Op naar een Smart Digital Reality

3 april 2019

Van beschrijven, via analyseren naar voorspellen
De energietransitie, de verzakking van ons wegennet, klimaatadaptie, het zijn de grote onderwerpen van onze tijd, waarin locatie een cruciale rol speelt. We proberen zo snel mogelijk in beeld te hebben wat er gebeurt, die ontwikkelingen te analyseren en op basis daarvan keuzes te maken. Dankzij open standaarden en het koppelen van services via API’s wordt het steeds eenvoudiger om gegevens vanuit verschillende bronnen met elkaar te combineren en daaruit een eensluidend beeld van de werkelijkheid te destilleren. Die ene werkelijkheid wordt steeds belangrijker.

Door Patrick de Groot

Hadden we vroeger de focus op ‘data bij de bron’ en maakten we ons druk of alle datasets wel juist beschreven zijn, inmiddels praten we veel meer over het koppelen van services, waarbij het dataproduct wat daarmee beschikbaar wordt gesteld al is voorgesorteerd voor juist gebruik. Het blijven echter wel in veel gevallen dataproducten en ook veel dataproducten bij elkaar maken nog geen informatie. Ook zien we al jaren een toenemende focus op 3D. Zoals een plaatje meer zegt dan duizend woorden, zo zegt een 3D-aanzicht veel meer dan laag op laag in een traditionele GIS-viewer. 3D benadert voor ons gevoel meer de werkelijkheid die we dagelijks buiten (en trouwens ook binnen) ervaren. Hierin schuilt wel een vaak onbesproken en enigszins onbewust gevaar. Omdat we een 3D-visualisatie als meer ‘echt’ ervaren, hechten we aan de getoonde informatie ook direct veel realiteitswaarde. Het is echter belangrijk om ons te realiseren dat de werkelijkheid dynamisch is, voortdurend verandert en dat het een forse uitdaging is om die 3D-beleving continu te laten aansluiten op de werkelijkheid.

 

                                        Een 3D-aanzicht, hier van Drechtsteden, zegt veel meer dan laag op laag in een traditionele GIS-viewer.

 

Voor die aansluiting op de werkelijkheid is meer nodig dan eenmalig een 3D-stadsmodel uploaden naar de cloud, want als er daarna niets meer gebeurt dan zal de getoonde digitale wereld steeds verder achter gaan lopen bij de echte wereld. Het is niet moeilijk voor te stellen dat bepaalde beslissingen dan ineens een ongewenst effect teweegbrengen. Om voeling te houden met de werkelijkheid en daarop te kunnen acteren, is koppeling met (near) realtime actieve sensoren nodig. Sensoren die de luchtkwaliteit in de gaten houden, sensoren die congestie laten zien, sensoren die waterstanden en stikstofgehalte meten, enzovoort. Door deze te integreren in een 3D-omgeving, wordt de actualiteit naar binnen gehaald. Door de combinatie van up-to-date bronsystemen met realtime sensoren en geavanceerde analyses, wordt de werkelijkheid steeds beter benaderd en wordt een digitale kopie van de buitenwereld gebouwd, oftewel een ‘Digital Twin’. 

Bijhouden
Aangezien de buitenwereld continu verandert, zal een digitale kopie ook moeten meeveranderen om die ‘tweeling-status’ te behouden. Wie naar een echte Digital Twin van een stad, fabriek, vliegveld of bijvoorbeeld een natuurgebied toe wil, moet het bijhoudingsproces ook hebben ingeregeld. Dit is in feite niet anders dan bij onze huidige 2D-basisregistraties. Die bijhouding kan iemand natuurlijk zelf, met de hand doen. Maar zoals een stad in de werkelijkheid een complex ecosysteem van op elkaar ingrijpende processen is, zo geldt dat ook voor de bijhouding van zijn digitale tweeling.

Hierbij helpt een geautomatiseerd systeem van bijhoudingsprocessen, dit noemen we ook wel ‘Data automation’. Dit kan op basis van objectieve criteria en in toenemende mate dankzij kunstmatige intelligentie en meer specifiek dankzij machine learning. In de geografie kan machine learning uitstekend worden toegepast om bepaalde objecten automatisch te herkennen of om veranderingen door de tijd te detecteren. Machine learning wordt binnen IMAGEM al een aantal jaar met succes toegepast, en zo’n twintig machine learning en deep learning algoritmes zijn in de Hexagon Geospatial-software geïmplementeerd. Door GPU-processing kunnen de zware algoritmes krachtig worden uitgevoerd.

 

Door geluidssensoren te plaatsen in een stad, is het mogelijk om in de digitale tweeling van die stad de geluidsoverlast te analyseren.

