Visual Sweden City Plattform

En digital tvilling av en stad är en viktig strategisk resurs som kan spela stor roll i hur god kvalité vår framtida byggda miljö får. En digital tvilling kan bidra till att rusta våra städer för en snabbare och mer dynamisk samhällsutveckling, för mer komplexa, digitala och datadrivna planeringsprocesser.

Rika datamodeller skapar möjligheter till tvärdisciplinära analyser där parallella frågeställningar analyseras simultant, t.ex. sociala och tekniska frågor vilket minskar risker för ”stuprör” i planeringsprocessen samt leder till en ökad demokratisering av planering och beslutsprocessen. I den digitala tvillingen kan också en stor mängd olika scenarier simuleras på ett sätt som inte är möjligt i den fysiska världen eller där data analyseras individuellt.

För att skapa en digital tvilling av en stad krävs en mycket stor mängd data, men också effektiva insamlingsmetoder. Projektet adresserar problemet med hur en digital tvilling data-försörjs och samtidigt visualiseras med en hög visuell noggrannhet.

Projektet vill genom att undersöka en stor spännvidd av insamlingsmetoder från satelliter till bilburen scanning och genom state-of-theart tekniker inom maskininlärning, syntes, bildanalys och 3d-rekonstruktion i hög grad automatisera denna process. Ambitionen är att kunna generera en digital tvilling med semantisk information och metadata med en minimal manuell arbetsinsats samtidigt som
karteringsförmågan ökar.

Projektets olika behovsägare arbetar gemensamt med geodata i olika former och det finns ett gemensamt behov av att kartera och analysera geodata för att förbättra tjänster, metoder och att utveckla samhället. De utmaningarna som svenska städer står inför är även de i hög grad gemensamma, de är b.la. kopplade till klimatförändringar, demografi, livskvalitet, planering av samhällets utveckling eller förändrade transportsystem. Det gör att det finns ett behov av att utveckla metoder och metodiker som är generella och som kan appliceras i bredd över många områden och flera olika behov.

Metoderna måste dessutom vara kostnadseffektiva och agila så att nya frågeställningar och data kan tillföras samt anpassas för att hantera en bred fysisk skala så som från en enskild plats till en hel region eller omvärld. Projektets behovsägare speglar en spännvidd i tillämpningar och applicerbarhet avseende fysisk skala och insamlingsmetoder. Från markperspektiv till regional nivå, från laser till satellit, från körsimulatorer (VTI) till katastrofhantering (MAXAR). Gemensamt är att de alla är beroende av skapandet av en geografisk digital tvilling och hur den kan göras rik på metadata samt få ett realistiskt visuellt uttryck som understödjer kommunikation, både mellan professionella aktörer så väl som medborgare (Norrköpings kommun, Malmö stad och Linköpings kommun).

Maskininlärning är också en möjlighet att kunna tillgodose även mindre kommuner och städer med effektiva metoder som ger kvalitativa data.

Projektet syftar till att undersöka hur olika insamlingsmetoder kan användas för att stärka varandra i skapandet av digitala tvillingar.

Hur maskininlärning (ML) genom djupa neurala nätverk, syntes och bildanalys kan användas för att berika slutresultatet och automatisera delar av processen med kartering och 3D-rekonstruktion.

Projektet avser att även att undersöka och utveckla metoder där så kallade syntetisk data användas för att träna neurala nätverk vilka kan appliceras i den fysiska verkligheten. Med syntetisk data avses stora mängder av datorgenrerade bilder. Detta kan möjliggöra för fler typer av objekt eller klasser att karteras även om det idag finns för lite data att tillgå för traditionell ML-träningen av dessa. Denna metod har använts framgångsrikt inom medicinteknisk forskning vid Linköpings universitet och avhandlingar har pekat på stor potential även i ett stadsrumssammanhang.

Användandet av syntetisk träningsdata för kartering av städer är vad som idag kan anses som state of the art.

En bärande del är även att stödja en vidare nationell och internationell forskning inom ämnesområdet maskininlärning, bildanalys och visualisering genom att tillgängliggöra ett helt unikt dataset av över en rad svenska städer och regioner. Frågeställningarna och skalan för tillämpningar av bildanalys och 3D-rekonstruktion av städer är världsomspännande, därför är målgruppen den internationella forskningsarenan så väl som utvecklande tjänsteföretag.