ProveIt-järjestelmän kehittäminen raskaankaluston kuljettajien työajan ja ajotavan automaattiseen seurantaan
Abstract
Tämä oppimispäiväkirjamuotoinen opinnäytetyö käsittelee ProveIt-järjestelmän kehitysprojektia, jonka tavoitteena oli automatisoida kuljetusyritysten työajan seuranta, analysoida ajotapaa telematiikkadatan avulla ja yhdistää nämä tiedot kaluston käyttöä kuvaavaksi kokonaisuudeksi. Työssä kuvataan, miten manuaaliset ja hajanaiset toimintamallit tuottavat epätarkkaa ja viiveellistä tietoa, mikä heikentää päätöksenteon ja toiminnan kehittämisen edellytyksiä. ProveIt pohjautui olemassa olevaan sähköiseen ajopäiväkirjaan, jota laajennettiin operatiivista johtamista tukevaksi järjestelmäksi. Työpäivän vaiheet tunnistetaan automaattisesti ajoneuvon liikkeen, CAN/FMS-datan ja paikkatiedon perusteella, mikä vähentää kuljettajan hallinnollista kuormaa. Geofenceihin perustuva kontekstointi mahdollistaa työtehtävien kohdistamisen asiakkaille ja projekteille sekä tekee näkyväksi merkittävän hukka-ajan, kuten odottelun. Työssä esitellään pilvipohjainen arkkitehtuuri, jossa data vastaanotetaan reaaliaikaisesti, normalisoidaan ja tallennetaan BigQueryyn analytiikkaa varten. Analytiikka kattaa työajan automaattisen tunnistuksen, ajotavan kontekstuaalisen arvioinnin ja poikkeamien suodatuksen. Näiden pohjalta rakennettiin tuottavuusindeksi, joka yhdistää työajan käytön, ajotavan ja kaluston tehokkuuden yhdeksi vertailukelpoiseksi mittariksi. Lisäksi työssä käsitellään tiedon visualisointia kartta- ja dashboard-näkymien avulla sekä projektin aikana esiin nousseita teknisiä ja organisatorisia haasteita. Lopputuloksena syntyi laajennettavissa oleva järjestelmä, joka tarjoaa kuljetusyrityksille reaaliaikaisen ja luotettavan näkymän toiminnan tehokkuuteen ja tukee dataohjautuvaa päätöksentekoa.
Fields of Study & Subjects
Transport and Logistics Innovations
IoT and GPS-based Vehicle Safety Systems
Human-Automation Interaction and Safety
Publication details
- Journal / source
- Theseus (Ammattikorkeakoulujen)
- Publication date
- 1 January 2026
- Language
- FI
- Document type
- Thesis