Statens vegvesen er en av Norges mest datarike virksomheter, med data fra hele transportsystemet. Det ligger et stort urealisert potensiale i disse dataene. Statens vegvesen satser nå for fullt på å utnytte denne dataen på nye og innovative måter som vil skape verdi for samfunnet.
Norge har allerede verdens tryggeste veier, men dataanalyse vil gjøre dem enda tryggere.
– Vi har hele tiden hatt en vitenskapelig tilnærming til både bruk av metoder og implementering av effektive tiltak i trafikksikkerhetsarbeidet. Vi ser at dette arbeidet har gitt resultater, og vi ser også at bruk av nye data og nye metoder kan hjelpe oss i det videre arbeidet.
– Ett eksempel på dette er bruk av maskinlæring for å identifisere farlige svinger. For å drive arbeidet framover er det veldig bra at flere avdelinger, og flere ulike faglige tilnærminger kan bidra inn i denne utviklingen, sier seniorrådgiver Anne Mette Bjerkan i Statens vegvesen.
Enheten Data, innsikt og analyse søker etter nye medarbeidere med et engasjement for data. Nye medarbeidere skal jobbe tett med fagdivisjonene for å løse viktige utfordringer, blant annet innen trafikksikkerhet.
Hennes kollega, seksjonsleder for trafikksikkerhetsutvikling Arild Engebretsen, ser litt tilbake i tid, og forklarer hvordan Vegvesenet har jobbet systematisk med trafikksikkerhet i over 40 år. I dag ser vi resultatene av det langsiktige, systematiske og kunnskapsbaserte arbeidet. Dette i form av tiltak som har hatt god effekt på trafikksikkerheten.
– Tidligere omkom det gjerne 100 barn årlig i trafikken. Da begynte etaten med et systematisk arbeid, selv om de ikke hadde så mye datagrunnlag eller datakraft. Det startet med nåler på veggen, på et kart. Det ble funnet ulykkespunkter og gjort tiltak for å utbedre dem. Da var det så mange ulykker, at det var enkelt å finne de stedene på veinettet som var mest aktuelle til å utbedres fortest mulig.
Les mer om oss og se ledige stillinger »
På 2000-tallet ble Nullvisjonen om ingen drepte eller hardt skadde i trafikken vedtatt av Stortinget. Arild Engebretsen forteller at det blant annet ble etablert en forsøksstrekning ved Lillehammer, der det ble innført forskjellige elementer for å lage en mest mulig sikker vei.
– Vi brukte mye av den kunnskapen vi allerede hadde, og lærte veldig mye av prosjektet.
Han forklarer hvilke tiltak som benyttes for å gjøre en ulykkesutsatt strekning tryggere. Såkalt profilert midtoppmerking, med ruglete overflate, er noe av det rimeligste og mest effektive å implementere.
– For å redusere møteulykker har vi også bygget mye midtrekkverk der vi kunne. Når det gjelder utforkjøringsulykker, må vi ha såkalt tilgivende veisystem. Hvis du kjører ut av veien, skal du overleve. Derfor må sideterreng være bra, og vi har fjernet trær, skiltmaster, og laget sikre soner. Stolpene skal helst velte hvis du kjører på dem, og ikke stå i mot. Er ikke sideterrenget trygt nok, setter vi opp rekkverk, sier han.
Anne Mette Bjerkan påpeker at alle disse tiltakene er vitenskapelig utprøvd, og ser at kunstig intelligens og maskinlæring har potensiale til å være viktige bidragsytere framover.
Senior dataanalytiker Christian Berthelsen er dypt involvert i å implementere disse teknologiene, og har mye innsikt å dele:
– Å redusere antall ulykker er vanskelig, men nå får vi hjelp av maskinlæring og kunstig intelligens til å få en ekstra angrepsvinkel på problemet.
Vegvesenet sitter på enorme mengder data, som for eksempel veiens tilstand og utforming, samt fartsgrenser, trafikkmengde og all øvrig fakta om veien.
– Vi kan koble alt dette sammen, legge til ulykkesstatistikk og utfallsvariabler. Vi lager de datakolonnene som fagfolkene trenger, og legger inn en del skreddersøm. Modellen må for eksempel løfte frem steder der det er overraskende mengde ulykker, gitt trafikkmengden, og der det ikke er gjort særlig tiltak.
Modellen sorterer svingene etter faregrad og regner på oddsen for at noe kan skje.
– Vi lager en løsning som kan finne de svingene med høyest faregrad, men den foreslår ikke tiltak. Den gir en pekepinn til fagfolkene om hvor de bør fokusere innsatsen, så kan de forholde seg til det i utarbeidelsen av tiltak, sier Christian.
Statens vegvesen har ansatte som fysisk inspiserer veiene ved å gå til fots og undersøke feil. Denne jobben må fortsatt gjøres, men datamodellen sørger for at fagfolkene har mye bedre informasjon om hvilke strekninger som må prioriteres.
Sluttresultatet blir en rekke tiltak, utarbeidet av fagekspertene, på de prioriterte risikosvingene som er identifisert av analyseløsningen.
Christian forteller at han blir personlig veldig fristet av denne type utfordringer.
– Vi har så mange datakilder, ulike typer data, det var mye som måtte gjøres og det er mye som gjenstår. Vi har et komplisert veinett, vi har det fysiske aspektet av veiene, og spennende datatyper. Det var det som fristet meg til å begynne på prosjektet. Jeg ble solgt på mulighetsrommet, og ikke minst et viktig samfunnsoppdrag.
Dataanalytikeren er også klar på at samfunnsoppdraget er et viktig aspekt av jobben, da dette er et prosjekt som gir reelle resultater for folk flest.
– Vi et fagmiljø i vekst, og vi får muligheter til å sette retningslinjer for hvordan vi skal bruke og strukturere data. Det er et rikt fruktfat av oppgaver her.
Selv begynte han i Vegvesenet i 2022, men hadde god erfaring fra fagfeltet tidligere, i andre bransjer. Han har noen innspill for potensielle søkere som ønsker seg inn i etaten:
– Det er store muligheter til å gjøre veldig mye spennende rent faglig, og påvirke mye av det som skjer. Ikke minst er Statens vegvesen veldig opptatt av at de ansatte skal få utvikle seg. Det er gode muligheter til å endre oppgaver og å fylle på kompetanse. Du lærer mye om veldig mye forskjellig og blir egentlig aldri utlært. Dette er et sted der folk blir værende lenge, avslutter Christian.
Vil du bryne deg på et stort samfunnsoppdrag og komplekse data? »
