Hoppa till huvudinnehåll
conference lunch move company map contacts lindholmen lindholmen 2 travel info

logo

Stockholm Virtual City

Projektet syftar till att med hjälp av AI, taxibilar och mobiltelefoner revolutionera hur städer förvaltas. Den nya tekniken, som i realtid analyserar delar av infrastrukturen och trafikflöden, gör det möjligt för viktiga aktörer att på ett mer effektivt sätt sköta och kontrollera trafiken och flera andra funktioner i städer genom bättre underbyggda och snabbare beslut.

Världen urbaniseras allt mer. 1,3 miljoner människor flyttar varje vecka från landsbygd till storstäder. Som ett resultat ökar komplexiteten i förvaltningen av staden och dess infrastruktur dramatiskt. Viktiga tillgångar som broar, tunnlar och vägar, pågående projekt kring vägarbeten, byggarbetsplatser och utvecklande situationer rörande folkmassor, trafik, parkering och brottslighet behöver alla hanteras. Problemen förvärras av klimatförändringar och försämrad livskvalitet. Som ett resultat finns det ett växande behov av nya lösningar för att göra städerna mer hållbara och levnadsvänliga.

Det första avgörande steget för att hantera många av dessa problem är att få aktuell, relevant och behandlingsbar information om stadsmiljön. Sådan data kan ge en mer fullständig förståelse för staden. Denna förståelse genererar bättre beslut och innebär att man på ett bättre vis kan prioritera bland resurser. Data från olika källor kan kombineras för att generera "digitala tvillingar": virtuella kopior av stadsmiljön som kan användas för att analysera, förutsäga och kontrollera vad som händer - allt till förmån för medborgarna. Med hjälp av digitala tvillingar kan problem upptäckas och lösas snabbt; med tillräckligt med data kan vissa problem till och med förväntas.

Målet med Sthlm Virtual City-projektet var att tillgodose behovet av aktuell, relevant och behandlingsbar information. Konsortiet, som består av Stockholm Stad, Univrses AB och Taxi Stockholm, utrustade en flotta med taxibilar från Taxi Stockholm med mobiltelefoner. Telefonerna laddades med Univrses perception software, 3DAI™ Engine. Denna programvara, ursprungligen utvecklad för att ge autonoma bilar förmågan att känna till sin omgivning, består av datorsyn och AI-komponenter. Programvaran bearbetar bilder från mobilkameran för att upptäcka och kartlägga urbana funktioner. Stockholm Stad kunde sedan använda dessa data för att förvalta infrastrukturen i Stockholm på ett smartare sätt. Konsortiet byggde ett banbrytande system som kan uppdatera en digital tvilling i Stockholm i realtid. Det kan komma att revolutionera hur städerna förvaltas genom att leverera ny och korrekt information för att möjliggöra bättre beslut.

Inom Sthlm Virtual City-projektet identifierades tydliga mål. Dessa mål valdes ut eftersom de inkluderar nya vetenskapliga rön och kan möjliggöra framtida forskning. Att uppnå dem kan också leverera lösningar på praktiska problem.

Mål:

  • Kartläggning av trafikmärken i realtid och hälsoövervakning
  • Kartläggning och geofencing i realtid av flottan.
  • Trafikflöde i realtid och insikter om överbelastning.
  • Fotgängare i realtid och publikfördelning.

Resultat

Projektet har genererat många insikter för olika typer av aktörer. Läs alla resultat och takeaways i slutrapporten, som du hittar under denna sammanfattning.

Resultaten har utvärderats utifrån tre kriterier:

  • Täckning av vägnätet
  • Noggrannhet och robusthet vid detektering av tecknen
  • Hur lösningen påverkar det nuvarande arbetssättet

När man tittar på täckningen av den identifierade potentialen för att samla in data med både taxiflottor och kommunala fordon bedömer Stockholms stad att lösningen kan minska behovet av manuella inspektioner med upp till 80%. Idag är många av processerna manuella och beslut baseras på individers erfarenhet, 3DAI™ City ger staden relevant data och en objektiv bedömning av vägnätet.

Detektioner gjorda med 3DAI™ City jämfördes med "ground truth"-data som samlats in med manuell hårdvara offline (t.ex. RTK GNSS). Med 3DAI™ City uppnåddes en upptäcktsgrad på 98,9% (4 av 374 tecken missades). Dessutom upptäcktes orienteringen av tecknen korrekt 99,6 % av gångerna. Skyltarna var placerade med ett relativt positionsfel på 1,1 m som median. Många teckendetekteringar gjordes med ett positionsfel på högst 0,1 m.

Slutrapport

Detta projekt är avslutat, läs slutrapporten här

Projektperiod:
2020-01-02 - 2021-12-06

Projektpartners:
Univrses, Stockholms stad, Taxi Stockholm 

Kontaktuppgifter:
pier.luigi@univrses.com