Matkapuhelin tietää pian, millä liikennevälineellä matkustat – entä sitten?

Mitä jos matkapuhelimesi navigaattori osaisi kertoa reaaliaikaisesti, milloin sinun pitää jäädä pois bussista ja vaihtaa metroon, jotta pääset määränpäähäsi? Tai jos autoilusovellus kertoisi ajotyyliisi reaaliaikaisesti perustuen, miten voisit ajaa ekologisemmin ja säästää polttoainetta?

Lähitulevaisuudessa tämä on mahdollista, sillä Helsingin yliopiston Tietojenkäsittelytieteen laitoksen ja Tietotekniikan tutkimuslaitos HIIT:n tutkijat ovat tehneet läpimurron matkapuhelimella tapahtuvassa kulkuvälineen tunnistuksessa.

Matkapuhelimissa on nykyisin kiihtyvyysanturit esimerkiksi pelikokemusten parantamiseksi, mutta anturien antamat tiedot ovat monella tavalla epätarkkoja. Kehitetyn ratkaisun ansiosta kiihtyvyysanturista saatavan tiedon perusteella voidaan nyt luotettavasti päätellä reaaliajassa, millä liikennevälineellä puhelimen käyttäjä kulloinkin matkustaa.

“Tulevaisuudessa mobiilisovellukset voivat hyödyntää ratkaisua ja mukauttaa toimintojaan automaattisesti kulkuvälineen mukaan.”

 

Tähän tietoon kun lisätään vielä käyttäjän paikantaminen – joka on jo peruskauraa monissa mobiilipalveluissa – tulokseksi saadaan seuraavan sukupolven älykkäitä, tarkkoja, reaaliaikaisia ja energiatehokkaita navigaatiosovelluksia.

Kun sitten yhdistetään reittitietoja ja kulkuvälineen käyttötietoja, voidaan rakentaa ensin reaaliaikainen kuva kaupunkiliikenteen dynamiikasta, jonka jälkeen päästään tehostamaan ja parantamaan esimerkiksi joukkoliikenteen sujuvuutta. Myös esimerkiksi terveyteen ja urheiluun ja liikuntaan liittyvät sovellukset saavat uusia ulottuvuuksia.

Ratkaisua on kehitetty DIGILEn Data to Intelligence- (D2I) sekä Internet of Things (IoT) -ohjelmissa. Ratkaisu nojaa parannettuun gravitaatiokomponentin estimointiin sekä tarkkaan kiihdytyksen/jarrutuksen tunnistamiseen. Kokonaisratkaisu sisältää hierarkian erilaisia liikennemuotojen tunnistimia, jotka yhdessä toteuttavat tarkan tunnistuksen.

Tulos liittyy tohtorikoulutettava Samuli Hemmingin väitöskirjatyöhön. Hän jatkokehittää tunnistusmenetelmää ja tutkii sen käyttöä motorisoidun ajoneuvon polttoaineen kulutuksen ja ajon tarkkuuden arvioinnissa.

Kulkuvälineen tunnistuksen ja sen sovellutusten kehittäminen jatkuu DIGILEn ohjelmissa. Yhtenä tärkeänä tavoitteena on joustava arkkitehtuuri matkapuhelinten anturien säätämiseen ja niiden antaman tiedon jalostamiseen.

Artikkeli “Accelerometer-Based Transportation Mode Detection on Smartphones” (Samuli Hemminki, Petteri Nurmi, Sasu Tarkoma) julkaistiin ACM SenSys -konferenssissa 2013. Tutkimus löytyy osoitteesta http://universe.hiit.fi/tmd-peaks/

Big Data -osaamista on kasvatettava Suomessa

Digilen Data to intelligence -ohjelman vetäjä Matti Vakkuri nostaa Tiedon valoa -blogissa esiin tärkeitä huomioita. Tarvitsemme riittävän paljon osaamista ja ymmärrystä big datan ulottuvuuksista, jotta pääsemme muuttamaan vallalla olevia käytäntöjä.

Riittävän osaajamäärän varmistaminen on myös kaikkien D2I-ohjelmaan osallistuvien yritysten huolenaiheena ja mukana olevat professorit etsivät yhdessä ratkaisua tilanteeseen. Yksi tämän SHOK-ohjelman tulos voikin olla tehostunut ja laajentunut, poikkitieteellinen big data -opetus. Positiivista on se, että big data on nyt muodikasta ja opiskelijoiden kiinnostus aiheeseen on selkeästi kasvanut. Oikotietä onneen ei kuitenkaan ole, asennekasvatus vie aikansa.

