Lo stato dello Utah migliora la rete stradale usando le immagini dai droni e l'apprendimento automatico

Il dipartimento dei trasporti dello Utah (UDOT) è responsabile per la pianificazione, progettazione, costruzione, mantenimento e operazione del sistema autostradale dello stato. Il dipartimento gestisce le strade principali e consente lo spostamento del traffico su lunghe distanze, comprese le interstatali. I membri del team dell'UDOT sostengono che le strade in buone condizioni costano meno e grazie alla conservazione proattiva sono in grado di massimizzare il valore delle loro infrastrutture per oggi e per il futuro.

Comprendere l'ubicazione e le condizioni delle risorse aiuta l'UDOT a far fruttare ogni dollaro dando la priorità ai lavori di manutenzione e costruzione per fornire il massimo beneficio al pubblico in viaggio. Combinando i dati sulla posizione della risorsa con altre caratteristiche della carreggiata, come il volume del traffico, il limite di velocità e la frequenza e la gravità degli incidenti, l'UDOT è in grado di dare priorità ai progetti per massimizzarne l'utilità. Garantire che la rappresentazione digitale di queste risorse sia il più accurata e aggiornata possibile è fondamentale per la loro utilità.

L'UDOT utilizza il lidar su dispositivi mobili per acquisire informazioni sulla pavimentazione ogni anno. È importante tenere traccia della segnaletica orizzontale e delle altre segnaletiche stradali, poiché comunicano informazioni agli utenti della strada come nessun altro dispositivo di controllo del traffico può fare, includendo una serie di importanti attività di guida. Un recente rapporto della Federal Highway Administration mostra che gli Stati Uniti spendono approssimativamente 2 miliardi di dollari ogni anno per la creazione di segnaletica stradale. Corey Unger, direttore per le tecnologie spaziali presso l'UDOT, ha detto: "Non è vantaggioso solo per i conducenti umani, ma anche per la emergente tecnologia di guida automatica".

Sebbene la segnaletica stradale sia fondamentale da mantenere, il clima variabile dello Utah rende difficile questo compito. Il tempo variabile crea un ambiente difficile per la pianificazione e l'implementazione del tipo ottimale di segnaletica e l'UDOT ha ricevuto critiche di conseguenza.

Per mantenere al meglio risorse quali la segnaletica orizzontale in tutto il loro ciclo di vita, l'UDOT sta trasformando il modo in cui i progetti vengono gestiti con la consegna digitale. Ciò offre all'organizzazione nuovi modi per comprendere, visualizzare e utilizzare i dati di design del progetto sul campo. Per l'UDOT, consegna digitale significa la digitalizzazione dei processi di consegna del progetto. I dati vengono compilati e consegnati digitalmente in ogni fase del ciclo di vita di un progetto, dalla sua progettazione alla costruzione fino alla restituzione dei dati alla gestione delle risorse per la futura pianificazione ed esecuzione del progetto. Questa trasformazione ha portato l'UDOT a creare un gemello digitale, ovvero una rappresentazione digitale di tutte le risorse fisiche che costituiscono la propria rete dei trasporti. Essa è parte di una potente e scalabile strategia di gestione delle informazioni.

Unger ha detto, "Lo scopo della consegna digitale è abbandonare i dati statici e utilizzare invece i dati dinamici per rappresentare lo stato attuale di ogni risorsa." I dati sono acquisiti dai droni usando Site Scan for ArcGIS, che consente la gestione dei droni end-to-end e l'integrazione diretta con il sistema ArcGIS. Esso consente all'UDOT di sovrapporre facilmente i dati di progettazione del processo di consegna digitale con le immagini acquisite durante e dopo la fase di costruzione in un progetto. Questo aiuta a confrontare l'accuratezza di come un progetto è stato pianificato rispetto a come è stato implementato.

Un esempio è l'uso da parte dell'UDOT di analisi di scavo/riporto sulla superficie di progettazione comparate all'elevazione delle immagini dei droni raccolte per un progetto di porto d'entrata. Questo tipo di analisi informa l'UDOT se la strada è stata costruita troppo alta o troppo bassa, in quanto entrambi gli scenari possono condurre a condizioni pericolose per i veicoli, drenaggio insufficiente o altre situazioni a rischio. Se l'elevazione al suolo è inferiore a quanto progettato, viene considerato uno scavo, mentre se l'elevazione al suolo è superiore al progetto, viene considerato un riporto.

