Søg
Close this search box.

7. september 2021

Danske forskere vil bygge et datavarehus, der skal øge mulighederne med positionsdata

Ufuldstændige data og forskellige formater gør det ofte svært at integrere forskellige positionsdata og dermed få det ønskede udbytte. Et nyt samarbejde mellem forskere på Aalborg, Aarhus og Syddansk Universitet samt Rambøll og den fynske robotvirksomhed MIR skal gøre det nemmere at udnytte mulighederne med positionsdata.

GPS-data og andre typer af positionsdata er en ressource, som skaber helt nye muligheder for kommuner og virksomheder. Det gælder f.eks. kommuner, som gerne vil anvende data til at beregne, hvor meget CO2 forskellige typer af kørsel udleder. Eller de ønsker med positionsdata at optimere den rute, som indendørs-robotter vælger.  

“Vi ved, at det her er en udfordring, som både kommuner og virksomheder står med. Mange kommuner vil gerne rykke på den grønne dagsorden. En oplagt mulighed er at anvende positionsdata til at måle CO2-udledninger fra kørsel på kommunens veje. Målet er derfor at bygge et datavarehus, hvor man kan indsamle forskellige former for positionsdata, f.eks. fra biler, som herefter muliggør en vifte af forskellige analyser,” forklarer professor og projektleder Christian S. Jensen fra Institut for Datalogi på Aalborg Universitet.

Skal bruges til beregning af CO2-udledning 

I projektet kigger man eksempelvis på et scenarie, hvor en kommune gerne vil bruge trafikdata til at estimere, hvor meget CO2 kommunen udleder, fordi de har en ambition om at reducere den udledning. Her har man fået GPS-data indkøbt af Rambøll og såkaldte punktdata fra Vejdirektoratet, som rummer information om, hvor mange biler der kører forskellige steder på vejene.

Punktdata kommer fra målestationer, der typisk via spoler i vejen siger noget om trafikken på netop lige det punkt, hvor målestationen befinder sig. 
Samlet set betyder det, at man har anonyme GPS-data, som er fuldstændige for udvalgte bilister og punktdata, som er fuldstændige for udvalgte punkter på vejene. En hovedidé er at opskalere disse data, så man får et mere fuldstændigt og stadig retvisende billede af kørslen på kommunens veje. Man kan herefter lave forskellige analyser på de opskalerede data.

Ideen er at lave en prototype på et værktøj, som f.eks. Rambøll kan stille til rådighed for kommunerne, og som kommunerne kan fylde deres egne trafikdata ind i. Herefter kan kommunerne lave analyser af trafikken på deres veje. Værktøjet skal f.eks. give mulighed for at sige: Hvad sker der med CO2-udledningen, hvis vi har store eller små biler. Eller hvad nu hvis vi har flere elbiler? Eller hvad sker der, hvis vi laver et ekstra spor?

For Rambøll giver det rigtig god mening at kombinere den forskningsmæssige- og datadrevne tilgang med nye innovative ydelser, lyder det fra Stig Grønning Søbjærg, senior chefkonsulent hos Rambøll. Deres medvirken passer godt ind i deres eksisterende arbejde med grøn omstilling og med at forbedre udnyttelsen af den eksisterende infrastruktur.

“Data i sig selv er uden værdi. Det er først i det øjeblik, hvor data kan finde indpas i konkrete løsninger, at værdien skabes. Med Rambølls indgående kendskab til markedet sikrer vi, at løsningerne er målrettet dels en stigende efterspørgsel på mere og mere nytænkende og intelligente anvendelser af data og dels som grundlag for analyser samt helhedsorienterede og bæredygtige løsninger indenfor trafik- og transportplanlægningen.”

Skal hjælpe med at beregne robotters vejvalg

En version af datavarehuset retter sig mod robotters vejvalg indendørs. Det er netop en af de udfordringer, som robotproducenten MIR står med, når de har en flåde af mobile robotter. Med 10-20-30 robotter, som deler en bygning med mennesker, er det vigtigt, at robotterne vælger de rigtige ruter, så de ikke kommer i vejen for hinanden eller personerne i bygningen.

Derfor vil man fra MIR’s side gerne se på, hvor mobilitetsproblemer opstår, og hvad årsagen til dem er, da man på den måde kan tage forskellige hensyn, når man planlægger ruterne. Ideelt set kan dataprocesseringen give en bedre estimering af robottens rutevalg og en optimering af vilkårene for personalet.

Ved at overvåge trafikken i de omgivelser, hvor robotterne kører, vil man nemmere kunne udvikle og evaluere forskellige mobilitetsstrategier. Dermed vil robotterne kunne bruge forskellige strategier til at håndtere situationer, som kan føre til potentielle kollisioner.

“Et optimalt rutevalg for robotten kan se meget forskelligt ud, afhængig af hvornår på dagen det er. Eksempelvis kan der nogle gange være overfyldt ved frokosttid, og så skal robotten måske vælge en længere rute, hvor der er færre mennesker. Omvendt kan de andre tidspunkter vælge en mere direkte rute. Det er det, vi skal finde ud af ved hjælp af de her datamodeller,” forklarer professor Norbert Krüger fra Mærsk Mc-Kinney Møller Instituttet på Syddansk Universitet.

Fakta: Sådan skal data øge mobiliteten indenfor og udendørs

Mobilitet er en vigtig samfundsproces, der påvirker de fleste menneskers liv. Det er derfor vigtigt, at vi som samfund har veje og infrastrukturer, der er så effektive, sikre og miljøvenlige som muligt.

Dette står højt på den politiske dagsorden, da det anslås, at trængsel koster Danmark op mod 30 mia. kr. årligt. Tilsvarende står reduktion af CO2-udledningen fra trafikken også højt, da transportsektoren er den næststørste bidragsyder til udledningerne.

Det forventes derfor, at danske kommuner i stigende grad vil være interesseret i at forstå, hvordan forskellige transportformer som elbiler, mindre biler eller elcykler kan bidrage til en væsentlig grønnere transport, og samtidig hvordan det kan reducere trængsel og dermed forbedre rejsetiderne.

Det samme gælder indendørs, hvor mobile robotter kæmper med mennesker om at bruge de samme rum. Det er derfor vigtigt at kunne lave beregninger på robotters rutevalg.

De massive mængder af data, der blandt andet bliver opsamlet fra GPS’er eller andre positionsenheder eller fra sensorer i bygninger eller veje, giver nye muligheder for at skabe en mere effektiv og miljøvenlig mobilitet. Dataene giver mulighed for at forstå, hvor godt et vejnet fungerer på tværs af forskellige dage. 
I projektet vil man udvikle modeller for dataflow for både trafik og mobile robotter. Ideen er at lave et datavarehus bestående af forskellige typer mobilitetsdata, så det bliver nemmere for kommuner f.eks. at beregne, hvor meget CO2 man udleder. Indendørs kan man bruge modellerne til at beregne den optimale rute for robotter.

Projektet er et samarbejde mellem Aalborg Universitet, Aarhus Universitet og Syddansk Universitet samt virksomhederne MIR og Rambøll. Projektet foregår i regi af DIREC, som er et partnerskab mellem alle danske universiteter og Alexandra Instituttet, og som bl.a. skal udbygge kapaciteten inden for forskning og uddannelse i digitale teknologier.

Læs mere om projektet