GAIA: AI för insamling av grundläggande geodata

Projektet utvecklar ett fritt tillgängligt verktyg baserat på AI. Verktyget möjliggör en automatiserad process som radikalt underlättar att skapa standardiserade geodata för uppdatering och ajourhållning av kommunernas baskartor. Kartor som är grunden till de flesta analyser, planering och beslut inom samhällsbyggnadsprocessen. Verktyg och arbetssätt kommer vara tillämpliga för många andra aktörer såväl nationellt som internationellt. Projektet bidrar till högre kvalitet, frekventare kartering, frigjord arbetstid, en effektivare samhällsbyggnadsprocess och är en möjliggörare för digitala tvillingar.

Projektet avgränsas till informationsmängder som kopplas till kommunala baskartor.

GAIA – projektets mål

• Mål 1 är att från insamlade flygfoton med hjälp av AI automatiskt generera punkter, linjer och ytor till baskartor med en noggrannhet på minst 10cm.
• Mål 2 är att få med tillhörande attribut som kan beskriva geometrierna (position, höjd , utseende och status). Träffsäkerheten ska vara minst 95%.
• Mål 3 är automatiserad segmentering, klassificering och standardisering (enligt svenska och EU standarder för den byggda miljön) av inhämtad information. Automatiseringen ska innebära en effektivisering som reducerar den manuella arbetsinsatsen med minst 75%.

Det övergripande målet är att genom ett färdigt verktyg, baserat på teknologi och metoder i huvudmålen, samla in och klassificera data över ett ej ajourfört område i vardera av projektets samtliga deltagande kommuner med godkända resultat.

Resultatnytta och effekter av projektet GAIA

• I och med detta projekt kommer deltagande kommuner att höja kunskaperna inom AI och ML samt hur ML kan användas inom samhällsbyggnadsprocessen.
• Deltagande kommuners befintliga processer kring insamling av data kommer att anpassas och förfinas för att gynna efterkommande ML-process.
• Eftersom de deltagande kommunerna har olika befolkningsmängd (mindre, mellanstor och stor kommun) och därmed olika resurser till sin befogenhet säkerställer projektet att slutresultatet fungerar i kommuner med olika förutsättningar. Detta ökar skalbarheten av projektets resultat och skapar möjligheter till en mer lokal jämställd organisation inom teknikområdet.
• Projektets resultat kommer att vara öppen källkod vilket möjliggör replikeringen samt vidareutvecklingen av lösningen.
• Bättre kvalité på grundläggande geodata höjer tilliten på informationen och kan därigenom effektivisera samhällsbyggnadsprocessen samt resultera i bättre beslut.
• En mer effektiv karteringsprocess frigör tid till mer avancerade arbetsuppgifter samt vidareutveckling av branschen.
• Geodata som genereras genom projektets resultat ligger också till grund för många analyser som genomförs inom ramen för ökad ekologisk hållbarhet. Resultatet kan på så sätt berika andra projekt och arbeten som kommunerna gör inom ramen för att uppnå klimatneutralitet.

Bakgrund

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.