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 mejora sus carreteras mediante el uso de imágenes tomadas con drones y aprendizaje automático
Resumen
Cliente
Departamento de Transporte de Utah (UDOT, por sus siglas en inglés)
Desafío
El clima variable de Utah dificultaba la planificación y la implementación de un trazado de líneas viales óptimo, y el UDOT carecía de datos actualizados sobre el estado de las carreteras para mantenerlas de manera efectiva.
Solución
El UDOT empezó a recopilar datos mediante drones utilizando Site Scan for ArcGIS para desarrollar un gemelo digital. El UDOT también trabajó con Esri a través del Esri Advantage Program para obtener ayuda con la creación de un modelo y una metodología de aprendizaje automático que llevaría al departamento de la digitalización manual de activos a su detección aprovechando los procesos automatizados.
Resultado
A través de las imágenes tomadas por drones y de la entrega digital, el UDOT obtuvo unos datos dinámicos para representar el estado actual de cada activo. Junto con sus esfuerzos continuos de automatización y aprendizaje automático, el UDOT puede mantener sus carreteras de manera más efectiva para lograr unas experiencias de conducción óptimas.
El Departamento de Transporte de Utah (UDOT) es responsable de planificar, diseñar, construir, mantener y operar el sistema de carreteras del estado. Mantiene las carreteras principales y mueve el tráfico a largas distancias, incluida la interestatal. Los miembros del equipo del UDOT creen que las buenas carreteras cuestan menos y, con una conservación proactiva, pueden maximizar el valor de su infraestructura en el presente y para el futuro.
Comprender la ubicación y el estado de los activos ayuda al UDOT a lograr que cada dólar cunda más al priorizar los esfuerzos de mantenimiento y construcción para brindar el mayor bien al público viajero. Al combinar los datos de ubicación de activos con otras características de la carretera, como el volumen de tráfico, el límite de velocidad y la frecuencia y gravedad de los choques, el UDOT puede priorizar proyectos para maximizar su utilidad. Garantizar que la representación digital de estos activos sea lo más precisa y actualizada posible es fundamental para su utilidad.
Desafío
El UDOT utiliza LIDAR móvil para recopilar información sobre el pavimento todos los años. Es importante realizar un seguimiento de las líneas y señalizaciones del pavimento porque comunican información a los usuarios de la carretera como ningún otro dispositivo de control de tráfico, lo que incluye una variedad de tareas de conducción importantes. Un informe reciente de la Administración Federal de Carreteras muestra que EE. UU. gasta aproximadamente 2 mil millones de dólares al año en la señalización del pavimento. Corey Unger, gerente de tecnologías espaciales del UDOT, afirmó: "No solo es beneficioso para los conductores humanos, sino también para la tecnología emergente de conducción automática".
Si bien el mantenimiento de las señalizaciones del pavimento es fundamental, el variado clima de Utah dificulta esta tarea. Esta variación climática crea un entorno complicado para planificar e implementar el tipo óptimo de trazado de líneas y, como resultado, el UDOT ha recibido críticas.
Solución
Para mantener mejor los activos como el trazado de líneas a lo largo de todo su ciclo de vida, el UDOT está transformando su forma de gestionar los proyectos mediante la entrega digital. Esto ofrece a la organización nuevas formas de comprender, visualizar y utilizar los datos de diseño de proyectos en el campo. Para el UDOT, la entrega digital significa la digitalización del proceso de entrega de proyectos. Los datos se compilan y entregan digitalmente en cada etapa del ciclo de vida de un proyecto, desde su diseño hasta la construcción y el retorno de los datos a la gestión de activos para la futura planificación y ejecución del proyecto. Esta transformación llevó al UDOT a crear un gemelo digital, o una representación digital, de todos los activos físicos que componen la red de transporte de Utah. Este forma parte de una estrategia de gestión de información poderosa y escalable.
Unger dijo: "El propósito de la entrega digital es que el UDOT deje de usar datos estáticos y, en su lugar, utilice datos dinámicos para representar el estado actual de cada activo". Los datos son recopilados por drones mediante el uso de Site Scan for ArcGIS, que permite la gestión integral de drones y la integración directa con el sistema ArcGIS. Esto permite al UDOT superponer fácilmente los datos de diseño del proceso de entrega digital con imágenes recopiladas durante y después de la creación de un proyecto. Esto ayuda a comparar la precisión de la planificación y la implementación de un proyecto.
Un ejemplo de ello es el uso que hace el UDOT del análisis de corte/relleno en la superficie del diseño en comparación con la elevación de las imágenes tomadas por drones recopiladas para un proyecto de puerto de entrada. Este tipo de análisis informa al UDOT si la carretera se construyó demasiado alta o demasiado baja, ya que cualquiera de los dos escenarios puede generar condiciones peligrosas para los vehículos, un drenaje deficiente u otras situaciones potencialmente peligrosas. Si la elevación del terreno es inferior a la diseñada, se considera un corte, y si la elevación del terreno es superior a la del diseño, se considera un relleno.
