Prosjekter og løsninger
Referanseprosjekter fra norsk samferdselssektor og ferdigbygde løsninger klar til tilpasning.
Live demo
Prøv verktøyet direkte i nettleseren.
Åpen demo · NVDB
AI NVDB Assistent
Spør den nasjonale vegdatabasen på norsk
Skriv en spørring på norsk, for eksempel "tunneler i området" eller "fartsgrense over 80 km/t", og assistenten henter riktige objekttyper fra NVDB, paginerer resultatene og viser dem som et fargekodet GeoJSON-lag på kartet. Enkle spørringer løses direkte via et nøkkelordoppslag mot 418 NVDB-objekttyper uten å treffe en LLM. Komplekse spørringer med filtre eller ukjente typer sendes til en språkmodell med live datakatalog-skjema injisert i systempromptet.
Datakilde
NVDB API v4
Teknologi
Next.js · Leaflet · Zod
Tilgang
Åpen demo
Referanseprosjekter
Statens vegvesen · Offisielt analyseverktøy
Monte Carlo usikkerhetsanalyse for NKA
Omtalt i håndbok V712
Utvikling av det offisielle Monte Carlo-baserte usikkerhetsanalyseverktøyet for nyttekostnadsanalyser (NKA) i norsk samferdselssektor. Verktøyet simulerer statistisk usikkerhet i NKA-resultater og gir beslutningstakere et bedre grunnlag for vurdering av samferdselsprosjekter. I tillegg til webgrensesnittet eksponerer løsningen et offentlig REST API som tar imot EFFEKT-databasefiler direkte og returnerer full statistisk profil for NNV og NNB inkludert persentiler, konfidensintervall og sannsynlighet for positivt utfall. Andre systemer kan integrere simuleringen programmatisk og generere PDF-rapporter via APIet.
Oppdragsgiver
Statens vegvesen
Metode
Monte Carlo simulering
Referanse
Håndbok V712
Offentlig sektor · Geometrikonvertering
Konvertering av Novapointgeometri til RTM
Novapoint TIT/NYL-filer til GeoJSON for regional transportmodell
Novapoints TIT- og NYL-filer inneholder veggeometri fra prosjektering. Horisontale linjer, sirkulære kurver og klotoider, samt vertikalprofil med kurveradier. Disse filene kan ikke brukes direkte i den regionale transportmodellen (RTM). Dette verktøyet parser og konverterer geometrien til GeoJSON med korrekt 3D-koordinater, inkludert z-smoothing med faktiske vertikalkurveradier fra prosjekteringen og automatisk deteksjon av UTM og NTM koordinatsystem.
Oppdragsgiver
Statens vegvesen
Input / output
TIT/NYL → GeoJSON
Bruksområde
Regional transportmodell (RTM)
Nye Veier · Statens vegvesen · Trafikkanalyse
SpeedMap, fartsanalyse for norske veger
Kart, rutesøk og samfunnsøkonomisk nytte i én plattform
SpeedMap visualiserer historiske fartsdata fra GPS for norske veger som et interaktivt varmekart, der fargen angir hvor mye faktisk kjørehastighet avviker fra fartsgrensen måned for måned. Plattformen beregner automatisk den samfunnsøkonomiske nytten av fartsforbedringstiltak etter offisielle tidsverdier og ÅDT fra NVDB. Under panseret kjører en egenutviklet A*-rutingalgoritme over det norske vegnettet, og et naturlig norsk spørregrensesnitt henter infrastrukturdata direkte fra NVDB API v3. En XGBoost modell trent på ~57 000 vegsegmenter predikerer kjørehastighet fra vegegenskaper som bredde, kurveradius og tunnelforekomst.
Oppdragsgiver
Nye Veier / Statens vegvesen
Teknologi
Next.js · Leaflet · XGBoost
Domene
Trafikk og samfunnsøkonomi
Ikke lenger tilgjengelig grunnet leverandørbytte av GPS data
Statens vegvesen · RAG-løsning
Samtalebasert veiledning for nyttekostnadsanalyser
Fra PDFoppslag til konversasjon med faglig kunnskap
Tradisjonell opplæring i nyttekostnadsanalyser krever at analytikere leser og slår opp i håndbøker og ulike PDFdokumenter Dette er en tidkrevende prosess med høy terskel. Denne løsningen erstatter PDFoppslagene med en samtalebasert RAGmodell som lar brukeren stille spørsmål på norsk og få presise, kildehenvisende svar direkte fra det faglige grunnlaget. Kunnskap som tidligere krevde timer å finne, er tilgjengelig på sekunder.
Oppdragsgiver
Statens vegvesen
Teknologi
Hybrid RAG
Domene
Nyttekostnadsanalyser
Ikke offentlig tilgjengelig
Ferdigbygde løsninger
Forhåndsbyggede AI-løsninger
Vi leverer ferdigbygde løsninger som er klar til å integreres i dine systemer. Løsningene er basert på industristandard arkitekturer og best practices.
Det eneste som kreves er finetuning av dokumenthåndteringen – hvordan dokumenter deles opp (chunking), metadata-utvinning, og tilpasning til ditt spesifikke domene. Resten av infrastrukturen er ferdig testet og produksjonsklar.
Hva er RAG? Slik gir vi språkmodellen tilgang til dine data
Tenk på en moderne språkmodell som en ekstremt intelligent assistent som har lest nesten alt på det åpne internettet. Den er kjempegod på språk, koding og generelle fakta. Men den har to store svakheter:
- •Den kjenner ikke dine interne data: Den har aldri lest dine strategidokumenter, interne instrukser, saksdokumenter eller rapportarkiv. For språkmodellen så eksisterer ikke denne informasjonen.
