IoT-lösningar för miljömässigt hållbar stadsutveckling - En analysmodell

Examensarbete

15 högskolepoäng, grundnivå

IoT-lösningar för miljömässigt

hållbar stadsutveckling

En analysmodell

IoT solutions for environmentally sustainable city

development

An analysis model

Alexander Verderio Johansson

Viktor Unosson

Examen: Kandidatexamen 180 hp Examinator: Bengt Nilsson Huvudområde: Informationssystem Handledare: Enrico Johansson Datum för slutseminarium: 2016-06-01

Abstract

Most cities today are met by an increasing amount of urbanization, where more and more people move into the cities. The increased amount of people have a negative impact on the environment, which forces the cities to develop ways to hinder the negative impact the urbanization has on the environment. To be able to succeed in this endeavour cities need new technological solutions to make it possible for them to grow and expand, without harming the environment in the process. A solution to this has been presented in the form of Smart cities and IoT solutions. By becoming a Smart city through the use of IoT solutions, cities can take their responsibilities and contribute to a sustainable development. The problem that remains however is that the decision making process is both slow and costly when it comes to choosing a solution. Cities who want to minimize their environmental impact therefore need a decision support model that is fast and that doesn’t cost much. Through this study we’ve proposed a possible model, we’ve tried it and evaluated its function. The model contains three focus areas: The System, The City and The Environment. The model has shown to partly work and an adapted version has been presented in the conclusions, along with and explanation regarding the adjustments that were made to the first proposal.

Sammanfattning

De flesta städer står idag inför en ökad urbanisering, där allt fler människor flyttar in till städerna. Den ökade mängden människors negativa effekter på miljön gör att städerna måste utvecklas för att stävja de negativa effekter den ökade urbaniseringen har på miljön. För att städerna ska kunna lyckas med detta krävs det nya teknologiska lösningar som gör det möjligt för städer att växa och expandera, utan att det skadar miljön. Smarta städer och IoT-lösningar har tagits fram som möjliga svar på problemet kring den ökade negativa miljöpåverkan. Genom att bli en smart stad och använda sig av IoT-lösningar kan städerna ta sitt ansvar och bidra till en hållbar utveckling. Problemet som uppstår är att beslutsprocessen är lång och kostsam för att välja de IoT-lösningar som krävs för att stävja miljöpåverkan. Delvis beror detta på den ökade mängd lösningar som finns och den ökade mängd information som finns tillgänglig kring dem. Det finns därför ett behov hos städer som vill arbeta för en minskad miljöpåverkan att kunna ha tillgång till beslutsstödsmodeller som är snabba och som inte kräver så mycket resurser. Genom denna studie har vi skapat en modell, testat den och utvärderat funktionen av modellen. Modellen arbetar utifrån tre områden: Systemet, Staden och Miljön. Modellen visade sig delvis fungera och en anpassad modell presenteras i slutsatserna, där de justeringar som behövts göras utifrån det ursprungliga förslaget förklaras.

Innehållsförteckning

1 AWARENESS – ATT FATTA BESLUT I EN MILJÖMEDVETEN STAD ... 1 1.1 IOT-LÖSNINGAR - EN VÄG MOT EN HÅLLBAR SMART STAD ... 1 1.2 URBANISERING, MILJÖ OCH IOT ... 1 1.3 PROBLEMFORMULERING ... 2 1.4 SYFTE ... 2 2 METODOLOGI OCH METOD ... 3 2.1 FILOSOFISKT PARADIGM – ETT TOLKANDE TANKESÄTT ... 3 2.2 FORSKNINGENS UTFORMNING OCH STRATEGI – DESIGN AND CREATION ... 3 2.3 STUDIENS UTFÖRANDE ... 4 2.3.1 Avgränsningar – Modellens roll i beslutsprocessen ... 5 2.3.2 Urval och respondenter - För skapande av modell och evaluering av modell ... 5 2.3.3 Val av testobjekt för implementationsfasen – Malmö stad ... 6 2.3.4 De åtta IoT-lösningarna ... 7 2.3.5 Val för intervju och genomförande ... 9 2.3.6 Analysansats ... 9 2.4 LITTERATURSTUDIE ... 10 2.5 VALIDERING OCH RELIABILITET ... 11 3 SUGGESTION – FÖRSLAG PÅ MODELL ... 12 3.1 OMRÅDE: SYSTEM ... 12 3.2 OMRÅDE: STAD ... 13 3.3 OMRÅDE: MILJÖ ... 14 4 DEVELOPMENT - IMPLEMENTATION AV MODELL PÅ TESTOBJEKTET MALMÖ STAD ... 15 4.1 APPLICERING AV MODELLEN PÅ MALMÖ STAD ... 15 4.1.1 Område: System ... 15 4.1.2 Område: Stad ... 18 4.1.3 Område: Miljö ... 21

4.2 PRIORITERING AV IOT-LÖSNINGAR FÖR MALMÖ STAD ... 22

4.3 BESLUT FÖR MALMÖ STAD ... 24

5 EVALUATION – ANALYS AV MODELLENS FUNKTION ... 25

5.1 SYSTEM ... 25

5.2 STAD ... 26

5.3 MILJÖ ... 26

6.1 MODELLEN SOM BESLUTSTÖD FÖR STÄDER ... 27

6.2 DEN ANPASSADE MODELLEN ... 28

6.3 VIDARE FORSKNING ... 28

6.4 TILLKÄNNAGIVANDE ... 29

Figurbeskrivning

Figur 1 - Studiens forskningsprocess, s.4

Figur 2 - Överblick över var vår modell används av staden., s.5 Figur 3 - Grafisk beskrivning av den föreslagna modellen., s.12

Figur 4 - Diagrammet beskriver Malmös skatteintäkter i förhållande till Sverigemedel. Källa: Ekonomifakta [21]. Publicerad med upphovsrättsinnehavarens tillstånd., s.20 Figur 5 - Diagrammet beskriver Malmös statsbidrag och utjämning till kommunen i förhållande till Sverigemedel. Ekonomifakta [21]. Publicerad med

upphovsrättsinnehavarens tillstånd., s.20 Figur 6 - Den anpassade modellen., s.28 Tabeller

Tabell 1 - Kontakter, svar & svarsfrekvens, s.6 Tabell 2 – Respondenter, s.6

Tabell 3 - Kontaktperson Malmö stad, s.7 Tabell 4 - Litteraturundersökning, s.10 Tabell 5 - Beskrivning av miljömatris, s.14 Tabell 6 - Finansiering, Ja eller Nej, s.15 Tabell 7 - Teknisk beprövad, Ja eller Nej, s.16

Tabell 8 – Behov av ytterligare personal, Ja eller Nej, s.17

Tabell 9 - Översikt av IoT-lösningars System-faktorer: finansiering, tekniskt beprövade och behov av ytterligare personal, s.18

Tabell 10 - Miljöfaktorer som identifierats i Malmö stads miljömål., s.18

Tabell 11 - Rimlighetsgrad för genomförande av IoT-lösningar enligt Malmö stad (personlig kontakt, 30 mars 2016)., s.19

Tabell 12– IoT-lösningars inverkan på Malmö stads miljöfaktorer, s.21 Tabell 13 - Prioritering av IoT-lösningar för Malmö stad., s.22

1

1 Awareness – Att fatta beslut i en

miljömedveten stad

I detta avsnitt presenteras bakgrunden till problemet vilket följs av en problemdiskussion och en problemformulering. De tre delarna mynnar sedan ut i syftet med studien.

1.1 IoT-lösningar - en väg mot en hållbar smart stad

I hela världen sker en ökad urbanisering, där allt fler människor i världen väljer att flytta in till städer [14]. År 2007 var 50% av jordens befolkning bosatta i städerna [14][16][56][57]. Till 2030 tror The United Nations Population Fund att siffran kommer vara 60% [57]. I takt med urbaniseringen sätts högre krav på städernas utveckling, exempel vad gäller infrastruktur, luftförorening, buller och människors hälsa [16][44].

För att möta de ökade kraven som uppkommit i takt med urbaniseringen har

smarta städer vuxit fram [64]. Även om utveckling gått framåt finns det en stor

oro för den hållbara utvecklingen [14][56][64]. Det har kommit att bli allt viktigare att skydda miljön i städerna nämner Perera et al. [56]. För att minska påverkan på miljön, nämner Breining et al. [13], att städerna då kan nyttja de olika delarna i hållbar utveckling. Vilka är social-, ekonomisk- och miljömässig hållbarhet, och där vi i vår studie fokuserar på den miljömässiga hållbarheten. Caragliu et al. [14] nämner också att städer kan använda den sociala- och miljömässiga hållbarheten som strategiska komponenter i arbetet mot en mer hållbar smart stad.

