Kävijämäärien seurantapilotti Ahveniston moottoriradalla

Tässä artikkelissa tarkastellaan Ahveniston moottoriradalla toteutettua kävijäseurannan pilottia, jossa verrataan Bluetooth-laitteisiin perustuvaa seurantaa ja optista ohikulkulaskentaa. Pilotin tavoitteena oli selvittää, miten nämä menetelmät kuvaavat alueen käyttöä ja millaista tietoa niiden avulla voidaan tuottaa matkailun ja aluekehittämisen tarpeisiin.

Artikkelissa esitettyjen kuvien korkearesoluutioiset versiot on julkaistu Zenodo-palvelussa, osoitteessa https://doi.org/ 10.5281/zenodo.21060043. Voit myös tarkastella artikkelissa esiintyviä kuvia suurempana klikkaamalla niitä (siirryt Zenodoon).

Matkailualueen kävijämäärien arviointi ja mittaaminen perustuu useiden kohteiden yhtäaikaiseen seurantaan

Matkailualueiden kehittämiseksi tarvitaan luotettavaa ja ajantasaista tietoa siitä, kuinka paljon ja millaisissa tilanteissa alueella liikutaan sekä kuinka suuri osa liikkumisesta liittyy matkailuun. Yleiskuvan muodostamiseen saadaan kattavia arvioita matkailusta kokonaisuutena, mutta nämä ovat usein muodostettavissa vasta jälkikäteen, eikä niistä erotu yksittäiset tapahtumapaikat. Yksi Data-analytiikalla tehoa Hämeenlinnan matkailun ja liikkumisen tiedolla johtamiseen -hankkeen taustalla olleista tarpeista oli kehittää menetelmiä kokonaiskuvan matkailualueiden seuraamiseen, jotta niihin kytkeytyviä kävijävirtoja voidaan tarkastella kokonaisuutena sekä erikseen eri osissa tai alueelta löytyvissä kohteissa ja palveluissa.

Vastauksena edellä mainittuun saimme toteuttaa Ahveniston moottoriradalla kävijämäärien seurantaa ohikulkusensorilla ja Bluetooth-laitteiden laskennalla. Tavoitteena oli testata mittausmenetelmiä ja kerätä mittausaineistoa laskennallista mallinnusta varten, jotta kävijävirtoja voitaisiin seurata automaattisesti ja mahdollisimman reaaliaikaisesti. Menetelmien tuli olla sellaisia, että niitä voitaisiin käyttää tuottamaan yhtenäinen ja skaalautuva mittausmalli, joka tukee sekä kaupungin strategista suunnittelua että matkailutoimialan kehittämistä laajemmin.

Ohikulkulaskentaa kahdella eri menetelmällä: testausasetelma Ahveniston moottoriradalla

Ahveniston moottorirata Hämeenlinnassa toimii ympärivuotisena liikunta- ja tapahtuma-alueena. Kesäkaudella rata tarjoaa mahdollisuuden moottoriurheilun harjoitteluun ja tapahtumien järjestämiseen, ja alueella on säännöllisesti varattuja sekä avoimia harjoitusaikoja. Talvikaudella moottorirata otetaan käyttöön hiihtostadionina, jonka käyttöaikaa voidaan pidentää säilö- ja tykkilumen avulla. Radan pituus on 2 840 metriä.

Hankkeessa kokeilimme Bluetooth‑pohjaisia ja optisia mittausmenetelmiä, jotka edustavat kahta erilaista lähestymistapaa kävijävirtojen seurantaan. Menetelmät täydentävät toisiaan: Bluetooth-sensorit mahdollistavat helpon ja melko laaja-alaisen, jatkuvan liikkuvuuden seurannan. Sensorit rekisteröivät, kuinka moni Bluetooth-laite kulkee mittauspaikan ohi tietyn ennalta määritetyn säteen sisällä. Mittauksissa käytetyillä laitteilla säde voitiin asettaa välillä 3–30 metriä ja laitteen viipymää tämän säteen sisällä voitiin myös arvioida. Optinen ohikulkulaskuri on tarkka pistemäinen tieto sensoriparin muodostaman portin läpi tehdyistä kuluista. Bluetooth-laitteiden seurantaa tehtiin tammikuusta 2025 maaliskuulle 2026 ja ohikulkulaskuri oli testissä tammi-helmikuun 2025.

