Hantering av undermarksdata i infrastrukturplanering : sammanfattning
Series: SBUF ; 13996Publication details: [Stockholm] : SBUF – Svenska Byggbranschens Utvecklingsfond, 2025Description: 9 sSubject(s): Online resources: Summary: Detta projekt utvecklar nya metoder för geologisk markklassificering anpassade för moderna järnvägsbyggnadstekniker, särskilt pelarstödda höghastighetsspår. Traditionella svenska metoder bygger på antagandet att järnvägsspår grundläggs på ballastvall, men pelarstödda system från Asien erbjuder alternativ som ändrar markbelastningen från kontinuerlig till punktvis last. En multikriterieanalys utvecklades för att bedöma markens lämplighet för pelargrundläggning baserat på befintlig information från SGU och Lantmäteriet, med expertbedömningar och parvis viktning av kriterier. En fallstudie mellan Lund och Hässleholm visade optimerade lösningar jämfört med konventionella metoder. SGU:s brunndatabas med cirka 800 000 litologiska beskrivningar användes för att träna maskininlärningsmodeller som klassificerar jordartsskiften baserat på miljövariabler. Modellerna visade mer representativa förutsägelser än traditionella kriging-metoder, men begränsningar identifierades i bristande standardisering av litologisk benämning. En enkätundersökning visade att kommuner besitter omfattande geotekniska data som skulle gynna en nationell databas. Resultaten visar att befintliga svenska data är högkvalitativa och användbara för infrastrukturplanering med rätt analysmetoder.Detta projekt utvecklar nya metoder för geologisk markklassificering anpassade för moderna järnvägsbyggnadstekniker, särskilt pelarstödda höghastighetsspår. Traditionella svenska metoder bygger på antagandet att järnvägsspår grundläggs på ballastvall, men pelarstödda system från Asien erbjuder alternativ som ändrar markbelastningen från kontinuerlig till punktvis last. En multikriterieanalys utvecklades för att bedöma markens lämplighet för pelargrundläggning baserat på befintlig information från SGU och Lantmäteriet, med expertbedömningar och parvis viktning av kriterier. En fallstudie mellan Lund och Hässleholm visade optimerade lösningar jämfört med konventionella metoder. SGU:s brunndatabas med cirka 800 000 litologiska beskrivningar användes för att träna maskininlärningsmodeller som klassificerar jordartsskiften baserat på miljövariabler. Modellerna visade mer representativa förutsägelser än traditionella kriging-metoder, men begränsningar identifierades i bristande standardisering av litologisk benämning. En enkätundersökning visade att kommuner besitter omfattande geotekniska data som skulle gynna en nationell databas. Resultaten visar att befintliga svenska data är högkvalitativa och användbara för infrastrukturplanering med rätt analysmetoder.