Utah mejora las carreteras utilizando imágenes de drones y aprendizaje automático

Resumen

Cliente
Departamento de Transporte de Utah (UDOT)

Desafío
La amplia variedad de condiciones climáticas en Utah (EEUU) dificultaba la planificación e implementación de trazados óptimos en las carreteras, y el UDOT carecía de datos actualizados sobre el estado de las carreteras para darles mantenimiento de manera efectiva.

Solución
UDOT comenzó a recopilar datos mediante drones utilizando Site Scan for ArcGIS para desarrollar un gemelo digital. UDOT también trabajó con Esri a través del programa Esri Advantage para obtener ayuda en la creación de un modelo y una metodología de aprendizaje automático que harían que el departamento pasara de la digitalización manual de activos a la detección de activos, aprovechando los procesos automatizados.

Resultado
A través de imágenes de drones y entrega digital, UDOT ha obtenido datos dinámicos para representar el estado actual de cada activo. Junto con los esfuerzos continuos de automatización y aprendizaje automático, UDOT puede dar mantenimiento a sus carreteras de manera más efectiva, y así brindar experiencias de manejo óptimas.


El Departamento de Transporte de Utah (UDOT) es responsable de planificar, diseñar, construir, mantener y operar el sistema de carreteras del estado de Utah (EEUU). Mantiene las carreteras principales y mueve el tráfico a largas distancias, incluyendo la interestatal. Los miembros del equipo de UDOT creen que las buenas carreteras cuestan menos y, con una preservación proactiva, pueden maximizar el valor de su infraestructura para hoy y el futuro.

Las imágenes de drones proporcionan una vista aérea del sistema de carreteras de Utah.

 

Comprender la ubicación y el estado de los activos ayuda a UDOT a hacer que el dinero rinda más, al priorizar los esfuerzos de mantenimiento y construcción para brindar el mayor bien al público viajero. Al combinar los datos de ubicación de los activos con otras características de la carretera, como el volumen de tráfico, el límite de velocidad, y la frecuencia y gravedad de los accidentes, 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

UDOT utiliza LIDAR móvil para recopilar información sobre el pavimento cada año. Es importante realizar un seguimiento de las franjas y marcas en el pavimento porque comunican información a los usuarios de la carretera como ningún otro dispositivo de control de tráfico. Un informe reciente de la Administración Federal de Carreteras muestra que Estados Unidos gasta aproximadamente 2 mil millones de dólares al año en señalización de pavimentos. Corey Unger, gerente de tecnologías espaciales de UDOT, dijo: «No sólo es beneficioso para los conductores humanos sino también para la tecnología emergente de manejo automático».

Si bien es fundamental dar mantenimiento a la señalización del pavimento, el clima tan variable de Utah dificulta esta tarea. El clima cambiante crea un entorno complicado para planificar e implementar el tipo óptimo de trazado de líneas, y por ello el UDOT ha recibido críticas.

El clima variado de Utah hace que las tareas de inspección y mantenimiento sean un desafío.

 

Solución

Para mantener mejor aquellos activos tales como el trazado de líneas durante todo su ciclo de vida, UDOT está transformando la manera en que se gestionan los proyectos con entrega digital. Esto ofrece a la organización nuevas formas de comprender, ver y utilizar datos de diseño de proyectos en el campo. La entrega digital para UDOT significa la digitalización del proceso de entrega del proyecto. Los datos se compilan y entregan digitalmente en cada etapa del ciclo de vida de un proyecto, desde su diseño hasta la construcción, y luego el retorno de los datos a la gestión de activos para la planificación y ejecución futura del proyecto. Esta transformación llevó a UDOT a crear un gemelo digital, es decir una representación digital, de todos los activos físicos que conforman la red de transporte de Utah. Es parte de una estrategia de gestión de la información potente y escalable.

Unger dijo: «El propósito de la entrega digital es alejar a UDOT de los datos estáticos y, en su lugar, utilizar datos dinámicos para representar el estado actual de cada activo». Los datos se recopilan mediante drones utilizando Site Scan for ArcGIS, que permite la gestión integral de drones y la integración directa con el sistema ArcGIS. Esto permite a UDOT superponer fácilmente datos de diseño del proceso de entrega digital con imágenes recopiladas durante y después de la construcción de un proyecto. Ello ayuda a comparar la precisión cuando un proyecto se planificó e implementó.

La entrega digital para UDOT significa la digitalización del proceso de entrega del proyecto.

 

Un ejemplo es el uso que hace UDOT del análisis de corte/relleno en la superficie del diseño en comparación con la elevación de las imágenes de drones recopiladas para un proyecto de puerto de entrada. Este tipo de análisis informa a UDOT si la carretera se construyó demasiado alta o demasiado baja, ya que cualquiera de los escenarios puede generar condiciones peligrosas para los vehículos, drenaje deficiente u otras situaciones potencialmente peligrosas. Si la elevación sobre el terreno es menor que lo diseñado, se considera un corte, y si la elevación sobre el terreno es mayor que el diseño, se considera un relleno.

