Hållbara beslutsstöd baserade på relevant data

Smart underhåll av stadsgator baserat på objektiva data
Utmaning
Det finns mycket metoder för att prioritera när, var och hur en väg ska underhållas rörande statliga vägar men inte för stadsgator. Stadsgators tillstånd kan inte beskrivas med likadana parametrar som landsbygdsvägar.
Förväntat resultat
Digitaliseringen och uppkopplingar, ny teknik och nya sensorer har medfört mängder av ny data som kan komplettera traditionell. Deep Learning och Machine Learning är metoder som passar väl för analys av tillståndsdata. Beslutet när underhåll ska ske bygger på valda gränsvärden. För höga eller för låga värden medför både ekonomiska och säkerhetsmässiga risker.
Modernt effektivt underhåll ska bygga på objektiva data och ta hänsyn till funktionsmål: trafiksäkert, användarvänligt och tillgängligt.
Nyheter från projektet
Ny artikel om förvaltning av gatunätet
Vad ligger oftast bakom nedbrytning av gatunätet, och hur tacklar sveriges kommuner problemet? Det är temat för en nyligen publicerad artikel, med Mistra InfraMaints doktorand Amjad Afridi som en av författarna. Artikeln beskriver vilka processer som ligger bakom...
Ett projekt som vill ligga långt framme
Skellefteå kommun har två doktorandprojekt inom Mistra InfraMaint. Läs om dem i årsrapporten för 2019.
1.8
Tidplan
2018 – 2023
Projektledare
Leif Sjögren, VTI
leif.sjogren@vti.se
Sigurdur Erlingsson, KTH
sigurdur.erlingsson@vti.se
Parter
Skellefteå, VTI Statens väg- och transportforskningsinstitut, KTH Kungliga Tekniska Högskolan, Ramböll, NCC, PEAB, Skanska, Trafikverket, RISE Research Institutes of Sweden, Göteborgs stad
Bidrar till programmålen:
Förbättrad hållbar effektivitet med 20 procent
Halverad kompetensbrist
Över 50 kommuner är förebilder för hållbar förvaltning (Asset Management)
Minst tio företag har antagit resultaten från programmet och exporterar tjänster/ produkter, kompetens och praxis