Gemit Solutions is a company that develops web based solutions for geographical analysis on pollution. One of the solutions is called EnvoMap, which is a map based tool for analyzing pollution on the water and sewage system. The assignment that this project will be working on is to implement a new functionality to EnvoMap. The idea is that it should be possible for the user to choose an area on the map and get the underlaying data for that area. To solve this an iterative method for development will be used. The result will be a prototype that meets the desired functionality. This assignment also provides the opportunity to study an interesting topic about the usage of geographical data in software development. Methods that will be used for the study is literature study, implementation, documentation and analysis. The given result includes theories, experiences and recommendations from working on the project and will try to answer the thesis question about usage of geographical data in software development. / Gemit Solutions är ett företag som utvecklar webbaserade lösningar för bland annat geografisk analys av föroreningsbelastning. En av lösningarna heter EnvoMap och är ett kartbaserat system för analys av föroreningsbelastning på VA-nätet (vatten och avlopp). Uppgiften det här projekt skall lösa är att Gemit vill ha en ny funktionalitet på EnvoMap. Tanken är att det skall gå att välja ett område på kartan och få ut underliggande data för det området. För att lösa detta kommer en iterativ utvecklings metod att användas. Resultatet av detta är tänkt att ge en prototyp/lösningsförslag som möter de funktionella kraven. Den här uppgiften medför också möjligheten till en intressant frågeställning om användning av geografisk data vid mjukvaruutveckling, som rapporten kommer undersöka. Metoder som litteraturstudie, implementation, dokumentation och analys kommer användas för undersökningen. Resultat som ges av undersökningen innefattar teorier, erfarenheter och rekommendationer från arbetet och kommer att försöka besvara frågeställningen om användning av geografisk data vid mjukvaruutveckling.

In this thesis, four different Machine Learning models and algorithms have been evaluated in the work of classifying Traffic Control Plans in the City of Helsingborg. Before a roadwork can start, a Traffic Control Plan must be created and submitted to the Traffic unit in the city. The plan consists of information regarding the roadwork and how the work can be performed in a safe manner, concerning both road workers and car drivers, pedestrians and cyclists that pass by. In order to know what safety barriers are needed both the Swedish Association of Local Authorities and Regions (SALAR) and the Swedish Transport Administration (STA) have made a classification of roads to guide contractors and traffic technicians what safety barriers are suitable to provide a safe workplace. The road classifications are built upon two rules; the amount of traffic and the speed limit of the road. Thus real-world problems have shown that these classifications are not applicable to every single case. Therefore, each roadwork must be judged and evaluated from its specific attributes. By creating and training a Machine Learning model that is able to determine if a rigid safety barrier is needed or not a classification can be made based on historical data. In this thesis, the performance of several Machine Learning models and datasets are presented when Traffic Control Plans are classified. The algorithms used for the classification task were Random Forest, AdaBoost, K-Nearest Neighbour and Artificial Neural Network. In order to know what attributes to include in the dataset, participant observations in combination with interviews were held with a traffic technician at the City of Helsingborg. The datasets used for training the algorithms were primarily based on geographical data but information regarding the roadwork and period of time were also included in the dataset. The results of this study indicated that it was preferred to include road attribute information in the dataset. It was also discovered that the classification accuracy was higher if the attribute values of the geographical data were continuous instead of categorical. In the results it was revealed that the AdaBoost algorithm had the highest performance, even though the difference in performance was not that big compared to the other algorithms.

I dagens samhälle så används internet mer och mer för att få fram information, så är även fallet förkartor. I denna uppsats, som gjorts på uppdrag av Tieto Sweden Healthcare & Welfare för att kunnaanvändas i systemet Laps Care, kommer det tas upp lösningar för att hämta geografisk data viakarttjänster med hjälp av Web Map Service (WMS) tjänster i en .NET applikation.Detta examensarbete kommer att ta upp, på en grundläggande nivå, hur WMS-standarden kananvändas av en klient för att visa digitala kartor från en WMS-tjänst samt lite kort om andraalternativ till WMS så som Web Map Service Tile Cache (WMS-C) och Tile Map Service (TMS)tjänster. Det ges olika förslag på open source komponenter som kan användas för att hantera sådanatjänster med fokus på SharpMap som valdes att användas i prototypen som gjordes för att visa huren sådan klient kan se ut.Uppsatsen kommer också behandla kartografi där det kortfattat förklaras om vilka riktlinjer somborde tas för en karta.I andra stycket tas kortfattat upp hur webbtjänster fungerar och även vad det finns för för- ochnackdelar att använda sig av sådana tjänster.Det kommer också förklaras vad Geografiska informationssystem (GIS) är och hur det användsidag.Sammanfattningsvis så utvecklades en fungerande prototyp med hjälp av open source komponentenSharpMap som kan visa kartor från WMS, WMS-C och TMS tjänster och om en ERSI Shapefilmed vägdata finns tillgänglig så går det att söka efter gator.

With sharp climate goals to be climate neutral by 2045, Sweden needs to rapidly change the present energy system. The Swedish government has assigned Gotland as a pilot area for the energy transition, due to its geographical constrains as an island, and because of the major structural changes planned for Gotland’s energy supply and industrial establishment. These changes create the opportunity to build a more flexible, efficient, and robust energy system. To support the transition, IVL Swedish Environmental Research institute has initiated the GOT Heat project. This thesis contributes to the GOT Heat project by developing a GIS model that represent the heat sector of Gotland. The model has been developed in parallel with a TIMES model. The purpose of the GIS model is to be used as a heat atlas and to support the TIMES model of Gotland’s energy system by spatial visualization and knowledge. The GIS model was successfully developed and utilized to enhance the representation of Gotland’s energy system within the TIMES model. Data from Boverket, Lantmäteriet, Energimyndigheten and companies has been collected, processed for the development of the GIS model. The incorporation of spatial knowledge and visualization of the heat sector through the GIS model is expected to improve the overall outcomes of the TIMES model. The heat atlas also proved to be a valuable support tool, enabling the visualization of excess heat potentials within the heat sector. This visualization provides insights into potential opportunities for industrial and sector coupling, which would lead to more efficient utilization of excess heat.