RTU sadarbības partneris VAS "Latvijas autoceļu uzturētājs" (LAU) nepārtraukti pārskata iekšējos procesus un meklē risinājumus resursu efektivizēšanai. Viens no virzieniem ir automatizēt manuālu darbu. Lai gan ceļu uzturēšanas tehnika ir aprīkota ar GPS uztvērējiem, līdz šim nebija iespējams automatizēti iegūt atskaites par ceļu posmam veiktajiem uzturēšanas darbiem, patērēto laiku un materiālu. Iepriekš izmantotā autoparka vadības sistēma (skat. attēlu zemāk) vadības sistēma nedeva iespēju iegūt skaidru priekšstatu par veiktajiem ceļu uzturēšanas darbiem un bija nepieciešams veikt manuālu un laikietilpīgu datu priekšapstrādi. LAU gadījumā 2017./2018. gada ziemas sezonā manuālā režīmā tika izveidotas gandrīz 80 000 darba lapas.
Galvenie izaicinājumi veikto darbu pārskata izveidei bija:
Potenciāli liels mašīnu skaits un to vienlaicīga aktivitāte (piemēram, puteņa laikā).
Maršrutu pārklāšanās.
GPS un kartes slāņa neprecizitātes, ceļa posmu robežas.
Ceļa posmu tīrīšana (abos virzienos) ar starplaikiem.
Viena ceļa posma tīrīšana ar vairāku tehnikas vienību palīdzību.
Ceļu dalījums apakšposmos un tiem atbilstošās uzturēšanas klasēs (A5, 2.4000-2.9100, A klase).
2019. gada sākumā kopā ar RTU tika uzsākts darbs pie atbilstošas informācijas sistēmas izstrādes. Projektā tika definēti uzdevumi:
Automātiski noteikt provizoriskās ceļu posmu robežas un tiem atbilstošos apakšposmus. 
Rīgas apvedceļš (Salaspils–Babīte) (A5) sīkāk jāsadala apakšposmos: 0–2.4km, 2.4–2.9km, 2.9–34.57km.
Nodrošināt funkcionalitāti pasūtītājam, kas ļauj rediģēt ceļu posmu un apakšposmu robežas. 
Importēt GPS datus no pasūtītāja autoparka vadības sistēmas un automatizēti grupēt tīrīšanas tehnikas maršruta GPS punktus atbilstoši ceļu apakšposmiem.
Iespēja pasūtītājam koriģēt GPS punktu piederību ceļu apakšposma tīrīšanas notikumam.
Automātiski identificēt ceļa apakšposma tīrīšanas notikumam atbilstošo darba veidu:
Br. attīr. no sniega platumā līdz 6 m ar vienlaicīgu mitrā sāls kaisīšanas pl. 5m, izkaisot 40 g/m2,
Br. attīr. no sniega pl. līdz 7.5 m ar vienlaicīgu mitrā sāls kaisīšanas pl. 6m, izkaisot 40 g/m2 u.c.
Automatizēta ceļu apakšposmu tīrīšanas notikumu grupēšana darbalapās un integrācija ar pasūtītāja izmantoto uzņēmuma resursu vadības sistēmu.
LAU saņēma GPS datu analīzes sistēmu lietošanā 2019./2020. gada ceļu uzturēšanas ziemas sezonā un pilotprojektu veidā ieviesa to Ķeipenes un Limbažu iecirkņos, lai fiksētu uzturēšanas darbus uz valsts autoceļiem. Radītā sistēma balstās uz atvērtajiem telpiskajiem datiem un atvērtā pirmkoda risinājumiem un nodrošina uzturēšanas tehnikas GPS datu iegūšanu no autoparka vadības sistēmas, datu priekšapstrādi un aktīvajiem ceļu uzturēšanas līgumiem atbilstošu darba lapu automatizētu izveidošanu (zemāk pievienots automātiski izveidoto darbalapu piemērs).
LAU darbinieki neprecizitāšu gadījumā veic izveidoto darbalapu korekciju un publicē tās uzņēmuma darbu uzskaites sistēmā (skatīt attēlu zemāk).
Publicētās darbalapas tiek eksportētas XML formātā uz uzņēmuma darbu uzskaites sistēmu (skatīt attēlu zemāk).
Uz atskaišu veidošanas Ietaupītais laiks un ērti pārlūkojami grafiski pārskati ir ļāvuši veltīt vairāk uzmanības citu ceļu uzturēšanas procesu efektivitātes uzlabošanai.
Noslēdzoties ziemas ceļu uzturēšanas sezonai, turpinās darbs pie sistēmas precizitātes uzlabošanas ar mašīnapmācības modeļu palīdzību un pilnveidoti telpiskie dati, lai uzsākoties 2020./2021. gada ceļu uzturēšanas ziemas sezonai GPS datu analīzes sistēmu varētu nodot lietošanā visām LAU struktūrvienībām. Telpisko datu slāņa kvalitātes pilnveidošanā var iesaistīties arī LAU personāls, izmantojot pārlūkprogrammā integrēto telpisko datu redaktoru (skatīt attēlu zemāk).
Nākotnē ir paredzēts sistēmu piemērot lietošanai pilsētvidē un citu uzturēšanas darbu fiksēšanai (piemēram, greiderēšana).
Izmantotās tehnoloģijas
Sistēma balstās uz atvērtā koda tehnoloģijām un atvērtajiem datiem:
OpenStreetMap un Latvijas Valsts ceļi telpiskie dati,
Drupal 8 un Symfony 3 ietvars,
PostgreSQL datubāze ar PostGIS, pgRouting paplašinājumu,
Mapnik karšu serveris,
OpenLayers dinamiskās kartes,
Python, scikit-learn,
Integrācija ar HansaWorld un SkyFMS.
Par mums raksta
https://www.delfi.lv/
https://datuve.lv/
https://kursors.lv/