Vakkuri hahmottelee uudenlaista lähestymistapaa, uudenlaista big data -osaajaa, jota hän kutsuu englanninkielisellä termillä data scientist: yhdistelmä matemaatikkoa, tilastotieteilijää, ohjelmoijaa, toimialaosaajaa, kommunikoinnin ammattilaista, esiintyjää, luovaa persoonaa. Tässä on muuten yksi tulevaisuuden ammatti Etlan listaamien katoavien ammattien tilalle. Miten saamme data scientist -koulutuksen käyntiin? Ja varmistaako tämä uusi ammattikunta toimialaosaamisen kasvun Suomessa?

Vakkuri peräänkuuluttaa myös kansallista Big Data -strategiaa. Suomi voisi olla tässä suunnannäyttäjänä. Digile ilmoittautuu mukaan strategiatyöhön ja aloittaa kirjoittamalla aiheesta oman blogauksen lähiaikoina.

Data on kansallinen voimavara

Aloitin jokin aika sitten Data-to-Intelligence (D2I) -tutkimusohjelman vetäjänä. Samalla veturiyritys vaihtui Tiedoksi. Pääsemme jatkamaan työtä erinomaisista lähtökohdista, jotka edellinen veturiyritys CGI (entinen Logica) on meille rakentanut.

D2I -ohjelman tavoitteena on oppia hyödyntämään ja jalostamaan yhä kasvavaa tietomassaa uusilla tavoilla. Hurjimmat ovat puhuneet datasta uutena öljynä, strategisen tärkeänä resurssina joka vaikuttaa talouskasvuun ja yhteiskunnan kehitykseen yhtä paljon kuin öljy on vaikuttanut tähän mennessä.

D2I -ohjelman toimintakentällä vaikuttaa erityisesti kaksi merkittävää kehitystrendiä, Big Data ja Open Data. Molemmista on puhuttu erityisesti teknologiapiireissä, ja ne tuntuvat noudattavan klassista hypekäyrää: niistä puhuminen alkaa kyllästyttää samoihin aikoihin kuin niiden tärkeys ja oikeat sovellukset alkavat todenteolla nousta esiin.

Tutkimusyhtiö IDC julisti viime vuoden Big Datan vuodeksi. IDC:n mukaan tallennetun datan määrä maailmassa oli tuossa vaiheessa peräti yhdeksänkertaistunut viimeisen viiden vuoden aikana! Vauhti ei varmasti ole ainakaan hiipunut sen jälkeen. Samoin IDC on arvioinut, että niin sanottujen big data -teknologioiden ja -palveluiden volyymi kasvaa vuoden 2010 3,2 miljardista noin 16,9 miljardiin dollariin lähivuosina. ICT 2015 -työryhmä teki joukon hyviä ehdotuksia, joissa täytyy saada liikettä aikaiseksi Suomessa. Yksi nopeasti toteutukseen edennyt osa-alue on Big Data, jossa käytännössä TIVITin Data to Intelligence -ohjelma on nyt avainroolissa.

Toinen datan merkittävä kehitystrendi on tietysti se, että data ei ole vain Big vaan myös Open. Viimeisen vuoden, parin aikana Suomessa on virinnyt ilahduttava kuhina avoimen datan mahdollisuuksien ja sovelluksien ympärillä. Liikenne- ja viestintäministeriö on ajanut julkisten tietovarantojen avaamista ja kehittäjät – niin yksityishenkilöt kuin yrityksetkin – ovat ryhtyneet ideoimaan kekseliäitä ja hyödyllisiä tapoja soveltaa tätä tietoa.

D2I on käynnistynyt lupaavin tuloksin ja toimintaa kannattaa jatkaa, sillä kyseessä on kansantaloudellisesti tärkeän voimavaran, tietovarantojen hyödyntäminen aivan uusilla tavoilla.

TIVIT Interactive: Business Modelling in Data to Intelligence (D2I) Program

Watch the webinar: Jukka Heikkilä – On Business Modelling in Data To Intelligence (D2I) Program

Slides on SlideShare.

***

TiViT’s Data to Intelligence (D2I) program seeks to find ways to use big data for the benefit of businesses and services. In this webinar Prof. Jukka Heikkilä from Turku School of Economics will discuss the process and findings on business modeling conducted during the D2I program.

The presentation starts off with a general description of what business modeling is and goes on to discuss the different types of business models and business process design (Canvas, BM2EA, STOF). In addition, Professor Heikkilä shares lessons learnt so far from researching business modeling processes for network-based businesses.