Kävijämäärien mittaamista varten kohteeseen asennettiin kaksi Bluetooth-laitteiden ohikulkuja laskevaa sensoria (Hypercell Oy) sekä optinen ohikulkusensori (SensMax D3, SensMax LTD), joka laskee optisen säteen katkeamista sisäänkäyntitunnelin luona. Tunneli oli pääasiallinen sisäänkäynti alueelle, joten sen voitiin olettaa kattavan saapumisia luotettavasti. Yksi Bluetooth-sensori sijoitettiin kahvilan luo pysäköintialueen reunalle, ja sen tavoite oli kattaa alueelle saapumiset ja näin toimia rinnakkain optisen ohikulkulaskurin kanssa. Toinen Bluetooth-sensori asennettiin ladun varrelle, ja sen arvioitiin seuraavaan ladulla hiihtävien hiihtokierrosten määrää. Kuvassa 1 on esitetty sensorien sijaintipaikat. Tarkat koordinaatit Bluetooth-sensoreille olivat kahvilalla 61.001799, 24.419113​ ja ladun varrella 61.003637, 24.417780​.

Mittaukset alkoivat Bluetooth-sensoreilla 15.1.2025 hieman klo 12 jälkeen ja optisella ohikulkulaskurilla 16.1. hieman klo 13 jälkeen. Oletuksena molemmissa Bluetooth-sensoreissa oli käytössä M-säde (10 metriä), mutta kahvilan luona oleva sensori päivitettiin XL-säteeseen (30 metriä) 17.1.2025 klo 19.02. Sensorien säteet on havainnollistettu kuvassa 2. Optisen ohikulkulaskurin seuranta-aika päättyi 27.2.2025 lumien sulamisen aiheuttaman liikkeen siirrettyä laiteparin toista osaa, jolloin ”näköyhteys” sensoriparissa katkesi. Bluetooth-sensorit jätettiin päälle. Ladun varteen asennettu sensori poistettiin 11.12.2025 ja kahvilalla olevan seuranta päättyi 12.3.2026.

(a)	(b)
(c)	(d)

(a)	(b)

Optisen ohikulkulaskurin mittaustulokset ja liikenneprofiilit 16.1.-27.2.2025

Sisääntuloportin optisesta ohikulkulaskurista oli mahdollista erottaa kulkusuunta, joista tässä rajaudutaan yksinkertaisuuden vuoksi tarkastelemaan sisäänpäin eli tunnelista parkkialueelle tulevaa liikennettä. Tilanteessa oletetaan olevan symmetriaa, eli ulospäin suuntaavaa liikenne on samansuuruista kuin sisäänpäin suuntaava, joten näiden mahdollisiin eroihin ei tässä mennä. Kuvassa 3 on mittausajan kaikki lukemat tunnin tarkkuudella eli havaintojen summa kunkin tunnin aikana.

Kuvassa 4 on kuuden päivän (la 1.2. – to 6.2.) sisään tulevan liikenteen tuntisummat, joista nähdään kuvan 3 mittausten perustason suuruus. Liikenne sisään on tyypillisesti muutamia ohikulkuja tunnissa. Keskiarvo aidosti positiivisista (mittauslukema yksi tai suurempi) tunneittaisista mittauslukemista on 3,5 ohikulkua tunnissa mittausajanjaksolta 21.1.2025 jälkeen eli ilman mittausajanjakson alun hiihtokilpailujen piikkejä. Päiväkohtaiset ohikulkujen summat on esitetty kuvassa 5. Hiihtokilpailujen aikana niitä on noin 800:sta noin 1 100:aan. Muulla mittausajanjaksolla päiväkohtainen liikenne on pääosin välillä 20–50 ohikulkua päivässä.

