The purpose of digital delivery is to move UDOT away from static data and instead use dynamic data to represent the current state of every asset.
Utah verbessert die Straßen mithilfe Drohnenbildern und maschinellem Lernen
Zusammenfassen
Kunde
Utah Department of Transportation (UDOT)
Aufgabe
Durch große Unterschiede beim Wetter in Utah war es schwierig, optimale Straßenmarkierungen zu planen und umzusetzen. Zudem fehlten dem UDOT aktuelle Daten zum Zustand von Straßen, um sie effektiv instand zu halten.
Lösung
Das UDOT hat damit begonnen, mithilfe von Site Scan for ArcGIS Daten mit Drohnen zu erfassen, um einen digitalen Zwilling zu entwickeln. UDOT hat mit Esri auch über das Esri Advantage Program zusammengearbeitet, um Unterstützung beim Erstellen eines Modells und einer Methodik für maschinelles Lernen zu erhalten. Dadurch wollte die Behörde eine Analgenerkennung mithilfe von automatisierten Prozessen umsetzen, statt die Anlagen manuell digitalisieren zu müssen.
Ergebnis
Durch Drohnenbilder und eine digitale Abwicklung kann das UDOT jetzt mit dynamischen Daten den aktuellen Zustand aller Anlagen darstellen. Gepaart mit kontinuierlicher Automatisierung und maschinellem Lernen ist eine effektivere Instandhaltung der Straßen für optimale Fahrerlebnisse möglich.
Das Utah Department of Transportation (UDOT) ist für Planung, Konzeption, Bau, Instandhaltung und Unterhalt des landeseigenen Straßensystems zuständig. Hauptverkehrsstraßen werden instand gehalten, und der Verkehr wird über Autobahnen auch über große Entfernung geleitet. Die Teammitglieder beim UDOT sind überzeugt, dass gute Straßen weniger kosten. Mit einer proaktiven Sanierung können sie den Wert der Infrastruktur heute und in Zukunft maximieren.
Mit Informationen über die Lage und den Zustand von Anlagen kann das UDOT das Geld effektiver einsetzen, indem Instandhaltungs- und Baumaßnahmen priorisiert werden, sodass die Bevölkerung in idealer Weise davon profitiert. Indem Standortdaten der Anlagen mit anderen Straßenmerkmalen wie Verkehrsaufkommen, Geschwindigkeitsbegrenzungen sowie Häufigkeit und Schwere von Unfällen kombiniert werden, kann das UDOT Projekte priorisieren, um deren Nutzen zu maximieren. Für die Nützlichkeit der digitalen Darstellung dieser Anlagen ist es unbedingt erforderlich, dass die Daten so genau und aktuell wie möglich sind.
Aufgabe
Das UDOT verwendet mobile LIDAR-Daten, um jedes Jahr Informationen zum Straßenbelag zu erfassen. Es ist wichtig, Straßenmarkierungen nachzuverfolgen, da mit ihnen wie mit keinem anderen Instrument zur Verkehrskontrolle Informationen an die Straßennutzer*innen weitergegeben werden, u. a. eine Vielzahl wichtiger Aufgaben beim Fahren. Ein aktueller Bericht der Federal Highway Administration zeigt, dass in den USA jährlich etwa 2 Mrd. Dollar für Straßenmarkierungen ausgegeben werden. Corey Unger, Manager für räumliche Technologien beim UDOT, meinte: "Sie sind nicht nur für Menschen, sondern auch für neue Technologien beim Autofahren nützlich."
Zwar ist die Pflege der Straßenmarkierungen wichtig, die großen Unterschiede beim Klima in Utah erschweren diese Aufgabe jedoch. Durch das unterschiedliche Wetter ist die Planung und Umsetzung optimaler Markierungen kompliziert, und das UDOT ist dafür bereits kritisiert worden.
Lösung
Um Anlagen wie Markierungen während ihres gesamten Lebenszyklus besser zu pflegen, transformiert das UDOT mit digitaler Abwicklung die Umsetzung von Projekten. So kann die Organisation auf neue Arten Projektdesigndaten im Außeneinsatz verstehen, anzeigen und verwenden. Die digitale Abwicklung bedeutet für das UDOT die Digitalisierung der Projektabwicklung. Daten werden in jeder Phase des Lebenszyklus eines Projekts digital kompiliert und bereitgestellt: vom Entwurf über den Bau bis zur Rückgabe der Daten an die Anlagenverwaltung für eine künftige Projektplanung und -umsetzung. Durch diese Transformation hat das UDOT einen digitalen Zwilling, bzw. eine digitale Repräsentation, aller physischen Anlagen erstellt, die das Verkehrsnetz von Utah bilden. Dies ist Teil einer leistungsstarken und skalierbaren Strategie für die Informationsverwaltung.
Unger sagte: "Durch die digitale Abwicklung kann das UDOT statt statischer Daten dynamische Daten für die Darstellung des aktuellen Zustands aller Anlagen verwenden." Die Daten werden mit Drohnen mithilfe von Site Scan for ArcGIS erfasst. Diese Software ermöglicht eine komplette Drohnenverwaltung und eine direkte Integration in das ArcGIS-System. Das UDOT kann innerhalb eines Projekts mühelos Entwurfsdaten aus der digitalen Abwicklung mit Bilddaten überlagern, die während und nach dem Bau erfasst wurden. So kann verglichen werden, mit welcher Genauigkeit ein Projekt geplant und umgesetzt wurde.
