– Algoritmene benytter ikke bare overflatesensorer og lokale værdata, men også værmeldinger, fartsmålinger og målt reisetid. Ved å lære opp kunstig intelligens (artificial intelligence eller AI), kan vi predikere sannsynlige føreforhold frem i tid. Dette heter deep learning (dyp læring) av neurale nettverk. AI blir da matet med store mengder sensordata, sier Jo Skjermo, forsker på mobilitet og samfunnsøkonomi ved SINTEFs Community-avdeling i Trondheim.

FOU-prosjektet ble nettopp påbegynt, og en prototype av sensor- og målesystemet vil være klart i slutten av 2020. I løpet av 2021 vil det videreutvikles. Først når testfasen er over vil Statens vegvesen og SINTEF evaluere om teknologien og metodene skal implementeres i linja.

AI kan «spå i fremtiden»

Forskeren forteller at slike prediksjoner kan fortelle hvordan fremtidige føreforhold vil kunne påvirke reisetid, eller til og med sannsynligheten for kolonnekjøring eller stengte fjelloverganger.

Foto: SINTEF

– Prediksjonene vil da kunne benyttes til bedre planlegging av vinterdrift, men også til planlegging av reiser, sier Skjermo.

Men kan AI-teknologien brukes til mer enn kun sikrere vinterveier?

Selv om dette prosjektet kun tar for seg vinterveier, mener Jo Skjermo at teknologien og metodene vil kunne overføres til andre infrastrukturprosjekter i Norge.

– Utover fjelloverganger kan man anta at samme metode kan benyttes ved andre kritiske punkter, som for eksempel vindutsatte broer, bratte bakker eller lignende. Dessuten kan lignende kunstig intelligens-metoder og målinger benyttes innen en rekke områder for samferdsel. For eksempel for å hjelpe med inspeksjon av vei og infrastruktur, eller til og med overvåkning, analyse og styring av trafikk, sier Jo Skjermo.

Lunefulle norske vinterveier gir dårlig forutsigbarhet

SINTEF-forskerens samarbeidspartner i Statens vegvesen, prosjektleder Karl Magne Nilssen, sier at hovedutfordringene på norske vinterveier er dårlig fremkommelighet og raske væromslag som gir dårlig forutsigbarhet for næringstransporten.

– Det vil være til stor hjelp for transportørene å få rett informasjon om føreforhold og antatt reisetid for så å velge den beste og tryggeste ruten, sier han.

Statens vegvesen ønsker å bruke kunstig intelligens til å forutse om og når en veistrekning kan bli kolonnekjørt eller stengt.

– Det er mye data tilgjengelig, både historiske data og sanntidsdata, fra våre værstasjoner, trafikkmålepunkter og METS værstasjoner. Vi vil også installere nye sensorer i og ved veibanen, noe som bidrar til å gi inngangsdata til AI-modellene, sier Nilssen.

Forsinkelser, utforkjøringer og ulykker på grunn av vanskelige kjøreforhold medfører store kostnader hvert år for samfunnet. Fysiske utbedringer skal øke sikkerhet, fremkommelighet og tilgjengelighet ved å ekspandere eller forbedre veier og omliggende infrastruktur.

– Men når vi tar i bruk ny teknologi som kunstig intelligens og stordata, big data, kan driften av veinettet gjøres mer målrettet, og gi bedre informasjon til sjåfører om føreforhold, sier Jo Skjermo.

Han mener AI-teknologi kan benyttes som et tillegg til fysiske utbedringer.

– Eller for å øke sikkerheten hvor fysiske tiltak av forskjellige grunner er vanskelig, tilføyer han.

Flere datakilder = mer presis kunnskap

Sensorer som benytter måleteknologi som estimerer status på veiens overflate, som friksjon og overflatetemperatur, kan benyttes for å gi en indikator på kjøreforhold på utvalgte punkter, forklarer Skjermo.

– Slike data, sammen med lokale værdata, benyttes allerede for utregning av føreforhold langs norske veier, som benyttes blant annet for å gjennomføre vinterdrift som snørydding, salting eller strøing. Kunstig intelligens kan ved å benytte seg av enda flere datakilder skape mer nøyaktige og målrettede analyser av kjøreforhold og forandringer over tid, sier han.

Bakgrunnen for «Den Digitale Fjellovergang» var et ønske fra tidligere Strategistab i Statens vegvesen Region nord. Statens vegvesen fikk inn tilbud fra 17 firmaer- og firmakonstellasjoner.

– Et moment ved valg av SINTEF som tilbyder var at de allerede hadde skaffet seg kunnskap og erfaring fra prosjektet «Vind- og friksjonsvarsling Dovrefjell» med tilsvarende problemstillinger, sier Karl Magne Nilssen.