Machine learning en deep learning zorgen niet alleen voor effectieve bijhouding, maar laten ons ook patronen en trends zien die op basis van de afzonderlijke gegevensstromen niet zouden opvallen. Die patroonherkenning zorgt ervoor dat we niet alleen onze werkelijkheid digitaal hebben ‘gevangen’, maar dat we steeds meer gestuurd worden doordat het systeem problemen onderkent die vanuit de mens niet of pas veel later worden ontdekt. Bij eenvoudige problematiek zijn we als mens nog goed in staat significante veranderingen te herkennen, maar we hebben de computer en AI nodig om de toenemende complexe digitale wereld goed aan te kunnen.

Interactieve analyse
De effecten of trends die vanuit geautomatiseerde analyse en slimme combinatie van bronsystemen worden ontdekt, kunnen worden samengebracht in sturingsdashboards. Zo wordt heel gericht duidelijk waar een probleem optreedt, of waar kansen liggen. Zo heeft Rijkswaterstaat in 2018 InSAR satellietgegevens gebruikt om langdurig verzakking te meten op een van de knooppunten in Nederland. De ruwe meetgegevens laten al zien waar verzakking is gemeten, maar door inzet van data automation en slimme dashboarding technologie (Smart M.Apps) heeft Rijkswaterstaat nu een interactieve analyse die aangeeft welke wegstukken de meeste zetting vertonen en de hoogste prioriteit hebben. Het risicobeeld is daarmee direct duidelijk en indien gewenst zijn de feitelijke metingen die tot dat risicobeeld hebben geleid direct opvraagbaar door koppeling aan bronbestanden. Andere ontwikkelingen op die plek, die geen rol of invloed hebben op dit specifieke probleem, worden daarbij niet meegenomen, waardoor een heel doelgericht dashboard ontstaat. Daarmee verandert het onderhoud van een planmatig, naar een risicogestuurd systeem. En dat zorgt er weer voor dat een beleidsmaker of bestuurder gefundeerd beslissingen kan nemen zonder eerst zelf alle ingewonnen data te moeten bestuderen.

De componenten dataverwerking, analyse en sturing geven tezamen een betrouwbaar beeld, waarop gefundeerde beslissingen kunnen worden genomen. IMAGEM ontwikkelt op basis van Hexagon Geospatial-technologie oplossingen voor veel verschillende sectoren die deze componenten in zich hebben. Zo kan Defensie bijvoorbeeld snel en accuraat een inzetgebied in kaart brengen en zichtbaar maken waar het met specifieke voertuigen wel en niet kan verplaatsen. Bij gemeenten ontstaan actuele 3D-stadsmodellen die een belangrijke input zullen zijn voor het Digitaal Stelsel Omgevingswet. Voor een waterschap gaat het bijvoorbeeld om inzicht in ongewenste activiteit binnen de beschermingszone van een watergang, terwijl een openbaarvervoeraanbieder direct ziet waar zijn lijnen op tijd rijden en wat de huidige bezettingsgraad is. Die inzichten leiden tot keuzes voor effectieve inzet van mensen en middelen. De voorbeelden zijn eindeloos.

Door inzet van data automation en Smart M.Apps beschikt Rijkswaterstaat over een interactieve analyse die aangeeft welke wegstukken de meeste zetting vertonen en de hoogste prioriteit hebben.

Initieel model
Een Digital Twin maken we samen. Data vanuit eigen systemen worden samengebracht met open databronnen die de overheid ontsluit. Dit zijn bijvoorbeeld LiDAR-scans, stereofoto’s, dronebeelden en basisregistraties, maar ook live sensoren die actuele meetwaarden leveren. Met behulp van generieke bouwstenen worden die ruwe data omgezet naar een initieel model en worden daar de actuele sensordata aan gekoppeld, als die beschikbaar zijn.

Een digitale kopie hoeft niet meteen allesomvattend te zijn en kan klein beginnen, gericht op slechts één of een paar aspecten, zolang van het bewuste thema maar wel de actuele, betrouwbare en complete weergave wordt getoond. Wanneer de basis staat, kan deze stap voor stap worden uitgebreid met nieuwe thema’s. Het klinkt misschien nog als toekomst, maar het is niet meer zo ver weg. Veel van wat hierboven wordt beschreven, kan nu al. Samen met onze klanten en partners werken we toe naar een ‘Smart Digital Reality’. 

Patrick de Groot patrick.degroot@imagem.nl is business  development and sales operations manager bij IMAGEM.  Meer informatie over Smart Digital Realiy is te vinden op:

Website IMAGEM 

Comments are closed.