Road Surface Intelligence: Nästa steg för trafiksäkerheten

Vilka risksignaler missar vi?

Förbättringen av trafiksäkerheten i Europa under de senaste decennierna är en stor framgång som förtjänar erkännande. Framsteg inom fordonssäkerhetsteknik och en ökad medvetenhet om hur förarbeteende påverkar utgången har varit de främsta bidragande faktorerna till denna utveckling. Framstegen har dock varit ojämna och på många platser långsammare än hoppats. Omkring 20 000 människor omkommer fortfarande på europeiska vägar varje år, och uppskattningsvis 100 000 skadas allvarligt. Även om antalet dödsfall har minskat över tid, har antalet registrerade allvarliga skador minskat långsammare och mer ojämnt – och i vissa länder har de ökat. Den senaste tidens avstanning i säkerhetsarbetet leder till ett förnyat fokus på vägmiljön som en potentiell saknad variabel. Även om forskare och myndigheter länge har insett att denna miljö sannolikt spelar en avgörande roll för säkerheten, har möjligheten att analysera detta samband i grunden begränsats av bristen på systematisk data för hela vägnätet. Detta har gjort att en kritisk hypotes gällande vägrisk i stort sett förblivit outforskad, inte på grund av bristande intresse, utan på grund av brist på evidens i stor skala.

Väginfrastruktur – från vägskyltar och vägkantsutrustning till vägens faktiska skick – erkänns som en kärnkomponent i trafiksäkerheten vid sidan av trafikanternas beteende (t.ex. fortkörning, uppmärksamhet, berusning) och fordonssäkerhetsteknik (från säkerhetsbälten till avancerade förarstödssystem och autonoma funktioner). I praktiken tenderar dock säkerhetsarbete kopplat till infrastruktur att prioritera faktorer som är lättare att definiera, reglera och kontrollera, såsom hastighetsbegränsningar och korsningsutformning. Många infrastrukturrelaterade risker är svårare att bedöma konsekvent på nätverksnivå, vilket skapar ett praktiskt glapp i det dagliga säkerhetsarbetet.

En sådan risk är vägytans skick. Även om det är allmänt erkänt att det påverkar fordonets dynamik – inklusive väggrepp, bromsförmåga och stabilitet – har det till stor del hanterats genom underhållsprocesser snarare än att behandlas som en explicit indata för säkerhetsanalys. Det beror delvis på att vägytans skick har varit svårt att observera och jämföra systematiskt över hela vägnät, och därför svårt att konsekvent koppla till olycksstatistik, dödsfall och annan relaterad säkerhetsdata.

Det som förändras är inte grunderna för trafiksäkerhet, utan de verktyg som finns tillgängliga för att göra vägytans skick synligt i stor skala. System som Univrses 3DAI™ använder AI för att omvandla visuell data från vanliga fordonsflottor till konsekvent vägintelligens för hela vägnätet. Detta gör det möjligt att observera och jämföra vägytans skick över hela nätverk mer kontinuerligt, vilket gör att det kan behandlas som en praktisk, säkerhetsrelevant indata snarare än en fråga om löpande underhåll.

Vad ny forskning visar

Flera empiriska studier har analyserat hur mätbara egenskaper hos vägytan relaterar till olycksutfall, med hjälp av storskaliga datamängder som kombinerar trafik-, vägbeläggnings- och olycksregister. Detta gör det möjligt att undersöka vägytans skick retrospektivt som en säkerhetsvariabel på nätverksnivå.

Olycksrisken ökar kraftigt på försämrade vägytor

En nyligen genomförd kvantitativ studie analyserade detaljerad olycks- och vägbeläggningsdata från den amerikanska delstaten Iowa, där geolokaliserade olycksrapporter kopplades till uppmätt vägyteskick över tusentals enskilda vägavsnitt. Varje avsnitt klassificerades utifrån vägbeläggningens ojämnhet och friktion, och olycksfrekvensen beräknades som antal olyckor per 100 miljoner fordon miles.

Skillnaderna var tydliga. Vägavsnitt som klassificerades som att ha dåligt vägskick registrerade 466 olyckor per 100 miljoner fordon miles, jämfört med 134 olyckor på avsnitt i gott skick. När friktionen undersöktes separat var kontrasten ännu större: avsnitt med dåligt uppmätt friktion registrerade 571 olyckor per 100 miljoner fordon miles, jämfört med 118 olyckor på avsnitt med god friktion.

Studien är observationell, men mönstret är konsekvent. För både ojämnhet och friktionsmått var ett försämrat vägskick förknippat med markant högre olycksfrekvens, särskilt på vägar med låg och medelhög hastighet som utgör en stor del av den dagliga trafiken.

