AI-projekt ska analysera Sveriges snabba urbanisering

Porträtt av Andreas Brunström och Mårten Karlberg.

Andreas Brunström och Mårten Karlberg, AI-ingenjörer vid Örebro universitet, jobbar i projektet vars uppgift är att identifiera, vektorisera, klassificera och koordinatsätta objekt i gamla kartbilder. ”Vi hoppas skapa en automatiserad digitaliseringsprocess som kan användas av många funktioner i samhället”, säger Mårten Karlberg.

Hur påverkades egentligen Sveriges geografi av den snabba urbaniseringen under miljonprogramsåren mellan 1965 och 1975 och den efterföljande gröna vågen? För att analysera detta behöver statistikmyndigheten SCB digitalisera äldre kartmaterial. Tillsammans med Örebro universitet ska SCB nu använda sig av AI-metoder från universitetet för att lösa problemet.

Från andra världskrigets slut och fram till 1970-talet präglades Sverige av en mycket snabb urbanisering, där befolkningen flyttade från landsbygd till stad. I dag bor 88 procent av Sveriges befolkning i tätorter samtidigt som bara tre procent av landets yta är bebyggd. Faktum är att alla Sveriges hus skulle rymmas på Öland.

Trenden bromsade dock in under 1970-talet av den så kallade gröna vågen. I dag ökar befolkningen i tätorter, men inte i lika snabb omfattning och främst beroende på invandring och barnafödande i stället för omflyttning från land till tätort. Antalet människor som bor på landsbygden ligger kvar på ungefär samma nivåer.

Vill förstå den svenska urbaniseringen

Det har dock varit svårt att analysera förändringarna i Sveriges geografi under den här perioden, eftersom allt kartmaterial har varit på papper och inte i digitalt format.

– Det har haft som konsekvens att vi inte fullt ut har kunnat följa och förstå den svenska urbaniseringen och den geografiska utvecklingen av urbaniseringen, säger Stefan Svanström, expert inom geografiska informationssystem på SCB.

Under 2020 skannade statistikmyndigheten SCB in 8 000 kartblad från Folk- och bostadsräkningarna 1975 och 1980. Men för att kunna göra djupare analyser av materialet räcker det inte med att bara ha en digital kopia – SCB behöver göra om kartorna till vektoriserade och koordinatsatta objekt för att kunna arbeta vidare med dem.

Nu tar SCB hjälp av artificiell intelligens för att lösa problemet.

– Vi har tänkt bygga en generell AI-modell, som vi sedan ska applicera just den här tillämpningen – att leta efter tätortsgränser – på. På det sättet hoppas vi skapa en automatiserad digitaliseringsprocess som kan användas av många funktioner i samhället, säger Mårten Karlberg, AI-ingenjör vid Örebro universitet.

AI-modellen kan bli viktig för både samhällsplanerare och forskare

Några exempel på andra användningsområden för AI-modellen är att göra arkiverade kartor och ritningar mer tillgängliga för samhällsplanerare, ge forskare tillgång till historiska geografiska data och förenkla för byggföretag, arkitekter och privatpersoner att återanvända handritade och tryckta ritningar vid projektering och ombyggnation.

– Alternativet till att använda AI för att digitalisera gränserna hade varit manuellt handpåläggningsarbete, vilket skulle vara oerhört tidskrävande eftersom det handlar om så pass många kartblad. Genom att undersöka möjligheterna för att använda AI var vår tanke dels att arbetet skulle bli mer effektivt, dels att vi skulle kunna lära oss något på köpet – och inte minst bidra till en innovation som kan komma samhället till del, säger Jonas Valdringer, projektledare på SCB.

Kartblad.

Den inskannade kartan visar tätortsavgränsning inritad för hand i brunt och blått i samband med Folk- och bostadsräkningen 1975. I det här fallet måste AI-modellen tränas på att upptäcka handritade tätortsgränser samt koordinatsystemobjekt för georeferering. Bild: SCB och Lantmäteriet

 

Det finns många utmaningar i projektet. Många av de gamla kartorna har gulnat i olika grad samtidigt som färgen på linjer och markerade områden har bleknat. Och i vissa fall behöver flera kartblad kopplas samman för att visa hela tätorten.

SCB menar att Urbanaize kan få stor betydelse för vår kunskap om Sveriges utveckling genom historien.

– Det här skulle ge oss en mycket bättre förståelse av hur samhällsomvandlingen såg ut under 1960- och 1970-talet, en period som präglades av storskaligt byggande med både miljonprogrammet och handelns utbyggnad av de första stormarknaderna, säger Stefan Svanström.

Urbanaize finansieras av AI.ALL-projektet. Syftet med AI.ALL är tvådelat: Dels att ge forskare möjlighet att validera och applicera idéer inom artificiell intelligens genom att arbeta tillsammans med näringsliv och offentlig sektor. Dels att hjälpa näringsliv och offentlig sektor att accelerera sitt användande av AI.

Text och foto: Jesper Eriksson
Kartbild: SCB och Lantmäteriet

Det regionala utvecklingsprojektet AI.ALL koordineras av Örebro universitet, och sker i samverkan med Region Örebro län och Alfred Nobel Science Park. Projektet finansieras av Europeiska regionala utvecklingsfonden, Region Örebro län, Örebro universitet, Epiroc och Saab.

EU-logga