Studie utforskar AI-metoder för framtidens vägunderhåll

Svevia satsar på AI för underhåll av potthål. Foto: Henrik Hansson

Svevia, med stöd från SBUF, undersöker hur man kan automatisera och effektivisera underhållet av vägbeläggningar. Studien syftar till att hitta moderna och hållbara metoder för vägunderhåll i samarbete med branschen.

Underhållsbehovet på svenska vägar är stort, och antalet fordonsskador på grund av potthål ökar. Potthål uppstår när vatten tränger ner i asfalten och fryser, vilket spränger upp större håligheter. På sommaren kan stående vatten också skapa potthål. Svevia använder mobiltelefonkameror monterade i entreprenadfordon för att övervaka vägbeläggningarnas skick och samla in data.

– I framtiden kommer kanske bilarnas parkeringskameror användas till samma sak. Privat- och yrkestrafiken skulle i ett sådant system kontinuerligt kunna skanna av vägarna. Med hjälp av insamlad data skulle vi då kunna optimera underhållsåtgärderna både i tid, rum och omfattning. Mängden körsträckor kan på så sätt minska samtidigt som vi bara behöver ta med oss den mängd material som verkligen behövs för att laga vägen. Det är bra för både miljön och ekonomin, säger Andreas Bäckström, Svevia.

Studien ska också föreslå nya regelverk för förebyggande underhåll och ge bättre underlag vid upphandling av Trafikverkets basunderhållskontrakt samt övertagandebesiktningar.

– Möjligheterna att effektivisera vägunderhållet och samtidigt minska miljöbelastningen är en angelägenhet som berör hela branschen. Därför är vi också väldigt glada för att både branschkollegor och Trafikverket har slutit upp i projektet, avslutar Andreas Bäckström.

Studien pågår ett år på Trafikverkets vägar i Bollnäs, Edsbyn, Gävle, Rättvik och Älvdalen. Svevia leder projektet med BM-system, i samarbete med branschens stora aktörer och med stöd av SBUF.

Fakta:

• Projektgrupp: Svevia, BM-system, ViaPM, Univrses, Asfaltskolan, Trafikverket, Helsingborgs kommun

• Styrgrupp: Trafikverket, LTH, Vti, Svevia, Asfaltskolan

• Referensgrupp: Terranor, Skanska, Volvo Cars, NCC (Chalmers), NIRA dynamics, ZeekIT, PEAB, RoadRoid