National Transport Library Research Database

KCV - Digital vinterväghållningsuppföljning (KCV - Digital winter road maintenance follow-up)

  • Lunds universitet, Universitet eller högskola, 202100-3211
Sponsors, duration, budget: Trafikverket ; 2025-01-13 -- 2029-02-28 ; 5 076 000 kronorRegistration number:
  • Trafikverket 2024/131098
Subject(s): Summary: Trafikverket har fått i uppdrag från regeringen att redovisa åtgärder som myndigheten genomför eller avser att genomföra för att utveckla och förbättra vinterväghållningen av de statliga vägarna i syfte att säkerställa framkomligheten, tillförlitligheten och trafiksäkerheten i vägtrafiken. Det tidigare projektet "Digital vinter" initierades av Trafikverket för att digitalisera uppföljningen av vinterväghållningen genom att samla in friktionsdata från personbilar. Syftet med detta projekt är att använda denna data för att utvärdera och förbättra vinterväghållningens effektivitet och resultat. Genom att kombinera data från Trafikverkets olika system, såsom friktionsdata, väderdata och åtgärdsdata från plogbilar, kan en översikt skapas som både informerar om läget och utfallet av de åtgärder som görs. Kombinationen av data används för att förstå hur väderförhållanden påverkar vägfriktionen och hur vinterväghållningsentreprenörer reagerar på dessa förhållanden. Till vår kännedom finns det i dagsläget inget liknande data set i världen som möjliggör dessa analyser. Projektet förväntas resultera i flera akademiska publikationer och bidra till kunskapsuppbyggande kring vinterväghållning i Sverige, samt hjälpa Trafikverket i sitt uppdrag från regeringen gällande att säkerställa framkomligheten, tillförlitligheten och trafiksäkerheten i vägtrafiken. Trafikverket förväntas få nya metoder för att utvärdera vinterväghållningens effektivitet samt nya prognosmodeller gällande åtgärder baserat på väderförhållanden. Projektet stöder Trafikverkets mål att skapa ett hållbart och effektivt transportsystem, särskilt under vinterförhållanden. Det bidrar till forskning och innovation inom digitalisering av transportsystemet och har potential att förbättra underhållet av väginfrastrukturen genom avancerad dataanalys och AI. Summary: The Swedish Transport Administration (Trafikverket) has been commissioned by the government to report on measures the agency is implementing or plans to implement to develop and improve winter road maintenance on state roads to ensure accessibility, reliability, and traffic safety. The previous project, "Digital Winter," was initiated by the Swedish Transport Administration to digitalize the monitoring of winter road maintenance by collecting friction data from passenger cars. The purpose of this project is to use this data to evaluate and improve the efficiency and outcomes of winter road maintenance. By combining data from various Swedish Transport Administration systems, such as friction data, weather data, and action data from snowplows, an overview can be created that both informs about the current situation and the outcomes of the measures taken. The combination of data is used to understand how weather conditions affect road friction and how winter maintenance contractors respond to these conditions. To our knowledge, there is currently no similar dataset in the world that enables these types of analyses. The project is expected to result in several academic publications and contribute to the knowledge-building regarding winter road maintenance in Sweden, as well as assist the Swedish Transport Administration in its government mandate to ensure accessibility, reliability, and traffic safety in road traffic. The Swedish Transport Administration is expected to gain new methods for evaluating the effectiveness of winter road maintenance and new forecasting models regarding actions based on weather conditions. The project supports the Swedish Transport Administration's goal of creating a sustainable and efficient transport system, especially under winter conditions. It contributes to research and innovation in the digitalization of the transport system and has the potential to improve road infrastructure maintenance through advanced data analysis and AI.
Item type: