Systemet som vandrar dina gångvägar meter för meter – och avslöjar hindren som stoppar rullstolsanvändare

Problemet som alltid funnits – men sällan lösts

För de flesta av oss är en trottoar bara en trottoar. Men för den som använder rullstol kan en lutning på några grader för mycket, en kantsten utan sänkning, eller en ojämn yta innebära att en rutt helt enkelt inte är framkomlig. Den informationen har historiskt sett varit otroligt svår att få tag på – och ännu svårare att hålla uppdaterad.

Det är precis det problemet som ett forskarlag nu tagit sig an med systemet OmniPath, presenterat i en ny studie på arXiv. Resultatet är ett konkret exempel på hur artificiell intelligens kan lösa ett verkligt samhällsproblem, snarare än att optimera annonser eller rekommendera nästa film att titta på.

Så fungerar systemet

OmniPath bygger på en kombination av två datakällor som i sig inte är nya, men som systemet väver samman på ett smart sätt. Nätverkstopologin – alltså hur gator och gångvägar hänger ihop – hämtas från OpenStreetMap, den öppna kartdatabas som vuxit fram under två decennier av frivilligt kartarbete. Ovanpå det lägger systemet precisionsdata från luftburen laserskanning, en teknik där flygplan eller drönare skannar markytan med laserpulser och skapar extremt detaljerade tredimensionella modeller.

Därur bygger OmniPath en agent – ett autonomt programsystem – som bokstavligen vandrar längs gångvägar i steg om en halv meter åt gången. För varje steg mäter agenten tre kritiska värden: längslutning (hur brant det lutar framåt eller bakåt), tvärslutning (hur mycket ytan lutar åt sidan) och vertikala nivåskillnader (trösklar, kantstenshöjder och liknande). Mätningarna jämförs sedan mot amerikanska tillgänglighetsstandarder, kända som ADA – Americans with Disabilities Act.

Varje identifierat hinder klassificeras i en fyrgradig skala från "lindrig" till "kritisk". Det ger användaren inte bara information om var ett problem finns, utan också hur allvarligt det är.

Validerat i verkligheten

En sak som gör studien trovärdig är att forskarna faktiskt gick ut och kontrollerade resultaten mot verkligheten. Systemet testades mot 200 fysiska fältmätningar vid National Mall i Washington D.C. – ett område med stor variation i markytans beskaffenhet och ett högt flöde av besökare, inklusive många med rörelsehinder.

Resultaten visade ett F1-värde på 0,60 för allvarliga hinder och 0,58 för kritiska. F1 är ett statistiskt mått som balanserar precision och känslighet – ett värde på 1,0 vore perfekt. Dessa siffror är inte spektakulära, men de är hederliga och lovande för ett system i forskningsstadiet. Viktigare är kanske vad de representerar: ett automatiserat system som presterar rimligt väl på en uppgift som tidigare krävde manuell inmätning av utbildad personal.

Från karta till frihet

Målet med OmniPath är tydligt formulerat: att användare ska kunna identifiera osynliga hinder innan de lämnar hemmet. Det låter enkelt, men konsekvenserna är stora. I dag tvingas många rullstolsanvändare antingen förlita sig på andrahandsinformation, testa sig fram i verkligheten – med alla risker det innebär – eller helt enkelt undvika platser de är osäkra på.

Ett system som kontinuerligt kan uppdateras med ny laserskanningsdata, och som automatiskt flaggar försämringar i tillgängligheten, förändrar den ekvationen fundamentalt. Det handlar inte om en teknisk finurlighet – det handlar om rörelsefrihet.

Det finns också en skalbarhetsdimension som är värd att lyfta fram. Manuell tillgänglighetskartläggning är kostsam och tidskrävande. AI-driven automatisering kan göra det möjligt för kommuner och myndigheter att kartlägga hela stadsmiljöer till en bråkdel av kostnaden – och upprepa kartläggningen regelbundet när förhållandena förändras.