利用 Bentley 的 iWin 应用程序简化以数据为中心的战略，并将行业路面管理实践工业化。
传统的路面管理实践和技术缺乏效率和全面性，无法实现资产价值最大化。
Benesch 启动了一个研发项目，通过集成工程智能、机器习和数字孪生技术探索以数据为中心的路面裂缝检测工作流程。
利用ITWIN和人工智能以及机器习技术，数字孪生中裂纹数据的数字化和集成实现了自动化，节省了75%以上的现场人工工作。
他们使用 Bentley 的数字孪生应用程序通过人工智能和机器 习 管理路面资产，并取得了成功。
推动路面裂缝检测技术发展
大多数公共机构资产，如桥梁和交通网络，包括路面，都需要裂缝检测和维护，以确保其在整个设计生命周期中的结构完整性。 然而，目前用于收集裂缝和接缝数据的检测方法非常耗时，并导致停机，这对基础设施所有者、运营商和公众产生了负面影响。 Benesch 是一家建筑、工程和施工 （AEC） 行业的多专业公司，为广泛的市场提供专业服务。 “通常，这意味着不分析整个路面，而是从横截面样本中找到平均值，然后将平均值[外推]到资产的其余部分，”该公司的技术经理Brett Tremblay说。 “尽管这种方法可能导致数量超支和工单变化，但它已成为行业的标准做法。
为了解决这些问题，Benesch启动了一个研发项目，以实施更有效的数据收集工作流程，以解决由于例行检查期间长时间关闭而与客户相关的问题。 “几乎所有有用的公共部门资产都涉及路面，传统的路面维护方法和技术并不能最大限度地提高这些资产的价值，”Tremblay说。 Benesch 的任务是开发满足客户需求的技术，因此开始在三个正在进行的项目现场收集数据，以测试和提升当前的技术能力并优化检测方法。
填补数字数据空白
道路、桥梁、机场和停车场的现有道路横断面正在退化，对道路检查和维护的需求正在增加。 “这些工作经常被无限期推迟，直到资产的使用寿命结束，这导致资产状况进一步恶化，无法补救，”Tremblay说。 “无人机高分辨率航空正射影像捕捉的出现使得直接跟踪图像上的裂缝成为可能，从而节省了数字化时间。 然而，这种数字化方法仍然无法满足行业的需求，因为资产在设计寿命之后仍在使用。 数字数据采集比现场检查更有效率，但由于采集的数据没有得到充分利用，因此在数据利用方面仍然存在差距。
虽然工程团队可以通过航空摄影**在数字环境中可视化裂缝，但在根据状况评估对裂缝进行分析或分类时仍然存在脱节，因为评估仍然需要现场调查。 Benesch 试图通过简化数据收集、分析和利用来弥合这一差距，以释放数据的全部潜力。 他们希望采用以数据为中心的方法，在正确的时间将可视化的数字数据实时提供给正确的人，以便做出更及时、更明智的决策，从而带来更好的结果、结构完整性和公共安全。 他们意识到，要实现这一目标，他们需要采用数字孪生解决方案，利用尖端物联网、人工智能和机器习技术的力量。
利用人工智能和数字孪生技术
Tremblay 说：“我们看到了客户在 [状态评估] 能力方面的差距，并且知道与 Bentley 合作将帮助我们实现所需的突破。 Benesch 选择使用 Bentley 的 iWin Capture Modeler（以前称为 ContextCapture）、AssetWise 和 iWin 应用程序来尝试数字创新，以创建三个选定项目站点的数字孪生模型。 他们与 Bentley 合作，探索将 AI 机器 习 集成到现场数据采集工作流程中，特别是在路面裂缝检测过程中。 “通过结合 Bentley 的 [ITWIN Capture Modeler]、AssetWise 和 ITWIN Experience，我们有信心能够开发基于路面裂缝检测技术的工作流程，利用 AI 机器 习 的强大功能来简化从现场数据收集到分析的整个裂缝检测流程，并将其整合到 Bentley 数字孪生模型中。” ”
作为生成数字孪生的第一步，Benesch 使用自动飞行计划将无人机捕获的图像与基于 AI 的检测传感器相结合，以提取裂纹检测数据并对其进行分析。 基于人工智能的路面裂缝检测器可实现裂缝线数据的自动数字化习，并将数据输入数字孪生，对项目现场的裂缝数据进行实时可靠的可视化分析。 Benesch 利用 Bentley 的 iWin 应用程序通过数字孪生模型增强路面裂缝检测，将条件注释直接添加到模型中，并远程评估资产状况。 基于机器的 习 AI 数字缺陷检测可自动识别和分类现场的裂纹缺陷，并从纠正问题所需的检查数据中生成结果，这些结果可以无缝移交给维护、设计和施工团队。
以数据为中心的工作流推动行业实践的产业化
与手动流程相比，AI 工作流程可节省大量时间并提供更高质量的数据。 新的裂纹检测解决方案与 Bentley 的 iWin 应用程序相结合，可自动实现裂纹线数据的数字化，从而节省超过 75% 的现场工作时间。 预计该计划将有助于在测试100个机场时节省资金，同时最大限度地减少对交通和机场运营的影响。 在数字孪生和裂缝检测技术的帮助下，该团队可以做的不仅仅是从一张纸上发现路面上的裂缝。 该技术提供了安全性和准确性的虚拟整体视图，消除了危险和容易出错的手动操作，并在现场检查和维修影响操作之前减少了停机时间。 Tremblay说：“我们很高兴这项技术和工作流程使我们能够查看和比较单个资产在其使用寿命期间的历史结果，以了解这些裂缝是否随着时间的推移而扩大，并对资产进行更好的健康状况评估。 它使我们能够为客户提供数据驱动的维护决策方法。 ”
在由人工智能机器学习驱动的沉浸式数字孪生环境中工作，习 实现了以数字数据为中心的工作流程，将资产管理的视角从碎片化的方法转变为单一事实来源，从而提供对整个结构的理解，从而做出更好的决策。 Benesch 正在为一位客户实施这项技术，该客户希望随着时间的推移帮助优化关键交通基础设施的维护，并为所有人提供更安全的环境。
“我们认为这款产品不仅对 Benesch 有利，而且对整个 AEC 行业都有好处，”Tremblay 说。 “通过采用基于机器学习习 AI的现代技术，AEC行业可以利用基础设施数据来降低最重要的人为错误风险。 Benesch 用于自动路面裂缝数据收集的开创性工作流程改变了路面资产管理的游戏规则。 Tremblay补充道：“虽然这款产品仍处于早期测试阶段，但它是第一款将宾利和其他技术相结合的产品，我们将改变AEC行业内收集检测数据的方式。 ”