Infrastruktur i förändring: AI och framtidens vägunderhåll

Europas underhållsskuld

Europas vägar slits ut snabbare än de hinner repareras. Europeiska centralbanken (ECB) uppskattar att det saknas offentliga investeringar i infrastruktur motsvarande 900 miljarder euro inom EU:s medlemsländer.

Trafikverket bedömer att det skulle krävas 20,9 miljarder kronor per år fram till 2037 för att åtgärda det svenska underhållet – cirka tre miljarder mer än dagens årliga nivå, trots att statens anslag nyligen höjts. I Storbritannien har reparationsskulden på vägnätet nått 12,1 miljarder pund och beräknas ta över ett decennium att åtgärda med nuvarande finansiering.

På Univrses menar vi att det här underskottet inte enbart beror på begränsade budgetar  utan på stora ineffektiviteter i hur vägnäten övervakas och underhålls. Runt om i Europa kämpar städer och myndigheter med en åldrande infrastruktur. De är fast i kortsiktiga underhållscykler som styrs av gamla bedömningsmetoder som inte ger det beslutsunderlag som krävs för långsiktig planering.

Med bristfällig data och begränsad insyn i vägnäten tvingas myndigheterna agera reaktivt. Underhåll blir en serie dyra nödlösningar där akuta behov prioriteras framför långsiktig effekt. Resultatet blir att fler resurser förbrukas utan bestående resultat och kostnaderna fortsätter att öka.

För att vända trenden krävs en annan strategi: riktade insatser på rätt plats vid rätt tidpunkt – baserat på när och hur vägen börjar försämras. Att agera i det skedet, innan vägen hunnit nå ett dåligt skick, är betydligt billigare per åtgärd och förlänger dess livslängd med många år. Det är ett mycket mer kostnadseffektivt sätt att underhålla vägar.

‍

Varför traditionella metoder inte räcker till

Traditionella metoder för väginspektion har utvecklats över tid för att samla in olika typer av data. Men de är för dyra för att kunna användas ofta vilket innebär att de flesta vägar bara inspekteras en gång per år, eller ännu mer sällan. Det lämnar stora informationsluckor mellan mättillfällen.

Manuella inspektioner – som fortfarande är vanliga – bygger på att människor fysiskt bedömer vägarnas skick, ofta i aktiv trafik. Det utsätter inte bara arbetare för risker, utan sker också för sällan för att kunna upptäcka tidiga tecken på slitage i hela nätverket. Resultatet blir att myndigheterna saknar en komplett och aktuell överblick över vägnätets tillstånd.

Högteknologiska mätsystem med specialbyggda skanningsbilar erbjuder större precision, men är dyra att använda. De kräver specialutrustning, utbildade team och avancerad mjukvara vilket gör dem opraktiska för återkommande eller storskalig användning. 

Vägar kollapsar inte utan förvarning. Men utan heltäckande och regelbunden insyn missar myndigheterna de tidiga varningssignalerna. Försämringen följer mönster och med rätt metoder går dessa mönster att följa, analysera och agera på i tid.

Artificiell intelligens ritar om kartan

För att kunna gå från ett reaktivt till ett proaktivt arbetssätt behöver väghållande myndigheter en datadriven strategi där information om vägarnas skick uppdateras kontinuerligt i takt med att nätverket förändras. Genom att identifiera vad som ska åtgärdas, var och när, möjliggör den här typen av långsiktig planering att resurser används på mest effektiva sätt och ger störst nytta för varje investerad krona.

Detta kräver tillgång till träffsäkra, aktuella insikter om hela vägnätet – något som hittills har varit utom räckhåll.

Univrses 3DAI™-system ger städer och myndigheter ett snabbare och smartare sätt att kartlägga vägarnas skick. Med stöd av AI samlar det in och analyserar vägdata löpande vilket ger en helhetsbild av vägnätet i realtid. Under 2024 analyserade 3DAI™ data från 950 000 kilometer väg och omvandlade 94 miljoner bilder till handlingsbara insikter utan att ett enda specialutrustat inspektionsfordon behövde skickas ut.

Vägdata i realtid

3DAI™ är ett AI-baserat system som ger tillgång till aktuell och detaljerad information om vägarnas skick utan de kostnader, förseningar och blinda fläckar som ofta följer med traditionella metoder. Systemet körs på vanliga smartphones och kan installeras i vilket fordon som helst. Detta gör det möjligt att samla in data direkt från fordon som redan är ute på vägarna.

Kommunala servicebilar, taxibilar och bussar lämpar sig särskilt väl eftersom de rör sig genom städerna varje dag och naturligt täcker stora delar av vägnätet. Det möjliggör löpande kartläggning av hela nätverk utan att man behöver sätta in särskilda mätbilar eller dyr specialutrustning.