UDOT utiliza análisis de corte/relleno en imágenes de drones y el diseño para comparar la elevación sobre el terreno con la elevación del diseño.

 

La herramienta de corte/relleno de Site Scan for ArcGIS permite a UDOT delinear la ubicación donde se debe realizar el análisis volumétrico.

 

UDOT realiza análisis de corte/relleno con Site Scan for ArcGIS para estimar el volumen de una superficie en 3D. El área azul representa la superficie capturada por imágenes de drones y la amarilla indica la superficie del diseño.

 

Se utiliza el mismo método para comparar la marca del pavimento diseñada con el lugar donde realmente se colocó. Estos datos le brindan al inspector del proyecto la capacidad de verificar la ubicación de las entidades diseñadas en la construcción como parte de lo obtenido con el gemelo digital de UDOT. Una vez que se verifica la precisión de estas ubicaciones, las marcas se pueden ingresar en el sistema de gestión de activos de la organización, donde UDOT puede rastrear el ciclo de vida del activo, y planificar y programar las tareas de mantenimiento según ello.

UDOT compara la ubicación de las marcas en el diseño de un proyecto con el lugar donde se implementaron las marcas en el sitio de construcción.

 

Si bien la recopilación de datos a través de Site Scan for ArcGIS ayudó a UDOT a aproximarse 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 tomarían las imágenes y tendrían que delinear manualmente las condiciones del pavimento y la información de las líneas en ArcGIS Pro», dijo Unger. «Esto llevaría mucho tiempo». Entonces, UDOT comenzó a explorar un proceso automatizado en el que podría enviar datos de drones recopilados desde Site Scan for ArcGIS directamente a través de un modelo de aprendizaje automático de GeoAI, y luego extraer datos de líneas directamente en su base de datos.

UDOT se acercó a Esri a través del programa Esri Advantage para obtener su ayuda en la creación de un modelo y una metodología de aprendizaje automático, que harían que el departamento pasara de la digitalización manual de activos a la detección de activos aprovechando los procesos automatizados. Esri revisó el programa de UDOT y brindó una recomendación de mejores prácticas. Esri sugirió el 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 de los drones de 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, incluyendo franjas de carriles, franjas sonoras, deterioro del pavimento, señales, barreras de sonido y barreras de tráfico.

En un ejemplo de los resultados iniciales de extracción de líneas, una imagen de un dron de una carretera muestra una línea de franjas sólida, mientras que su imagen de análisis correspondiente muestra líneas de franjas discontinuas. Esto puede indicar malas condiciones de trazado de líneas, pero requiere más estudios. Sin embargo, siguen siendo datos valiosos para los equipos de mantenimiento, para que puedan identificar áreas donde pueden ser necesarias algunas reparaciones.

La imagen de dron de la izquierda se compara con la imagen de la derecha, que resultó del análisis. La franja blanca delineada en rojo en la imagen de la derecha debería ser una línea continua, como la marca delineada en rojo en la imagen de la izquierda. Sin embargo, la línea de la imagen de la derecha está rota, probablemente debido al color más oscuro presente en la franja de la imagen de la izquierda.

 

Otro ejemplo de resultados preliminares muestra un tramo de autopista donde se puede diferenciar entre tramos de hormigón y asfalto, así como definir las líneas. Nuevamente, esta es información importante para un inventario preciso del tipo de superficie, y para ayudar a los equipos de mantenimiento a saber en qué tipo de superficie van a trabajar para reparar.

El análisis automatizado permite distinguir fácilmente entre superficies de hormigón y asfalto.

 

Resultado

Aprovechar los datos de teledetección junto con la inteligencia artificial y los objetivos de aprendizaje automático permite una recopilación de datos más rápida y precisa sobre los activos de infraestructura, para que los propietarios de las infraestructuras puedan cumplir más rápidamente con las necesidades de mantenimiento. Site Scan for ArcGIS y el programa Esri Advantage han sido fundamentales para digitalizar el inventario de activos y desarrollar modelos de aprendizaje automático que continuarán ahorrando tiempo y dinero a la organización y, al mismo tiempo, brindarán una experiencia de manejo positiva para su comunidad.

El objetivo de UDOT es tener un método automatizado para extraer las condiciones de los activos a partir de imágenes de drones, con el fin de mantener el inventario de activos lo más actualizado posible. El departamento planea utilizar estos modelos como parte de sus esfuerzos para perfeccionar su proceso de extracción de activos y acelerar la finalización del gemelo digital. El aprendizaje profundo, la inteligencia artificial y las imágenes de vehículos aéreos no tripulados recopiladas con Site Scan for ArcGIS son elementos importantes de la estrategia de éxito de UDOT.

«El propósito de la entrega digital es alejar a UDOT de los datos estáticos y, en su lugar, utilizar datos dinámicos para representar el estado actual de cada activo.»

Corey Unger
Gerente de Tecnologías Espaciales, UDOT

 

Conozca más sobre mapeo con drones aquí.

 

comentarios

0