För att kunna utveckla de smarta städerna mot att bli mer hållbara kan IoT-lösningar användas som hjälpmedel [26][57]. Breining et al. [13] nämner att staden inte bör se den smarta teknologin som en kostnad utan som en möjlighet som skapar nya värden för staden, vilket i sin tur leder till ökad hållbarhet. IoT-lösningarna kan användas för att mäta och övervaka miljöfaktorerna som finns i staden. Externa aktörer kan sedan dra nytta av insamlad data och förändra stadens påverkan på miljön.

1.2 Urbanisering, miljö och IoT

Städer står idag inte bara inför den stora utmaningen att allt fler människor väljer att flytta in till städerna utan också att inflyttningen har en negativ påverkan på miljön [3][13][43]. För att stävja den negativa effekt urbaniseringen har på miljön krävs det nya lösningar som gör det möjligt för städer att växa och expandera, utan att skada miljön i processen [43]. Det finns flera sätt att minska miljöpåverkan som människor orsakar, men om städer vill ta sitt ansvar har det föreslagits att bygga upp smarta städer med hjälp av IoT-lösningar [43].

IoT-lösningar är ett relativt nytt, men snabbt växande, teknologiskt område där nya lösningar ständigt tas fram [69]. I takt med utvecklingen av lösningar och ett ökat antal uppkopplade enheter [25][56] har nya möjligheter skapats för städerna. En stor del av den forskning som finns har fokuserat på den enskilda IoT-lösningen och argument som talar för de olika IoT-lösningarna och vad de kan åstadkomma [43][76]. När forskare talar om vad IoT-lösningar kan åstadkomma i smarta städer är ofta ett av grundargumenten de positiva effekter IoT-lösningarna kan medföra för miljön [68][76].

2

För att lyckas uppnå en mer hållbar smart stad krävs en ökad kännedom om den beslutsprocess som finns [13]. Beslutsprocessen i städer är idag lång och går genom många led innan beslut kan fattas. Även om beslutsprocessen inte förändrats avsevärt på senare år har nya verktyg tillkommit, vilket både förkortat och förlängt vissa delar i processen [13]. Främst är det tillgången på mer information som gjort att delar i processerna blivit längre. Även om det finns en stor tillgång på information är det resurskrävande och kostsamt för företag att samla in denna information.

För att beslut ska kunna fattas, krävs det att informationen som samlats in sorteras och sammanställs [11]. Beslutsstöd kan, enlig Bonczek et al. [11], fungera på två sätt, dels hjälpa med beslut som helhet eller ge delar av information som krävs för att ta ett beslut. Oavsett hur beslutsstödet används hjälper det beslutsfattarna genom hela beslutskedjan. Vidare tar Bonczek et al. [11] upp att beslutstödet kan ge en bild till varför beslut bör fattas eller vilka effekter ett beslut kan medföra.

1.3 Problemformulering

Beslutsprocessen har kommit att kosta och kräva allt mer resurser för städerna i arbetet mot en mer hållbar smart stad. Det finns idag en mängd beslutstödsmodeller som analyserar och grundligt presenterar information om produkter eller tjänster [17][27]. En stor del av organisationers arbete med system handlar idag om att välja rätt system. Det som saknas idag är snabbare och mindre resurskrävande modeller för att hjälpa städer att möta den ökade urbaniseringen och hitta system som kan stävja den miljöpåverkan urbaniseringen tillför. Det finns därför ett behov av att ta fram och presentera en beslutstödsmodell som kräver mindre resurser och som snabbt kan appliceras på staden vid arbete mot en hållbar stad.

1.4 Syfte

För att bidra till städers arbete med miljöförbättring genom IoT-lösningar vill vi i denna studie presentera en möjlig beslutsstödsmodell för att hjälpa städer i sin beslutsprocess vid val av lösning. För att ta fram en sådan modell används här Oates [55] beskrivning av design and creation som process för att framställa IT-artefakter. Syftet blir här att, genom design and creation, skapa, evaluera och förklara en beslutsstödsmodell för utvärdering av IoT-lösningar för miljömässigt hållbar stadsutveckling.

3

2 Metodologi och metod

Avsnittet behandlar studiens metodologi och metod. Där först studiens tankesätt presenteras, sedan nämns forskningens utformning och strategi. Därefter beskrivs studiens forskningsprocess, både som en modell i helhet samt mer ingående för varje steg. Studiens avgränsningar tas upp i ett stycke. Vi presentera också tillvägagångssätt och urval av respondenter både för utformning och evaluering av modell och varför Malmö stad valts som testobjekt vid implementeringsfasen Till sist nämns den litteratur som legat till grund för skapa kunskap om de åtta IoT-lösningar som presenterats. Till sist nämns validiteten i arbete.

2.1 Filosofiskt paradigm – Ett tolkande tankesätt

Oates [55] behandlar tre filosofiska paradigm eller tankesätt. Dessa tre är positivistiskt tankesätt, kritiskt tankesätt och tolkande tankesätt. I denna studie har vi antagit ett tolkande tankesätt. Det tolkande tankesättet bygger på att verkligheten är subjektiv och ser annorlunda ut beroende på vem som ser på den [55]. I koppling till vår studie kan detta ses i att vår föreslagna lösning är en lösning som konstruerats utifrån våra och andra personers kunskap och erfarenheter. Detta innebär att den hade kunnat se annorlunda ut baserat på om andra forskare, med en annan bakgrund, hade försökt lösa samma problem [55]. I och med att forskarnas värderingar, antaganden och ageranden återspeglas i studien. I det tolkande tankesättet är det som levereras en social konstruktion och kan bara förstås och överföras via sociala konstruktioner, såsom ett gemensamt språk eller samförstådda symboler och kvalitativa data som behöver tolkas för att förstås [55]. Även detta kan kopplas till vår studie där modellen som skapas producerar information som behöver tolkas av människor och som inte enkelt kan kvantifieras eller automatiseras av en dator. Vidare säger Oates [55] att denna typ av tankesätt oftast mynnar ut i olika tolkningar av en given slutsats, alltså utan absoluta sanningar.

2.2 Forskningens utformning och strategi – Design

and creation

Studiens utformning och strategi grundar sig i design and creation som kommer beskrivas vidare här, medan processen för design and creation beskrivs närmre i avsnitt 2.3. Design and creation används för att skapa IT-artefakter, exempelvis modeller, metoder eller systeminstanser [55]. I detta fall vill vi använda oss av utformningen till att skapa en beslutsstödsmodell. Modeller som skapas genom design and creation ska hjälpa till att lösa ett givet problem [55]. Eftersom vi har ett formulerat problem men det saknas möjliga modeller som kan prövas för att lösa problemet, exempelvis genom en fallstudie, så krävs det en utformning som inkorporerar skapandet av en möjlig lösning. Design and creation-utformningen har just detta inlagt i sin process [55], vilket gör att denna typ av utformning lämpar sig för att lösa just detta problem.

Att lägga fram ett lösningsförslag är andra steget i design and creation (Se: avsnitt 2.3) och i denna studie framtas lösningsförslaget i form av den modell vi syftar till att skapa. Första utkastet av modellen baserades på vår egen uppfattning av problemet efter att ha diskuterat vilka faktorer som kan innehålla relevant information. Därefter har information efterfrågats hos sakkunniga, varpå modellen anpassats. Detta sätt att arbeta, att lägga till information allteftersom arbetet pågår, kallar Alvesson och Sköldberg [2], för den abduktiva metoden.

4

2.3 Studiens utförande

I detta avsnitt presenteras först forskningsprocessen i sin helhet som följer mallen för design and creation-processen som beskrivs i Oates [55]. Processen har används för att skapa den beslutsstödsmodell som studien syftar till att skapa. Detta följs av en mer ingående presentation av vad varje steg i processen innefattat.

Figur 1 - Studiens forskningsprocess. Författarnas tolkning utifrån Oates [55] definition av design and creation-processen.

Awareness – I denna fas definieras problemet vars lösning ska skapas genom

design and creation-processen [55]. För denna studie lyfts problemet i inledningen där problemet först diskuteras för att sedan formuleras till en problemformulering (Se: avsnitt 1.2) där behovet av en beslutsstödsmodell för städer presenteras.

Suggestion – Denna del av processen innefattar skapandet av en möjlig lösning

på det framförda problemet [55]. Förslaget som tas fram är oftast kreativt skapat av de som ger upphov till det och är enligt Oates [55] ett trevande försök till en lösning. I denna studie föreslås en beslutsstödsmodell (Se: avsnitt 3).

