Maanteiden kuivatusjärjestelmien ja kuivatukseen liittyvän tiedonhallinnan kehitystarpeet ilmaston muuttuessa
Bibliographic record
Abstract
Tutkimuksen tarkoituksena oli selvittää ilmastonmuutoksen vaikutukset maanteiden kuivatusjärjestelmiin ja kuivatuksen hallintajärjestelmään sekä tutkia näihin liittyviä kehitystarpeita. Kirjallisuusselvityksessä konkretisoitiin ilmastonmuutoksen aiheuttamat haitat kuivatusjärjestelmille sekä arvioitiin kuivatuksen kunnossapidosta kerättävien tietojen kehittämistarpeita. Kuivatuksen hallintajärjestelmän kokonaisuutta arvioitiin kunnossapidon näkökulmasta ja selvitettiin nykyisien tietojärjestelmien puutteet ja mahdollisuudet uusien järjestelmien hyödyntämiseen. Työssä arvioitiin myös kansainvälisiin selvityksiin perustuen riskienhallintamenetelmien soveltamista ilmastonmuutoksesta aiheutuviin riskeihin. Lisäksi kuvattiin joitain nykyisin käytössä olevia maanteiden tulvariskien arviointimenetelmiä ja arvioitiin niiden käytettävyys ja kehittämistarpeet Suomen olosuhteisiin. \nTutkimuksen aineistona on käytetty kotimaisia ja kansainvälisiä tutkimuksia ja selvityksistä. Kirjallisuudesta saatuja tietoja on täydennetty haastattelututkimuksella. Erillishaastatteluja tehtiin yhteensä 10 kpl, joiden lisäksi tehtiin yhteishaastattelu, johon osallistui 11 henkilöä. Haastateltavina oli Liikenneviraston, ELY-keskuksien, konsulttien ja urakoitsijoiden edustajia. \nPuutteellinen kuivatus lisää liikennehäiriöiden riskiä ja väylänpidon kustannuksia. Maanteiden kuivatusjärjestelmien toimimattomuus johtuu joko puutteellisesta kunnossapidosta tai kuivatusjärjestelmien riittämättömästä mitoituksesta muuttuneille virtaamille. Puutteellinen kuivatus lisää tierakenteiden muodonmuutoksia, maanteillä sattuvia tulvia ja sortumia ja niistä aiheutuvia tienpidollisia ja liikenteellisiä ongelmia. Kuivatusjärjestelmän toimivuus korostuu kevätsulamisen ja rankkasateiden aikana. \nIlmastonmuutos lisää kuivatusjärjestelmän haavoittuvuutta ja sen kunnossapitotarvetta. Ilmastonmuutoksen myötä Suomessa keskimääräinen sademäärä tulee kasvamaan, keskilämpötila nousemaan sekä sään ääri-ilmiöt, kuten rankkasateet lisääntymään, mistä johtuen tulvat, korkea pohjavesi ja rakennekerrosten vettyminen aiheuttavat tulevaisuudessa nykyistä enemmän haasteita teiden kunnossapidolle. Kokonaissademäärän ennustetaan kasvavan 8-20 %, mutta suurin lisääntyvä kuormitus aiheutuu hetkellisten erittäin voimakkaiden rankkasateiden määrän lisääntymisestä (10–30 %) ja niiden intensiteetissä tapahtuvasta muutoksesta. Tulvien lisäksi tiepenkereiden ja -leikkausten sortumat aiheuttavat tulevaisuudessa nykyistä enemmän haittaa ja kustannuksia tienkäyttäjille ja tienpitäjälle, kun sortumien riski lisääntyy ilmastonmuutoksen myötä. Suomen maanteillä tapahtuvien sortumien määrä on kuitenkin kokonaisuudessaan vähäinen. \nKuivatuksen kunnossapidossa ei nykyisin ole käytössä yhtenäistä hallintajärjestelmää ja siihen kuuluvaa erillistä kuivatuksen tietojärjestelmää. Kuivatusjärjestelmistä kerättävät tiedot ovat epäyhtenäisiä ja tietyiltä osin puutteellisia. Tiedonkeruu on tulevaisuuden tarpeisiin nähden liian vähäistä. Lisäämällä tiedonkeruuta maanteiden kuivatusjärjestelmistä ja kuivatuksen kunnosta luodaan paremmat edellytykset kuivatuksen suunnittelulle, kunnossapidolle ja kuivatusjärjestelmien kunnon seurannalle. Tiedon keruun kehittämisessä on oleellista tiedonkeruuta koskevien vaatimuksien yhtenäisyys. Lisäksi kerättävien tietojen määrittelyssä tulisi huomioida niiden käyttötarpeet nyt ja tulevaisuudessa (mm. riskienhallinta, kustannustietous, vaikutusten arviointi). Kuivatuksen hallintaa tulisikin kehittää kohti hallitumpaa yhtenäistä kokonaisuutta ja kohti järjestelmällisempää tiedonkeruuta. Uuden HARJA-järjestelmän käyttöönotto antaa hyvät mahdollisuudet etenkin tiedonkeruun kehittämiseen. \nKuivatusjärjestelmien parantamis- ja kunnossapitotarpeen arviointia varten tarvitaan luotettavaa tietoa kuivatusjärjestelmään ja sen toimintaan liittyvistä riskeistä. Ilmastonmuutoksesta tienpidolle ja liikenteelle aiheutuvien riskien arviointimenetelmänä on tässä työssä esitelty kansainvälisen tutkimusyhteistyön perusteella luotu RIMAROCC- menetelmä. Menetelmää on sovellettu Hollannissa, Ranskassa, Norjassa ja Ruotsissa. Suomeen menetelmää ei ole sovellettu, mutta sitä voitaisiin hyödyntää esimerkiksi liikennejärjestelmätason riskien hallintamenettelyiden kehittämisessä sekä kriittisen infrastruktuurin ja ns. heikkojen lenkkien määrittelyssä. Menetelmän soveltaminen Suomeen edellyttää kuitenkin aiheeseen liittyviä jatkoselvityksiä \nMaanteiden tulvariskien hallinnan tueksi on kehitetty tulvariskin arviointimenetelmiä. Menetelmistä osa perustuu tiestötietojen, kokemusperäisen tulvatiedon sekä hydrologisten havaintojen hyödyntämiseen ja osassa käytetään paikkatietopohjaisia mallintamiseen ja simulointiin perustuvia menetelmiä. Joitakin menetelmiä on käytetty Suomessa, mutta menetelmien laajempi soveltuvuus tulisi tutkia erikseen. Hyvän lähtökohdan paikkatietopohjaisten menetelmien hyödyntämisen kehittämiseen antaa Maanmittauslaitoksen lähes koko Suomesta kartoitettu laserkeilausaineisto.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.082 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".