AI-metod för att analysera underhållsbehov på gång- och cykelvägar

Bakgrund

Kommuner saknar idag kostnadseffektiva verktyg för löpande uppföljning. STIG adresserar detta med AI-baserad bildanalys som kan genomföras av kommunanställda, entreprenörer eller med olika fordonstyper – vilket dramatiskt sänker tröskeln för systematisk infrastrukturdatahantering.

Syfte och mål

Projektet STIG utvecklar och testar en AI-baserad metod för effektiv datainsamling och analys av gång- och cykelvägar. Projektet anpassar befintlig teknologi för bilvägar till gång- och cykelinfrastruktur och skapar ett kostnadseffektivt verktyg för kommuner att förbättra underhåll och säkerhet. En central fråga är hur kommuner med begränsade resurser kan systematiskt och kontinuerligt kartlägga tillståndet i sin gång- och cykelinfrastruktur.

Projektet genomförs i steg

1. Identifiering av behovsscenarier och infrastrukturella parametrar med kommunerna,
2. Utveckling av AI-algoritmer för analys av bilddata
3. Fälttester med olika datainsamlingsmetoder inklusive kommunanställda och entreprenörer
4. Validering mot etablerade vägstandarder
5. Framtagning av riktlinjer för implementering och uppskalning.

Resultat

Validerad AI-baserad metod och verktyg för inventering av gång- och cykelvägar. Riktlinjer för kommunal implementering. Pilotresultat från Helsingborg, Stockholm, Umeå och Järfälla. Stärkt attraktivitet för aktiva färdmedel med miljö- och hälsovinster som följd.

Spridning av resultat

Resultaten kommuniceras via Drive Swede, vetenskapliga publikationer, kommunala nätverk och Cykelcentrum (VTI).

Riktlinjer kommer publiceras för bred kommunal implementering.