Development – I denna del av processen implementeras förslaget på

problemlösningen på ett objekt [55], i denna studie används data från Malmö stad och från åtta olika IoT-lösningar för att testa modellen. Här presenteras även en möjlig lösning för Malmö stad, inte som förslag till Malmö stad utan snarare för att påvisa modellens funktion. I denna studie presenteras implementationen av beslutsstödsmodellen på Malmö stad i avsnitt 4. Presentation av Malmö stad och de olika IoT-lösningarna som hjälpmedel för att testa beslutsstödsmodellen återfinns i avsnitt 2.3.3 och 2.3.4.

Evaluation – Här analyseras det som tagits fram med hjälp av testobjektet och

vilka värde som framkommit [55]. Här bör avvikelser från förväntningar tas upp [55]. I denna studie görs analysen baserad på den implementation av modellen som gjorts på Malmö stad. Tanken är då att analysera den information som varje faktor bidragit till att generera och vad modellen bidrar med i sin helhet (Se: avsnitt 5).

Conclusion – Detta kan ses som ett slutskede i design and creation-processen,

men som Oates [55] skriver handlar det här oftast inte om att presentera en färdig lösning utan att presentera resultatet av designprocessen. Snarare än att presentera en färdig produkt handlar det om den kunskap som processen bidragit till, vilka lösa trådar som kvarstår efter processen och hur detta arbete hade kunnat föras vidare [55]. I denna studie presenteras slutsatserna i form av en sammanfattning av den analys som genomförts, ett nytt förslag på modellen efter processen och vilka faktorer som bör studeras vidare baserat på den information som framkommit under analysen (Se: avsnitt 6).

5

2.3.1 Avgränsningar – Modellens roll i beslutsprocessen

Beslut, speciellt i städer, fattas sällan på en enda nivå och beslutsstödmodeller kan inte täcka upp alla faktorer som påverkar ett beslut, inte utan att bli alltför kostsamma och komplicerade. Modellen vi skapar i denna studie är menad som ett komplement och inte som en heltäckande lösning. Den fokuserar enbart på en aspekt av dimensionerna i hållbar utveckling, miljödimensionen, och försöker frånse de andra dimensionerna, sociala och ekonomiska, i den mån det går. Modellen syftar till att vara ett stöd i det strategiska beslutstagandet, vilket kommer efter förstudien men före implementationsprojektet.

Figur 2 - Överblick över var vår modell används av staden.

2.3.2 Urval och respondenter - För skapande av modell och

evaluering av modell

Urvalskriteriet var till att börja med uppsatt för att genomföra informationsintervjuer. Informationsintervjuer genomförs när frågorna är tydliga och forskaren vet att det finns personer som kan bidra med riklig och god information [36]. Problemet med detta sätt att välja ut respondenter är villigheten att dela med sig av information. För studiens syfte valdes tre experter ut inom de respektive ämnena som behandlas i uppsatsen: IoT-lösningar, stadsutveckling och miljö. Efter kontakt med experterna, som visat ovilliga att dela med sig av informationen som efterfrågades, ändrades urvalskriteriet. Istället för informationsintervjuer valdes ett breddat och varierat urval. Denna typ av urval går ut på att dela upp respondenterna i grupper och därefter välja ut respondenter från grupperna [36].

I det breddade och varierade urvalet kontaktades ett flertal experter inom de tre områdena med frågor relevanta för deras område samt ett förslag på den modell som skapats. De som kontaktades var samtliga forskare som forskat inom ett av de tre områdena. Den första kontakten genererade inga svar på frågorna, de respondenter som svarade valde att avstå från att delta i studien. Den andra kontakten, där det specificerades att respondenterna kunde välja att vara konfidentiella, besvarades inte i någon större grad men ett fåtal svar mottogs. Nedan presenteras utskick, svar och svarsfrekvens.

Förstudie

Beslutsstöd

6

Tabell 1 - Kontakter, svar & svarsfrekvens

Område Antal utskick Antal svar Svarsfrekvens

System 6 0 0%

Stad 7 1 14,29%

Miljö 8 1 12,50%

Totalt 21 2 9,52%

Antalet forskare inom respektive område varierar, men antalet utskick tillsammans med den låga svarsfrekvensen gör att svaren inte kan ses som representativa för befolkningen. Eftersom studien genomförs med en kvalitativ ansats är mängden respondenter inte lika relevant som vid en kvantitativ studie, men den låga representationen bör iakttas. De respondenter som svarat har kunnat ge viss feedback och information, de presenteras här konfidentiellt i den ordning svar inkommit:

2.3.3 Val av testobjekt för implementationsfasen – Malmö

stad

När en artefakt har skapats behöver denna implementeras (Se: Development i avsnitt 2.3) på ett verkligt objekt [55]. Eftersom vår artefakt, beslutsstödsmodellen, var ämnad att användas av en stad valdes därför en stad, närmare bestämt Malmö stad. Den främsta anledningen till att Malmö valdes var bekvämlighet och närhet, då vi bor och studerar i Malmö. Denna anledning visade sig irrelevant eftersom vi aldrig fick någon personlig intervju utan istället har kommunikationen med staden skett via telefon och e-post. Eftersom vi inte kände till vem som hade den kunskap vi sökte, genomförde vi ett informationsurval där vi gick till stadskontoret i Malmö. De kunde då hänvisa oss till en person som hade den information vi sökte. Detta, liksom vid de tidigare intervjuerna, blev alltså vad Jacobsen [36] kallar för en informationsintervju. En annan anledning till att Malmö stad varit ett bra testobjekt är att de har ett uttalat och pågående miljöarbete. Vilket gör att vår studie bidragit med praktisk information som vårt testobjekt Malmö stad, kan dra nytta av.

Tabell 2 – Respondenter

Respondent Svarsdatum Forskningsområde

A 20 februari 2016 Miljö & Klimat

7

2.3.4 De åtta IoT-lösningarna

För att modellen ska fylla en funktion krävs det IoT-lösningar att jämföra. I en skarp situation, alltså en situation där staden är i beslutsprocessen, hade detta inneburit en förstudie för att få fram vilka IoT-lösningar som skulle kunna vara aktuella. Vår modell bör inte ses som en del av förstudien, utan är ett hjälpmedel för att få fram snabb information till en låg resurskostnad som stöd till beslutsprocessen. Eftersom ingen djupgående förstudie finns tillgänglig har författarna här valt ut åtta IoT-lösningar som kan tänkas ha en miljöaspekt. Dessa åtta modeller presenteras nedan utan någon inbördes ordning.

Automatiserade irrigationssystem: Denna lösning används för att samla upp,

lagra, och distribuera regnvatten och spillvatten [47][63]. IoT-lösningen har tidigare använts framförallt för irrigation av åkermark, men kan även användas i större skala för att hantera vattenförbrukningen i städer [47]. Lösningen använder sig av sensorer för att hantera vattennivåer, känna av vart det behövs mer vatten och distribuerar vatten vid behov med hjälp av pumpar [47]. Implementationen av dessa IoT-lösningar innebär att sensorer behöver sättas upp för att känna av vattennivåer och vattenkvalitet, samt pumpsystem och lagringssystem som kan hantera vattnet. Denna typ av IoT-lösning har en direkt inverkan på vattenförbrukning [47], men kan även bidra till sekundära fördelar genom exempelvis utvinning av biogas från spillvatten [63].

Smart gatubelysning: Är en IoT-lösning som ses som en viktig del i

infrastrukturen [19][60], då den visat sig dra ner energiförbrukningen i en stad avsevärt [52][60]. Det finns olika lösningar på smart gatubelysning, Pizzuti, Annunziato och Moretti [58] nämner två, Light on demand och Adaptive lighting. Light on demand tänder belysningen vid behov och släcks när ingen är i närheten. Adaptive lightning anpassar istället ljusnivån efter omgivningen. Att använda smart gatubelysning har visat sig minska energiförbrukningen med upp till 50% [58]. Den direkta inverkan från denna IoT-lösning är den minskade energiförbrukningen, vilket är den främsta motiveringen till att använda smart belysning, då detta leder till miljömässiga och ekonomiska besparingar [58].

Trafikhanteringssystem: Denna IoT-lösning ska minska mängden trafik i

innerstaden [31] och leda till minskat utsläpp, slitage på vägbanan och lägre bullernivåer [45]. Lösningen innefattar fordon utrustade med sensorer och mottagare monterade längst vägen, som samlar in data, för att mäta trafikmängd och antalet stopp [31]. Insamlad data sammanställs och skickas sedan till trafikanternas mobiltelefon alternativ till bilen [31][26]. Informationen ska göra att invånaren kan välja en annan väg eller annat transportmedel [31].