Bluetooth-sensoreiden mittaustulokset ja alueen käyttöprofiilit 15.1.2025-31.3.2026

Bluetooth-sensorien mittauslukemat otettiin tässä käyttöön annetulla viipymäjaottelulla 2–10 s, 10–30 s, 30–60 s, 60–120 s, 120–300 s, 300–600 s ja 600–900 s. Kuvissa 6 (a) ja (b) on yleiskuva sensorien mittauksista. Aineistoon mahtuu joitakin yksittäisiä korkean lukeman päiviä. Lisäksi hiihtokausi on havaittavissa aktiivisena aikana kesäkauden moottoriurheilun lisäksi. Huhtikuussa ja aikana syyskuun puolivälistä eteenpäin on vähemmän havaittua liikennettä. Kuvissa 6 (c) ja (d) on edellä mainitut suurennettuna y-akselin suhteen.

(a)	(b)
(c)	(d)

Mittauslukemat eri aikaikkunoilla vaikuttavat olevan melko tasaisesti jakautuneita, ainoastaan lyhin aikaikkuna (2–10 sekuntia) on hieman ylikorostunut sekä pisin (yli 10 minuutin aikaikkuna) on selkeästi muita vähemmän edustettu. Kuvien 6 (c) ja (d) lisäksi tämän voi havaita myös kuvasta 7, jossa on esitetty päiväsummat mittauslukemien aikaikkunoista. Kuvasta 7 havaitaan myös talvikauden tasaisempi käyttö: lukemat päivien välillä pysyvät pääasiassa 2 000:n ja 4 000:n havainnon välillä. Kesäkaudella huippulukemat ovat korkeampia, mutta niiden välissä on useita alle 2 000:n havainnon päiviä.

(a)	(b)
(c)	(d)

Kahdessa mittauspisteessä ei lopulta ollut merkittävää eroa mittauslukemien välillä, kuten kuvan 8 kuvaajasta nähdään. Valtaosan ajasta kuvat käyrät kulkevat lähes päällekkäin.

Päivä-yö-vaihtelu sensorien mittauslukemissa on uskottava. Mittauksissa pysäköintialueen sensorissa ilman laitehavaintoja olevia tunteja oli 252 kpl (2,5 % havaintojakson noin 10 117 tunnista), ja tunteja, jolloin laitehavaintoja oli korkeintaan yhdeksän, oli 4 264 kpl (42 %). Rata-alueen sensorissa vastaavasti tunteja ilman laitehavaintoja 334 kpl (4,2 % mittausjakson 7 916 tunnista) ja korkeintaan yhdeksän laitehavainnon tunteja 3 650 kpl (46,1 %). Tämä tarkoittaa siis sitä, että olennaisesti hieman alle puolet ajasta sensorit eivät tehneet havaintoja Bluetooth-laitteista alueella.

Hiihtokilpailut 17.–19.1.2025 erityistarkastelussa

Seuraavaksi tarkastellaan lähemmin mittausjakson alussa järjestettyä hiihtokilpailuviikonloppua (17.–19.1.2025) ja vertaillaan sen aikana havaittuja mittauslukemia menetelmien välillä. Päivittäisen sisään tulevan liikenteen kokonaismäärä oli optisen ohikulkulaskurin perusteella yhteensä 822 (17.1.), 1 155 (18.1.) ja 779 (19.1.) (kts. kuva 5). Tuntikohtaiset mittauslukemat on esitetty kuvassa 9, jossa on myös Bluetooth-sensorien tuntikohtaiset mittauslukemat. Mittauslukemien suuruusluokassa on merkittävä ero. Optinen sensori on rekisteröinyt 50–200 sisääntuloa tunnissa, kun taas Bluetooth-sensorien lukemat lasketaan tuhansissa.

