GAIA: AI för insamling av grundläggande geodata
Forskningsprojekt, 2023 – 2025

Kraven och behoven av geografiska data förändras i takt med att komplexiteten i utvecklingen av samhället ökar.För att möta utmaningar som hållbar stadsutveckling och klimatanpassning ställs nu högre krav på kvalitet, fullständighet och aktualitet, samtidigt som vi också i högre utsträckning har behov av klassificerade och beskrivande data kopplat till objekten i kartan.
Kraven och behoven av geografiska data förändras i takt med att komplexiteten i utvecklingen av samhället ökar. För att möta utmaningar som hållbar stadsutveckling och klimatanpassning ställs nu högre krav på kvalitet, fullständighet och aktualitet, samtidigt som vi också i högre utsträckning har behov av klassificerade och beskrivande data kopplat till objekten i kartan. De geodata som kommuner tillhandahåller är en av grundstenarna i samhällsbyggnadsprocessen. Grundläggande geodata bygger upp kommunernas baskartor vilket är det underlag som strategiska dokument såsom översiktsplaner, detaljplaner, klimatanalyser och ekologiska analyser utgår ifrån. För att bättre stödja dessa analyser tas nu i många kommuner digitala tvillingar fram för planering och förvaltning. I förlängningen är det de i 3D representerade objekten i stadsmiljön som bygger upp de digitala tvillingarna, snarare än en kartprodukt som baskartan, som kommer att utgöra underlagen i samhällsbyggnadsprocessen. Men det betyder också att de grundläggande datamängderna har ökat i antal och komplexitet och kommer att öka ytterligare.   Den största mängden av dessa data bearbetas fortfarande manuellt, vilket är ett tidskrävande och relativt ineffektivt tillvägagångssätt. I en större stad med aktiv ajourhållning av grundläggande geodata läggs flera tusen arbetstimmar per år på detta.   Genom att tillämpa maskininlärning, en form av artificiell intelligens, för tolkning och kartering av högupplösta flygbilder syftar GAIA till att automatisera de mest tidskrävande momenten i arbetet med kartering av kommuner och städer.  En metod enligt ovanstående skulle vara direkt replikerbar till landets alla 290 kommuner tillsammans med andra myndigheter och aktörer som karterar och samlar in geografiska data i Sverige. Metodiken tillsammans med tätare insamling av bilder, t ex med hjälp av drönare, har därmed potential att spara en stor mängd arbete samtidigt som aktualiteten och fullständigheten i geodata ökar markant.   Syftet med projektet är att använda AI för automatiserad insamling för att underlätta skapandet och uppdatering av grundläggande geodata, vilken kan användas som grund i digitala tvillingar så väl som i baskartor. Kopplat till syftet finns fyra mätbara delmål som sätter en ambition för noggrannhet av resultat samt en effektivisering av karteringsprocessen med minst 75%. Projektet kan även delas upp i sex olika arbetspaket:1) kartläggning av nuvarande processer, 2) datainsamling och inventering, 3) uppmärkning och formatering av data för maskininlärning, 4) utveckling av ändamålsspecifika algoritmer, 5) automatisering av processen, och 6) dokumentation och kunskap- och informationsspridning för nyttiggörande av projektets resultat.  Projektgruppens sammansättning är optimerad för att säkerställa att projektets mål kan uppnås på bästa möjliga sätt. De fem kommuner som är med i projektet som behovsägare säkerställer att resultatet fungerar för så många kommuner som möjligt: mindre, mellanstora och stora kommuner. Samtidigt är de privata och akademiska organisationerna ledande i sina områden och säkerställer att rätt kunskap finns i projektet samt att resultatet kommer att förvaltas och implementeras även efter projekttidens slut.

Deltagare

Anders Logg (kontakt)

Chalmers, Matematiska vetenskaper, Tillämpad matematik och statistik

Samarbetspartners

Alingsås kommun

Alingsås, Sweden

Chalmers Industriteknik (CIT)

Gothenburg, Sweden

Decerno AB

Stockholm, Sweden

Göteborgs Stad

Gothenburg, Sweden

Linköpings universitet

Linköping, Sweden

Malmö Stad

Malmö, Sweden

Savantic AB

Stockholm, Sweden

Stockholms stad

Stockholm, Sweden

Örebro kommun

Örebro, Sweden

Finansiering

Formas

Projekt-id: 2023-00077
Finansierar Chalmers deltagande under 2023–2025

Relaterade styrkeområden och infrastruktur

Hållbar utveckling

Drivkrafter

Mer information

Senast uppdaterat

2024-01-17