osaksi kaupunkimallia olisi nykytekniikan avulla helposti toteutettavissa. Tämä vaatisi kui-tenkin sen, että jo liikennesuunnitteluvaiheessa mallinnettaisiin joitain kohteita, kuten lii-kenteenohjauslaitteet kolmiulotteisena. Yksi vaihtoehto olisi myös se, että rakennusvaiheen jälkeinen toteumatieto, joka sisältäisi myös liikennesuunnittelun kohteet, tuotaisiin osaksi kaupunkimallia. Liikennejärjestelmää koskevat tiedot voitaisiin myös linkittää esimerkiksi osaksi Väyläviraston avointa ja kansainvälistä Digiroad-järjestelmää. Järjestelmään on koottu koko Suomen tie- ja katuverkon keskilinjageometria ja tärkeimmät ominaisuustiedot (Väylävirasto, 2021b) Kolmiulotteinen toteuma-aineisto tulisi kuitenkin vaatia rakentajilta osana infraprojektia, jolloin se olisi automaattinen osa luovutusaineistoa. Lyhyellä aikajän-teellä pienetkin lisäykset kaupunkimalliin liikennejärjestelmän osalta olisivat erittäin tär-keitä ja useimmat näistä on mahdollista toteuttaa nykyisin resurssein ja osana nykyistä pro-sessia. Olennaista on myös se, että kaiken ei tarvitse tapahtua heti, vaan liikennesuunnitel-mien sisältämiä kohteita ja ominaisuustietoja voidaan sisällyttää vaiheittain osaksi kaupun-kitietomallia. Joidenkin liikenteen kaupunkikohteiden 3D-mallintaminen ja asteittainen kaupunkimallien kehittäminen tekisi mahdolliseksi kaupunkitilan ja sen ominaisuustieto-jen realistisemman kuvaamisen (vrt. Helsingin ja Münchenin kaupunkimallit, kuva 3.2).
Kuva 3.2. Kuvakaappaukset Helsingin (oik.) ja Münchenin (vas.) semanttisista 3D- kaupunki-malleista. (Helsingin kaupunki, 2021c; Chair of Geoinformatics Münich, 2018b)
3.1 Kaupunkimallista yleisesti
Kaupunkimallilla tarkoitetaan digitaalista 3D-mallia kaupungista, joka kuvaa ympäristössä olevia komponentteja sisältäen sekä semanttisia että geometrisia tietoja näistä kohteista (Sun, G. ym. 2021) Mallin tarkkuus ja sen ominaisuudet riippuvat paljon sen käyttötarkoi-tuksesta, mutta useimmiten kaupunkimallilla visualisoidaan vielä tänäkin päivänä ympäris-tön geometrioita eikä niinkään objektien ominaisuuksia. Kaupunkimalli koostuu maanpin-nan, rakennusten, teiden, kasvillisuuden ja muiden kaupunkikohteiden 3D-mallinnuksista,
32
jotka pohjautuvat muun muassa laserkeilaustekniikan tai ilmakuvauksen avulla saatuun da-taan. (Kolbe, T. H. & Donaubauer, A, 2021) Kuten tietomallintamisessa, myös kaupunkimal-lintamisessa tulisi keskittyä erityisesti ympäristön objektien esittämiseen merkityksellisinä kohteina, joista saatavasta tiedosta voidaan hyötyä muun muassa suunnittelun eri vaiheissa.
Kaupunkimallien merkitys pelkästä rakennetun ympäristön kolmiulotteisesta visualisaa-tiosta on teknologian kehityksen myötä muuttunut vähitellen malliksi, jolla on nykyään huo-mattavasti enemmän käyttömahdollisuuksia eri tekniikan aloilla. (Biljecki, F. ym. 2015) Yksi näistä tekniikan aloista on liikennesuunnittelu, jonka lopputuotoksista voidaan tuoda osia kaupunkimalliin ja tarkastella myös kaupunkimallista esimerkiksi näkemiä ja muun kun-nallistekniikan todellista tilantarvetta suunnitelmien lähtötiedoksi.
Useimmat kaupunkimallit perustuvat avoimeen CityGML-standardiin, joka toimii kaupun-kien ja maisemien digitaalisten semanttisten 3D-mallien kuvaamismuotona. Standardi määrittelee, miten kaupunkikohteet ja muut 3D-ominaisuudet sekä niiden väliset suhteet tulee esittää osana kaupunkimallia. Kuvassa 3.3 on havainnollistettu CityGML-tietomallin osien muodostama kokonaisuus, mikä koostuu ydinmoduulista sekä laajennusmoduuleista.
Ydinmoduulissa on määritelty standardin peruskäsitteet ja –komponentit, kun taas laajen-nusmoduulit sisältävät muun muassa kaupunkimalleille ominaiset temaattiset moduulit.
