AI-Driven Multisensorfusion för Hållbar Autonom Övervakning av Järnvägsinfrastruktur

Syfte och mål

Målet med detta projekt är att utveckla ett AI-drivet multisensorsystem för övervakning av järnvägsinfrastruktur. Genom att kombinera data från högupplösta bilder och magnetiska sensorer skall noggrannhet, robusthet och tillförlitlighet vid spårinspektioner förbättras. Syftet är att möjliggöra proaktivt och kostnadseffektivt underhåll som förlänger infrastrukturens livslängd och stödjer ett säkert och hållbart transportsystem.

Förväntade effekter och resultat

Projektet syftar till att leverera ett validerat TRL 7-prototypsystem som kan övervaka järnvägen, även under extrema nordiska förhållanden. Systemet ska upptäcka fel tidigare, minska falsklarm och förbättra underhållseffektiviteten, vilket sänker kostnader och minimerar störningar. De bredare effekterna omfattar minskade koldioxidutsläpp genom att undvika onödiga reparationer, förlängd livslängd på tillgångar samt att stärka Sveriges ledarskap inom digital infrastruktur och tillämpad AI.

Planerat upplägg och genomförande

Projektet kommer att installera och kalibrera magnetiska och visuella sensorer på ett mätfordon för att samla in synkroniserade data från både testspår och verkliga banor. Data kommer att kvalitetssäkras, lagras och användas för att utveckla avancerade AI-fusionsmodeller. Validering sker genom testkampanjer på svenska järnvägsspår. Nära samarbete mellan Trafikverket, industripartners och akademi säkerställer att lösningen är praktisk, skalbar och redo för framtida implementering