Sensorit ja hahmontunnistusalgoritmit mittaavat käyttöasteen
Kirjoitin pari vuotta sitten blogitekstin käyttöasteista ja niiden pilottihankkeista. Nyt onkin hyvä hetki palata ajassa hieman taaksepäin ja katsoa, miten olemme edistyneet asian tiimoilta. Ensimmäisen blogitekstin ilmestymisen jälkeen olemme toteuttaneet useita alueen hankkeita yhteistyössä samaan konserniin kuuluvan Viria Securityn kanssa.
Erilaisia käyttöasteen mittauskohteita
Käyttöasteiden mittaamisen ajankohtaisuus ei ole ainakaan pienentynyt koronan takia. Aureoliksessa oli viime keväänä menossa Helsingin kaupungin kanssa hanke, jossa oli tarkoituksena toteuttaa vappuna massalaskenta tekoälyn/ konenäön avulla. Vappu kuitenkin peruttiin sattuneesta syystä, ja hanke saikin kokonaan uuden kulman toteutukseen. Toteuttamamme palvelu auttaa nyt korona-aikana kaupunkia ja viranomaisia varmistamaan, etteivät suositellut henkilömäärärajat tietyllä alueella ylity tapahtumien aikana.
Toinen pilottitoteutus oli eräs alakoulu Tampereella, jossa kameralla laskettiin oviaukosta sisään ja ulos menevät oppilaat, jotta saataisiin tuntitasoisesti laskettua luokan käyttöaste. Haasteeksi tässä toteutuksessa nousi ns. ”lattiauimarit”. Lapset tulivat luokkaan mitä erilaisimmin keinoin: juosten, kaverin reppuselässä, uiden lattiaa pitkin(!) jne. Lisäksi oviaukon läheisyyteen laskenta-alueelle tuotiin jossain vaiheessa tukiopetuspöytä, jolloin mitattavat olosuhteet muuttuivat ajan kuluessa. Kameralle luotiin siis hyvin haasteellinen olosuhde, ja oppilasmäärät olivat lopulta enemmänkin suuntaa-antavia.
Tietoa sensoreilla ja hahmontunnistusalgoritmilla
Teimme myös pilottihankkeen, jossa erään helsinkiläisen koulun jokaiseen luokkaan asennettiin sensori mittaamaan liikettä, lämpötilaa, kosteutta ja valoisuutta. Koska kyseessä ei ollut kamera, niin tarkkoja oppilasmääriä ei pystytty laskemaan. Sensorit kuitenkin tilastoivat liikkeen 20 sekunnin välein. Tätä kautta pystyttiin laskemaan, kuinka paljon luokkatiloja käytettiin päivän aikana. Lisäksi ilta-aikoina pystyttiin todentamaan tilojen käyttöä virka-ajan ulkopuolella. Vuonna 2021 asennetaan kymmeniä uusia sensoreita eri kouluihin faktatiedon keräämiseksi tilojen käytöstä.
Käyttöasteita on lisäksi laskettu hahmontunnistusalgoritmilla, joka poikkeaa massalaskennassa käytettävästä konenäön algoritmista. Tällöin saadaan tarkka lukema siitä, kuinka paljon ihmisiä on tilassa. Kameralla tehtävissä laskennoissa pitää luonnollisesti huomioida GDPR-vaatimukset.
Puhelinkopin käyttöasteen lopputulema
Kirjoitin viime blogissa myös Loihde Advancen toimistolle hankitun puhelinkopin käyttöasteen mittauksesta. Lupasin ottaa selfien, jos näen hankinnan tehneen henkilön istuvan usein puhelinkopissa nostamassa oman hankintansa käyttöastetta. Eipä ole tarvinnut selfietä ottaa, kun vastuullisesti olemme olleet etätöissä jo kohta yli yhdeksän (!?) kuukautta, ja tyhjästä puhelinkopista on turha kuvia ottaa. Hieno se toki on, tyhjänäkin!
