Hay numerosas citas de expertos igualmente numerosos que explican las diferencias fundamentales entre el seguimiento, la medición y la gestión. Todos son sucintos y concisos a su manera, pero cuando se trata de la gestión inteligente de activos basados en el transporte (como una red de carreteras), o incluso la gestión de activos inteligentes basados en el transporte, el panorama es significativamente más amplio y no es tan fácil de explicar en un eslogan práctico y del tamaño de un bocado.
Sin embargo, una de esas citas apropiadas es: "Si no puede medirlo, no puede administrarlo, y si solo lo mide, todavía no lo está administrando". Eso, hay que decirlo, ciertamente se aplica a la gestión inteligente de activos.
Con eso en mente, Intertraffic habló con tres personas altamente conocedoras involucradas en tres aspectos diferentes de la gestión inteligente de activos, a saber, el hermanamiento digital, el papel de la inteligencia artificial y el lugar del sector en el marco de la Internet de las Cosas para determinar la dirección en la que esta fascinante se dirige el sector.
IRF defiende la gestión predictiva de activos con inteligencia artificial
“La inteligencia artificial y los grandes datos prometen un enfoque más centralizado, regulado, objetivo y rentable para los procesos tradicionales de gestión de mantenimiento de activos”, dice Brendan Halleman, vicepresidente de la Federación Internacional de Carreteras para Europa y Asia Central.
“Los métodos de recopilación de datos son la columna vertebral para comprender de manera efectiva la condición de un activo (como una red de carreteras). La recopilación anual de datos utilizando camiones láser recopila información de condición altamente precisa, como rugosidad y surcos, es una práctica común dentro de la gestión de mantenimiento”, continúa. Sin embargo, estos a menudo se asocian con altos costos y carecen de la capacidad de determinar la causa y el efecto.
“Los grandes conjuntos de datos también requieren un intercambio poco práctico de datos que dependen del manejo, el formateo y la manipulación manuales para mantener la coherencia y encontrar tendencias comunes”, dice Halleman. “Del mismo modo, la recopilación de datos ad hoc es el método de recopilación de información caso por caso, mientras que estos son conjuntos de datos más pequeños, se pueden observar tendencias similares como la inconsistencia, la variabilidad y la falta de regulación en ambos métodos”, añade.
Con el rápido aumento de la potencia de las computadoras y el bajo costo del almacenamiento de datos, la IA se implementa cada vez más en varios campos para administrar, modelar y predecir datos de manera más efectiva y precisa dentro de marcos de tiempo que de otro modo serían muy costosos, tomarían mucho tiempo y tomarían decisiones subjetivas. para que los humanos la lleven a cabo. Además, sugiere, la investigación ha demostrado el potencial de la IA para utilizar y vincular grandes repositorios de datos de tal manera que se pueden hacer predicciones sobre la información actual y actualizada de los datos del estado de los activos.
“En el campo de la gestión de activos viales, los algoritmos ya se están utilizando técnicas de aprendizaje automático en conjuntos de datos existentes, como datos condicionales de carreteras (capturados de perfilómetros láser), historial de choques, resistencia del pavimento y mantenimiento histórico y tendencias."
“En el campo de la gestión de activos viales, los algoritmos ya se están utilizando técnicas de aprendizaje automático en conjuntos de datos existentes, como datos condicionales de carreteras (capturados de perfilómetros láser), historial de choques, resistencia del pavimento y mantenimiento histórico y tendencias. Esto proporcionará la "huella digital" de una sección para estimar la condición futura y la probabilidad de los criterios de falla y el mantenimiento que se requiere".
Con los últimos avances informáticos y de IA, es posible identificar automáticamente problemas funcionales como baches, grietas, roturas de bordes, mediante el empleo de técnicas de aprendizaje profundo a partir de datos visuales como fotos y videos.
Halleman explica: “La recopilación de datos de videos y fotos se puede realizar a la velocidad del tráfico. La combinación de datos existentes y problemas funcionales se puede tener en cuenta y aplicar técnicas de aprendizaje automático para comprender históricamente la huella digital del estado de una carretera y las acciones de mantenimiento que se registraron en ese momento. Este enfoque ayudará a lograr la planificación a corto plazo. Los datos de condición existentes con la predicción de futuras dificultades funcionales pueden influir en las estrategias de mantenimiento a largo plazo. Podemos usar algoritmos de aprendizaje profundo que toman grandes cantidades de datos para encontrar tendencias comunes entre conjuntos de datos, predecir condiciones futuras y derivar medidas preventivas de las predicciones para mantener carreteras seguras y confiables de manera más efectiva”.
