Bättre vägunderhåll när experterna tar hjälp av AI

Traditionell planering av vägunderhåll bygger ofta på upphandling av specifika åtgärder till lägsta pris. Men med långa funktionskontrakt – så kallade ”tonåringar”, där entreprenören ansvarar för vägens skick i upp till 15 år – växer behovet av mer dynamiska och långsiktigt hållbara metoder. I ett nytt projekt används interaktion mellan AI och mänsklig expertis för att uppnå bättre planering av vägunderhåll.

Ett nytt forskningsprojekt ska använda artificiell intelligens (AI) för att förbättra planering och kvalitet på vägunderhåll. Projektet – som har två delar och leds av Thomas Lundberg, VTI, respektive Richard Nilsson, Skanska, – undersöker hur AI och maskininlärning kan användas för att analysera stora mängder data, mer omfattande än data från enbart vägytemätningar. Huvudsyftet med projektet är att undersöka vilken teknik som ger bäst resultat och hur den kan tillämpas på långa funktionskontrakt.

Projektet fokuserar särskilt på Skanskas funktionskontrakt på E22 i Kalmar län och Östergötland. Där kombineras traditionella okulära inspektioner med avancerad teknik: mobilappar dokumenterar skador veckovis, deflektionsmätare och georadar monterade i tunga lastbilar bedömer vägens bärighet och konstruktion, samt VTI:s nya avancerade mätbil VTI Mobile Research Platform* som fångar sprickor och ytskador ner på millimeternivå. Utvärderingen görs med hjälp av två olika metoder som jämförs med varandra, den traditionella och en datadriven metod.

För att skapa en mer komplett bild hämtas data dessutom från flera olika öppna källor. Det handlar bland annat om Nationella vägdatabasen (NVDB), som innehåller information om hela det svenska vägnätet, och PMSv4, ett system med vägytemätningar från 1987 och framåt. Dessutom används markfuktighetskartor, jordartskartor, meteorologiska data om nederbörd och temperatur samt mätvärden från sensorer som visar tjälens utbredning i vägen. All denna information samlas, positioneras och analyseras med hjälp av AI-modeller. Resultaten granskas sedan av forskare vid forskningsinstitutet RISE, som letar efter mönster och trender som kan ligga till grund för framtida beslut.

– Ett viktigt inslag i projektet är just kombinationen av mänsklig expertis och automatiserad analys, så kallad Human-in-the-loop, HITL. Även om målet är att automatisera delar av processen, är det avgörande att modellerna vägs mot erfarenhetsbaserade bedömningar, betonar Thomas Lundberg. Projektet betonar också vikten av att kunna förklara varför vissa skador uppstår – och föreslå rätt åtgärd, inte bara identifiera att något är fel.

– Förväntningarna på projektet är höga. Resultatet kan ge bättre beslutsunderlag för såväl entreprenörer som väghållare och leda till mer hållbara vägar till lägre kostnader. Med en planeringshorisont på ett år för en underhållsåtgärd är förhoppningen att modellen kan välja de mest högprioriterade vägavsnitten genom att extrapolera tillståndet ett år framåt och samtidigt ge ett allsidigt underlag för val av åtgärd, säger Thomas Lundberg.

Målet är att ta fram en robust metod att prognostisera tillståndet på vägen. Prognosen kan användas som underlag för val av åtgärdssträckor, åtgärdsmetod och tidpunkt för underhåll, både ur ett beständighetsperspektiv och ett ekonomiskt perspektiv. Metoden förväntas också kunna upptäcka andra skadetyper och få andra åtgärdstidpunkter än tidigare. På sikt kan resultaten påverka hur hela branschen planerar underhåll. En robust prognosmodell skulle kunna bidra till bättre kravställning i framtida funktionskontrakt, större medvetenhet om hur underhåll bör planeras och mer kostnadseffektiva avtal – inte bara för Trafikverket, utan även för kommuner och andra väghållare. I slutänden är målet förstås att skapa vägar som håller längre och kräver färre akuta insatser.

Projektet, som finansieras av Kompetenscentrum vägteknik, KCV, och Svenska byggbranschens utvecklingsfond, SBUF, ska slutredovisas 2028.

Text: Christina Karlsson

Fotnot: Artikeln har tidigare varit publicerad i VTI aktuellt 3-2025