Konsekventa signaler på nätverksnivå

Dessa resultat förstärks av en större analys omfattande flera delstater som genomförts av USA:s federala vägmyndighet. Genom att använda mätningar av vägfriktion och olycksdata från mer än 55 000 vägavsnitt i fem delstater undersökte studien hur förändringar i uppmätt friktion korrelerar med olycksfrekvensen för olika vägtyper och platser.

I hela datamaterialet var högre friktionsvärden konsekvent kopplade till lägre olyckstal. I genomsnitt motsvarade en ökning av friktionen med 10 enheter en minskning av det totala antalet olyckor med cirka 10 %. På platser där väggreppet är extra kritiskt – såsom kurvor, korsningar och påfarter – var de uppskattade minskningarna betydligt större, i flera fall över 20–30 %. Analysen visade också att friktionen har ett starkare samband med olyckor vid våta vägförhållanden än vid torra.

Sammantaget visar bevisen att ytegenskaper som friktion och vägbeläggningens skick är mätbara faktorer som konsekvent korrelerar med olycksrisk oavsett vägtyp och geografi.

AI gör ytrelaterade risker mätbara i stor skala

För många väghållare har vägytans skick traditionellt bedömts genom stickprov. Data om ojämnheter och friktion finns, men samlas ofta in genom periodiska inspektioner eller isolerade tester, vilket gör det svårt att upprätthålla en konsekvent uppdaterad och jämförbar bild av tillståndet i ett föränderligt vägnät.

Artificiell intelligens börjar ändra på detta. Genom att analysera stora mängder fordonsinsamlad data, både visuell och annan form, kan AI-baserade metoder omvandla vad fordon "ser" och "känner" till strukturerade och jämförbara indikatorer för vägytans skick. Istället för att förlita sig på enstaka kontroller kan ytrelaterade signaler observeras betydligt oftare över tid.

3DAI™: Vägintelligens för hela vägnätet

Univrses 3DAI™ är ett AI-drivet vägövervakningssystem som omvandlar olika datakällor från fordon, inklusive kamerabilder från vanliga bilar, till strukturerad, georefererad data om vägytans skick och den omgivande vägmiljön. Istället för att förlita sig på särskilda mätfordon eller sällan förekommande inspektioner, fungerar systemet med kostnadseffektiva kameror som kan monteras på befintliga fordonsflottor, vilket möjliggör kontinuerlig täckning av stora vägnät.

3DAI™ ger ett betydligt rikare sammanhang än enbart mätvärden för vägytans prestanda. Även om mått som friktion eller väggrepp kan indikera att vägytans prestanda har förändrats, förklarar de inte varför. Genom 3DAI™ kan väghållare observera vägens fysiska skick direkt – antingen genom att själva granska bildmaterialet eller genom att använda systemets inbyggda AI för att analysera bilderna och identifiera potthål, sprickor, ytslitage och andra synliga defekter.

I ett trafiksäkerhetsperspektiv gör detta det möjligt att inte bara upptäcka förändringar över tid, utan även att förstå vad som orsakar dem. När indikatorer för vägytans prestanda förändras hjälper visuella vägdata till att avgöra om orsaken är strukturellt förfall som kräver underhåll, tillfälliga förhållanden som vatten på vägen, eller mätvärden som inte kräver åtgärder. Detta minskar osäkerheten och stöder mer riktade insatser som en del av det bredare säkerhets- och underhållsarbetet.

Samma princip sträcker sig utanför själva vägytan. Andra observerbara element i vägmiljön – såsom vägskyltar, belysning och vägutrustning – kan också fångas upp och struktureras genom 3DAI™. Detta ger en mer systematisk bild av väginfrastrukturens skick som påverkar säkerheten, vilket gör det enklare för väghållare att inkludera dessa element i proaktiva säkerhetsanalyser.

Så fungerar 3DAI™

1. Kamerabaserad skanning. Fordon utrustade med 3DAI™:s kamerabaserade visionsystem skannar kontinuerligt vägytorna under körning.
2. AI-driven detektering. Datorseendemodeller analyserar datan för att upptäcka och klassificera ytrelaterade egenskaper och defekter, såsom sprickor, potthål och ytslitage.
3. Edge-bearbetning direkt i enheten. Viktig data bearbetas direkt i enheten, vilket minskar filstorlekar, sänker överföringskostnader och påskyndar den inledande analysen.
4. Molnbaserad förfining. Detekteringar laddas upp till molnet där de struktureras och valideras ytterligare – redo att ligga till grund för noggrann kartläggning och insiktsgenerering.
5. Georefererad kartläggning. Varje detektering kartläggs med exakta GPS-koordinater, vilket gör att vägförhållanden kan kartläggas noggrant över hela vägnätet.
6. Trendanalys. Allt eftersom datamängden växer belyser 3DAI™ förändringsmönster – vilket hjälper team att se var försämringar sker och var uppföljning kan behövas.

