Geographic information in mechanical logging optimization

Metsäteollisuus on yksi Suomen talouden tärkeimmistä osa-alueista. Puunkorjuun koneellistuminen on lisännyt työn tuottavuutta valtavasti. Yksi vaihtoehto seuraavaksi askeleeksi puunkorjuun tehostamiseen on kuljettajaa opastavat järjestelmät. Julkisesti saatavilla olevia paikkatietoaineistoja olisi mahdollista hyödyntää näissä järjestelmissä. Suomessa on laajalti tutkittu tapoja puunkorjuun tehostamiseen ja tässä työssä perehdytään miten nämä tavat ovat liitoksissa paikkatietoon. Työssä perehdytään puunkorjuun nykytilanteeseen, jotta potentiaaliset hyödyt ja kohteet tehostamiselle tulevat selkeästi esille. Työn päätavoitteena on esittää esimerkkiratkaisu paikkatietoaineistojen hyödyntämisestä koneellisessa puunkorjuussa. Nykytilanteessa metsäkoneen kuljettaja toimii pitkälti peruskartan varassa. Peruskartan lisäksi kuljettajan päätöksentekoa olisi mahdollista tukea paikkatietoaineistojen visualisoinneilla. Lisäksi puunkorjuussa syntyvä ajouraverkosto olisi mahdollista suunnitella reittioptimointialgoritmeilla. Kokeellisessa osuudessa kehitetään ratkaisumenetelmä ajouraverkoston ohjelmalliseen suunnitteluun. Ratkaisumenetelmää pilotoidaan implementoimalla sitä käyttävä esimerkkisovellus. Sovelluksen tuloksia arvioidaan asiantuntijalausuntojen avulla sekä vierailemalla korjuukohteilla. Työssä todettiin, että paikkatietoaineistoja on mahdollista hyödyntää koneellisessa puunkorjuussa. Lisäksi suunniteltiin, miten esimerkkiratkaisu voitaisiin jalostaa metsäteollisuuden käytettäväksi.The forest industry is one of the most important parts of the Finnish economy. The mechanization of harvesting has greatly increased logging productivity. The next step for better productivity could be new smart systems that would guide the harvester drivers. Publicly available spatial data sets could be utilized in these systems. Finland has widely explored ways to improve logging processes and this thesis describes how these ways are connected to geoinformatics. This thesis focuses on the current state of harvesting in order to highlight the potential benefits and targets for improvements. The main aim of the thesis is to present an example solution for the utilization of spatial data in mechanical logging. In the current situation, the harvester driver works mostly with a basic topographic map. In addition to this map, it would be possible to support driver's decision-making through visualization of spatial data sets. Furthermore, it would be possible to design a harvester rut network with route optimization algorithms. In the experimental part a new method for this problem is developed. The method programmatically designs the harvester rut network. The method is tested by implementing a demo application. The results of the application are evaluated through expert statements and by visiting real harvesting sites. The thesis found that spatial data sets could be utilized in the mechanical logging. It also represents how the example method could be taken into use in the forest industry