Este mismo método se utiliza para comparar la señalización diseñada del pavimento con el lugar donde se colocó realmente. Estos datos le dan al inspector del proyecto la capacidad de verificar la ubicación de las características diseñadas en la construcción como parte del esfuerzo del gemelo digital del UDOT. Una vez que se verifica la precisión de estas ubicaciones, la señalización se puede introducir en el sistema de gestión de activos de la organización, donde el UDOT puede realizar un seguimiento del ciclo de vida del activo y planificar y programar las tareas de mantenimiento en consecuencia.
Si bien la recopilación de datos a través de Site Scan for ArcGIS ayudó al UDOT a acercarse a lograr un gemelo digital, el proceso aún requería que inspeccionaran y extrajeran manualmente los activos de las imágenes. “Después de que los pilotos volaran sobre secciones de la carretera, los analistas debían tomar las imágenes y definir manualmente las condiciones del pavimento y la información de trazado de líneas en ArcGIS Pro”, dijo Unger. “Esto llevaba mucho tiempo”. Entonces, el UDOT empezó a explorar un proceso automatizado en el que podía enviar directamente los datos de drones recopilados desde Site Scan for ArcGIS a través de un modelo de aprendizaje automático GeoAI y luego extraer datos de trazado de líneas directamente en su base de datos.
El UDOT se puso en contacto con Esri a través del Esri Advantage Program para obtener ayuda con la creación de un modelo y una metodología de aprendizaje automático que llevaría al departamento de la digitalización manual de activos a su detección aprovechando los procesos automatizados. Esri revisó el programa del UDOT y proporcionó una recomendación de mejores prácticas. Esri sugirió un modelado basado en reglas, que requiere un conjunto predefinido de reglas que se pueden aplicar a una imagen, por lo que se realizó una evaluación exploratoria.
Durante el análisis de los datos tomados por drones del UDOT almacenados en Site Scan for ArcGIS, los miembros del equipo examinaron dos formatos: imágenes ortorrectificadas y nubes de puntos. Decidieron evaluar los datos en los flujos de trabajo correspondientes para varios activos, incluidos el trazado de líneas de carriles, las franjas sonoras, los problemas del pavimento, las señales, las barreras de sonido y las barreras de tráfico.
En un ejemplo de los resultados iniciales de la extracción para el trazado de líneas, la imagen tomada por un dron de una carretera muestra una línea continua, mientras que su imagen de análisis muestra líneas discontinuas. Esto puede indicar malas condiciones de trazado de líneas, pero requiere más estudio. Sin embargo, siguen siendo datos valiosos para que los equipos de mantenimiento puedan centrarse en áreas donde se pueden necesitar reparaciones.
Otro ejemplo de los resultados preliminares muestra una sección de autopista donde se puede diferenciar entre secciones de hormigón y asfalto, así como también definir el trazado de líneas. De nuevo, esta es información importante para hacer un inventario preciso del tipo de superficie y para ayudar a los equipos de mantenimiento a saber en qué tipo de superficie van a tener que realizar trabajos de reparación.
Resultado
El aprovechamiento de los datos detectados de forma remota junto con los objetivos de inteligencia artificial y aprendizaje automático permite una recopilación de datos más rápida y precisa sobre los activos de la infraestructura, para que los propietarios de la infraestructura puedan abordar más rápidamente las necesidades de mantenimiento. Site Scan for ArcGIS y el Esri Advantage Program han sido fundamentales para digitalizar el inventario de activos y desarrollar modelos de aprendizaje automático que seguirán ahorrando tiempo y dinero a la organización y, al mismo tiempo, brindar una experiencia de conducción positiva para su comunidad.
El objetivo del UDOT es contar con un método automatizado para extraer el estado de los activos de las imágenes tomadas por drones para mantener el inventario de activos lo más actualizado posible. El departamento planea usar estos modelos como parte de sus esfuerzos para refinar su proceso de extracción de activos y acelerar la finalización del gemelo digital. El aprendizaje profundo, la inteligencia artificial y las imágenes de UAV recopiladas con Site Scan for ArcGIS son elementos importantes de la estrategia de éxito del UDOT.
¿Necesita ayuda para encontrar la solución adecuada?
Programe una conversación con uno de nuestros expertos asesores de ventas. Díganos cómo está utilizando en estos momentos las imágenes y los datos de teledetección y le mostraremos hasta dónde puede llevar su trabajo un sistema geoespacial integral.