Ennakoivan analytiikan tutkimushankkeen tarkoituksena oli selvittää, miten ennakoivan analytiikan menetelmiä, esimerkiksi ohjattua koneoppimista, voidaan hyödyntää Suomen pelastustoimen riskianalyysitoiminnan tukena rakennuspalojen ja muiden onnettomuustyyppien ennakoinnissa. Hankkeessa kartoitettiin ja kokeiltiin analyysi-menetelmiä, joilla voidaan kohdentaa pelastustoimen palveluita aiempaa riskiperusteisemmin. Käytännön kokeilujen avulla löydettiin myös uusia valtakunnallisia aineistoja, jotka tulisi huomioida pelastustoimen tietojärjestelmissä, esimerkiksi sisäministeriön parhaillaan vireillä olevassa onnettomuuksien ehkäisyn tietojärjestelmässä.
Tutkimus aloitettiin kirjallisuuskatsauksella, jossa selvitettiin, miten koneoppimista hyödynnetään parhaillaan pelastustoimessa ulkomailla. Kirjallisuuskatsauksessa tunnistettiin esimerkiksi ulkomailla käytössä olevia ohjelmistoja, joihin on integroitu tekoälyä hyödyntäviä mallinnustekniikoita ja tietovarantoja ja mahdollistettu reaaliaikaisen riskianalyysin tuottaminen pelastuslaitosten päivittäisen suunnittelun tueksi. Hankkeen alussa kokeiltiin yhden laskennallisen viitekehyksen avointa lähdekoodia rakennusten tulipaloriskiarvion muodostamiseen. Kokeilun perusteella päätettiin kehittää vastaavanlainen laskennallinen viitekehys, joka on suunniteltu Suomessa saatavilla oleville aineistoille. Viitekehystä varten käytiin läpi ulkomaisia tapaustutkimuksia ja kerättiin tietoa ohjatun koneoppimisen algoritmeista, joita voi soveltaa rakennuspaloriskien laskentaan.
Laskennallisen viitekehyksen suunnittelu aloitettiin tarvittavan tiedon kartoituksella. Tiedon keräyksen ja hallinnoinnin tueksi perustettiin tietosuojaseloste ja aineistohallintasuunnitelma. Aineistoja haettiin Tilastokeskukselta, DVV:ltä, Pelastusopistolta, pelastuslaitoksilta, STUKilta, Poliisihallitukselta ja Findatan kautta KELAlta, THL:ltä ja Eläketurvakeskukselta. Tietopyyntöjen käsittelyaikana kokeiltiin ohjatun koneoppimisen eri algoritmeja rakennuspalo- riskiarvioiden muodostamiseen pääkaupunkiseudulla avointa dataa hyödyntämällä. Syksyyn 2021 mennessä tutkimusta varten saatiin tarpeeksi aineistoja, jotta pystyttiin toteuttamaan laajempi rakennuspalojen riskiarvioiden mallinnus. Tutkimusalueeksi rajattiin koko Suomi mukaan lukien Ahvenanmaa. Kokeilussa vertailtiin neljää eri algoritmia ja tutkittiin myös aineistojen muuttujien painoarvoa mallinnuksessa. Molempien kokeilujen perusteella päätöspuumalleihin perustuvat ohjatun koneoppimisen menetelmät, XGboost ja satunnaismetsä, soveltuivat tarkkuuden ja tehokkuuden puolesta käytettävissä olevien aineistojen mallintamiseen parhaiten.
Kokeilun perusteella todettiin, että hankkeessa hyödynnetyllä ohjatun koneoppimisen algoritmeihin perustuvalla laskennallisella viitekehyksellä on potentiaalia korvata perinteiset regressiomallit, joihin tämän hetkinen valtakunnallinen pelastustoimen riskianalyysi perustuu. Aineistojen saaminen tutkimuskäyttöön osoittautui kuitenkin hankkeen suurimmaksi haasteeksi. Tutkimuslupien ja tietopyyntöjen laajuuden takia hakemusprosessit olivat pitkiä ja vaativat paljon resursseja. Jotta vastaavanlaista aineistokokonaisuutta voitaisiin hyödyntää jatkuvassa päätöksenteossa, tulisi keskeiset aineistot tulevaisuudessa koota yhteen päivitettävään tietojärjestelmään, kuten sisäministeriön parhaillaan kehittämään onnettomuuksien ehkäisyn tietojärjestelmään. Onnettomuustietojen lisäksi näihin keskeisiin aineistoihin kuuluvat esimerkiksi Tilastokeskuksen FOLK-moduulit.
Hanke oli SPEKin toteuttama ja Palosuojelurahaston rahoittama. Hankkeen vastuullisena johtajana toimi johtava asiantuntija Kari Telaranta ja päätoimisena tutkijana erikoistutkija Laura Kuurne. Hanke alkoi 1.8.2020 ja päättyi 31.12.2021. Hankkeelle haettiin lisäaikaa, koska hanke jäi tauolle neljäksi kuukaudeksi (1.4.2021-1.8.2021) tutkimuslupahakemusten käsittelyjen ajaksi. Useamman tahon tietopyyntöjen käsittelyajat olivat useita kuukausia pidempiä kuin tahojen puolelta oli arvioitu hankkeen alussa. Päätoiminen tutkija siirtyi muihin tehtäviin hankkeen tauon ajaksi.
Hankkeen ohjausryhmässä oli edustajia sisäministeriöstä, pelastuslaitoksilta, pelastuslaitosten Kumppanuusverkostosta, Pelastusopistolta sekä Turvallisuus- ja kemikaalivirastosta. Ohjausryhmä kokoontui hankkeen aikana viisi kertaa. Hankkeessa tehtiin myös yhteistyötä sisäministeriön Pelastustoimen tulevaisuuden suunnitteluperusteiden ja suorituskyky -hankkeen, Kumppanuusverkoston riskianalyysityöryhmän sekä pelastustoimen onnettomuuksien ehkäisyn toimintaohjelmahankkeen koordinaatioryhmän kanssa. Hankkeesta on viestitty aktiivisesti koko tutkimuksen ajan. Viestinnän kautta on laajennettu hankkeen sidosryhmiä, tunnistettu ja hyödynnetty yhteistyömahdollisuuksia ja pyritty edesauttamaan tulosten käyttöönottoa tutkimuksen jälkeen. Hanketta on esitelty sekä kotimaisissa että kansainvälisissä seminaareissa, konferensseissa ja verkostojen tapaamisissa ja tapahtumissa.
Kuurne, Laura & Telaranta, Kari (2021) Ennakoivan analytiikan hyödyntäminen riskianalyysityössä: tekoälymallien
soveltaminen rakennuspalojen ennustamiseen pääkaupunkiseudulla.