi rakennuspalojen ennustamisessa, pelastuslaitosten vasteaikojen optimoinnissa, metsäpaloennusteissa ja liikenneonnettomuuksien ennakoinnissa, kertoo erikoistutkija Laura Kuurne SPEKistä.
Tekoälymalleja on hyödynnetty erityisesti rakennuspalojen ennustamiseen. USA:ssa näiden algoritmien pohjalta on otettu käyttöön erilaisia laskennallisia työkaluja kuten Firebird, Firecast ja Firecare.
– Käytännössä ennustaminen tapahtuu siten, että ihminen opettaa tekoälymallia opetusdatalla, joka sisältää yksityiskohtaista tietoa onnettomuuksista, rakennuksista sekä sosioekonomista tietoa väestöstä. Mallit testataan ennustamalla jo tapahtuneita onnettomuuksia. Onnistumisprosentti määritellään sen perusteella, kuinka monta jo tapahtuneista onnettomuuksista ihmisen kouluttama algoritmi pystyi ennustamaan. Aiemmissa tapaustutkimuksissa mallit ovat pystyneet ennustamaan rakennuspaloja erittäin lupaavasti, jopa 65–80 prosentin tarkkuudella, Kuurne kertoo.
Tiedon saatavuus on haaste. Malleihin tarvitaan mahdollisimman paljon tietoa tekijöistä, joilla saattaa olla joko suora tai välillinen vaikutus onnettomuuden syntyyn. Kyseisen tiedon kerääminen on useamman eri tahon vastuulla ja sen saaminen on tietosuojasyistä aikaa vievää ja kallista. Tiedon laadussa ja yhteneväisyydessä voi olla myös haasteita, joita tosin pystytään korjaamaan osittain tekoälyn avulla.
Suomi pelastusalan riskianalyysitoiminnan kansainväliselle huipputasolle
SPEKin hankkeessa tutkitaan ulkomailla käyttöön otettujen alustojen soveltamismahdollisuuksia Suomeen ja miten samankaltaisia tekniikoita voidaan hyödyntää tulipalojen ja muiden onnettomuuksien ennustamisessa. Hankkeessa toteutetaan käytännön kokeiluja saatavilla olevaa tietoa hyödyntäen ja tavoitteena on luoda tekoälymalleja hyödyntävä laskentatyökalu, jolla voidaan tukea pelastustoimen toimintavalmiuden suunnittelua ja mahdollistaa esimerkiksi valvonnan kohdentaminen algoritmipohjaisen riskianalyysin perusteella.
Hanke tukee suoraan sisäministeriön parhaillaan käynnissä olevaa Pelastustoimen ja siviilivalmiuden suorituskyky ja suunnitteluperusteet -hankkeen työpakettia 2, jossa uudistetaan riskimalleja ja onnettomuusennusteita.
Tavoitteena on tuottaa riskianalyysimenetelmiä ja työkaluja, joilla on valtakunnallinen hyöty ja joita pelastuslaitokset voivat soveltaa myös käytännössä. Analyysimallia voi käyttää esimerkiksi kertaluontoiseen analyysiin tai tarpeiden mukaan soveltaa esimerkiksi osaksi ohjelmasovellusta. Jos analyysiin tarvittavaa dataa on mahdollista päivittää reaaliaikaisesti, laskentatyökalusta voidaan kehittää myös versio, joka tuottaa reaaliaikaista riskianalyysiä pelastuslaitosten toiminnan tueksi.
– Ennakoivien ja reaaliaikaisten riskianalyysien mahdollistamiseksi tiedon saannin tulisi olla pelastuslaitoksille helpompaa ja keskitetympää. Pelastuslaitosten analyysitoimintaa varten voitaisiin esimerkiksi perustaa tietovaranto, johon muun muassa pelastustoimi, poliisi, Tilastokeskus, Kela ja THL päivittäisivät tietoja reaaliaikaisesti, Kuurne sanoo.
– Tietovaranto yhdistettynä ennakoivan analytiikan työkaluun nostaisi Suomen pelastusalan riskianalyysitoiminnan kansainvälisesti huipputasolle.