Eroon mittauslukemissa on useita syitä. Ensinnäkin menetelmät mittaavat eri ilmiöitä: optinen sensori rekisteröi yksittäisiä ohituksia tietyssä pisteessä, kun taas Bluetooth-sensori mittaa laitteiden läsnäoloa ja viipymää sensorin hieman laajemmalla mittausalueella. Toiseksi Bluetooth-laitteiden MAC-osoite eli laitteen yksilöivä tunniste vaihtuu automaattisesti noin 15–20 minuutin välein. Tämän seurauksena sama paikallaan pysyvä laite voi näyttäytyä mittauksessa useana eri laitteena ja tuottaa tunnin aikana useita havaintoja. Lisäksi yhdellä henkilöllä voi olla mukanaan useita Bluetooth-laitteita, mikä kasvattaa mittauslukemia ja toisaalta yhden sensorin ohi kulkevassa ajoneuvossa voi olla useita henkilöitä, mikä puolestaan pienentää optisen sensorin vastaavaa lukemaa ihmismäärien arviointiin.

Menetelmien aikasarjat ovat trendiltään hyvin yhteneviä, mikä on luontevaa, sillä kuvaavathan ne molemmat samaa taustailmiötä eli ihmisjoukon liikkumista alueella. Ilmiön luonne kuitenkin aiheuttaa niin merkittäviä epävarmuuksia molempiin mittausmenetelmiin (montako ihmistä on autossa, kuinka pitkään yksi laite oli Bluetooth-sensorin läheisyydessä), ettei absoluuttisia ihmismääriä ole mahdollista näillä tiedoilla tarkasti päätellä.

Trendien seuraaminen Bluetooth-laitteiden laskennalla paljastaa talvi- ja kesäkäytön eroja

Trendien ja käyttöasteiden vaihtelun seurantaan esitetyt mittausmenetelmät ovat varsin käyttökelpoisia. Talvi- ja kesäkauden erilaiset käyttöprofiilit näkyvät aineistossa selvästi toisistaan poikkeavina (kuva 7). Myös päivän sisällä voidaan arvioida, mille kellonajoille alueen käyttö jakautuu. Hiihtokaudella mittauksissa nähdään melko selvät huippukohdat klo 12–13 ja klo 18–19 sekä sisääntuloissa (kuva 10) että alueilla oleskelun mittauksissa (kuva 11). Myös yö-päivä vaihtelu näkyy luontaisesti kuvissa 10 ja 11 olevissa mittauslukemissa.

Kuvassa 12 on vertailuksi poimittu kesäkuun mittauksia Bluetooth-sensoreilta. Kuvasta 11 (c) ja (d) voitiin päätellä, että kesäaikana käyttö on volyymeiltaan suurempaa, mutta se jakaantuu epätasaisemmin. Havaintona voidaan todeta, että alue ei ole kesäaikana mittauspisteiden välillä yhtä tasaisesti käytössä kuin talvella. Tapahtumien profiileja voidaan kuitenkin nostaa tästä aineistosta vertailuun, vaikka absoluuttisia käyttäjämääriä ei olekaan tiedossa.

(a) Bluetooth-mittaukset 1.–20.6.	(b) Bluetooth-mittaukset 27.–29.6.
(c) Bluetooth-mittaukset, rata-alue 1.–29.6.	(d) Bluetooth-mittaukset, rata-alue 27.–29.6.

Mittausmenetelmiä soveltamalla ja yhdistämällä kohti tarkempaa kävijäseurantaa

Pilotissa käytössä olleet menetelmät tuottivat kiinnostavaa tietoa alueen käyttäjämäärien jakautumisesta ja käyttötavoista. Sensorien yhdistäminen tarjosi mahdollisuuden vertailla menetelmiä, ja yhdessä nämä menetelmät antavatkin ala- ja ylärajan kävijämäärille, vaikka kumpikaan ei pysty tuottamaan absoluuttista lukumäärää. Jatkotutkimuksena näiden vertaaminen esimerkiksi lipunmyyntilukumääriin voisi tarjota pohjan mielenkiintoiselle matemaattiselle mallinnukselle tarkemmasta kävijämäärästä, jossa lipunmyyntiä käytettäisiin pistemäisesti kalibroimaan näitä kahta jatkuvatoimista menetelmää.