Med strukturerad och träffsäker information kan städer och myndigheter gå från akuta reparationer till mer förebyggande underhåll. Det innebär lägre kostnader, minskade utsläpp och ett smartare sätt att använda befintliga resurser.

Så fungerar 3DAI™

1. Skanning via smartphone. Fordon som är utrustade med 3DAI™ smartphone-baserade visionssystem skannar vägnätet kontinuerligt under färd.
2. AI-baserad detektion. Avancerade computer vision-algoritmer identifierar och flaggar vägskador som sprickor, potthål och ytslitage.
3. Edge-bearbetning i enheten. Nyckeldata bearbetas direkt i mobilenheten. Det minskar filstorlekar, sänker överföringskostnader och påskyndar den inledande analysen.
4. Validering i molnet. Upptäckta skador laddas upp till molnet där de struktureras och verifieras – redo att användas för kartläggning och vidare analys.
5. GPS-baserad kartläggning. Varje registrerad skada kopplas till exakta GPS-koordinater och positioneras med hög precision i vägnätet.
6. Trendanalys. När vägnätet kartläggs kontinuerligt över tid kan 3DAI™ identifiera mönster i hur vägarnas skick förändras. Det gör det möjligt att planera smartare, prioritera rätt insatser och använda resurser mer kostnadseffektivt.

Att lita på AI i infrastrukturförvaltning

För att AI ska kunna ersätta traditionella metoder för att bedöma vägkvalitet krävs att den lever upp till, eller överträffar, branschens krav på precision och tillförlitlighet. De som ansvarar för planering, budgetering och långsiktig underhållsstrategi behöver data de kan lita på och som kan verifieras

Verifierad precision

3DAI™ har noggrant utvärderats för att uppfylla de krav på tillförlitlighet och precision som ställs inom infrastrukturförvaltning. En oberoende utvärdering från Statens väg- och transportforskningsinstitut (VTI) visar att 3DAI™ levererar mätvärden som ligger mycket nära etablerade referensdata.

Jämförelse mellan VTIs och 3DAI™s mätvärden för vägskador längs en vägsträcka i Sverige.

Anpassar sig efter vägen

Till skillnad från statiska inspektionsmetoder blir 3DAI™ bättre ju mer det används. Systemet lär sig från olika typer av miljöer och förbättrar sin förmåga att upptäcka vägskador i takt med att det samlar in data – oavsett underlag, väderförhållanden eller lokala standarder. Denna kontinuerliga inlärning ökar träffsäkerheten över tid och gör att insikterna förblir relevanta i takt med att vägnätet förändras.

Strukturerad vägdata för smartare beslut

Utöver hög noggrannhet levererar 3DAI™ vägdata i ett strukturerat och enhetligt format. Vägnätet delas in i sektioner där varje del tilldelas ett tillståndsvärde vilket ger ett objektivt underlag för att identifiera de mest utsatta sträckorna och fördela insatser där de gör störst nytta.

Möjligheten att följa förändringar över tid gör beslutsstödet ännu starkare. Genom att sammanställa insikter från återkommande körningar kan 3DAI™ visa hur vägarnas tillstånd förändras, identifiera slitagemönster, följa upp åtgärder och stötta långsiktig planering. Informationen levereras via API eller webbaserat gränssnitt och kan integreras i befintliga GIS-verktyg vilket möjliggör proaktivt underhåll i större skala.

Helsingborgsmodellen

Helsingborgs stad har förändrat sitt sätt att arbeta med vägunderhåll med hjälp av 3DAI™. Kommunen har gått från reaktiva lagningar till förebyggande, datadriven infrastrukturförvaltning.

Precis som i många andra städer byggde Helsingborgs tidigare arbetssätt på manuell väginspektion – en tidskrävande och dyr metod som bara täckte delar av vägnätet. Vägingenjörer lade i snitt 2,5 arbetsdagar per vecka på inspektioner, men trots det kunde staden inte hålla jämna steg med hur vägnätet förändrades. I vissa fall fick beslut fattas på data som var upp till fem år gammal. Det innebar att skador ofta upptäcktes för sent, och akuta reparationer var det enda alternativet.

Med 3DAI™ får staden nu kontinuerlig och strukturerad information om vägarnas skick. Det gör det möjligt att upptäcka skador i ett tidigt skede, planera åtgärder mer långsiktigt och använda resurserna smartare. I stället för att reagera på problem i efterhand kan Helsingborg i dag förebygga dem innan de växer.

Resultat

• Mellan 200 och 300 miljoner kronor i uppskattade besparingar tack vare tidigare identifiering av vägskador och minskat behov av akuta reparationer.
• Antalet potthål minskade från 3 000 till 900 på fem månader vilket har förbättrat trafiksäkerheten och minskat slitaget på fordon.
• Inspektionstiden har minskat från 2,5 dagar per vecka till en timme vilket frigör tid för andra viktiga arbetsuppgifter.
• 50 % av personalen som tidigare arbetade med manuella inspektioner har kunnat ta sig an andra uppgifter – utan att kvaliteten på vägunderhållet har påverkats.