Smarta byggnader: Detta är inte nödvändigtvis en enhetlig IoT-lösning utan

består av flera lösningar, vanligtvis en egen lösning för varje smart byggnad [40][79]. Definitionen av vad som anses vara en smart byggnad skiljer sig åt,

Tabell 3 - Kontaktperson Malmö stad

Respondent Kontaktdatum Forskningsområde

8

men i samband med miljöfrågor definieras det som byggnader som självständigt övervakar och optimerar sin egen energiförbrukning [40][79]. I koppling till stadsutveckling handlar det om att, för stadens räkning, anpassa äldre byggnader till smarta byggnader, bygga smarta byggnader vid nyproduktion och gynna entreprenader som producerar smarta byggnader. Lösningen implementeras i regel stegvis, eftersom det kan vara svårt att konvertera samtliga befintliga byggnader i en stad på en gång. Smarta byggnaders direkta miljöinverkan är den minskade energiförbrukning de bidrar med [79].

Bike-sharing system: Denna IoT-lösning fungerar som en slags

automatiserad cykeluthyrning [22]. Med hjälp av mobila applikationer, RFID-kort/läsare och GPS-funktioner kan städers invånare och besökare hyra cyklar för att ta sig runt i staden [22]. Genom en mobil applikation kan användarna exempelvis se hur många cyklar som finns tillgängliga och även hyra direkt genom applikationen [22]. För stadens räkning innebär bike-sharing att de måste sätta upp uthyrningsstationer som kan hantera denna typ av uthyrning. Bike-sharing system har visat sig minska transportutsläppen i städer och minskat vägslitage genom mindre belastning på stadens vägar, men har även skapat sekundära fördelar som exempelvis förbättrad allmänhälsa [22].

Automatiserat parkeringssystem: Är en uppsättning sensorer som används

för att informera bilister om vart lediga parkeringsplatser finns [5]. Lösningen har tidigare bara används i parkeringshus men skulle med utbyggnad av sensorer även fungera på andra platser [5]. Barone et al. [5] nämner även en alternativ lösning där en parkeringsplats skulle kunna förbokas innan bilisten ankommer till platsen. Att använda automatiserade parkeringssystem har visat sig leda till mindre slitage på vägar och minskade utsläpp av gaser [5].

Avfallshanteringssystem: Nämns som en av de största utmaningarna för en

stad då den innehåller flera delar och involverar flera olika intressenter [56]. Ett exempel hur avfallshantering kan fungera är sopkärl utrustade med sensorer [56]. Sensorerna mäter då mängden avfall i kärlen och meddelar när tömning behövs. Städer som använt lösningen har minskat utsläpp av gaser och fått en längre bullernivå. Perera et al. [56] nämner en alternativ lösning där kärlen inte utrustas med sensorer, utan flera aktörer ingår ett samarbete och delar på kostnader för sensing as a service, system och tjänster hyrs och är tillgängliga via Internet. Samtliga intressenter kan då komma åt data i real tid och agera utifrån denna data. Exempel kan vara att en kommun vill se data för att effektivisera tömningar av kärl, vilket sparar bränsle. Återvinningscentralen vill se data för effektivisera de interna processerna. Samt att hälsomyndigheter kan använda data för minska de manuella inspektionerna.

True Grid Intelligence: I dagsläget levereras denna typ av system endast av

ett företag, Awesense. De har patent på systemet och har döpt det till SenseNET. IoT-lösningen består av sensorer och noder som mäter elektricitet i det elektriska nätverket. Detta innebär att sensorer behöver sättas upp utigenom hela elnätet vilket producerar data kring energispill och eventuella flaskhalsar [29]. Genom att använda denna IoT-lösning kan städer optimera elnätet och minska energiförbrukningen [29].

9

2.3.5 Val för intervju och genomförande

När intervjuer genomförs, nämner Jacobsen [36], att det finns det en rad beslut som måste tas vid planeringen av intervjuerna. Jacobsen listar bl.a. följande val som bör beaktas vid planering av intervjuer:

Intervjusituation: Besöksintervju eller telefonintervju. Här tar Oates [55] upp

ytterligare ett alternativ, e-postintervjun.

Grad av struktur: Öppen, semistrukturerad eller strukturerad.

Avsikt med intervjun: Dolt eller öppet syfte. Ska intervjupersonerna veta vad

syftet är med intervjun.

Jacobsen [36] tar upp fler än dessa faktorer som spelar in som val vid en intervju, men dessa har valts ut då de tillhör de relevanta val som gjorts inför studiens intervjuer. Intervjuerna har varit informationsintervjuer med experter och en intervju för att få fram data vid applicering av modellen. Informationsintervjuer genomförs med individer som har särskild kunskap inom området, är en auktoritet inom området eller har särskild insikt i ämnet [33].

Samtliga kontakter har skett via e-post, erbjudande om platsintervjuer har getts men respondenterna har själva valt att fortsätta kontakten via e-post. Vid kontakt med områdesexperter har e-post skickats ut där förslag på modellen uppvisats, modellens syfte och med frågor kring om några faktorer saknas, bör ändras eller tas bort. Vidare har en öppen fråga ställts där respondenterna själva fått göra utläggningar kring modellen som helhet. Detta liknar mest en strukturerad intervju eftersom frågorna är tydligt uppsatta och informationen som efterfrågas är tydlig. Vid kontakt med Malmö stad har modellen som helhet visats upp men information har endast efterfrågats kring två faktorer: infrastrukturella rimlighet (se: 3.2 Infrastruktur för vidare förklaring) och huruvida miljömål finns uppsatta. Upptill detta har det också efterfrågats vilka av de listade IoT-lösningarna som idag används av Malmö stad. För att besvara den infrastrukturella rimligheten har Malmö stad ombetts rangordna vilken av lösningarna som infrastrukturellt sett är mest genomförbar.

2.3.6 Analysansats

Jacobsen [36] beskriver ett tillvägagångssätt för att analysera kvalitativa data. Tillvägagångssättet går ut på att data sorteras, kategoriseras och kombineras. Sorteringen av data sker vid insamlingen, eftersom ämnesspecifika frågor besvaras av experterna och staden besvarar faktorspecifika frågor. På samma vis sker kategoriseringen av data. Den data som samlas in kategoriseras in i de delar av modellen som data hämtats in för. Eftersom kategoriseringen här görs redan vid föreslaget av en modell, blir analysen här mer fokuserad på kombinationen av den information som samlats in. Första analysen tas upp i appliceringen av modellen (Se: avsnitt 4.2 och 4.3) där en analys av informationen tas fram för testobjektet, Malmö stad i detta fall. Nästa del av analysen, som leder fram till vår slutsats, tas upp i evalueringen (Se: avsnitt 5) av där vi ser på modellens faktorer och deras faktiska funktion som en del av modellen. Genom att se på de olika faktorerna individuellt kan vi i slutsatsen utvärdera helheten och lägga fram förslag på ändringar som krävs för att skapa en bättre modell (Se: avsnitt 6.1 och 6.2).

10

2.4 Litteraturstudie

Litteraturstudien genomfördes parallellt med empiriinsamlingen till modellen samt för att få kunskap om befintliga IoT-lösningar ur ett teoretiskt perspektiv. Materialet i litteraturstudien bygger vidare på det material som används för att formulera problematiken kring forskningen. Sökstrategin för att hitta relevant teoretiskt material har varit utifrån kategorierna definition och befintliga

lösningar. Som bas för litteraturundersökningen användes Google Scholar och

Malmö högskolas egna sökdatabas Summon. För att artikeln skulle vara aktuell, fanns krav att den skulle innehålla relevant information om de utvalda IoT-lösningarna. I tabellen nedan (Tabell 4) redovisas artiklar av resultatet från sökorden i litteraturstudien:

Tabell 4 - Litteraturundersökning

Författare Sökord Litteratur

Bătăgan, L. Open data; smart

cities Open Data for Smart Cities

Lanza, J; Sánchez, L; Muñoz, L; Galache, J.A; Sotres, P;

Santana, Juan R; Gutiérrez, V.

Internet of Things;

Smart cities Large-Scale Mobile Sensing Enabled Internet-of-Things Testbed for Smart City Services

Formisanio, C; Pavia, D; Gurgen, L; Yonezawa, T; Galache, A.J; Doguchi, K; Matraganga, I.

