Trafikverket genomför i dagsläget ett större projekt där undersökningar och analyser utav vägskador på statliga vägar utförs. Syftet med projektet är att långsiktigt förbättra möjligheterna att mäta vägnätet, försöka ta fram mätvärden som kopplar orsaken till skadornas uppkomst och varför vald underhållsåtgärd genomförs. Målet med denna studie är att med hjälp av en omfattande insamlingsfas i PMSv3, som lagrar data utifrån vägytemätningar, att kunna analysera olika typer av vägskador och dess olika egenskaper. Indata har sedan jämförts med Trafikverkets krav på underhållsstandard. Resultatet av datainsamlingen har sedan analyserats och samband mellan visuell skada och mätdata från PMSv3 har observerats. Nyttan med sambanden som har iakttagits leder till bättre förståelse om vilka huvudfaktorer som påverkar vägens nedbrytning och var dem vanligen förekommer. Totalt har 19 av 67 vägsträckor valts ut från datainsamlingen att redovisa och analysera. Det finns indikationer på sambanden utifrån resultatet som är redovisade i analysen och slutsatsen. Med hänsyn till observationerna i PMSv3 ligger denna studie för vidare fördjupning och forskning. / The transport administration currently performs a research project where they conduct investigations and analysis of road damage on state road. The purpose of the project is to in the long-term improve the possibilities to measure the road network, try to find the readings that connect the cause for the accidents and why the chosen maintenance is conducted. The aim of this study is to, with the help of an extensive collection phase in PMSv3, that stores data by road surface measurement, to be able to analyse different type of road damages and ther characteristics. Input has then been compared to the transport administrations requirement on maintenance standard. The results of the data collection has then been analysed and conection between visual damage and data from PMSv3 has been observed. The usefulness of the connections that have been observed lead to better understandnings on what main factors that affect the roads breaking down and where they frequently occur. There are indications of connections from the results that have been demostrated in the analysis and the conclusion. With consideration to the observations in PMSv3 lies this study for further depth and research.

The detection and early repair of road damage are paramount for the quality and safety of roads. Current detection efforts typically rely on Deep Learning methods for object detection with bounding boxes, with calculations performed on high-performance hardware. However, semantic segmentation can more accurately express the location of damages on the road, improving the descriptive quality of the detection. In addition, the use of lightweight networks to make these calculations potentially allows the technology to be run entirely on-site, without connecting to remote cloud services. The domain of road damage is inherently challenging. We select and evaluate several techniques for segmenting scarce and small objects; a common problem in traffic scene datasets containing road damage. To evaluate its effectiveness, the most promising method is applied to a new road damage dataset collected in Sweden. We present the results as an early foundation for future studies on segmenting road damage on mobile hardware. / Tidigt upptäckta vägskador och dess reparationer är av stor betydelse för vägens kvalitet och resenärens säkerhet. Aktuella detektionsmetoder förlitar sig vanligtvis på djupinlärnings metoder såsom objektigenkänning, där beräkningarna oftast utförs på högpresterande hårdvara. Med hjälp av semantisk segmentering från beräkningslätta neutrala nätverk kan metoderna förbättras, och potentiellt utföras på plats på mobila enheter utan nätverksankomst. Att segmentera vägskador medför en del utmaningar eftersom skadorna ofta är förhållandevis små och sällan förekommande i dataset. Ett urval av metoder för att bemöta dessa utmaningarna evalueras och den mest välpresterande tekniken tillämpas vidare på ett nyinsamlat dataset från Sverige. Vi presenterar resultatet som grund för framtida studier inom bildsegmentering, och vägskadadetektioner på mobil hårdvara.

Näringslivet efterfrågar ett införande av 74 tons lastbilar på det statliga vägnätet. Det finns ett flertal fördelar med att höja maximala bruttovikten från nuvarande 64 till 74 ton. Däremot är höga bruttovikter direkt kopplade till bärighetsrelaterade skador. Syftet med denna studie är att ligga till grund för vidare arbete av Trafikverket. Detta för att uppnå bättre kontroll på hela det statliga vägnätet och den tunga trafikens inverkan. Studien har utgått från observationer i PMSv3, ett webbaserat system med grafiska tvärprofiler baserade på vägytemätning samt information om det statliga belagda vägnätet. Observationerna innefattar mönsteridentifiering av återkommande tvärprofilstyper tillskrivna skador av den tunga trafiken. Resultatet av tvärprofilstyperna har sedan analyserats och beskrivits som representativa spårtyper för det statliga vägnätet. Slutsatsen är att det finns indikation på mönster av spårtyper. Utifrån observationerna i PMSv3 har spårtyperna formulerats som hypoteser för vidare forskning. / The wood industry asks for an imposition of 74-ton trucks on the national road system. There are several advantages of increasing the maximum gross weight from 64 to 74 tons. On the other hand, high gross weights are directly connected to structural road damage. The purpose of this study is to serve as foundation for further research by the Swedish transport administration. The ulterior goal is to reach better control on the national road system. The basis of the study is a web-based system - PMSv3, which contain road information and transverse road profiles. The observations in PMSv3 have led to rut-types ascribed due to heavy gross weights. The conclusion is that rut-patterns indications exist. Based on the observations in PMSv3, the rut-types have been formulated as hypothesis for further research.