Viikon tulos: Sisältöpohjainen kuvanhaku tulossa kaupalliseen vaiheeseen

Tämän viikon tulos kuvaa sitä, miten SHOK-ohjelma onnistuessaan voi nostaa esiin aikaisemmin hyödyntämättömiä akateemisia tuloksia. Uskon, että tuollaisia tuloksia löytyy vaikka kuinka paljon lisää. Lisäksi tämä tulos osoittaa yritysten sitoutumista SHOK-toimintaan. Kyseessä olevat yritykset ovat jo luoneet demonstraatioita ennen rahoituspäätöksiä ja ovat nyt kiinnostuneita kaupallisista sovelluksista.

Aalto-yliopistossa on kehitetty kuvien, videoiden ja muun multimedian sisältöpohjaisia analysointi-, indeksointi- ja hakumenetelmiä vuodesta 1998. Akateemisen työn ja tutkimushankkeiden tuloksena on kehitetty PicSOM-niminen järjestelmä, jota on sovellettu moniin erilaisiin visuaalisten tietomassojen analysointitehtäviin esimerkiksi paperiteollisuudessa, satelliittikuvien käsittelyssä, robotiikassa ja media-arkistoissa.

PicSOM-järjestelmälle ei kuitenkaan runsaista yrityksistä huolimatta kyetty löytämään kuluttajille suuntautuvaa sovelluskohdetta ennen TIVITin Data to Intelligence (D2I) -ohjelman alkamista.  D2I on tuonut useita järjestelmän kaupallisesta soveltamisesta kiinnostuneita osapuolia (mm.  Nokia, F-Secure ja Packet Video) saman pöydän ääreen. Vaikka ohjelman virallisesta alkamisesta on vasta alle kuukausi aikaa, on jo tässä vaiheessa selvää, että yhteisiä intressejä on runsaasti. Todennäköisesti lähivuosina näemme kuluttajille suunnatun kaupallisen sovelluksen, jossa on hyödynnetty sisältöpohjaisen kuvanhaun mahdollisuuksia.

Lisätietoja PicSOM-järjestelmästä antaa Jorma Laaksonen, jorma.laaksonen@aalto.fi.

TIVITin ohjelmissa syntyy vuodessa satoja tuloksia: akateemisia tutkimus- ja konferenssipapereita, opinnäytteitä, softanpätkiä, liiketoimintaideoita, patentteja – ja niin edelleen. Koska yksittäiset tulokset ovat suuressa mittakaavassa useimmiten pieniä ja ne julkaistaan hajallaan eri ohjelmien sisällä, nostamme mielestämme erityisen onnistuneita tuloksia esille blogissamme Viikon tulos -sarjassa. Tutustu muihin tuloksiin: http://www.activityblog.fi/category/viikon-tulos/

TIVIT Interactive: D2I

Watch the webinar: Jukka Ahtikari from D2I SRA

Slides in SlideShare.

***

Mikä on TIVITin Data to Intelligence- eli D2I-ohjelman tarkoitus, tavoite, haasteet ja suunnitelmat? Ohjelman vetäjä Jukka Ahtikari selvittää webinaariesityksessään, missä mennään.

Data to Intelligence (D2I) -program’s target is to support the global trend, and contribute to such emerging ecosystems that boost Finnish international competitiveness through intelligent and automated (context-sensitive, personalized, role based, proactive) data processing technologies linked to new data-driven services that add measurable value, leading to increased knowledge, comfort, productivity or effectiveness.

The target is reached by developing intelligent methods and tools for managing, refining and utilizing diverse data sources, and by creating new, innovative data-intensive business models and services based on these methods.

In this Tivit webinar you can find..

  • The D2I program’s vision, mission and key breakthrough targets
  • Partner organisations and D2I program’s operating model
  • Horizontal WP activities which support the development of various D2I mini-ecosystems
  • Four year general plan for D2I activities

 

Viikon tulos: Toimialarajat ylittävät tutkimusohjelmat

TIVITin uudet ohjelmat, Internet of Things, Data to Intelligence ja Services, ovat yrityksissä erittäin suuren kiinnostuksen.

TIVIT on erityisen tyytyväinen siihen, että mukaan on tullut moni sellainenkin yritys, joka ei itse toimi ICT-kentässä. Tällaisia yrityksiä ovat mm. Metso, Konecranes, Cargotec, John Deere Forestry, Fortum, Kesko, Nordea, Osuuspankki, Pretax, Terveystalo ja Valmet.

Tilanne osoittaa selkeästi sen, että ICT-teknologiat ovat ja tulevat entistä voimakkaammin olemaan olennainen osa myös muiden teollisuusalojen tuotteita ja palveluja. Datan määrä kasvaa. Entistä paremmat sensorit ja sensoriverkot tulevat luomaan massiivisia määriä dataa, ja sitä käsittelemään tarvitaan entistä parempia algoritmeja sekä sellaisia, jotka on suunniteltu ”big datan” käsittelyyn.

