Laserkeilausaineiston hyödyntäminen junan kulkuturvallisuuden varmentamisessa
Hinkkanen, Arttu (2025-06-18)
A. Hinkkanen
18.06.2025
© 2025, Arttu Hinkkanen. Tämä Kohde on tekijänoikeuden ja/tai lähioikeuksien suojaama. Voit käyttää Kohdetta käyttöösi sovellettavan tekijänoikeutta ja lähioikeuksia koskevan lainsäädännön sallimilla tavoilla. Muunlaista käyttöä varten tarvitset oikeudenhaltijoiden luvan.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202506184720
https://urn.fi/URN:NBN:fi:oulu-202506184720
Tiivistelmä
Tämän diplomityön tavoitteena oli kehittää Väyläviraston omistaman pistepilviaineiston hyödyntämistä tutkimalla aukean tilan ulottuman (ATU) jatkuvan valvonnan sekä siinä mahdollisesti havaittujen esteiden karakterisoinnin mahdollisuutta kunnossapitotoimien kohdistamiseksi tehokkaasti. Aiemmassa tutkimuksessa muodostetun FIN2-ulottuman käyttöönotto edellyttää ATU:n toteutumisen jatkuvaa valvontaa.
Koko rataverkon pistepilviaineisto on aivan liian laaja manuaalisesti tarkasteltavaksi, joten tutkimuksen tavoitteiden saavuttamiseksi kehitettiin python-ohjelmointikielellä työkalu, joka havaitsee konfliktin aiheuttajat pistepilviaineistosta ja pyrkii karakterisoimaan ne pistepilviaineiston perusteella konenäköä hyödyntäen. Mahdollisia esteitä rataverkolla ovat mm. aidat, ajolangan pylväät ja laiturit. Työkalun toiminta validoitiin estetarkastelemalla laaja aineisto.
Saatujen tulosten perusteella on sekä teknisesti että ajallisesti mahdollista suorittaa ATU:n jatkuvaa valvontaa ja havaittujen esteiden karakterisointia, kun käytettävissä on riittävän suuret laskentaresurssit. Suurimman osan havaituista konflikteista aiheuttivat aidat ja asemalaiturit. Suorittamalla estetarkastelu koko Suomen rataverkolle voidaan arvioida FIN2-ulottuman käyttöönoton edellytyksiä. Työkalun modulaarisuus mahdollistaa myös suurkuljetusulottuman tai kansainvälisten kalustoulottumien estetarkastelun. Työ osoitti, että laserkeilauksen ja ohjelmistotyökalun yhdistäminen tuo merkittäviä mahdollisuuksia rautatieinfrastruktuurin kehittämiseen ja valvontaan. The aim of this master’s thesis was to develop the utilisation of point cloud data owned by Finnish Transport Infrastructure Agency (Väylävirasto) by studying the possibility of continuous monitoring of the Finnish railway infrastructure gauge (ATU) and the
characterisation of any detected obstacles to target maintenance measures effectively. The implementation of the FIN2 gauge formed in the previous study requires continuous ATU monitoring.
Due to the vastness of the point cloud data covering the entire railway network, a Python-based tool was developed to detect and characterize obstacles using machine vision. Possible obstacles on the railway include contact wire poles, fences and platforms. The tool’s functionality was validated with a large dataset.
The results show that continuous ATU monitoring, and obstacle characterisation are technically and temporally feasible with sufficient computing resources. Most conflicts were caused by fences and platforms. The entire railway network must undergo clearance analysis before the implementation of FIN2 to determine the scope of necessary maintenance actions. The tool’s modularity also enables analysis for broader gauge applications. The study demonstrates that combining laser scanning with software tools offers significant potential for the development and monitoring of railway infrastructure.
Koko rataverkon pistepilviaineisto on aivan liian laaja manuaalisesti tarkasteltavaksi, joten tutkimuksen tavoitteiden saavuttamiseksi kehitettiin python-ohjelmointikielellä työkalu, joka havaitsee konfliktin aiheuttajat pistepilviaineistosta ja pyrkii karakterisoimaan ne pistepilviaineiston perusteella konenäköä hyödyntäen. Mahdollisia esteitä rataverkolla ovat mm. aidat, ajolangan pylväät ja laiturit. Työkalun toiminta validoitiin estetarkastelemalla laaja aineisto.
Saatujen tulosten perusteella on sekä teknisesti että ajallisesti mahdollista suorittaa ATU:n jatkuvaa valvontaa ja havaittujen esteiden karakterisointia, kun käytettävissä on riittävän suuret laskentaresurssit. Suurimman osan havaituista konflikteista aiheuttivat aidat ja asemalaiturit. Suorittamalla estetarkastelu koko Suomen rataverkolle voidaan arvioida FIN2-ulottuman käyttöönoton edellytyksiä. Työkalun modulaarisuus mahdollistaa myös suurkuljetusulottuman tai kansainvälisten kalustoulottumien estetarkastelun. Työ osoitti, että laserkeilauksen ja ohjelmistotyökalun yhdistäminen tuo merkittäviä mahdollisuuksia rautatieinfrastruktuurin kehittämiseen ja valvontaan.
characterisation of any detected obstacles to target maintenance measures effectively. The implementation of the FIN2 gauge formed in the previous study requires continuous ATU monitoring.
Due to the vastness of the point cloud data covering the entire railway network, a Python-based tool was developed to detect and characterize obstacles using machine vision. Possible obstacles on the railway include contact wire poles, fences and platforms. The tool’s functionality was validated with a large dataset.
The results show that continuous ATU monitoring, and obstacle characterisation are technically and temporally feasible with sufficient computing resources. Most conflicts were caused by fences and platforms. The entire railway network must undergo clearance analysis before the implementation of FIN2 to determine the scope of necessary maintenance actions. The tool’s modularity also enables analysis for broader gauge applications. The study demonstrates that combining laser scanning with software tools offers significant potential for the development and monitoring of railway infrastructure.
Kokoelmat
- Avoin saatavuus [38865]