Vilken transportväg är den miljövänligaste för att ta sig från plats A till plats B? För att ta reda på detta krävs det någon form av modell för vägnätet som gör det möjligt att beräkna den totala bränsleförbrukningen för en viss resväg. Ett sätt att skapa en sådan kostnadsmodell är genom att applicera vägnätet på en höjdmodell med mål att vägnätet ska få höjddata. Problemet med denna metod är dock att stora plötsliga höjdskillnader genereras vilket inte motsvarar verkligheten. Syfte med detta arbete är därför att undersöka orsaken eller orsaker till varför stora höjdskillnader uppstår vid en direkt applikation av vägnät på en höjdmodell. I denna studie motsvaras vägnätet av NVDB (Sveriges nationella vägdatabas) som innehåller Sveriges vägar, och höjdmodellen av en höjdmodell framtagen med hjälp av Lantmäteriets laserskanning. Rapporten delas in i två delar - en teoridel och en databearbetning. Den första delen, teoridelen, ska ge en inblick i hur NVDB och Lantmäteriets höjdmodell är framtagna. I denna del finns även information om de tre studieområdena Göteborg, Kiruna och Värnamo. Den andra delen som är databearbetning handlar istället om att slå ihop de två dimensionerna för att senare kunna identifiera eventuella problemområden. För att åstadkomma detta används bland annat Extract By Mask och Focal Statistics i programmet ArcGIS. Resultatet från denna studie visar att den vanligaste orsaken till att problemområden uppstår är att vägnätet i NVDB hamnar utanför den fysiska och verkliga vägen på höjdmodellen. Andra orsaker som kunde identifieras är kritiska punkter såsom tunnlar och broar. Att vägnätet hamnar utanför beror på att generaliseringsregler tillämpas vid framtagning av NVDB. För att lösa problemet med plötsliga höjdförändringar skulle exempelvis interpolation kunna användas för att jämna ut skillnaden. / Which transport route from point A to point B is the most environmentally friendly? To determine it, a model of the road network is needed to calculate the total fuel consumption for a specific route. One way to create this type of cost model is to apply the road network to a height model, intending to assign height data for the road network. However, the problem with this method is that large, sudden height differences occur which do not correspond to reality. The motive of this work is to investigate the cause or causes of why these height differences appear with the direct application of a road network onto a height model. In this report, the road network is NVDB (National Road Database of Sweden) which contains all roads of Sweden, and the height model is a height model produced by the laser scanning of Lantmäteriet. The report is divided into two parts - literature study and data processing. The first part, the literature study, is supposed to give an insight into how NVDB and the height model are created. This part also contains information about the three study areas Göteborg, Kiruna and Värnamo. In the second part, which is the data processing, the two dimensions are merged and are later analyzed to identify any problem areas. To achieve this, the software program ArcGIS is used, and Extract By Mask and Focal Statistics are some used functions. The results from this study indicate that the most common source of problem areas where height differences occur is that the road network in NVDB is placed incorrectly and therefore does not correspond to the physical world whereas often is the road on the height model. Another common source are critical points such as tunnels and bridges. When producing the NVDB, rules of generalization are applied, resulting in the road network placed outside the physical road. A potential solution for the sudden height change is using interpolation between points to level out the height difference.

I och med smarttelefonens intåg i våra liv har Augmented Reality (AR) kommit att bli en teknik i ropet. Många företag och utvecklare är intresserade av att undersöka dess potentiella användningsområden för just deras nisch. Men det är inte bara fantasin som sätter gränser - även hårdvaran. 2018 lanserades ARCore, en uppsättning utvecklingsverktyg för att bygga AR-appar för Android-smartmobiler. ARCore i sig har inte stöd för att bygga positionsbaserade appar, men i och med att smartmobiler och surfplattor är utrustade med GPS och kompass för att kunna avgöra sin position och orientering, syftar detta arbete till att utreda hur en platsbaserad AR-app för Android kan utvecklas, med målet att visa vägdata som AR-objekt. Projektet inleddes med en litteraturstudie för att undersöka teorierna bakom AR, positionsteknik och redan existerande platsbaserade AR-appar. Vidare genomfördes en fallstudie av att utveckla en AR-app för att visa utvald vägdata i stadsmiljö. Appen testades i stadsmiljö, där det upptäcktes att enhetens platsnoggrannhet var för dålig för att kunna placera och visa AR-objekt någorlunda verklighetstroget. Därefter gjordes en uppföljande litteraturstudie på området positionsteknik och platsnoggrannhet hos dagens mobila enheter för att undersöka vilka faktorer som påverkar enheters förmåga att bestämma sin position. Den uppföljande litteraturstudien visade att platsnoggrannheten framförallt påverkas av höga byggnader i närmiljön. / The introduction of the smartphone as we know it today, has made Augmented Reality (AR) a hot technology. Many companies and developers want to explore its potential uses within their area of interest. But not only does the imagination set the limits – the hardware does too. In 2018, ARCore was launched, a software development kit (SDK) for building AR apps for Android smartphones. ARCore itself does not provide support for building location-based apps, but since smartphones and tablets are equipped with a GPS and compass to determine their position, this project aims to explore how to develop a location-based AR app for Android, with the goal of visualizing road data as AR objects. The project started with a literature study to explore the theories behind AR, location technology and pre-existing location-based AR apps. This was followed by a case study of building an AR app to display selected road data in an urban environment. Tests with the app in an urban environment revealed that the location accuracy of the device was too poor to display AR objects in their correct position. To explore the major factors affecting a device’s capability to determine its position, a second literature study was conducted in the area of location technology in practice and accuracy of mobile devices. The second literature study showed that the location accuracy is mainly affected by tall buildings in the nearby area of usage.