Machine learning for prevention of strike damage

Abstract

Graveskader forårsaker hvert år kostbare skader på infrastruktur som påvirker levebrødet og skaper ulemper for mange rundt om i Norge. Formålet med denne rapporten er å utforske muligheten til å forutsi utfallet til fremtidige prosjekter ved bruk av maskinlæring. Avhengig av nøyaktighet og sannsynlighet for at et prosjekt vil føre til graveskader, vil det kunne implementeres sikkerhetstiltak for å minske risikoen, dette med et mål om at en maskinlæringsmodell vil kunne brukes som et risikovurdering verktøy for graveskader i fremtiden. For å kunne trene maskinlæringsmodellene har Geomatikk AS gikk tilgang til en stor mengde metadata fra tidligere gravesprosjekter med graveskadeutfall.

Every year, excavation projects cause costly infrastructure damage that affects convenience and livelihoods of many people in Norway. The purpose of this report is to explore the possibility of predicting the outcome of new projects using machine learning. Depending on the accuracy and probability that a project leads to strike damage, safety measures can be implemented to decrease that risk, with the goal that a machine learning model will serve as a risk assessment tool for future projects. For it to be possible to train machine learning models, Geomatikk AS has provided a huge backlog of metadata about past excavation projects and their outcomes.