Aktuella examensarbeten

Här hittar du aktuella examensarbeten. Du är givetvis välkommen att komma med egna förslag.

Fastighetsvärdering och fastighetstaxering

Aktuella examensarbeten:

Värdeområdesindelning för skog – behöver större hänsyn tas till lägesrelaterade värden vid fastighetstaxering?

Examensarbetet går ut på att undersöka om det finns andra alternativ till nuvarande principer för värdeområdesindelning. Det finns värden för skogsmark som är mer beroende av läget, till exempel närhet till större orter, allmänna vägar och tillgång till jakt, än de värden som utgörs av förutsättningarna för virkesproduktion och nettoavkastning. Den huvudsakliga frågeställningen för examensarbetet är på vilket sätt och i viken omfattning det behöver tas hänsyn till lägesrelaterade förhållanden som inte är hanterade i nuvarande värdeområdesindelning?

Om du har frågor om examensarbetet kontakta Simon Ek eller Anders Bogghed, Lantmäteriet, fastighetsekonomi. Telefon växel: 0771-63 63 63.

Pågående, redan tillsatta examensarbeten:

Värdering av ägarlägenheter vid fastighetstaxering – är det dags för en egen värderingsmodell?

Examensarbetet går ut på att undersöka hur nuvarande värdering av ägarlägenheter fungerar och hur taxeringsvärdena relaterar till de enskilda marknadsvärdena. Frågan som bör behandlas mer ingående är om det har blivit dags att utveckla en egen värderingsmodell för ägarlägenheter.


Fastighetsrätt och fastighetsbildning

Aktuella examensarbeten:

Min markering

Fastighetsinformationen i register och karta är en grund för offentliga och privata aktörers beslutsfattande samt grunden för en effektiv fastighetsmarknad och ett tryggt ägande. Informationen i fastighetsregistret, bestående av en text- och en kartdel har byggts upp och ajourförts under en lång tid med varierande regelsystem och metoder.

Lantmäteriet har nyligen genomfört ett innovationsprojekt genom att ta fram och testa en enkel mobilapplikation - Min markering - vilken möjliggör crowdsourcing (många som lämnar in information tillsammans) för att samla in geodata för markeringar som avgränsar fastigheter.

Examensarbetet syftar till att identifiera vilka juridiska hinder och möjligheter som finns avseende fastighetsgränser som skulle kunna identifierats genom crowdsourcing.

Mer information om examensarbetet.


Geodesi och GNSS (Global Navigation Satellite Systems)

I dagsläget har vi begränsad möjlighet att ställa upp som handledare för examensarbeten inom geodesi och GNSS, men kontakta gärna geodesi@lm.se för att diskutera dina idéer.


Geodata och fastighetsinformation

Aktuella examensarbeten:

Min markering

Fastighetsinformationen i register och karta är en grund för offentliga och privata aktörers beslutsfattande samt grunden för en effektiv fastighetsmarknad och ett tryggt ägande. Informationen i fastighetsregistret, bestående av en text- och en kartdel har byggts upp och ajourförts under en lång tid med varierande regelsystem och metoder.

Lantmäteriet har nyligen genomfört ett innovationsprojekt genom att ta fram och testa en enkel mobilapplikation - Min markering - vilken möjliggör crowdsourcing (många som lämnar in information tillsammans) för att samla in geodata för markeringar som avgränsar fastigheter.

Examensarbetet syftar till att identifiera vilka juridiska hinder och möjligheter som finns avseende fastighetsgränser som skulle kunna identifierats genom crowdsourcing.

Mer information om examensarbetet.


Geodata och informationsförsörjning

Upplösningens inverkan på resultatet av maskininlärningsalgoritmer – fallstudie byggnad

Enheten för Geografisk information på Lantmäteriet har på senare tid börjat använda maskininlärning för att automatiskt detektera bl.a. byggnader i flygbilder (ortofoton). Allmänt vedertaget vid denna typ av analys är att data med högre upplösning ger bättre resultat. Lantmäteriet fotograferar dock inom ramen för det nationella bildförsörjningsprogrammet Sverige med olika fasta upplösningar. Syftet med arbetet är att undersöka hur bildernas upplösning påverkar resultatet vid detektering av byggnader med maskininlärning.

Objektidentifiering i flygbildsdata med djupinlärningsmetoder

Maskininlärning för detektering av objekt i bilddata är ett teknikområde som är på stark framväxt. Enheten för Geografisk information på Lantmäteriet samlar in en stor del information från flygbilder och ortofoton och ur ett effektiviseringsperspektiv är det av intresse att se hur väl olika objekt kan detekteras i dessa bilder med maskininlärningsalgoritmer. Syftet med arbetet är att undersöka hur väl olika objekt kan detekteras i Lantmäteriets bilddata (alternativt höddata) med hjälp av maskininlärningsalgoritmer. Lämpliga objekt för undersökningen kan definieras vid arbetets start men primärt är objekttyperna marktäcke, vägar och stigar, kraftledningar samt vattendrag av intresse.

Har du frågor eller intresse av att skriva examensarbeten inom något av ovanstående är du välkommen att kontakta anders.o.ryden@lm.se


Geodata, Bild- och höjdenheten

Vi har tyvärr inte möjlighet att ta emot fler ansökningar för examensarbeten tills vidare.


Juridik och fastighetsekonomi

Vi har tyvärr inte möjlighet att ta emot fler ansökningar för examensarbeten tills vidare.


Systemutveckling

Vi har tyvärr inte möjlighet att ta emot fler ansökningar för examensarbeten denna termin.