- •Den er "fastlåst" i tid: Treningen av en modell tar lang tid og koster mye. Det betyr at den informasjonen den har, ofte er måneder eller år gammel.
Dette er grunnen til at språkmodellen ofte svarer feil eller "hallusinerer" når du spør om ting som er spesifikt for din bedrift eller bransje.
Løsningen heter RAG (Retrieval-Augmented Generation)
RAG er teknologien som bygger bro mellom språkmodellens generelle intelligens og dine private, ferske data. I stedet for å prøve å lære språkmodellen alt på nytt (som er dyrt og tar lang tid), lar vi den få slå opp i dine egne kilder før den svarer.
Slik fungerer prosessen når du stiller et spørsmål:
- 1.Søk (Retrieval): Systemet leter lynraskt gjennom dine interne filer (som PDF-er, Excel-ark eller databaser) etter relevant informasjon.
- 2.Forsterkning (Augmentation): Den informasjonen som blir funnet, blir sendt med spørsmålet ditt inn til språkmodellen.
- 3.Svar (Generation): Språkmodellen bruker sin språklige intelligens til å formulere et svar basert på de interne dokumentene den fikk se.
Hvorfor trenger du dette?
Uten RAG vil en språkmodell ofte si "Jeg vet ikke" eller – enda verre – gjette feil om interne forhold. Med RAG får du en assistent som:
- ✓Har tilgang til lukkede kilder: Den kan svare på spørsmål om data som aldri har ligget på internett.
- ✓Er alltid oppdatert: Du trenger bare å oppdatere et dokument i mappa di, så vet språkmodellen om det med en gang.
- ✓Er etterrettelig: Svarene er basert på faktiske kilder du eier og den oppgir kildehenvisninger for svaret sitt.
Kort sagt: RAG gjør at språkmodellen ikke bare prater generelt, men faktisk forstår og bruker din unike informasjon.
RAG modeller
Retrieval-Augmented Generation for å hente relevant informasjon fra dine dokumenter og generere presise svar. Inkluderer vektorindeksering, semantic search og konteksthåndtering.
- ✓Vektorindeksering
- ✓Semantic search
- ✓Kontekstbehandling
- ✓Multi-query
Hybrid RAG
Kombinerer tradisjonelt søk med vektorsøk for optimal presisjon og dekning. Gir best av begge verdener med keyword-matching og semantisk forståelse.
- ✓Keyword + vektor
- ✓Re-ranking
- ✓Metadata-filter
- ✓Hybrid scoring
Agentmodeller
Autonome AI-agenter som kan bruke verktøy, planlegge komplekse oppgaver og handle på vegne av brukeren. Inkluderer reasoning og multi-step workflows.
- ✓Tool calling
- ✓Multi-step reasoning
- ✓Task planning
- ✓Selvkorrigering
Frontend-løsninger
Alle løsninger inkluderer en referansefrontend med chat interface og søkegrensesnitt, Open WebUI.I tillegg får du fullt dokumentert REST API for egne integrasjoner.
Chat-interface
Conversational AI hvor brukere stiller spørsmål og får presise svar basert på dine dokumenter. Inkluderer kildehenvisninger og kontekst.
Søkegrensesnitt
Tradisjonelt søk med filtre, resultatliste og dokumentvisning. Perfekt for browsing og utforsking av dokumentsamlingen.
REST API
Fullstendig dokumentert API for integrasjon i dine eksisterende systemer, apper eller tjenester.
Hosting og drift
Standardløsningen hostes hos DigitalOcean. Dette gir deg en trygg infrastruktur med høy oppetid og skalerbarhet. Vi håndterer drift, oppdateringer og sikkerhet.
Du velger selv om du vil bruke cloud-baserte LLMer (OpenAI, Anthropic, Azure OpenAI) eller lokalt hostede modeller (Llama, Mistral, Mixtral) avhengig av dine sikkerhetskrav og budsjett.
Cloud LLM
Anbefalt for de flesteOpenAI GPT-4, Claude eller Azure OpenAI for maksimal ytelse og fleksibilitet.
Lokal LLM
For sensitiv dataLlama 3, Mistral eller Mixtral hostet lokalt for full datakontroll.
Hva er inkludert
Ferdig arkitektur
Komplett teknisk stack med API, database, vektorindeksering og frontendintegrasjon.
Referanse-frontend inkludert
Chat interface og søkegrensesnitt klar til bruk for testing og produksjon.
REST API tilgang
Fullstendig dokumentert API for integrasjon i dine eksisterende systemer.
Hosting på DigitalOcean
Infrastrukturen hostes hos DigitalOcean.
Produksjonsklar infrastruktur
Skalering, logging, monitoring og feilhåndtering er allerede implementert.
Dokumentasjon
Fullstendig API dokumentasjon og implementeringsguider for integrasjon.
Tilpasning til dine data
Vi konfigurerer dokumentsplitting, metadataekstraksjon og domenetilpassning.
Valg av LLM
Velg mellom cloud baserte eller lokalt hostede språkmodeller basert på dine behov.
Teknologi
Klar til å komme i gang?
Bestill en lukket demo for å se hvordan løsningene kan tilpasses dine behov. Vi viser deg konkrete eksempler med anonymiserte testdata.
* Demoer utføres kun med testdata.