Internet of Things;

Smart cities The advantages of IoT and Cloud applied to Smart Cities

Lee, W-H; Tseng, S-S; Shieh,

W-Y. Internet of Things; Smart cities; Transportation

Collaborative real-time traffic information generation and sharing framework for the intelligent transportation system

Cisco Integrated

Infrastructure Cisco UCS Integrated Infrastructure

Sahely, H. R; Kennedy, C, A;

Adams, B. J. Infrastructure systems Developing sustainability criteria for urban infrastructure systems

Hancke, G. P; Hancke Jr, G. P. Sensors in smart

cities The role of advanced sensing in smart cities

Kastner, W; Neugschwandtner,

G; Soucek, S; Newman, H. M. Smart buildings Communication systems for building automation and control Zanella, A; Bui, N; Castellani,

A; Vangelista, L; Zorzi, M. Smart Cities Internet of things for smart cities Ammenberg, J. Sustainabillity Miljömanagement: miljö- och

hållbarhetsarbete i företag och andra organisationer

Miller, G; Rathouse, K;Scarles,

11

2.5 Validering och reliabilitet

För att styrka den externa validiteten i arbetet krävs att resultatet inte är unikt utan går att repetera [55]. Design and creation, menar Oates [55], skiljer sig i detta steg, då arbetet sker iterativt för att utveckla befintlig forskning. I studien presenteras det första steget i design and creation-processen vilket gör att ett fortsatt arbete bör leda till en vidareutveckling av modellen. Vad gäller studiens testobjektet Malmö stad, är det möjligt att genomföra studien igen och se hur den infrastrukturella rimligheten förändrats, om nya finansiella möjligheter finns eller om nya mål presenterats.

12

3 Suggestion – Förslag på modell

I Figur 3 presenteras den modell som tagits fram för studiens syfte och innehåller tre områden med ett antal faktorer vardera. Faktorerna beskrivs mer ingående var för sig nedan. System finns med då detta område täcker IoT-lösningen i sig, område stad finns med då det är staden som beslutar om det är rimligt att införa given lösning. Och område Miljö finns med då denna visar vilka miljöfaktorer en given IoT-lösning påverkar.

Figur 3 - Grafisk beskrivning av den föreslagna modellen.

3.1 Område: System

Finansiering: Eftersom studien vill frånse den ekonomiska hållbarheten

kommer den ekonomiska livscykeln frånses. Istället läggs fokus på om det finns möjlighet att finansiera IoT-lösningen på annat vis än med skattemedel. För att skapa en effektiv smart stad krävs det att staden involverar den allmänna marknaden [65]. Istället för att endast involvera den allmänna marknaden syftar finansieringsfaktorn till att besvara huruvida IoT-lösningen skapar incitament för den privata marknaden. Faktorn har tagits med i modellen efter rådgivning från en expert på området stadsutveckling (Respondent B, personlig kommunikation, 22 februari, 2016). Faktorn besvaras “Ja” eller “Nej”, för att visa på om det finns tidigare exempel där IoT-lösningen tidigare implementerats och finansierats av privata aktörer.

Tekniskt beprövad: Företag präglas ständigt av misslyckanden och höga

kostnader vad gäller implementering av nya IT-lösningar [8]. För att minska risken att misslyckas kan best practices användas [12][38]. Best practices innehåller lyckade projekt som andra beslutsfattare kan dra nytta av när de

13

själva ska förändra verksamheten [12]. Företag kan här hitta underlag för hur de ska gå tillväga, både vad gäller budgetering och hur de bör implementera IoT-lösningen. Det kan därför vara rekommenderat att, innan beslut fattas, se över vad andra aktörer använt och hur de gått tillväga när det gäller implementering av nya IoT-lösningar [8][12][38]. Denna faktor kommer besvaras med “Ja” eller “Nej”, för att visa på om det finns andra städer som använt lösningen tidigare och påvisa exempel på dessa. Om staden skulle välja ett införa en av de lösningar som jämförs kan de använda dessa exempelfall för att underlätta en eventuell implementering.

Ytterligare personal: En central del av IoT-lösningars nytta är

automatiseringen som IoT-lösningarna tillför [32]. Faktorn visar på om det skulle krävas ytterligare personal för att driva systemet, alltså utöver den personal som redan arbetar inom exempelvis stadskontoret. Alla tekniska lösningar kommer kräva utbildning inom IoT-lösningarna och specialiserad personal vid implementationen. Fokus ligger här på ytterligare personal för drift av IoT-lösningen. Faktorn kommer här besvaras med ”Ja” eller ”Nej” för att visa på om behov av ytterligare personal skulle uppstå på grund av IoT-lösningen. Om direkta behov finns kommer den typ av personal som krävs identifieras.

3.2 Område: Stad

Miljömål: I stadsutveckling och stadsplanering bör den miljömässiga

hållbarheten vara en central del av hur arbetet utformas [53]. För att uppnå detta bör staden ha uppsatta miljömål där det definieras vad arbetet med miljöfrågor syftar till att uppnå [53]. Faktorn besvaras ”Ja” eller ”Nej” för att visa på om staden har uppsatta miljömål och vilka de är. Om inga miljömål finns uppsatta krävs det att sådana sätts upp innan modellen kan appliceras på staden.

Miljömål definieras på olika vis och är varierande i sin specificitet. Eftersom målen ibland kan tolkas olika har de nationella miljömålen studerats för att se vilka övergripande miljömässiga faktorer som tas upp. De svenska miljömålen är övergripande mall för hur städers miljömål bör utvecklas [48]. Utifrån de nationella miljömålen har möjliga faktorer tagits fram som kan tas upp matrisen i Område: Miljö. Följande är de möjliga faktorerna:

• Energi • Utsläpp

• Trafik • Buller

• Vatten • Grönområde

• Djurliv • Strålning

Ekonomiskt förhållande: För att kunna finansiera nya IoT-lösningar krävs

det att staden budgeterar för detta, både vad gäller implementering och underhåll. I denna faktor jämförs stadens skatteintäkter per capita med nationellt medel. Faktorn besvaras genom ”Hög” och ”Låg” skatteintäkt för staden i relation till nationellt medel för att påvisa stadens investeringskraft.

14

Infrastruktur: Faktorn fokuserar på de infrastrukturella förändringar som

staden måste göra för att implementera de nya IoT-lösningarna. Det ligger här på staden att själva göra ett övervägande i hur stora förändringar som krävs. Klassificeringen blir då ”Hög” eller ”Låg”, där hög kräver stora förändringar i den fysiska infrastrukturen och låg kräver mindre.

3.3 Område: Miljö

Miljömatrisen: I denna matris presenteras miljöfaktorer som uthämtats från

stadens miljömål. Miljömålen presenteras i ena axeln och IoT-lösningarna i den andra axeln. Här besvaras det vilka av IoT-lösningarna som har en direkt inverkan på de olika miljömålen. Detta sätt att framföra miljöfaktorer har tagits fram efter samtal med en expert inom området miljövetenskap (Respondent A, personlig kommunikation, 20 februari, 2016). Nedan visar exempel på hur matrisen kan se ut.

Tabell 5 - Beskrivning av miljömatris

IoT-lösning/Miljömål Miljöfaktor 1 Miljöfaktor 2 Miljöfaktor 3

IoT-lösning 1

IoT-lösning 2

15

4 Development - Implementation av modell

på testobjektet Malmö stad

I ett första skede ser vi på hur IoT-lösningar stämmer in på faktorerna från modellen. Vidare i avsnittet appliceras modellen på Malmö stad, där de själva prioriterat de presenterade IoT-lösningarna

4.1 Applicering av modellen på Malmö stad

4.1.1 Område: System

I detta avsnitt presenteras appliceringen av de faktorer som ingår i Område: System. Faktorerna är Finansiering, Tekniskt beprövad och behov av ytterligare personal. Avsnittet avslutas med en översiktstabell av Område: System.

Tabell 6 - Finansiering, Ja eller Nej

IoT-lösning Ekonomiskt

incitament Exempel på befintliga privata aktörer

Automatiserade

irrigationssystem Nej

Smart gatubelysning Nej

Trafikhanteringssystem Nej

Smarta byggnader Ja Smart Buildings LLC [67], Schneider Electric [66]

Bike-sharing system Ja NextBike [54], ByCyklen [61]

Automatiserat

parkeringssystem Ja MobyPark [49], JustPark [39]

Avfallshanteringssystem Nej

True Grid Intelligence Nej

Alternativa finansieringsmöjligheter finns för tre av lösningarna: smarta byggnader, bike-sharing system och automatiserade parkeringssystem. Till skillnad från de andra lösningarna används bike-sharing och parkeringssystemet direkt av stadens invånare vilket därför generera en direkt nytta för dem.

