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