Detalla que la realidad práctica del uso de la IA en el campo de la gestión inteligente aún está emergiendo, incluida la forma de regular, asimilar y centralizar datos de tal manera que el mantenimiento y la gestión de activos utilicen los beneficios de la IA junto con el conocimiento experto existente y los repositorios de datos para mejorar los algoritmos. lo que a su vez producirá una visualización más holística de las condiciones actuales de la red de carreteras, así como una comprensión más profunda del rendimiento futuro de la red.
Detección de superficie de carretera
Para Tom van der Ven de los Países Bajos Mobility Sensing, los avances en IA han cambiado el juego para los jugadores de gestión inteligente de activos.
“Los módulos de detección autónomos pueden reducir significativamente los costos de los datos de tráfico y carreteras”, dice. “Varias tendencias tecnológicas han llevado al desarrollo de módulos de sensores inalámbricos, autónomos y de ultra bajo consumo. Los pods se pueden instalar e intercambiar en minutos y no requieren datos externos ni conexión de alimentación. Una vez instalados, proporcionan un flujo continuo de datos en vivo sobre el estado y el uso de las redes de transporte”.
¿Qué desarrollos tecnológicos han provocado el surgimiento de este nuevo mercado de detección?
“Se han desplegado nuevas redes de comunicación de datos que aceleran el desarrollo del Internet de las cosas (IoT). Estas redes permiten que millones de dispositivos envíen pequeñas cantidades de datos utilizando transmisores de muy baja potencia. La IA se ha convertido en la corriente principal”, supone. “Los kits de herramientas hacen que la IA esté fácilmente disponible para los desarrolladores de software y la continua disminución de los costos de la potencia informática significa que la IA se puede implementar no solo en la nube, sino también en dispositivos compactos (pods)”.
Los avances en la tecnología de recolección de energía, en particular la energía solar, permiten que las cápsulas recolecten suficiente energía ambiental para mantener cargadas sus reservas de energía. A medida que la eficiencia de la recolección de energía aumenta aún más, las baterías pueden ser reemplazadas por capacitores más amigables con el medio ambiente.
"Estas tecnologías han dado lugar a la aparición de nuevas soluciones de detección de IoT en el tráfico y el transporte. Estas soluciones se basan en módulos de sensores autónomos autoalimentados que recopilan continuamente datos de sensores, interpretan los datos utilizando algoritmos avanzados y envían información relevante de forma inalámbrica a la nube".
“Cuando se combinan, estas tecnologías han dado lugar a la aparición de nuevas soluciones de detección de IoT en el tráfico y el transporte. Estas soluciones se basan en módulos de sensores autónomos autoalimentados que recopilan continuamente datos de sensores, interpretan los datos utilizando algoritmos avanzados y envían información relevante de forma inalámbrica a la nube”.
A medida que madure el mercado de soluciones de detección de IoT, los costos de producción de cápsulas disminuirán aún más, dice van der Ven, mientras que los costos de instalación y mantenimiento se mantendrán prácticamente iguales.
“Esto, a su vez, conducirá al desarrollo de módulos de sensores multipropósito, es decir, módulos diseñados para tomar una parte particular de una red de transporte en línea, en lugar de tener un solo propósito, como el conteo de tráfico. A medida que estas tendencias convergen, cada parte de las redes de transporte se puede tomar en línea, lo que lleva la infraestructura de transporte a la Internet de las cosas”.
Un ejemplo de una solución de detección de IoT tan innovadora es StreetSense de Mobility Sensing. Veinte pods de StreetSense se pueden instalar en un solo día, proporcionando a los operadores de carreteras información valiosa instantánea sobre el estado y el uso de su red de carreteras.
“Cada 10 minutos, StreetSense mide la temperatura in situ de la superficie de la carretera y la plataforma de la carretera, así como la condición de la plataforma de la carretera (seca, húmeda, mojada) y la cantidad de sal en la superficie de la carretera. Cuenta continuamente el tráfico que pasa y cada hora envía toda la información recopilada a StreetSense Cloud”, explica van der Ven.
“Cada pod de StreetSense puede advertir al operador de la carretera, p. para enfriar o arenillar la cubierta de la carretera para evitar el estrés por calor o la formación de hielo negro. También puede advertir a los administradores de tráfico sobre altas cargas de tráfico. Cada pod de StreetSense puede incluso advertir a los usuarios de la carretera sobre peligros de derrape y tráfico estacionario en esta calle en particular. Los datos históricos y en vivo se presentan convenientemente en un panel web seguro en listas, gráficos y mapas para los operadores de carreteras”.
