Tulvaviisas kaupunki oppii matkan varrella
Syksyinen rankkasade kestää tunnin. Aamuruuhka on ohi, mutta yksi alikulku lainehtii, ratikka seisoo ja pakettiautot kaartavat kiertotielle. Kun vesi viimein laskee, kaupungille jää tutut kysymykset: mitä olisi pitänyt tehdä, minne kaivaa uusi hulevesiputki, missä kohtaa katuja korottaa – ja ennen kaikkea milloin?
Perinteisesti vastaus on haettu yhdestä suuresta suunnitelmasta: listasta hankkeita, jotka arvioidaan kerralla kannattaviksi. Ajatus on ollut, että kun tulevaisuus on likimain tiedossa, oikea investointi löytyy pöytälaatikosta. Ilmaston muuttuessa tämä näyttää yhä vaikeammalta. Sateet voimistuvat, mutta eivät kaikkialla ja aina samalla tavalla. Kysyntä liikenteessä elää. Yhden kadun sulkeminen voi sotkea puolen kaupungin kulun.
Uusi tutkimus ehdottaa toisenlaista ajattelutapaa. Sen lähtökohta on arkinen: jos emme voi tietää kaikkea etukäteen, opitaan vähitellen. Tutkijat rakensivat tietokoneelle simuloidun kaupungin, johon syötetään pitkän aikavälin ilmastoskenaarioita ja tietoa siitä, miten rankkasateet syntyvät ja minne ne lätäköityvät. Sitten kone saa kokeilla erilaisia toimenpiteitä – kaivojen lisäyksiä, katujen korotuksia, kunnossapitoa – ja katsoa, miten liikenne selviää eri säiden ja vuosikymmenten yli.
Tekniikan nimi on koneoppiminen, mutta sen ydin on helppo hahmottaa: järjestelmää opetetaan yrityksen ja erehdyksen kautta. Aina kun kaupunki pysyy liikkeessä kohtuullisin kustannuksin, se saa ”pisteitä”. Kun vesi katkaisee reittejä tai rahaa palaa vääriin kohteisiin, pisteitä lähtee. Tavoite on oppia, millainen toimenpidepolku – mitä tehdään ensin, mitä myöhemmin – toimii monenlaisissa tulevaisuuksissa.
Tällainen lähestymistapa yrittää korjata kaksi käytännön ongelmaa. Ensinnäkin investoinnit ovat luonteeltaan sarjoja: tämän päivän päätös rajaa huomisen vaihtoehtoja. Toiseksi tulvien vaikutukset eivät rajaudu yhteen paikkaan. Tutkimuksessa huomioitiin sekä suorat vahingot että välilliset seuraukset: kun yksi risteys tulvii, autoilijat kiertävät, bussit myöhästyvät ja kuljetukset hidastuvat.
Käytännön esimerkki auttaa. Kuvitellaan kortteli, jonka alava kulma jää toistuvasti veden alle. Yksittäinen sade ei välttämättä tee suurta vahinkoa, mutta se pakottaa linja-autot siirtymään pari katua sivuun, ja siellä liikenne puuroutuu. Malli voi ehdottaa, että nyt ei vielä rakenneta kallista viemäritunnelia, vaan korotetaan ensin yhtä suojatietä ja lisätään ritiläkaivoja, jolloin vedet ohjautuvat toiseen suuntaan. Vasta jos sateiden voimakkuus myöhemmin kasvaa tietyn rajan yli – mitä skenaariot pitävät mahdollisena – on järkevää käynnistää isompi työ. Ajatus ei ole maaginen ennustaminen, vaan suunnitelma, joka elää havaintojen mukana.
Tutkijat testasivat lähestymistapaa yhteistyössä Kööpenhaminan kaupungin kanssa. Kohteena olivat sisäkaupungin sadevesitulvat vuosina 2024–2100. He yhdistivät ilmastopaneelin pitkän aikavälin polkuja siihen, miten rankkasateet todennäköisesti lisääntyvät, ja mallinsivat, miten vesi leviää ja mitä se tekee liikenteelle. Tämän päälle rakennettu oppiva suunnittelija etsi ajallisesti ja paikallisesti koordinoituja toimia: missä kohdin kannattaa toimia ensin ja missä vasta myöhemmin.
Tulos ei ollut täydellinen lääke tulville, mutta suunta oli selvä. Oppimalla syntyneet polut näyttivät selviävän erilaisista olosuhteista paremmin kuin kaksi yksinkertaista vaihtoehtoa: olla tekemättä mitään tai tehdä toimenpiteitä sattumanvaraisesti. Tällä tavoin tutkimus antaa näyttöä siitä, että joustavasti päivittyvä suunnittelutapa voi vähentää häiriöitä paremmin kuin jäykkä, kertaluonteinen lista.
On tärkeää nähdä myös rajoitukset. Ensinnäkin mallit ovat aina yksinkertaistuksia. Se, miten sade muuttuu tulvaksi ja tulva ruuhkaksi, riippuu paikallisista detaljeista ja aineistoista. Toiseksi tulevaisuus on aidosti epävarma: ilmastoskenaariot antavat haarukan, eivät varmuutta. Kolmanneksi vertailukohta oli tässä työssä vaatimaton. On eri asia voittaa satunnaiset toimet kuin päihittää kokeneiden suunnittelijoiden harkiten valmistelema ohjelma. Tutkimus ei myöskään ratkaise poliittisia valintoja: kuka hyötyy ensin, kuka maksaa ja miten haitat ja hyödyt jaetaan.
Silti ajatus ”oppivasta” kaupunkisuunnitelmasta on kiinnostava, koska se peilaa sitä, miten ihmiset arjessa toimivat. Emme osta taloon heti kaikkia remontteja kerralla; teemme tärkeimmät ensin, seuraamme, mitä talo ja sää tekevät, ja varaudumme siihen, että suuntaa pitää muuttaa. Sama periaate voisi auttaa myös kaupunkeja, kun sateet harvemmin kysyvät lupaa.
Laajemmassa kuvassa tutkimus tarjoaa välineen, jolla kaupunkeja voi ikään kuin koeajaa tulevaisuuden myrskyissä. Se ei poista tarvetta keskustella arvoista, läpinäkyvyydestä ja päätösvallasta: kuinka paljon annamme painoa tietokoneen ehdottamalle polulle, ja millä perustein se ehdotus syntyi? Mutta jos vaihtoehto on toivoa parasta ja reagoida pahimpaan, oppiva suunnitelma on askel kohti suunnitelmallista sopeutumista.
Kun sateet tihenevät ja budjetit pysyvät rajallisina, oleellinen kysymys onkin tämä: pitäisikö kaupunkien lakata etsimästä yhtä ”oikeaa” tulvastrategiaa ja opetella sen sijaan tekemään hyviä päätöksiä järjestyksessä, yksi tulevaisuus kerrallaan?
Paper: https://arxiv.org/abs/2601.18586v1
Register: https://www.AiFeta.com
ilmastonmuutos kaupunkisuunnittelu liikenne tekoäly tulvat Tanska
