Datadriven vinterväghållning

När man jobbar med vinterväghållning inom kommunen finns det en mängd faktorer som man måste ta hänsyn till för att effektivt åtgärda vägarna och skydda förare och passagerare från farliga förhållanden. Om det är främst frosthalka, ishalka eller snöhalka eller en kombination av dessa som oftast inträffar och kräver övervakning beror på var i landet kommunen ligger. Det är vissa vägparametrar som påverkar mer än andra om åtgärd kommer att behöva göras. Dessa är vägyttemperatur och hur mycket vatten, is och snö det är på vägytan. Även restsalt är en viktig parameter för de vägar som saltas. Genom att få mätningar och prognoser på dessa parametrar kan beslutsfattaren välja när och var åtgärd görs.

Denna information gör det också möjligt att använda material på bästa sätt och effektivt planera för att minimera resurser som påverkar miljön negativt, och i slutändan optimera resurserna för att spara tid och pengar.

Nuförtiden är observationsdatakällan inte längre enbart Trafikverkets vägväderstationer (VViS). En mycket stor mängd data kommer in från väderradar, satellitbilder, mobila sensorer, Internet-of-Things (IoT)-sensorer, vägväderinformationssystem och klimatstationer, vilket gör det nästintill omöjligt för en enskild person att analysera det. Beslutsfattaren behöver helt enkelt användbara verktyg.

Genom en kombination av automatisering och maskininlärning tar nya verktyg in mätningar och prognoser och omvandlar automatiskt den informationen till handlingsbara insikter. Dessa avancerade högteknologiska produkter innehåller nu information om vägväder och andra indata i ett molnbaserat gränssnitt, vilket hjälper till att fatta snabba, riktade beslut. Att kombinera dessa verktyg med tydlig visualisering minskar komplexiteten och behovet av mänsklig tolkning, vilket i slutändan förenklar beslutsfattandet.

På grund av den ökande populariteten för sociala medieplattformar förväntar sig folk i allt högre grad nästan omedelbara relevanta nyhetsuppdateringar – och väderinformation är inget undantag. Dessutom kan dessa plattformar användas som ett forum för offentliga klagomål och sätta ytterligare press på de ansvariga för vinterväghållningen. Att utnyttja automation och maskininlärning för att vidta snabbare åtgärder, kommer att bidra till att möta allmänhetens ständigt växande och krävande förväntningar samt hålla samhällena bättre informerade och därmed säkrare.

När det gäller vinterunderhåll kan bättre beslut rädda liv. Banbrytande analysverktyg som utnyttjar väderobservationer och prognoser i realtid för hela vägnätet gör det möjligt för beslutsfattare att ligga före väderförändringar och fatta korrekta beslut om när — och hur — för att hålla vägarna säkrare.

Elina Heed, Sales Manager, Marktransporter, Vaisala Oyj