•传统的路面管理实践与技术缺乏效率和全面性，无法实现资产价值的最大化。

 

　　•Benesch启动了一项研发项目，探索通过集成人工智能、机器学习和数字孪生技术来实现以数据为中心的路面裂缝检测工作流。

 

　　•利用iTwin?和人工智能与机器学习技术，在数字孪生中自动实现了裂缝数据的数字化与集成，节省了75%以上的现场手动作业。

 

　　•他们使用Bentley数字孪生应用程序，借助人工智能和机器学习管理路面资产，取得了成功。

 

 

　　大多数公共机构的资产，如桥梁和交通网络（包括路面），都需要进行裂缝检测和维护，以确保其在设计全生命周期的结构完整性。然而，当前收集裂缝和接合数据的检查方法非常耗时，会致使停工，这对基础设施业主、运营商以及公众都会产生负面影响。Benesch是建筑、工程和施工(AEC)行业的一家多专业公司，为广泛的市场提供专业服务。该公司技术经理BretTremblay表示：“通常情况下，这意味着不对整个路面进行分析，而是通过截面样本找出平均值，然后[将平均值推算至]资产的其余部分。”尽管这种方法会导致工程量超支和工单变更，但它已成为行业的标准做法。

 

　　为了解决这些问题，Benesch启动了一项研发项目，以实施更高效的数据收集工作流，解决常规检查期间因长期关闭而给客户造成的相关问题。Tremblay表示：“几乎所有有用的公共机构资产都涉及到路面，而传统的路面维护方法和技术无法最大限度提升这些资产的价值。”Benesch以开发满足客户需求的技术为已任，开始在三个进行中的项目现场收集数据，以测试和提升当前技术能力，优化检测方法。

 

 

　　公路、桥梁、机场和停车场的现有道路横断面不断退化，道路的检测维护需求也不断增加。Tremblay表示：“这些工作通常被无限期的推迟，直到资产的使用寿命结束，这导致资产状况进一步恶化，无法弥补。”无人机采集高分辨率航空正射影像技术的出现，使得可以直接在图像上追踪裂缝，从而节省数字化的时间。然而，这种数字化方法仍然无法满足行业的需求，因为资产超出设计寿命后仍在使用状态。相比现场检测，数字化数据采集的效率更高，但在数据利用方面仍然存在差距，因为采集的数据并没有得到充分利用。

 

　　虽然工程团队可以通过航拍照片在数字化环境中对裂缝进行可视化，但根据状况评估对裂缝进行分析或归类时，仍然存在脱节的情况，因为评估时仍然需要进行现场勘测。Benesch设法填补这一差距，对数据收集、分析和利用进行简化，以充分释放数据的潜能。他们希望采取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员，以便更及时地做出明智的决策，从而获得更好的结果，确保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，以充分运用尖端物联网、人工智能和机器学习技术的力量。

 

 

　　Tremblay表示：“我们看到了客户在[状况评估]能力方面的差距，明白与Bentley合作将会帮助我们取得必要的突破。”Benesch选择使用Bentley的iTwinCaptureModeler（原ContextCapture）、AssetWise?和iTwin应用程序进行数字创新试验，创建了三个选定项目场地的数字孪生模型。通过与Bentley合作，他们探索将人工智能/机器学习集成到现场数据收集工作流，尤其是路面裂缝检测流程中。Tremblay表示：“通过综合运用Bentley的[iTwinCaptureModeler]、AssetWise和iTwinExperience，我们有信心开发出基于路面裂缝检测技术的工作流，利用人工智能/机器学习的力量，简化从现场数据收集直至分析的整个裂缝检测过程，并将其纳入Bentley数字孪生模型。”

 

　　作为生成数字孪生的第一步，Benesch通过自动飞行计划完整飞越了各个项目现场，并将无人机采集的图像与基于人工智能的检测传感器相结合，从中提取裂缝检测数据并进行分析。基于机器学习/人工智能的路面裂缝探测器实现了裂缝线条数据的自动数字化，并将数据输入到数字孪生模型，从而为来自项目现场的裂缝数据提供实时可靠的可视化分析。Benesch借助Bentley的iTwin应用程序，利用数字孪生技术增强路面裂缝检测，直接在模型中添加状况标注，并远程评估资产状况。基于机器学习/人工智能的数字化缺陷检测可自动识别现场裂缝缺陷并对其进行分类，并利用纠正问题所需要的检查数据生成相应的结果，这些结果可无缝移交给维护、设计和施工团队。

 

 

　　与人工流程相比，AI工作流可节省大量时间，提供更高质量的数据。新的裂缝检测解决方案结合Bentley的iTwin应用程序，实现了裂缝线条数据的自动数字化，节省了超过75%的现场工作时间。据预计，该方案有助于在对100家机场进行检测时节省费用，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，团队能做的不仅仅局限于从一张照片中找出路面裂缝。该技术所提供的虚拟整体视图可提高安全性和准确性，消除危险且容易出错的手动操作，并减少因现场检测和修复而造成停工，避免影响运营。Tremblay说：“通过这一技术和工作流，我们可以查看并对比单个资产在使用寿命期间的历史结果，看看这些裂缝是否会随着时间的推移而扩大，并对资产进行更好的健康评估，对此，我们感到非常欣喜。它让我们能够为客户提供数据驱动的维护决策方法。”

 

　　在人工智能/机器学习驱动的沉浸式数字孪生环境中工作，促成了以数字化数据为中心的工作流，将资产管理的视角从分散的方法转变为单一可信数据源，可提供对整个结构的理解，以做出更好的决策。Benesch为客户实施这项技术，他们希望逐渐帮助优化关键交通基础设施的维护，为所有人提供更加安全的环境。

 

　　Tremblay表示：“我们认为这款产品不仅对Benesch有利，也对整个AEC行业有利。”通过采用基于机器学习/人工智能的现代技术，AEC行业可以利用基础设施数据，在最关键的地方降低人为错误风险。Benesch的自动化路面裂缝数据收集工作流极具开创性，将改变路面资产管理的行业实践。Tremblay补充说：“这款产品虽然仍处在早期测试阶段，但它是第一个结合了Bentley及其他技术的产品，我们预测它将转变AEC行业内检测数据的收集方法。”

 

　　©2023BentleySystems,Incorporated.Bentley、Bentley徽标、AssetWise、ContextCapture、iTwin、iTwinCaptureModeler和iTwinExperience是BentleySystems,Incorporated或其直接或间接全资子公司的注册或未注册商标或服务标志。其他品牌和产品名称均为其各自所有者的商标。