Osana laajennusmoduuleita ovat esimerkiksi tie- ja katualueet, vesistöt ja rakennukset. Ci-tyGML mahdollistaa myös ulkoasun ja ominaisuustietojen lisäämisen laajennusmoduu-leille. (OGD, 2021) Lisäksi CityGML mahdollistaa kaupunkiympäristön kohteiden, kuten ra-kennusten ja liikennejärjestelmän määrittelyn viidellä eri tarkkuustasolla (engl. Level of de-tails, LOD). Nämä viisi tarkkuustasoa määrittelevät kaupunkikohteiden geometristen ja te-maattisten yksityiskohtien määrän. Tarkkuustason kasvaessa myös LOD-arvo kasvaa.
LOD0-tarkkuustasolla kaupunkikohteet esitetään kaksiulotteisina polygoneina, eli käytän-nössä kohteiden ääriviivoina. Muun muassa katualueet on esitetty useimmiten kaupunki-malleissa LOD0-tarkkuustasolla. LOD1 on niin sanotusti laatikkomalli, jossa kaupunkikoh-teet esitetään suorakulmioina. Seuraavalla tarkkuustasolla kaupunkikohteissa on esitetty erilaisia pintageometrioita, kuten rakennusten kattojen muoto. Myös muun muassa kasvil-lisuus on yleensä esitetty LOD2:lla. LOD3 poikkeaa edellisestä tarkkuustasosta siten, että siinä on esitetty tarkat yksityiskohdat arkkitehtuurin osalta, kuten rakennusten julkisivujen muodot. Kun kaupunkimalli on tarkkuustasoa LOD4, siinä on esitetty joitain mittasuhteil-taan muita LOD-tarkkuustasoja pienempiä kaupunkikohteita, kuten katuvaloja ja liikenne-merkkejä. (Gröger & Plümer, 2012)
33
Kuva 3.3. CityGML-standardin muodostama kokonaisuus. (Muokattu lähteestä Coors, 2014) Tietomalleissa ja kaupunkimalleissa on paljon yhteneväisyyksiä ja niiden integroinnista saa-tavat hyödyt ovat merkittävät. Tieto- ja kaupunkimallit perustuvat molemmat semanttiseen mallintamiseen, eli kohteen mallintamiseen ominaisuustietoineen ja niiden avulla voidaan yhteensovittaa tehokkaasti eri kaupunkikohteita. Pääsääntöisesti kaupunkimalleilla kuva-taan kuitenkin kaupunkiympäristöä sen nykytilassa, kun taas tietomallinnusta käytetään useimmiten suunnitteluvaiheessa. Koska kaupunkimalli on rakennetun ympäristön nykyti-lakuvaus, sitä voidaan pitää myös kaupunkikohteiden luettelona, joka sisältää rakennetun ympäristön fyysiset kohteet. Luettelo voi toimia alustana eri tietojärjestelmien sisältävien tietojen yhdistämiselle ja esimerkiksi päivitetylle lähtötietoaineistolle. (Kolbe & Donau-bauer, 2021) Muun muassa Isotalo (2013) käsitteli jo noin kahdeksan vuotta sitten aihetta julkaisussaan, mutta edelleen kaupunkimallin mahdollisuudet lähtötietoaineiston kokoel-mana ovat vain pieneltä osin hyödynnettynä. Tavoitteena on, että kaupunkimalli tulisi kor-vaamaan perinteisen kaksiulotteisen paikkatietoon perustuvan lähtötietoaineiston eikä inf-raprojekteissa olisi aina tarvetta esimerkiksi harmonisoida lähtötietoaineistoa tietomalli-pohjaiseen suunnitteluun sopivaksi (Isotalo, 2013).
