AI er moden til at løse opgaver med at vedligeholde vejnettet, mener Marie Hvid Damborg, der er digitaliseringschef i Teknik- og Miljøforvaltningen i Københavns Kommune.

 

Hvis kunstig intelligens ud fra billeder kan spotte både kræftknuder og brækkede knogler, kan den så ikke også finde ud af, hvor de er huller og revner i det kommunale vejnet?

”Jo, teknologien er moden til det”, siger Marie Hvid Damborg, der er digitaliseringschef i Teknik- og Miljøforvaltningen i Københavns Kommune.

Hun har i det forløbne år testet to konkurrerende systemer, som begge var i stand til give et fornuftigt billede af vejsliddet på kommunens 550 km vej.

Men lige som knogler kan brække på mange måder, så kan vejslid se meget forskelligt ud, og det er med til at komplicere opgaven, forklarer hun.

”Der kan både være tale om slaghuller, revner, revneforsejling, lapning, lunker og krakeleringer, men systemet kan godt finde ud af at rubricere de forskellige typer af vejslid.”

Men veje er ikke bare veje: Belægningen kan både være asfalt, fliser og chaussesten. Derfor skal der trænes mere, før algoritmerne fungerer overalt i byen. Det gælder f.eks. også kommunens gang- og cykelstinet.

Men teknologien har også nogle åbenlyse fordele. Man kan optage vejnettet med en almindelig mobiltelefon og dermed blot installere det i de kommunale biler, der i forvejen er udstyret med GPS og som jævnligt kører vejnettet igennem. Det gør løsningen billigere end f.eks. de Lidar-løsninger, som Vejdirektoratet bruger på motorvejsnettet.

 

Ansigter og nummerplader maskeres

Men hvis kommunale biler jævnligt optager og lagrer fotos af alle gader og veje – så følger der også alt muligt andet med: Tusindvis af mennesker og biler, der løbende kan identificeres. Derfor har kommunen også haft GDPR-jurister ind over.

”Testen har heldigvis betrygget os i, at teknologien godt kan beskytte borgernes data. De forskellige firmaer griber det lidt forskelligt an, men grundlæggende maskerer de både ansigter og nummerplader, så tidligt i processen, at det ikke er et problem,” forklarer Marie Hvid Damborg.

Samlet set mener hun, at testforsøget både har vist, at teknologien er moden, at man kan håndtere GDPR-problematikken og hvis alt går vel, regner hun med, at man tager en af de to testede løsninger i brug i løbet af et års tid.

Københavns Kommune har digitaliseret en hel del af deres værktøjer – både omkring flådestyring og arbejdsgange, og udfordringen er at integrere de forskellige løsninger.

”Vores driftsopgaver håndterer vi gennem vores PUMA-platform (Platform til Understøttelse af Mobile Arbejdsgange), hvor vi f.eks. også får borgernes praj om huller i vejene ind. Derfor er det ikke plug-n-play at arbejde med de her data. Udfordringen er at indtænke de data, vi henter ind i et samlet hele med de systemer, vi allerede bruger til at prioritere opgaver og bemanding,” siger Marie Hvid Damborg.

 

Holder øje med byinventaret

Men selv om der er udfordringer, så regner Marie Hvid Damborg med, at der ligger flere AI-projekter forude.

”Der er ikke de helt store besparelser i brugen af et quick-fix med AI, men der kan være små besparelser og det vil nok give et kvalitetsløft. Vi har en del lovmæssige forpligtelser omkring tilsyn, og så holder vi øje med ret mange forskellige typer af byinventar som skilte, skraldespande og striber. ”

Efter de tests der blev udført i 2023 regner hun med, at kommunen vælger en leverandør i løbet af det næste års tid.

”Men vi kan ikke fixe det hele på én gang. I første omgang kigger vi på vejvedligehold, men det kan være der følger andre ting efter. Det afhænger også af de politiske beslutninger,” understreger Marie Hvid Damborg.

 

Dansk firma satser på AI

Et af de nystartede firmaer der satser på området, er Pluto Technologies i København, der med støtte fra bl.a. Innovationsfonden og Vækstfonden har udviklet en løsning, der benytter mobilkameraer til at optage huller og revner i vejnettet.

Virksomheden Pluto Technologies i København har udviklet en AI-løsning, der benytter mobilkameraer til at optage huller og revner i vejnettet

Plutos løsning er bygget på Convolution Neural Networks, der er en AI-arkitektur målrettet billedbehandling. Direktør Johan Bender mener, at løsninger lavet med kunstig intelligens især giver bedre resultater end Laserteknologi, når vejnettet ikke er så ensartet som motorvejsnettet.

”Fordelen ved AI er, at på de mindre veje kan alt fra vejdæksler til grene ikke kunne håndteres af lasere. Der har man brug for løsninger baseret på kunstig intelligens.

Firmaets stiftere, Johan Bender og Jesper Henrichsen har begge læst softwareudvikling på ITU, hvor de specialiserede sig inden for netop machine learning. I dag har firmaet solgt deres løsning til en række kommuner bl.a. Faxe, Hillerød, Aabenraa og Ringkøbing-Skjern.

 

Af Ernst Poulsen, ernst@ernstpoulsen.com