Tässä artikkelissa esitetyt analyysit perustuivat mittaushavaintojen suoraan visualisointiin ilman tarkempaa matemaattista tai tilastollista analysointia. Havaintojen ymmärrettävyyttä voidaan parantaa tekemällä erilaisia suodatuksia havaintoaineistoon ennen visualisointia, ja tähän eri palveluntarjoajat tarjoavat hyviä työkaluja osana käyttöliittymää. Tässä artikkelissa oli kuitenkin tavoitteena pohtia ensisijaisesti erilaisten mittausmenetelmien yhdistämistä ja siksi tarkastelua tehtiin ilman suodatuksia.

Pilotin mittaustavoilla saatavia käyttöprofiileja voidaan hyödyntää esimerkiksi vastaavien alueiden eri osien kehittämisessä, palvelujen kapasiteetin suunnittelussa sekä tapahtumien vaikutusten arvioinnissa. Vierailijavirtojen seuranta tarjoaa mahdollisuuden tarkastella suhteuttaa sitä erilaisten toimintojen mahdollisuuksiin ja tarpeisiin, kuten esimerkiksi palveluiden aukioloaikojen ja valaistuksen säätöjen optimointiin.

Tarkastelussa nousi esiin myös menetelmien rajoituksia. Optisen ohikulkulaskurin käyttö on mahdollista vain paikoissa, joissa kulkureitti on riittävän kapea – tässä hankkeessa anturiparin maksimietäisyyden (9 m) ylittyminen esti sen hyödyntämisen leveämmillä rata-alueilla. Ohikulkulaskurin etu on sen toisaalta tarkka tulkinta fysikaalisessa mielessä: jos optinen säde katkeaa, on laiteportista kuljettu. Kuitenkin epätarkkuutta aiheuttaa, ettei optisen säteen katkeamisesta voi yksinään päätellä ohi kulkenutta ihmismäärää.

Bluetooth-laskentaa puolestaan haastaa teknologian luontainen ominaisuus, jossa matkapuhelinten MAC‑osoite vaihtuu noin 15–20 minuutin välein. Tämä johtaa siihen, että alueelta poistuminen ja myöhemmin sinne palaaminen tulkitaan erillisiksi käynneiksi, eli sama henkilö voi näkyä datassa useina havaintoina. Lisäksi yhdellä henkilöllä voi olla useita laitteita, mikä kasvattaa havaintojen määrää suhteessa todelliseen kävijämäärään. Toisaalta Bluetooth-sensoreiden etuina ovat kustannustehokkuus, helppo asennettavuus, hyvä peittoalue ja mahdollisuus seurata käyttöprofiileja laajoilla alueilla.

Jatkokehittämisen kannalta mielenkiintoisena vaihtoehtona ja lisänä voidaan pitää konenäköön ja kamerateknologiaan perustuvia ratkaisuja, jotka yhdistävät sekä laajemman alueellisen kattavuuden että henkilömäärien tarkemman tunnistettavuuden. Kamerapohjaiset ratkaisut voivat nykyteknologialla olla myös GDPR-yhteensopivia, mikä tekee niistä varteenotettavan vaihtoehdon tilanteisiin, joissa tarvitaan sekä tarkkaa että laaja-alaista kävijämäärän mittausta mutta myös tietosuojan huomioivaa ratkaisua. Tällaiset järjestelmät voivat korjata sekä optisen ohikulkulaskennan että Bluetooth-seurannan keskeisiä heikkouksia ja soveltuvat erityisen hyvin alueille, joilla kävijäliikenne jakautuu epäsymmetrisesti tai joissa seurattava alue on fyysisesti laaja.

Kiitokset

Data-analytiikalla tehoa Hämeenlinnan matkailun ja liikkumisen tiedolla johtamiseen oli Euroopan unionin osarahoittama hanke, joka toteutettiin yhteistyössä Linnan Kehitys Oy:n kanssa. Myös Hämeenlinnan kaupunki rahoitti hanketta. Pilottikokeen työ tehtiin yhteistyössä Sami Liljedahlin (Ahvenisto Race Circuit Oy) kanssa. Kiitämme Janne Halmelaa (Hypercell Oy) tärkeistä neuvoista Bluetooth-laskennan suunnittelussa ja analysoinnissa.

Kirjoittajat