Att lita på AI i beslutsprocesser för vägsäkerhet

Att integrera data om vägytor i säkerhetsrelaterade analyser kräver exakta och repeterbara insikter som uppfyller samma standarder som andra betrodda infrastrukturdata. Vägmyndigheter behöver vara trygga med att informationen de arbetar med är tillräckligt tillförlitlig för att kunna vägas in tillsammans med tekniska bedömningar, olycksstatistik och professionella bedömningar i säkerhetsanalyser.

Verifierad noggrannhet mot etablerade metoder

3DAI™ har jämförts med etablerade referensmetoder för mätning av vägförhållanden. Oberoende utvärderingar utförda av Statens väg- och transportforskningsinstitut (VTI) visar att systemets resultat stämmer väl överens med traditionella mättekniker för vägytans tillstånd.

Anpassning till verkliga vägförhållanden

Till skillnad från statiska mätmetoder arbetar 3DAI™ kontinuerligt i varierande miljöer. När fordon utrustade med systemet kör på olika vägtyper, med olika ytmaterial och under skiftande väderförhållanden, förfinas modellerna för att återspegla verkliga variationer.

Strukturerad data för prioritering

Utöver detekteringsnoggrannhet levererar 3DAI™ data om vägförhållanden i ett strukturerat och repeterbart format. Vägvägnätet delas in i jämförbara segment, vilket gör förändringar synliga över tid istället för att de bara fångas som isolerade observationer.

Genom att sammanställa insikter från upprepade fordonskörningar belyser systemet förändringsmönster snarare än enskilda defekter. Datan levereras via API eller webbgränssnitt och integreras med befintliga GIS- och analysarbetsflöden, vilket stödjer prioritering och uppföljning som en kompletterande beviskälla.

Beprövad i operativ drift

3DAI™ används redan av flera städer och vägmyndigheter i Europa för att stödja arbetsflöden inom förvaltning av väginfrastruktur. Dessa implementeringar visar hur data om vägförhållanden på nätverksnivå kan integreras i den dagliga planeringen, prioriteringen och uppföljningen.

Med denna grund på plats är ett tydligt nästa steg för 3DAI™ att relatera observerade vägyteförhållanden till rapporterade säkerhetsutfall. I Sverige innebär detta ett arbete mot att koppla samman 3DAI™-data med olycksstatistik i Trafikverkets databas STRADA – vilket möjliggör analys av hur vägytans tillstånd och faktiska incidenter korrelerar över tid.

Se hur städer och myndigheter använder 3DAI™ i praktiken:

• England fick 110 000 gatlyktor klassificerade på 90 dagar
• Trafikverket gick från årliga vägmätningar till kontinuerlig monitorering av hela det svenska vägnätet
• Mesta och Statens Vegvesen använde 3DAI™ för att upptäcka skyltar och ytskador längs 17 459 km norska vägar
• Helsingborg minskade sina potthål med 70% på fem månader
• Tauragė i Litauen blev den första staden att använda 3DAI™ för monitorering av busshållplatser

En tydligare väg framåt

Vägytans skick har länge främst hanterats som en underhållsfråga snarare än som en konkret faktor i trafiksäkerhetsanalyser. Ny forskning gör det svårare att upprätthålla den uppdelningen, då den visar på tydliga statistiska samband mellan mätbara ytegenskaper – inklusive beläggningens skick och väggrepp – och olycksfrekvens i flera olika datamängder.

Den praktiska förändringen innebär att risker kopplade till vägytan inte längre behöver antas eller enbart hanteras genom periodiska underhållscykler. När vägytans tillstånd kan observeras oftare och jämföras över hela vägnätet blir det en användbar komponent i proaktiv riskhantering, särskilt på landsbygdsvägar och i stadsmiljöer där de flesta dödsolyckor sker och där förhållandena varierar mest.

För väghållare innebär detta inte att grunderna för trafiksäkerhet förändras eller att beprövade metoder ersätts. System som 3DAI™ visar hur vägytans tillstånd kan göras mer synligt och jämförbart i nätverksskala. Detta stärker beslutsunderlaget för var man bör göra fördjupade undersökningar, var förhållandena förändras och var uppföljande åtgärder bör prioriteras, vid sidan av etablerade faktorer som olyckshistorik, tekniska bedömningar och lokalkännedom.

Möjligheten är enkel: bättre insyn i nätverksskala gör det möjligt att hantera risker kopplade till vägytan med större konsekvens och precision, vilket bidrar till säkrare vägar.

‍