16

Tabell 7 - Teknisk beprövad, Ja eller Nej

IoT-lösning Tekniskt

beprövad Exempel på städer där lösningar används

Automatiserade

irrigationssystem Ja Quebec

Smart gatubelysning Ja Amsterdam

Trafikhanteringssystem Ja Barcelona, Stockholm, Quebec, Santander

Smarta byggnader Ja Santander, Stockholm

Bike-sharing system Ja Köpenhamn, Amsterdam

Automatiserat

parkeringssystem Ja Amsterdam, Santander

Avfallshanteringssystem Ja Asansol, Porto Alegre

True Grid Intelligence Ja Vancouver

Samtliga av de jämförda lösningarna är beprövade. Detta betyder att det finns dokumentation kring tillvägagångsätt, effekter och möjliga risker. För Malmö stads del innebär detta att det finns befintliga kontaktpersoner att kontakta om de skulle överväga att implementera en av IoT-lösningarna.

17

Tabell 8 – Behov av ytterligare personal, Ja eller Nej

IoT-lösning Ytterligare

personal Förklaring

Automatiserade

irrigationssystem Nej Staden har redan personal som hanterar vattensystemen i dagsläget.

Smart gatubelysning Nej Automatiserad lösning, underhåll sköts av befintlig personal från stadskontoret.

Trafikhanteringssystem Nej Automatiserad lösning, underhåll sköts av befintlig personal från trafikverket eller stadskontoret.

Smarta byggnader Nej Lösningarna tillhandahålls av entreprenader, underhåll sköts av husets vaktmästare eller annan personal som tillhandahålls av privata aktörer.

Bike-sharing system Ja Lösningen riktar sig mot kunder, ytterligare personal krävs därför för kundbemötande i form av exempelvis kundtjänst.

Automatiserat

parkeringssystem Ja Lösningen riktar sig mot kunder, ytterligare personal krävs därför för kundbemötande i form av exempelvis kundtjänst.

Avfallshanteringssystem Nej Automation av befintlig infrastruktur, schemalagd avfallshantering finns. IoT-lösningen bidrar med effektivisering av befintliga processer.

True Grid Intelligence Nej Sensorerna appliceras på befintliga elnätverk som fortsätter underhållas av befintlig personal.

Här framgår det att endast två av IoT-lösningarna kräver ytterligare personal. Alla lösningar behöver underhåll, men de infrastrukturella lösningarna appliceras på befintlig infrastruktur och drar därför nytta av den befintliga arbetskraften för sitt underhåll. De två som däremot kräver ytterligare arbetsstyrka för att kunna fungera, bike-sharing system och automatiserade parkeringssystem, kräver annan personal som inte finns i dagsläget. Eftersom dessa IoT-lösningar är de som direkt används av invånarna krävs någon form av kundtjänst, vilket kräver arbetskraft. Dessutom appliceras inte bike-sharing system på befintlig infrastruktur, utan de nya cykelställen måste underhållas, vilket kräver arbetsstyrka.

18

Tabell 9 - Översikt av IoT-lösningars System-faktorer: finansiering, tekniskt beprövade och behov av ytterligare personal

IoT-lösning Finansiering Tekniskt

beprövad Ytterligare personal

Automatiserade

irrigationssystem Nej Ja Nej

Smart gatubelysning Nej Ja Nej

Trafikhanterings-system Nej Ja Nej

Smarta byggnader Ja Ja Nej

Bike-sharing system Ja Ja Ja

Automatiserat

parkeringssystem Ja Ja Ja

Avfallshanterings-system Nej Ja Nej

True Grid Intelligence Nej Ja Nej

4.1.2 Område: Stad

I detta avsnitt presenteras appliceringen av de faktorer som ingår i Område: Stad. Faktorerna är Miljömål, Ekonomiskt förhållande och Infrastruktur.

Tabell 10 - Miljöfaktorer som identifierats i Malmö stads miljömål.

Formulerade mätbara miljömål - Malmö stad Miljöfaktor*

Effektivare användning av energi Energi

Mer förnybar energi Energi

Minskade utsläpp Utsläpp

Omsättning av transporter och resvanor Trafik

Staden ska bli renare och tystare Utsläpp, trafik, buller

De gröna och blå kvalitéerna ska utvecklas Vatten

*Miljöfaktorer beskrivs vidare i “Område: Miljö”.

I tabellen ovan (Tabell 10) kan vi se att Malmö stad främst väljer att fokusera på faktorerna: trafik och energi. Effektivare användning av energi leder klart till miljöfaktorn energi, då målet är att minska energiförbrukningen. Mer förnybar energi kan också ses passa in under faktorn energi den det har en positiv inverkan på energiförbrukningen. Målet omsättning av transport och resvanor stämmer bra överens med faktorn trafik då målet är att minska mängden trafik inom staden. Vilket leder till miljömålet att staden ska bli renare och tystare,

19

vilket kan ses som en följd av att trafiken minskar i staden. Vatten är den faktor som Malmö stad tar minst hänsyn till när det gäller planering av miljömål.

Tabell 11 - Rimlighetsgrad för genomförande av IoT-lösningar enligt Malmö stad (personlig kontakt, 30 mars 2016).

R* IoT-lösning Används av Malmö stad idag

1. Smarta byggnader Ja

2. Automatiserad cykeluthyrning Ja**

3. Trafikhanteringssystem Nej

4. Automatiserat parkeringssystem Nej

5. Avfallshantering Nej

6. True Grid Intelligence Nej

7. Automatiserade irrigationssystem Nej

8. Smart gatubelysning Nej

* Rimlighet av genomförande enligt Malmö stad. ** Under utveckling, lanseras maj 2016

Malmö stad har graderat rimligheten av de olika IoT-lösningarnas

implementationen baserat på den infrastrukturella förändring vardera lösning skulle kräva gentemot varandra. Utifrån detta kan också se att Malmö stad redan implementerat den lösning de anser vara mest rimlig, smarta

byggnader, och snart lanseras den näst rimligaste, bike-sharing system. Nästa steg, enbart utifrån rimlighetsgraden, skulle inbära implementation av

20

Figur 4 - Diagrammet beskriver Malmös skatteintäkter i förhållande till Sverigemedel. Källa: Ekonomifakta [21]. Publicerad med upphovsrättsinnehavarens tillstånd.

Figur 5 - Diagrammet beskriver Malmös statsbidrag och utjämning till kommunen i förhållande till Sverigemedel. Ekonomifakta [21]. Publicerad med upphovsrättsinnehavarens tillstånd.

I figur 3 kan vi se att Malmö har lägre skatteintäkter än medel av Sveriges kommuner. Intäkterna jämnas ut då Malmö får ett högre statsbidrag och utjämning än Sverigemedel, figur 4. Intäkterna för kommunen blir då lika stor som i andra kommuner. Baseras investeringen övervägandet på skatteintäkter (figur 3) har Malmö en svag intäkt gentemot resten av landet. Utifrån detta kan det vara mer aktuellt att se om det finns möjligheter att implementera IoT-lösningar med alternativa finansieringsIoT-lösningar.

21

4.1.3 Område: Miljö

I detta avsnitt presenteras appliceringen av de faktorer som ingår i Område: System. Faktorerna utgörs av de miljöfaktorer som framkommit i faktorn Miljömål i Område: Stad. IoT-lösningarna listas för att presentera vilka lösningar som påverkar de olika miljöfaktorerna.

Tabell 12– IoT-lösningars inverkan på Malmö stads miljöfaktorer

IoT-lösning/Miljöfaktor Vatten Trafik Utsläpp Buller Energi

Automatiserade irrigationssystem X Smart gatubelysning X Trafikhanteringssystem X X X Smarta byggnader X Bike-sharing system X X Automatiserat parkeringssystem X X X Avfallshanteringssystem X X

True Grid Intelligence X

Det finns ett flertal av lösningarna som behandlar flera av de miljöfaktorer som tagits upp i Malmö stads miljömål. Den gemensamma faktorn för de lösningar som löser tre problem är att de är IoT-lösningar som direkt påverkar trafikering, vilket i sin tur minskar såväl bullernivån som utsläppsnivån. Även de IoT-lösningar som behandlar två faktorer kan kopplas till trafikering. Tre av lösningarna behandlar energifaktorn och endast den, det bör däremot uppmärksammas att energifaktorn tas upp i två av Malmö stads miljömål. En av faktorerna, vatten, behandlas bara av en IoT-lösning, automatiserade irrigationssystem. Malmö stad framförde däremot att vattenhantering inte ligger högst upp på prioriteringen av miljöproblem (Malmö stad, personlig kommunikation, 30 mars 2016), vilket kan vara sanning för städer i övriga delar av Sverige.

