Tarkka ajanmittaus on keskeisessä roolissa urheilusuoritusten analysoinnissa ja harjoittelun kehittämisessä. Perinteiset menetelmät, kuten käsikäyttöiset sekuntikellot, ovat edullisia ja helppokäyttöisiä, mutta niiden tarkkuutta rajoittavat mittaajan reaktioajat. Mittausvirhe voi olla jopa 100–200 millisekuntia, eikä menetelmä mahdollista osasuoritusten tarkkaa analysointia. Toisaalta automaattiset järjestelmät, kuten kamerapohjaiset ratkaisut, tarjoavat korkean tarkkuuden, mutta ovat usein kalliita ja huonosti soveltuvia joustaviin harjoitusympäristöihin. Automaatio ja Tekoäly tiedoksi (AuToTIE, EAKR, Pohjois-Savon liitto) hankkeessa toteutettiin projekti, jossa kehitettiin älykäs ja hajautettu ajanottojärjestelmä urheilusuoritusten mittaamiseen. Projektin tavoitteena oli ratkaista perinteisten ajanmittausmenetelmien haasteita sekä parantaa mittausten tarkkuutta, luotettavuutta ja käytettävyyttä hyödyntämällä IoT-teknologioita. Tavoitteena oli kehittää edullinen, joustava ja tarkka ratkaisu, joka soveltuu sekä sisä- että ulkoharjoitteluun.

Toteutus

Projektissa kehitetty Järjestelmä koostuu useista itsenäisesti toimivista mittausyksiköistä sekä keskitetystä hallintaratkaisusta, joka kokoaa ja käsittelee mittausdatan. Harjoituskartioihin integroidut anturit tunnistavat urheilijan liikkeet ja välittävät tapahtumatiedot palvelimelle, jossa tapahtumat aikaleimataan ja harjoituksen toimintaa hallitaan.

Järjestelmän keskeisiä ominaisuuksia ovat:

• langaton tiedonsiirto mittayksiköiden välillä (Wi-Fi)
• reaaliaikainen ajanotto ja tapahtumaloki
• visuaalinen ohjaus LED-valoilla
• tietokantapohjainen datan tallennus ja analysointi

Ratkaisu mahdollistaa automaattisen ajanoton ilman manuaalista mittausta sekä tarjoaa tarkkaa tietoa harjoituksen eri vaiheista.

Hajautettu arkkitehtuuri ja tekniset ratkaisut

Alkuperäinen ratkaisu perustui keskitettyyn malliin, jossa kaikki tapahtumien käsittely tehtiin yhdessä pisteessä. Tämä johti käytännössä viiveisiin ja synkronointiin liittyviin haasteisiin erityisesti useamman mittausyksikön samanaikaisessa käytössä.

Ratkaisua kehitettiin siten, että mittausyksiköt pystyvät käsittelemään tapahtumia myös paikallisesti ilman jatkuvaa keskitettyä ohjausta. Muutos paransi järjestelmän vasteaikaa sekä lisäsi toimintavarmuutta ja skaalautuvuutta erilaisissa käyttötilanteissa.

Uudistetussa arkkitehtuurissa keskitetty komponentti toimii ensisijaisesti koordinoivassa roolissa sekä tiedon kokoajana ja tallentajana, kun taas mittausyksiköt vastaavat tapahtumien tunnistamisesta ja esikäsittelystä. Tämä työnjako vähentää tiedonsiirron kuormitusta ja mahdollistaa sujuvamman toiminnan myös laajemmissa kokoonpanoissa.

Eri mittauspisteiden ajallinen yhtenäisyys varmistettiin synkronointimenetelmällä, jonka avulla tapahtumat voidaan aikaleimata keskenään vertailukelpoisesti. Tämä mahdollistaa tarkasti kohdennetun analyysin myös tilanteissa, joissa useita mittauspisteitä käytetään samanaikaisesti.

Lisäksi järjestelmään toteutettiin käyttäjää ohjaava visuaalinen palautemekanismi, joka tukee harjoituksen etenemistä reaaliaikaisesti ja helpottaa kokonaisuuden hallintaa kenttäolosuhteissa.

Testaus ja tulokset

Järjestelmää testattiin sekä sisä- että ulkotiloissa. Testeissä arvioitiin muun muassa ajanoton tarkkuutta, vasteaikoja, sensorien toimintaa sekä verkkoyhteyden luotettavuutta. Tulokset osoittivat selkeitä parannuksia alkuperäiseen prototyyppiin verrattuna.

Mittaustarkkuus oli noin ±10 millisekuntia, ja keskimääräinen mittausvirhe pysyi 5–15 millisekunnin välillä. Lisäksi järjestelmä toimi luotettavasti useiden kartioiden samanaikaisessa käytössä ja sen skaalautuvuus parani myös merkittävästi.

Hyödyt ja käyttökohteet

Järjestelmä tarjoaa useita etuja perinteisiin ajanottomenetelmiin verrattuna. Sen avulla suorituskykyä voidaan mitata tarkemmin ja harjoituksista saadaan yksityiskohtaista tietoa osasuoritusten analysoinnin avulla. NTP-pohjainen synkronointi mahdollistaa tarkan ja yhdenmukaisen tapahtumien kirjaamisen myös tilanteissa, joissa useita kartioita käytetään samanaikaisesti.

Reaaliaikainen palaute tukee harjoittelun seurantaa ja kehittämistä, samalla kun automaattinen ajanotto vähentää manuaalisen mittauksen tarvetta ja siihen liittyviä virheitä. Parannettu laitteistoarkkitehtuuri ja uudistettu käyttöliittymä osoittivat, että järjestelmä soveltuu hyvin käytännön urheiluharjoitteluympäristöihin.

Ratkaisua voidaan hyödyntää esimerkiksi:

• sprintti- ja ketteryysharjoituksissa
• reaktioharjoittelussa
• urheilututkimuksessa
• valmennuksen analytiikassa

Projektin päätavoite saavutettiin onnistuneesti kehittämällä skaalautuva ja hajautettu IoT-pohjainen ajanottojärjestelmä, joka tukee reaaliaikaista urheilusuoritusten analysointia.

Tulevaisuuden kehityskohteet

Jatkokehityksen näkökulmasta laitteiston mekaanista ja sähköistä toimintavarmuutta tulisi edelleen parantaa, jotta järjestelmä toimisi luotettavasti myös vaativissa sääolosuhteissa. Lisäksi akkujen energiatehokkuutta voitaisiin optimoida pitkäaikaisen käyttövarmuuden parantamiseksi.

Järjestelmää olisi hyödyllistä testata laajemmin haastavissa verkkoympäristöissä, jotta sen toiminta ja luotettavuus todellisissa käyttötilanteissa voidaan varmistaa. Tulevaisuuden kehitystyö voi sisältää myös kehittyneempää data-analytiikkaa, mobiilisovellustukea sekä pilvipohjaista etävalvontaa ja suorituskyvyn seurantaa.

Näiden parannusten avulla järjestelmästä voidaan kehittää täysin kaupallinen ja laajaan käyttöön soveltuva urheiluajanottojärjestelmä.

---

Kirjoittajat

Teemu Matilainen, Lehtori, Savonia-ammattikorkeakoulu

Markku Kellomäki, Lehtori, Savonia-ammattikorkeakoulu

Kiet Bui, Opiskelija, Savonia-ammattikorkeakoulu

Eric Darko, Opiskelija, Savonia-ammattikorkeakoulu