Lopputulos kulminoituu entistä useammin palveluna: esimerkiksi Kone ei myykään asiakkaalleen hissejä, vaan People Flow -palvelua.

Kun tähän lisätään vielä se fakta, että kolmisenkymmentä uutta pk-yritystä on tullut ohjelmiimme mukaan, voidaan hyvällä syyllä sanoa, että vuodelle 2012 TIVIT on onnistuneesti virittänyt SRA-portfolionsa.

Meillä on siis loistava tutkimusportfolio sekä parhaat mahdolliset partnerit. Luvassa on siis hyviä tuloksia jatkossakin – siksi kannattaa vierailla säännöllisesti tällä palstalla!

TIVIT Interactive: Data to Intelligence (D2I): Research challenges

Watch the webinar: Petri Myllymäki from D2I SRA

Slides in SlideShare

***

Digitaalista informaatiota keräävien ja tallentavien laitteiden määrä on kasvanut voimakkaasti: matkapuhelimemme, kodinkoneemme, digi-TV, automme, teollisuuden prosesseja monitoroivat järjestelmät, sähköpostiohjelmat, verkkoselaimet, sosiaalisen median sovellukset, liikenne- ja turvakamerat, ja lukuisat muut digitaalisen informaation lähteet tuottavat koko ajan valtavia tietomassoja.

Globaalit suunnannäyttäjät kuten Google, Yahoo, Netflix, Amazon and Autonomy ovat jo osoittaneet, että data voidaan muuttaa taloudelliseksi hyödyksi sellaisten äärimmäisen suosittujen ja tuottavien palvelujen kautta, jotka  perustuvat massiivisten tietovarantojen älykkääseen analysointiin.

Uudet käyttäjäkeskeiset lähestymistavat ja organisaatioiden yhteistyöverkostot edellyttävät kuitenkin yhä älykkäämpiä keinoja saatavilla olevan datan hyödyntämiseksi: tarvittavan informaation on oltava saatavilla nopeasti ja automaattisesti, ja sen tulee perustua mm. käyttäjän tämänhetkiseen roolin sekä käsillä olevan kontekstin ja prosessin  vaatimuksiin ja näkökulmiin.  Tämä tarkoittaa sitä, että informaatiolähteet ylittävät usein perinteisiä organisaatioiden rajoja ja saattavat hyödyntää myös avoimia tietovarantoja.

Toisen ongelman muodostaa se seikka, että tietomassat eivät ole usein pelkästään suuria, vaan ne voivat myös olla epäyhtenäisiä, muodostuen useista heterogeenisistä tietovarannoista, jotka sisältävät erityyppistä dataa. Tällaisessa tilanteessa on hyvin hankalaa hakea tietylle konteksteille relevanttia informaatiota, etenkin jos eri dataelementtien yhteydet eivät ole eksplisiittisiä vaan implisiittisiä niin, että yhteydet täytyy päätellä datasta muodostettujen mallien avulla.

Sen lisäksi, että tietovarannot voivat olla massiivisia (ja mahdollisesti epäyhtenäisiä), ne voivat olla myös suuridimensioisia, jolloin datan taustalla olevien ilmiöiden ymmärtäminen on vaikeaa. Tästä syystä tarvitsemme monipuolisen työkalupaketin koostuen malleista, menetelmistä ja algoritmeista jotka pystyvät muokkaamaan raakadatan sellaiseen ymmärrettävään muotoon, josta on apua päätöksenteon tukena ja jotka pystyvät arvioimaan myös tulevia tapahtumia ja niiden todennäköisyyksiä.

D2I-ohjelman tavoite on tukea globaalia suuntausta ja tukea sellaisten uusien ekosysteemien syntyä, jotka vahvistavat Suomen kansainvälistä kilpailukykyä älykkäiden (kontekstisensitiivisten, personoitujen, proaktiivisten) tietoa käsittelevien teknologioiden kautta ja jotka perustuvat sellaisiin uusiin datalähtöisiin palveluihin jotka tuottavat mitattavissa olevaa lisäarvoa, johtaen lisääntyneeseen tietoon, mukavuuteen, tuottavuuteen ja tehokkuuteen.

Tavoitteeseen päästään kehittämällä älykkäitä menetelmiä ja työkaluja tietovarantojen hallinnoimiseksi, jalostamiseksi ja hyödyntämiseksi, ja luomalla näihin perustuvia uusia ja innovatiivisia dataintensiivisiä bisnesmalleja ja palveluja.