22

4.2 Prioritering av IoT-lösningar för Malmö stad

Nedan prioriteras IoT-lösningarna för Malmö stad utifrån faktorerna infrastrukturell rimlighet, antalet miljöfaktorer lösningen täcker, om ytterligare personal behövs eller ej samt om ekonomiskt incitament finns för privata aktörer. Vardera lösning kommer sedan analyseras enskilt i den följd de prioriterats.

Tabell 13 - Prioritering av IoT-lösningar för Malmö stad.

Prioritering IoT-lösning 1 Smart byggnader 2 Automatiserat parkeringssystem 3 Bike-sharing system 4 Avfallshanteringssystem 5 Trafikhanteringssystem 6 Smart gatubelysning

7 True Grid Intelligence

8 Automatiserat irrigationssystem

Smarta Byggnader (1): Smarta byggnader är en lösning som Malmö stad redan

använder sig av. Detta är en av de minst krävande lösningarna infrastrukturellt och ekonomiskt eftersom staden inte direkt behöver implementera någon IoT-lösning. Istället handlar den här lösningen om att staden väljer entreprenader och nyproduktioner som bygger smarta byggnader. Detta är troligtvis också en av anledningarna till att Malmö stad har satt högst genomförbarhet på denna lösning. Det krävs ingen ytterligare personal för att genomföra lösningen och den har direkt inverkan på två av Malmö stads miljömål, som båda behandlar miljöfaktorn Energi.

Automatiserat parkeringssystem (2): Malmö använder sig idag inte av denna

lösning. Lösningen har implementerats på ett bra vis i andra städer där privata aktörer hanterat IoT-lösningens kostnad, exempelvis i Amsterdam. Detta innebär att lösningen skulle komma att kosta Malmö stad väldigt lite eller ingenting alls om den tillhandahålls av privata aktörer, vilket det finns ett ekonomiskt incitament för. Det skulle krävas kundtjänstpersonal för att hantera IoT-lösningen, men om lösningen ligger hos privata aktörer hanteras även kostnaden av dem. Eftersom andra städer redan implementerat lösningen finns det kontaktpersoner med erfarenhet, best practices och testfall att se på vid en eventuell implementation. Lösningen påverkar även tre av de miljöfaktorer som kan kopplas till Malmö stads miljömål.

Bike-sharing system (3): Denna lösning håller på att implementeras i Malmö

stad och lanseras i maj 2016. Lösningen har ett ekonomiskt incitament för privata aktörer och Malmö By Bike som Malmös lösning heter är ett samarbete mellan Malmö stad och privata aktörer. Denna lösning, precis som parkeringssystemet, är kundorienterat, vilket gör att en kundtjänst krävs. Där

23

kostnaden för personal kommer behandlas av den privata aktören. Det har funnits testfall och best practices för hur implementation av IoT-lösningen gått till samt expertis från den privata aktören för implementationen. Lösningen förväntas minska trafikeringen och utsläppen i Malmö och täcker därav två av de miljöfaktorer som tas upp i samband med miljömålen.

Trafikhanteringssystem (4): Denna lösning används inte av Malmö stad idag

men den skulle behandla tre av miljöfaktorerna som tas upp i miljömålen. Denna IoT-lösning har implementerats i andra städer och lyckats vilket gör att det finns best practices och testfall att studera vid eventuell implementation. Det krävs ingen ytterligare personal för denna typ av IoT-lösning men den saknar idag ekonomiskt incitament, detta gör att kostnaderna för implementationen till större del eller helt skulle betalas av Malmö stad. Lösningen har en relativt hög genomförbarhet enligt Malmö stad men skulle även kräva en del samarbete från privata aktörer.

Avfallshanteringssystem (5): Denna lösning används inte av Malmö stad idag

men finns i andra städer. Att andra städer använder lösningen gör att det finns best practices och testfall att se på. Lösningen påverkar två av de miljöfaktorer som tagits upp i samband med miljömålen. Det finns i dagsläget inget ekonomiskt incitament för privata aktörer att implementera lösningen, vilket gör att kostnaden för IoT-lösningen till större del eller helt skulle hamna hos Malmö stad. Det skulle inte krävas någon direkt ytterligare personal eftersom stadens infrastruktur redan idag hanterar avfall enligt ett förutsatt schema, däremot ser Malmö stad genomförbarheten av lösningen som låg.

Smart Gatubelysning (6): Denna lösning används inte av Malmö stad idag men

skulle påverka miljöfaktorn Energi som innefattar två av stadens miljömål. Lösningen har testats vilket gör att best practices finns. Det finns i dagsläget inget ekonomiskt incitament för privata aktörer. Malmö stad anser att lösningen har en relativt låg genomförbarhet och ser svårigheter med att implementera lösningen i stadsmiljö.

True Grid Intelligence (7): Lösningen används inte av Malmö stad idag men skulle

uppfylla en miljöfaktor, Energi, som tas upp i två av stadens miljömål. Detta är en relativt ny lösning som bara testats i en stad där lösningens testning presenteras av lösningens, idag, enda leverantör. Lösningen är patenterad och staden måste alltså köpa in lösningen från leverantören, vilket också innebär att det i dagsläget inte finns någon möjlighet för andra privata aktörer att implementera lösningen och det saknas idag ekonomiska incitament för detta. Malmö stad anser att lösningen har låg genomförbarhet.

Automatiserade irrigationssystem (8): Denna lösning används idag inte av

Malmö stad, den täcker miljöfaktorn vatten. Det finns testfall för lösningen, där de flesta är från agrara områden eller områden med vattenbrist. Endast en jämförbar stad, Quebec, har implementerat lösningen. Det finns idag inget ekonomiskt incitament för lösningen, vilket troligtvis kommer kvarstå så länge vattentillförseln inte privatiseras. Malmö stad anser att lösningen är relativt låg genomförbarhet men ser att lösningen skulle vara desto mer aktuell om vatten var en bristvara i Malmö. Detta tolkas som att miljöfaktorn Vatten prioriteras lägre än övriga faktorer och påverkar Automatiserade irrigationssystems prioritering bland IoT-lösningarna.

24

4.3 Beslut för Malmö Stad

Utifrån prioriteringslistan som tagits fram genom modellen får vi fram smarta byggnader, automatiserade parkeringssystem och bike-sharing system i topp tre. Malmö anlitar redan entreprenader som bygger smarta byggnader och är i implementationsfasen för ett bike-sharing system. Den mest lämpliga, ännu ej implementerade lösningen blir då automatiserade parkeringssystem, en lösning som kan kosta Malmö stad nästintill ingenting. Lösningen har tydliga fall att se på inför implementationen, bl.a. MobyPark i Amsterdam. Genom att se på hur Amsterdam gått tillväga eller kontakta ansvariga enheter i Amsterdam kan Malmö stad få en tydlig arbetsplan hur detta arbete bör genomföras. Efter detta handlar det om att hitta en privat aktör som är villig att implementera IoT-lösningen. Lösningen används som en slags bokning av parkeringsplatser för privatpersoner, där personer kan hyra platser eller hyra ut sin egen parkeringsplats medan de inte använder den. Detta har visat sig minska trafikering och bullernivån, samt minska mängden utsläpp genom att bilister kör kortare sträckor för att hitta en parkering. Malmö stads engagemang tar egentligen slut här när Malmö stad funnit en privat aktör som vill tillhandahålla IoT-lösningen, men samarbeten kan slutas för att staden och den privata aktören ska kunna dra nytta av varandra.

Samtliga övriga IoT-lösningar som jämförts hade inverkan på någon av de miljöfaktorer som tagits upp i samband med Malmö stads miljömål. Detta betyder att samtliga dessa lösningar kan vara tänkvärda även vid framtida jämförelser.

25

5 Evaluation – Analys av modellens funktion

I detta avsnitt analyseras modellens funktion som testades i tidigare avsnitt. Analysen delas upp utifrån vardera område i modellen, där varje faktor analyseras individuellt. I analysen presenteras också förslag på förändringar gällande de olika faktorerna, exempel om någon faktor täcker mer än en av hållbarhetsdimensionerna.

