Maantieteellisen aineiston visualisointi karttapohjalle on tehokas tapa hahmottaa kohteiden sijaintia ja keskinäisiä etäisyyksiä. Ihminen on luontaisesti hyvä havaitsemaan toistuvia rakenteita visuaalisesta esityksestä – erityisesti, jos pääsee vuorovaikuttamaan karttaohjelman kanssa. Laadukas visualisointi mahdollistaa kokonaisvaltaisen ja vuorovaikutteisen suunnittelun ja päätöksenteon, kun tietoa voidaan tarkastella ja muokata suoraan kartalla yhdistettynä esimerkiksi asiakas- ja ajosuoritetietoihin. Työkaluja tarpeiden mukaan yhdistämällä saadaan luotua tehokkaita ratkaisuja logistiikan ja asiakastiedon hallintaan. Näin voidaan saavuttaa hyötyjä niin kustannusten, työajan kuin asiakaspalvelun näkökulmasta.
Tässä artikkelissa tarkastellaan, miten paikkatietopohjaisia menetelmiä voidaan hyödyntää logistiikan ja suunnittelun tukena. Esimerkit pohjautuvat töihin, joissa on kehitetty yhteistyökumppaneiden tarpeisiin ratkaisuja. Kehitystyössä on hyödynnetty heiltä saatua tietoa nykyisistä toimintamalleista sekä Maanmittauslaitoksen avoimesti jakamaa kiinteistörekisteriaineistoa. Artikkelissa käsitellään kuvailevana esimerkkinä kiinteistöalueiden visualisointia sekä esitellään urakka-alueiden määrittelyä ja kuljetusreittien optimointia. Työssä hyödynnettiin avoimen lähdekoodin QGIS-ohjelmaa sekä omia Python- ja MATLAB-pohjaisia työkaluja, joiden avulla tavoiteltiin kustannustehokkuutta, ajokilometrien vähentämistä ja pyrittiin tukemaan kokonaisvaltaista suunnittelua.
Kiinteistötietojen visualisointi QGIS-ohjelmalla
QGIS-ohjelmalla (qgis.org) voidaan tehdä monipuolisesta aineistosta kattavia visualisointeja. Kuvassa 1 on kuvakaappaus ohjelmalla tehdystä karttapohjasta, jossa Hämeen ammattikorkeakoulun Hämeenlinnan korkeakoulukeskuksen ja alueella olevien liiketilojen kiinteistöalueet on haettu Maanmittauslaitoksen aineistosta Maanmittauslaitos, n.d.; CC BY 4.0). Tässä kuvitteellisessa esimerkissä on värikoodattu vihreillä pisteillä ne alueet, jotka ovat pääasiallisesti vain pysäköintiä varten. Tällä tavoin voisi värein ja symbolein merkitä kartoille suunnittelun tueksi esimerkiksi asuntoryppäitä, asiointirytmejä (kuten roska-astioiden tyhjennyksiä) sekä tietyllä etäisyydellä olevia kohteita. Tietoja voi vertailla nykyiseen asiakaskantaan ja siten selvittää potentiaalista uutta asiakaskuntaa.
Laskentaohjelmistot kuljetusurakoiden kilpailutuksen ja toteutuksen tukena
Kuljetusurakoiden kilpailutuksen onnistumisen kannalta on tärkeää kyetä määrittelemään erilaisten urakka-alueiden tunnuslukuja. Osana aikaisempaa VÄLKKY-hanketta kehitimme työkalun, jossa kilpailutettavan alueen kohteet visualisoidaan karttapohjalle, jonka päälle pystyy määrittelemään ja muokkaamaan ajatuksia eri aluejaoista (Järvenpää ym, 2023; HAMK, n.d.) mikä on esitetty kuvassa 2. Työkalu laski automaattisesti keskeisiä tunnuslukuja, kuten asiakasmääriä, materiaalimääriä ja ajosuoritearvioita, kun taustatiedot perustuivat tunnettuun kotitalouksien määrään ja niistä keskimäärin kerättyyn jätemassaan.
Urakka-alueiden sisällä ajoreittejä optimoidaan järjestämällä asiakkaiden käyntijärjestys siten, että otetaan huomioon käytettävien ajoneuvojen kapasiteetti sekä jäteastioiden koko ja tyhjennystarve. OPTIMA-hankkeessa reititysten laskenta toteutettiin kauppamatkustajan ongelman (Traveling Salesman Problem, TSP) pohjalta, jota laajennettiin huomioimaan työvuorojen maksimipituuksia ja ajoneuvojen kapasiteetteja suhteessa tyhjennettyjen astioiden kokoon ja tyhjennysväliin. TSP on tunnettu laskennallisesti vaativana optimointiongelmana, sillä kohteiden määrän kasvaessa mahdollisten reittien määrä kasvaa eksponentiaalisesti. Laskennassa hyödynnettiin Google Operations Research -ympäristöä (Perron & Furnon, 2025), joka tarjoaa tehokkaita algoritmeja reititys- ja optimointitehtäviin. Tämän avulla noin neljäntuhannen kohteen alustava reititys voitiin laskea vain muutamassa minuutissa. Tällä hetkellä laskennallisesti optimoitujen reititysten käyttöönotto ja ylläpito vaatii vielä käsityötä ja esimerkiksi QGIS-ohjelman hyödyntämistä reittien visualisointiin.
Lähteet
HAMK. (n.d.) Vihreät älykkäät palvelut kiertotalousyritysten kehittämisessä (VÄLKKY). https://www.hamk.fi/projektit/valkky/.
Järvenpää, A. M., Jussila, J., Honkasaari, M., Koskela, O. & Kunttu, I. (2023). Data-Driven Management of Material Flows in Circular Economy by Logistics Optimization. Teoksessa A. Visvizi, O. Troisi & M. Grimaldi (toim.), Research and Innovation Forum 2022 (569–578). RIIFORUM 2022. Springer Proceedings in Complexity. Springer. https://doi.org/10.1007/978-3-031-19560-0_48
Perron, L. & Furnon, V. (2025). OR-Tools (v. 9.12). Google. https://developers.google.com/optimization/
Maanmittauslaitos (n.d.) Karttapaikka. https://asiointi.maanmittauslaitos.fi/karttapaikka/
Kirjoittajat
OPTIMA-hanke
Kiertotalouden materiaalivirtojen logistiikan optimointi – OPTIMA -hanke rahoitettiin 1.5.2023-30.4.2025 Euroopan aluekehitysrahastosta. Hankkeen kotisivut: hamk.fi/optima. Tekstissä esitettyjä tapauksia tutkittiin yhteistyössä Hyötykeräys Oy:n ja Loimi-Hämeen Jätehuolto Oy:n kanssa.