AI och mänsklig kompetens: ett vinnande koncept

Infrastrukturförvaltningen står inför ett skifte. Att gå från akuta reparationer till förebyggande underhåll är inte längre en framtidsvision – det händer här och nu.

AI-baserade system ger myndigheter möjlighet att kartlägga hela vägnät i realtid, upptäcka problem innan de uppstår och fördela resurser mer effektivt. Men i takt med att den här förändringen tar fart väcks en central fråga: Ersätter AI den mänskliga kompetensen? Svaret är nej.

AI ersätter inte människor – den förstärker dem. Vägar underhålls inte av sig själva. Det krävs kunniga ingenjörer och beslutsfattare med erfarenhet, lokalkännedom och omdöme för att göra rätt avvägningar. 3DAI™ ger dem bättre underlag, tydligare insikter och mer tid att fokusera på det som kräver mänsklig bedömning.

Genom att leverera konkreta insikter minskar systemet osäkerheten i beslutsfattandet. Det ger en strukturerad bild av vägnätets skick och hjälper städer och myndigheter att agera vid rätt tidpunkt. I stället för att ”jaga potthål” och förlita sig på gamla rapporter kan de fokusera på strategisk resursfördelning, långsiktig planering och förebyggande insatser.

Framtidens infrastrukturförvaltning handlar inte om att välja mellan människor och teknik – utan om vad de kan åstadkomma tillsammans.

Automatiserad väganalys

Under det kommande decenniet väntas autonoma och uppkopplade fordon bli en allt vanligare syn på våra vägar. Utrustade med avancerade sensorer och kameror kommer dessa fordon inte bara att färdas på vägarna, utan även kontinuerligt läsa av vägytan.

Med sin förmåga att kontinuerligt skanna vägar och generera stora mängder data kan de bidra till ett helt nytt sätt att förstå och följa vägarnas tillstånd i realtid.

Men för att kunna utnyttja den här potentialen krävs mer än bara rådata. Transportmyndigheter behöver system som kan strukturera, kombinera och ständigt lära sig av miljontals datapun­kter – och skapa en aktuell, levande bild av vägarnas skick.

Den goda nyheten är att detta redan är på väg att bli verklighet. Även om helt autonoma fordonsflottor fortfarande ligger några år bort har Univrses utvecklat 3DAI™ för att ge myndigheter verktyg att ta vara på framtidens möjligheter redan i dag.

Digitala tvillingar för verklig nytta

Det som gör 3DAI™ unikt är hur systemet strukturerar och omvandlar inkommande data till digitala modeller med ett tydligt användningsområde. Till skillnad från många digitala tvillingar är detta inte bara visuella rekonstruktioner utan praktiskt tillämpbara modeller som används direkt inom infrastrukturförvaltning.

Modellerna stödjer långsiktig planering, livscykelanalys av väginfrastruktur och riskminimering. De är utformade för att fungera i verkliga vägnät som kan sträcka sig över tiotusentals kilometer.

Vid varje körning uppdateras den digitala representationen med nya observationer. Oavsett om data kommer från en, tio eller tiotusen fordon kombineras allt i en gemensam, ständigt uppdaterad databas. Det eliminerar fragmenterade datakällor och minskar behovet av manuell tolkning. Resultatet är en aktuell helhetsbild över vägnätets tillstånd och förändringar över tid.

Vägen framåt

Univrses samarbetar med ledande fordonstillverkare för att integrera 3DAI™ direkt i autonoma, uppkopplade och ADAS-utrustade fordon. I framtiden kommer dessa inte bara att använda infrastrukturen utan också bidra till att underhålla den. 

Detta är mer än en teknisk uppgradering. Det är ett smartare och mer hållbart sätt att bedriva infrastrukturförvaltning, där vägdata samlas in passivt av fordon som redan rör sig i trafiken. I stället för att skicka ut särskilda inspektionsfordon kan myndigheter utnyttja den trafik som ändå finns. Resultatet är kontinuerlig och storskalig kartläggning med högre effektivitet och lägre utsläpp.

När denna kapacitet blir en integrerad del av vardagstrafiken kan städer och myndigheter ställa om till en mer cirkulär och datadriven modell. Vägnätet bedöms då inte längre vid enstaka tillfällen utan följs upp, underhålls och förbättras löpande. 

Vägen framåt är tydlig. Med uppdaterad information i realtid kan städer och myndigheter ligga steget före, identifiera risker i tid och åtgärda vägar innan de hinner förfalla. Varje väg. Överallt. Hela tiden.

‍