Ein Beispiel für den Einsatz beim UDOT ist die Analyse von Abtrag/Auftrag auf der Entwurfsoberfläche im Vergleich mit Höhenangaben aus den Drohnenbildern, die für ein Projekt erfasst wurden. Durch diese Art von Analyse erfährt das UDOT, ob die Straße zu hoch oder zu tief gebaut wurde. Beide Szenarien können zu gefährlichen Bedingungen für Fahrzeuge, zu schlechter Drainage oder zu anderen potenziell riskanten Situationen führen. Ist die Geländehöhe niedriger als im Entwurf, wird dies als Abtrag angesehen. Eine Geländehöhe über dem Entwurf gilt dagegen als Auftrag.
Mit der gleichen Methode wird die geplante Straßenmarkierung mit der tatsächlichen Markierung verglichen. Anhand dieser Daten ist es bei der Projektprüfung möglich, mit dem digitalen Zwilling von UDOT die Platzierung von Entwurfs-Features im Bau zu überprüfen. Sobald die Genauigkeit dieser Platzierungen verifiziert wurde, können die Markierungen in das System für die Anlagenverwaltung der Organisation übernommen werden. Dort kann das UDOT den Lebenszyklus von Anlagen verfolgen und Instandhaltungsmaßnahmen entsprechend planen.
Zwar konnte sich das UDOT durch die Datenerfassung über Site Scan for ArcGIS einem digitalen Zwilling annähern, es war aber weiterhin erforderlich, die Bilddaten manuell zu untersuchen und Anlagen zu ermitteln. "Erst werden Straßenabschnitte überflogen, dann werden die Bilddaten analysiert und Straßenbedingungen sowie Markierungsinformationen in ArcGIS Pro abgegrenzt", sagte Unger. "Das war sehr zeitaufwändig." Daher hat das UDOT einen automatisierten Prozess erkundet, bei dem die von Site Scan for ArcGIS erfassten Drohnendaten direkt über ein GeoAI-Modell für maschinelles Lernen gesendet und dann Markierungsdaten in die Datenbank extrahiert werden können.
UDOT hat sich über das Esri Advantage Program an Esri gewandt, um Unterstützung beim Erstellen eines Modells und einer Methodik für maschinelles Lernen zu erhalten. Dadurch wollte die Behörde eine Analgenerkennung mithilfe von automatisierten Prozessen umsetzen, statt die Anlagen manuell digitalisieren zu müssen. Esri hat das Programm des UDOT geprüft und Empfehlungen für Best Practices abgegeben. Esri hat eine regelbasierte Modellierung vorgeschlagen, die einen vordefinierter Satz von Regeln erfordert, die auf ein Bild angewendet werden können. Daher wurde eine explorative Bewertung durchgeführt.
Während der Analyse der in Site Scan for ArcGIS gespeicherten Drohnendaten vom UDOT haben die Teammitglieder zwei Formate untersucht: orthorektifizierte Bilddaten und Punktwolken. Sie haben sich entschieden, Daten in den entsprechenden Workflows für verschiedene Anlagen zu bewerten, u. a. Fahrbahnmarkierungen, Rüttelstreifen, Schäden im Straßenbelag, Schilder, Schallbarrieren und Verkehrshindernisse.
In einem Beispiel aus den Ergebnissen der ersten Markierungsextraktion zeigt ein Drohnenbild einer Straßen eine durchgezogene Markierungslinie. Das abgestimmte Analysebild zeigt dagegen unterbrochene Markierungslinien. Dies kann ein Hinweis auf einen schlechten Zustand der Markierungen sein, muss aber genauer geprüft werden. Trotzdem sind die Daten für die Instandhaltungsteams nützlich, um die Bereiche zu finden, in denen Reparaturen nötig sind.
Ein weiteres Beispiel aus den vorläufigen Ergebnissen zeigt einen Autobahnabschnitt, bei dem zwischen Beton- und Asphaltabschnitten unterschieden und die Markierung definiert werden kann. Dies sind wieder wichtige Informationen für ein genaues Inventar von Oberflächentypen. Zudem können Instandhaltungsteams so herausfinden, welchen Typ von Oberfläche sie reparieren müssen.
Ergebnis
Die Nutzung von Fernerkundungsdaten zusammen mit KI und maschinellem Lernen ermöglicht eine schnellere und genauere Datenerfassung zu Infrastrukturanlagen. Dadurch können Instandhaltungsarbeiten schneller durchgeführt werden. Site Scan for ArcGIS und das Esri Advantage Program waren entscheidend, um das Anlageninventar zu digitalisieren und Modelle für maschinelles Lernen zu entwickeln. Auf diese Weise kann die Organisation weiterhin Zeit und Geld sparen und gleichzeitig der Bevölkerung positive Fahrerlebnisse ermöglichen.
Das Ziel des UDOT ist es, eine automatisierte Methode zum Extrahieren von Analgenbedingungen aus Drohnenbildern zu implementieren, damit das Anlageninventar möglichst aktuell bleibt. Die Behörde möchte diese Modelle auch einsetzen, um die Anlagenextraktion zu verfeinern und den Abschluss des digitalen Zwillings voranzutreiben. Deep Learning, künstliche Intelligenz und mit Site Scan for ArcGIS erfasste UAV-Bilddaten sind wichtige Bestandteile der Erfolgsstrategie des UDOT.
Sie benötigen zur Auswahl der richtigen Lösung Hilfe?
Dann vereinbaren Sie einen Gesprächstermin mit einem unserer erfahrenen Verkaufsberater. Erläutern Sie kurz, wie Sie Bild- und Fernerkundungsdaten aktuell nutzen, damit wir Ihnen zeigen können, wie Ihre Arbeit von einem umfassenden Geodatensystem profitieren kann.