Myös monella kaupungilla on Suomessa oma kaupunkimallinsa, josta voidaan tarkastella ja johon viedä monenlaista dataa, kuten rakennusten, kasvillisuuden ja teiden ominaisuustie-toja. Muun muassa Helsingin kaupunkitietomalleista löytyy rakennuksiin liittyviä tietoja,
34
kuten niiden korkeudet ja rakennustunnukset (Helsingin kaupunki, 2021c). Sen sijaan muun muassa Kuopion kaupunkitietomallista löytyy huomattavasti enemmän tietoa raken-nuksiin liittyen, kuten rakennusten valmistumisvuosi ja niiden käyttötarkoitus. Tämän li-säksi malli sisältää tietoa esimerkiksi kasvillisuudesta sekä teistä ja kaduista (kuva 3.4). Mal-lin sisältämät ominaisuustiedot teistä ja kaduista ovat kaistojen määrä, teiden ja katujen leveys, päällyste ja tiestön nimet. Kartalle on myös tuotu joitain 3D-kohteita, kuten puita ja muutamia liikenteen ohjauslaitteita. (Kuopion kaupunki, 2021a) Kuten Kupion kaupungin verkkosivuilla sanotaan, on kaupunkimallia hyödynnetty muun muassa näkymäanalyy-seissä ja –tarkasteluissa. Malleja lisäksi hyödyntää useampi taho, kuten kaupunkisuunnit-telun yksiköt sekä itse kaupunkilaiset ja aineistoa päivitetään jatkuvasti vastaamaan erilaisia tarpeita. (Kuopion kaupunki, 2021b)
Kuva 3.4. Kuvakaappaus Kuopion kaupunkitietomallista. (Kuopion kaupunki, 2021a) Kuten Kolbe ja Donaubauer (2021) kirjoittavat julkaisussaan, kaupunkia mallintaessa on erityisen tärkeää huolehtia siitä, että tietoa on tarpeeksi, jotta malli olisi mahdollisimman hyödynnettävä ja ainakin joiltain osin myös koneluettavaa. Sen sijaan esimerkiksi pelkkä 3D-malli ilman kattavia ominaisuustietoja on pelkistettyä tietoa, jota vain ihmiset pystyvät tulkitsemaan. Esimerkiksi Google Earth on tällainen pelkistetty visualisaatio ympäristöstä, joka ei sisällä ominaisuustietoja. Sen sijaan esimerkiksi Suomen kaupunkien omat semant-tiset kaupunkitietomallit sisältävät ominaisuus- ja geometriatietoja, joita voidaan käyttää suunnittelun lähtötietoaineistona. Ainakin Helsingin, Kuopion ja Turun kaupunkitietomal-lin sisältämä data voidaan ladata avoimesta rajapinnasta lähtötietoaineistoksi CityGML-for-maatissa (Helsinki Region Infoshare, 2021; Kuopion kaupunki, 2021; Turun kaupunki,
35
2021). Mallista voidaan erottaa joitain tiettyjä osia, kuten katualueet ja kasvillisuus suunnit-telun pohjaksi, joka helpottaa muun muassa uuden infran suunnittelemista olemassa ole-vaan rakennettuun ympäristöön. Lähes kaikki Helsingin kaupungin liikennesuunnittelussa-kin laaditut suunnitelmat tehdään tiiviisti rakennetun ympäristön keskelle, jolloin mahdol-lisimman kattavalle, luotettavalle ja realistiselle lähtötiedolle on suuri tarve.
Kaupunkimallin kuvatessa kaupungin nykytilaa, on hyvin olennaista, että kaupunkimallin rakenne ja sen sisältö pohjautuvat voimassa olevaan tietoon. Tätä varten tarvitaan tehok-kaita tapoja datan jatkuvaan keräämiseen sekä sen ajan tasalla pitämiseen. Sen lisäksi tie-donkeruun tulee olla korkealaatuista ja on tunnistettava mallintamista koskevat tietovaati-mukset, jotta loputtomasta määrästä dataa saadaan tuotua olennaisin osa malliin. (Lafioune
& St-Jacques, 2020) Liikennetietojen osalta tämä voisi tarkoittaa esimerkiksi sitä, että lii-kennemäärälaskenta automatisoitaisiin joiltain runsaasti liikennöidyiltä katualueilta ja se päivittyisi esimerkiksi viikon välein osaksi kaupunkimallia. Vuorokauden keskimääräiset lii-kennemäärät voitaisiin laskea esimerkiksi Googlen karttapalvelun ja liikennekameroiden avulla, jolloin saataisiin tietoa liikennemäärien muutoksista myös lyhyemmillä aikaväleillä.
Parhaimmillaan kaupunkimalli voi olla hyvin realistinen digitaalinen kuvaus olemassa ole-vasta kaupunkiympäristöstä ja sen toiminnoista. Usein kaupunkimalli toimiikin runkona digitaaliselle kaksoselle (engl. Digital twin), joka on kopio jostain todellisen maailman tuot-teesta. Mallin sisältämän staattisen ja dynaamisen tiedon avulla voidaan simuloida joitain hyvin haastaviakin tosielämän tilanteita ja löytää näin vaihtoehtoja ratkaisuille. Mitä enem-män kaupungin toimintaan liittyvää ajantasaista dataa pystytään sisällyttämään malliin, sitä luotettavampaa tietoa saadaan simuloinneista ja analyyseistä. Kuten Hyun ym. (2021) tuo-vat esiin julkaisussaan, kaupungin ja sen toiminnan havainnollistaminen vaatii runsaasti dataa, jotta pystytään luomaan visualisointi kaupungista monimutkaisena systeeminä, mitä se tosielämässäkin on. Olennaista on siis, että kaupunkimallissa saataisiin havainnollistet-tua ja analysoihavainnollistet-tua systeemin osien välisiä suhteita. Liikenteellisesti analyysi voi keskittyä esimerkiksi siihen, miten yhden kaistan lisääminen vaikuttaa liikennemääriin jollain tietyllä kadun pätkällä tai mitä tapahtuu keskimääräiselle melutasolle, kun tasoristeykseen lisätään liikennevalot. Tällaisten simulaatioiden toteuttaminen tosin vaatii, että liikenteen osalta on saatavilla tarpeellista simulaatiotietoa ja tässäkin prosessin kannalta olisi yksinkertaisem-paa, jos ajantasaiset tiedot olisivat aina valmiina osana mallia.
36