Gemelos digitales para mejorar la comprensión
Nuestro mundo se está transformando y se está convirtiendo rápidamente en digital. Esta transformación digital en lo que respecta al transporte debe ayudar a soportar los nuevos desafíos en movilidad, seguridad y medio ambiente, así como un mejor mantenimiento de los activos existentes. Para ayudar a alinear las estrategias digitales con estos desafíos, esto implica cada vez más la creación de un gemelo digital.
Marcel de Rink, Customer Success Manager de Esri Nederland, explica qué es un gemelo digital y cómo el concepto está transformando la forma en que se gestionan los activos de transporte.
“Un gemelo digital es una representación virtual del mundo real, incluidos objetos físicos, procesos, relaciones y comportamientos. GIS crea gemelos digitales de los entornos naturales y construidos e integra de manera única muchos tipos de modelos digitales. La tecnología geoespacial conecta diferentes tipos de datos y sistemas para crear una vista única que se puede transportar y acceder sin inconvenientes durante todo el ciclo de vida del proyecto. GIS mejora la captura e integración de datos, permite una mejor visualización en tiempo real, proporciona análisis avanzados y automatización de predicciones futuras, y permite compartir información y colaborar”.
En términos de lo que esto significa para las agencias de carreteras de todo el mundo, de Rink explica que un gemelo digital de la red de carreteras se convierte en la base para una mejor gestión del sistema de transporte.
“Una agencia de carreteras utiliza una variedad de sensores en las carreteras para ayudar a monitorear el tráfico, que cuando se combinan con otros datos en tiempo real, como los datos de automóviles flotantes, pueden brindar al personal de operaciones de carreteras una visión completa de la red en tiempo real. Luego, podemos agregar datos del accidente, que en nuestro gemelo digital nos brinda una vista realista en 3D de la ubicación y los alrededores del accidente. Cada vez más, tanto los drones como las cámaras de CCTV pueden ayudar a los socorristas a comprender mejor el contexto para ayudar a guiar su respuesta.
“El mismo gemelo digital nos ayuda a comprender mejor no solo la movilidad”, agrega, “sino también los factores que influyen en la demanda de movilidad. Podemos comprender los usos de la tierra circundante, ya sea industria, recreación o agricultura, y cómo impactan el uso de la carretera, pero también los impactos de la carretera, como la contaminación acústica, las emisiones y otros impactos ambientales y de vida silvestre”.
Los gemelos digitales también nos ayudan a comprender mejor los activos de las carreteras y, lo que es más importante, a monitorear el estado de esos activos.
“Cada vez más, las agencias de carreteras utilizan imágenes 3D y captura LiDAR de sus carreteras para desarrollar registros completos de activos, a través de la extracción de características en tecnología GIS. Cada vez más, la inteligencia artificial, el aprendizaje automático y los drones se utilizan para actualizar continuamente el estado de todos esos activos, incluidos activos como señales y marcas en el pavimento que serán fundamentales para la navegación autónoma. A su vez, la tecnología GIS asocia esas imágenes al activo adecuado, todo parte del gemelo digital más grande”.
"Cada vez más, la inteligencia artificial, el aprendizaje automático y los drones se utilizan para actualizar continuamente el estado de todos esos activos, incluidos activos como señales y marcas en el pavimento que serán fundamentales para la navegación autónoma".
El poder real del gemelo digital radica en su capacidad para admitir modelos complejos, así como análisis de datos de gran tamaño para descubrir nuevos patrones y hacer mejores predicciones. GIS ayuda a administrar no solo los diferentes niveles de agregación espacial (1D, 2D y 3D), sino que también nos permite combinar datos de muchas fuentes diferentes en una sola vista y aplicar las últimas capacidades de análisis de datos espaciales, como la agrupación, para ayudar. entender mejor y predecir los resultados relacionados con nuestros sistemas de transporte. Este es el verdadero poder de los SIG y el pensamiento espacial, como explica de Rink.
“Las administraciones de carreteras interactúan con un número mucho mayor de otros actores, ya sean sus contratistas, otras agencias públicas y agencias de seguridad pública, y GIS (y Digital Twin) les permite a todos compartir, colaborar, visualizar y analizar información juntos para lograr mejores resultados. Este tipo de colaboración no solo puede aumentar la movilidad, sino también generar sistemas de transporte más seguros y equitativos”.
Los gemelos digitales nos han permitido comprender mejor las complejas relaciones en nuestros sistemas de transporte y diseñar políticas e inversiones más sostenibles.
“Al modelar y visualizar diferentes alternativas contra el gemelo digital, podemos ayudar a diseñar las ciudades sostenibles del futuro y crear sistemas de transporte más eficientes y equitativos para el próximo siglo”, concluye de Rink.