Lo stesso metodo viene impiegato per comparare la segnaletica orizzontale progettata con la posizione in cui è stata effettivamente stesa. Questi dati danno all'ispettore del progetto la possibilità di verificare il posizionamento delle feature progettate nella costruzione come parte del progetto di gemello digitale dell'UDOT. Una volta verificata l'accuratezza di questi posizionamenti, la segnaletica può quindi essere inserita nel sistema di gestione delle risorse dell'organizzazione, dove l'UDOT può tenere traccia del ciclo di vita delle risorse e pianificare e programmare le attività di manutenzione.

L'acquisizione dei dati tramite Site Scan for ArcGIS ha aiutato l'UDOT ad avvicinarsi all'ottenimento di un gemello digitale, ma il processo richiedeva ancora di ispezionare e ricavare le risorse manualmente dalle immagini. "Dopo che i piloti sorvolavano le sezioni di autostrada, gli analisti dovevano prendere le immagini e delineare manualmente le condizioni della pavimentazione e le informazioni sulla segnaletica in ArcGIS Pro," ha detto Unger. "Questo richiedeva molto tempo." Quindi, l'UDOT ha iniziato a esplorare un processo automatizzato in cui è possibile inviare i dati del drone acquisiti da Site Scan for ArcGIS direttamente tramite un modello di apprendimento automatico GeoAI, per poi estrarre i dati della segnaletica direttamente nel suo database.

L'UDOT ha contattato Esri tramite l'Esri Advantage Program per ottenere aiuto nella creazione di un modello di apprendimento automatico e un metodo per passare dalla digitalizzazione manuale al rilevamento delle risorse sfruttando processi automatizzati. Esri ha valutato il programma dell'UDOT e ha fornito una raccomandazione per le migliori pratiche. Esri ha suggerito una modellazione basata su regole, che richiede un set predefinito di regole che possono essere applicate a un'immagine, quindi è stata effettuata una valutazione esplorativa.

Durante un'analisi dei dati memorizzati in Site Scan for ArcGIS, i membri del team UDOT hanno esaminato due formati: immagini ortorettificate e cloud di punti. Hanno deciso di valutare i dati nei flussi di lavoro corrispondenti per diverse risorse incluse la segnaletica orizzontale, segnaletica acustica, condizioni della pavimentazione, segnaletica verticale, barriere acustiche e barriere stradali.

In un esempio dai risultati iniziali dell'estrazione della segnaletica, l'immagine aerea di una strada mostra una linea di strisce continua, mentre l'immagine di analisi coordinata mostra linee spezzate. Questo può indicare una cattiva condizione della segnaletica, ma richiede ulteriori studi. Tuttavia, sono comunque dati preziosi per i team di manutenzione in modo che possano prendere in considerazione le aree in cui potrebbero essere necessarie riparazioni.

Un altro esempio tratto dai risultati preliminari mostra una sezione di autostrada in cui è possibile distinguere tra sezioni in cemento e asfalto e definire la segnaletica orizzontale. Ancora una volta, si tratta di informazioni importanti per un inventario accurato del tipo di superficie e per aiutare i team di manutenzione a sapere su quale tipo di superficie eseguiranno la manutenzione.

Sfruttare i dati rilevati in remoto insieme agli obiettivi di AI e apprendimento automatico consente una raccolta di dati più rapida e accurata sulle risorse dell'infrastruttura, in modo che i proprietari dell'infrastruttura possano soddisfare più rapidamente le esigenze di manutenzione. Site Scan for ArcGIS e l'Esri Advantage Program sono stati fondamentali per la digitalizzazione dell'inventario delle risorse e lo sviluppo di modelli di apprendimento automatico che continueranno a far risparmiare tempo e denaro all'organizzazione fornendo al contempo un'esperienza positiva di guida per la comunità.

L'obiettivo dell'UDOT è di disporre di un metodo automatizzato per l'estrazione delle condizioni delle risorse dalle immagini acquisite tramite i droni per mantenere il più possibile aggiornato l'inventario delle risorse. Il dipartimento pianifica di utilizzare questi modelli come parte del suo impegno per raffinare i processi di estrazione e accelerare il completamento del gemello digitale. L'apprendimento profondo, l'intelligenza artificiale e le immagini acquisite tramite Site Scan for ArcGIS sono elementi importanti per la strategia di successo dell'UDOT.