5.1 System

Finansiering: Fördelen med finansieringsfaktorns upplägg är att den ger staden

en möjlighet att se vilka lösningar som de kunnat implementera till en lägre kostnad. Insamling av denna information ger även tillgång till befintliga lösningar som finns. Något som kan bidra med best practices, testfall och riskbedömning vid en eventuell implementering.

Problemet som uppstår vid användningen av finansieringsfaktorn är att de lösningar där en alternativ finansiering finns är att finansiering drivs av användare, alltså kunder. När kunder blandas in i bilden går behovsbilden från att fokusera på allmännyttan, miljön, till att fokusera på individnyttan. Enligt Kotler och Armstrong [42] väljer kunder i första hand att spendera på produkter som direkt gynnar de själva. Enligt Donoghues [23] är detta det enda sätt som system bör utvecklas och beslut bör tas, på ett vis där användarens nytta går i första hand.

Vill en stad implementera en IoT-lösning som gynnar miljön, men som finansieras på en alternativ väg bör staden därför se över hur IoT-lösningen kan skapa direkt kundnytta. Denna faktor kan väga tyngre för en stad med svagare investeringsförmåga men som ändå vill ha en lösning som bidrar till att uppfylla stadens miljömål.

Tekniskt beprövat: Denna faktor ger en god bild av vilka städer som tidigare

har använt IoT-lösningarna, vilket innebär att staden som ska implementera lösningen har tillgång till best practices. Best practices är som tidigare nämnt ett användbart verktyg vid implementation av förändringar för att minska risken att misslyckas med implementationen [8][38].

Att se på enbart teknisk prövning medför däremot ett problem. Skulle staden välja bort en möjlig IoT-lösning som aldrig testats innan, enbart för att det aldrig testats finns risken att de går miste om möjligheterna IoT-lösningen medför. Teknisk prövningsfunktion blir alltså snarare en del av helheten till beslutet än att agera som eget beslut.

Ytterligare personal: Denna faktor var tänkt att visa städer huruvida

ytterligare personal behövs, vilket skulle vara en negativ faktor. Detta utifrån tanken att IoT-lösningar syftar till att skapa automation, alltså minskad mänsklig involvering. Det har däremot framkommit under analysarbetet att en delar av marknaden marknadsför sig just som ett sätt att skapa arbetstillfällen [50]. Vid vidare inblick i detta har studier gjorts, bl.a. en studie av Girma et al. [28] som visar på att skapa arbetstillfällen i den offentliga sektorn kan bidra till en bättre ekonomi såväl för samhället som för privata aktörer. Utifrån detta kan denna faktors ”Ja” ses som positivt eller negativt, beroende på om staden vill skapa arbetstillfällen eller minimera kostnader för IoT-lösningen. Att skapa arbetstillfällen eller minska kostnader utgör däremot sociala respektive ekonomiska effekter och har ingen direkt koppling till den miljömässigt hållbara

26

utvecklingen. Detta gör att faktorn i sig inte har någon direkt inverkan på det faktiska syftet och bör ses över.

5.2 Stad

Miljömål: Denna faktor finns med för att ta reda på om en stad har miljömål och

lyfta fram de mätbara miljömålen som staden tagit upp. Idag har svenska städer oftast egna miljömål alternativt har riksdagen satt upp mål för hur svenska städer ska arbeta med miljöfrågor [48]. Detta gör att frågan om staden har uppsatta miljömål blir redundant vid applicering av modellen på svenska städer. Däremot fungerar faktorn bra för att identifiera de miljöfaktorer som tas upp i miljömålen.

Vidare kunde inte samtliga miljömål som satts upp från Malmö stads sida mätas ur ett miljömässigt perspektiv, eftersom vissa inte var direkt miljömässiga. Ett exempel på detta var målet som formulerats av Malmö stad: ”God vistelsemiljö för alla i Malmö” vilket fokuserade mer på invånarnas personsäkerhet än miljömässiga faktorer. Detta väcker frågan om modellen hade behövt inkorporera fler delar av CSR-perspektivet, alltså även se på IoT-lösningarnas inverkan på den sociala och den ekonomiska hållbarheten. Trots att modellen enbart skulle fokusera på miljömässiga faktorer tycks vissa av stadens miljömål inkorporera mer än bara miljön.

Infrastruktur: Den infrastrukturella faktorn baserade sig på stadens

upplevelse av vilken lösning som skulle vara mest rimlig att genomföra. Detta är bedömning som kan ge en mer insiktsfull grund, men de subjektiva inslagen från respondenterna kan påverka. Ett exempel här är om de personligen skulle se större nytta i en lösning än en annan, vilket återigen kan kopplas till Kotler och Armstrongs [42] syn på att den personliga nyttan prioriteras framför den allmänna nyttan.

Ekonomiskt förhållande: Denna faktor var menad att visa på hur stadens

ekonomiska förhållanden ser ut i jämförelse med andra städer i samma geografiska område. Tanken var att det skulle ge en bild av den investeringsförmåga staden hade i förhållande till andra städer och att prioritera IoT-lösningar därefter. Detta visade sig inte vara särskilt effektivt, speciellt inte när modellen appliceras på en svensk stad. Sverige använder sig av statsbidrag och skatteutjämning vilket gör att jämförelsen mellan städer blir väldigt jämn när det handlar om skattepengar som kommer in till staden. Hade en nationell databas funnits som mätt städers likviditet hade faktorn kunnat vara mer relevant. Att ha med en faktor som behandlar investeringsförmåga kan i efterhand ses som onödigt eftersom denna data borde varit med av den förstudie som gjorts tidigare i beslutsprocessen.

5.3 Miljö

Miljömatrisen ger en god bild av vilka miljöfaktorer som påverkas av de olika

IoT-lösningarna. Problemet kan vara matrisens brist på djup, eftersom den enbart visar på om en miljöfaktor påverkas av IoT-lösningen och inte ger någon bild av hur mycket varje faktor påverkas. Att gå från att svara på om en faktor påverkas till hur mycket en faktor påverkas skulle kräva en mycket mer ingående analys av varje IoT-lösning. Inte heller den kortsiktiga och långsiktiga effekten av varje lösnings inverkan tas upp i matrisen, vilket hade kunnat ge en bild av hur snabbt effekten av lösningen märks av.

27

6 Conclusions – Slutsatser

I detta avsnitt dras slutsatser utifrån de analyser som presenterats i föregående avsnitt. Första delen drar slutsatser kring det praktiska problemet och ger råd till Malmö stad kring vilken IoT-lösning som lämpar sig bäst utifrån modellen. Den andra delen av slutsatserna behandlar det teoretiska problemet och modellens funktion som beslutstöd.

6.1 Modellen som beslutstöd för städer

Modellen har uppfyllt dess syfte; Att utvärdera och jämföra IoT-lösningar för miljömässigt hållbar stadsutveckling. Information har gått att hämta utifrån modellens olika faktorer och en jämförelse har kunnat göras baserat på informationen som inhämtats. Att modellen inte varit resurskrävande kan inte bevisas på bättre vis än att insamlingen av den information som behövts för att generera resultat är att det tagit oss, två personer, mindre än en månad att samla in och analysera modellen (denna insamling och analys har presenterats i Development, avsnitt 4).

Samtidigt har inte alla faktorer fungerat på det vis som var väntat. Det ekonomiska förhållandet som faktor i området Stad visade sig inte fylla någon direkt funktion i modellens syfte. Faktorn gav inga regionala jämförelsemässiga värden, eftersom Sverige använder sig av skatteutjämning som gör att städer sinsemellan inte skiljer sig åt i intäkter. Dessutom borde inte investeringskapaciteten tas upp i en modell som denna eftersom möjligheten till att investera i en ny IoT-lösning borde tas upp redan i förstudien. Exempelvis kan en stad med svagare investeringsmöjligheter istället fokusera på lösningar, där finansieringsfaktorn uppfylls och där det finns alternativa sätt att finansiera lösningen än genom skattemedel.

Utöver det ekonomiska förhållandet ser vi även att även teknisk beprövat har en brist. Om en lösning inte är beprövad innebär det en helt annan frågeställning än den som vår modell lägger fram och en utveckling från grunden av ett system innebär en helt annan typ av projekt för staden. Detta gör att faktorn behöver göras om och istället för att se till om den redan testats istället se på var den används och vilka best practices och case som finns tillgängliga. Best practices och case skulle göra det möjligt för det efterkommande projektet att ha mallar att utgå ifrån vid en eventuell implementation av systemet.

De övriga faktorerna har gett den information som förväntats av dem vilket leder oss till att inte förändra deras nuvarande utformning. Modellen har anpassats efter de brister som visats och presenteras i sin nya form i nästkommande avsnitt.