Digitale transformatie van onze samenleving en de Digital Twin
In contacten met beleidsmakers uit verschillende sectoren, van omgeving tot infrastructuur, krijgen we vaak gelijkaardige vragen. Velen hebben namelijk dezelfde noden of worstelen met gelijkaardige problemen. Waar vroeger in de beslissingsprocessen gewerkt werd met kwalitatieve adviezen, rapporten, schattingen en steekproeven, wordt er nu algemeen verwacht dat beslissingen kunnen gebaseerd worden op kwantitatieve en volledige gegevens. De verzoeken kunnen heel uiteenlopend zijn. Van het drone-gebaseerd in kaart brengen van gebeurtenissen langs corridors in een handhavingscontext tot het opzetten van een ruimtelijke database van deurbellen via mobile mapping om continu migratiepatronen in een stad te monitoren.
Tien jaar geleden nam de gemeenteraad beslissingen op basis van expertkennis en steekproeven. Tegenwoordig wordt een bepaalde volledigheid van data en feiten verwacht, en moeten de cijfers achter de adviezen en indrukken aangeleverd worden”.
Reynvoet Hilde, directeur Wonen bij Stad Gent
Aangezien de huidige technologische middelen ons in staat stellen om massale hoeveelheden gegevens te meten en te verwerken, is de algemene verwachting dat lokaal beheer van hulpbronnen (land, water, infrastructuur, materialen en energie) en situaties (verandering, veiligheid, mobiliteit, sociale patronen) data gedreven wordt. Dit wordt momenteel geframed als "digital twin" technologie. Een digital kopie van een omgeving waardoor we ons landschap en gebruik van grondstoffen beter kunnen beheren en het effect van beleidsmaatregelen kunnen nagaan. Het is een natuurlijk gevolg van de opkomst van cloud computing, web services, sensornetwerken en sociale netwerken vanaf circa 2005. We zijn duidelijk een tijdperk van digitale transformatie ingegaan waarin remote sensing als informatiebron relevanter dan ooit tevoren is geworden!
Digital Twin van Vlaanderen gebaseerd op LiDAR (16 punten/m2) en orthofotos (20cm resolutie) voor het beheer- en handhavingstoepassingen van omgeving en civiele infrastructuur. Het voorbeeld hier toont de patronen van oppervlakkige waterafstroming afgeleid uit LIDAR als onderdeel van een geïntegreerd waterbeheer.
Informatie met de juiste temporele en ruimtelijke resolutie
Dataresolutie – zowel in ruimte als in tijd – is essentieel voor de bruikbaarheid van de informatiediensten van onze genetwerkte samenleving. Gedurende vele decennia zijn luchtbeelden en terrestrische metingen de standaard informatiebron voor lokale overheden en bedrijven vanwege de superieure gegevenskwaliteit voor visuele of computerondersteunde kwantitatieve informatieverzameling. Door de opkomst van kleine drone systemen is remote sensing uitgegroeid tot een meettechniek die door iedereen kan ingezet worden. De relevantie van kleine drones is niet geworteld in unieke missies of kostenmodel, maar eerder in de operationele impact van een eenvoudige logistiek. In een operationele context zijn ze directe ondersteuningsmiddelen voor de eenheid die ze gebruikt en maken ze het mogelijk om gegevens te verzamelen met de ruimtelijke en temporele resolutie die de toepassingen vereisen.
Een voorbeeld van risicokartering voor kwelgevoeligheid in een dijk in opdracht van de 'Vlaamse Waterweg'. Op basis van 2 dronevluchten ('s morgens vroeg en ’s avonds, telkens bij hoogwater) kon de temporele temperatuurgradiënt gemeten worden. Terreinelementen die trager opwarmen dan gemiddeld door het hogere watergehalte kunnen beschouwd worden als risicozones. De rode sterren geven de terreinvaststellingen weer van kwelverschijnselen.
Data-acquisitie is de laatste jaren een stuk toegankelijker geworden. De sensoren worden beter en kleiner en je kan relatief eenvoudig verschillende sensoren (RGB-framecamera's, hyperspectrale lijnscanners, LiDAR en sonar puntscanners, ...) installeren op drones, auto's, boten, vliegtuigen, helikopters, enz. Echter, na enkele eerste experimenten, realiseren veel bedrijven zich dat data-acquisitie slechts een eerste stap is en dat er veel meer expertise en investeringen nodig zijn om de ruwe data om te zetten in correcte informatie. Daarom hebben we "MAPEO" ontwikkeld, een modulair remote sensing platform om data-acquisitie, beeldverwerking en online hosting van zowel de ruwe data als de afgeleide informatieproducten te stroomlijnen volgens de noden van specifieke toepassingen.
Operationele toepassingen op maat van de klant
MAPEO ondersteunt een breed spectrum van sensoren en remote sensing oplossingen.Dankzij de modulaire aanpak kan MAPEO verschillende sensoren met bijhorende verwerkingstechnieken ondersteunen.
- LiDAR voor zeer nauwkeurige en gedetailleerde 3D-toepassingen
- Hoge resolutie foto's voor objectdetectie
- Hyperspectrale camera's voor fenotypering of waterkwaliteit
- Mobile mapping voor het beheer van civiele infrastructuur
Voorbeeld van “mobile mapping” (panoramacamera op een boot) voor het beheer van de civiele infrastructuur langs de bevaarbare waterwegen.
Door reeds verschillende decennia actief betrokken te zijn in het opzetten van operationele toepassingen (beheer van land, water, energie, materialen, infrastructuur en veiligheid), merken we dat de nood aan een modulair verwerkingsplatform om zelf mee aan de slag te gaan steeds groter wordt. Verschillende overheidsdiensten, steden, gemeenten en bedrijven willen zaken continu kunnen monitoren en men wil hiervoor zelf of met partners de juiste remote sensing technologie inzetten. De MAPEO basisconfiguratie kan daarom worden afgestemd op de specifieke toepassingsbehoeften van een organisatie en biedt verschillende diensten voor:
- Data-acquisitie campagnes (vluchtvoorbereiding en kwaliteitscontrole)
- Gestandaardiseerde fotogrammetrische en radiometrische verwerking
- Online toegang tot ruwe en afgeleide producten
- Een beheerd archief van gegevens
- Ontwikkelingen van applicaties
- Datafusie met gegevens uit andere bronnen
Een voorbeeld van MAPEO gebruikt voor drone-gebaseerde monitoring van micro-topografische veranderingen in de gecontroleerde overstromingsvlakten langs de Schelde
MAPEO begint als een blanco (“white-labelled”) algemeen product (de basisconfiguratie zoals hierboven aangehaald) maar groeit gedurende de iteratieve prototypering uit tot een platform gericht op de specifieke toepassingen van een gebruiker. Hierdoor kan gegarandeerd worden dat de specifieke complexiteit van de toepassingen adequaat wordt aangepakt. Klanten kunnen beslissen of ze MAPEO als een dienst (een gedeelde instantie) gebruiken of dat ze volledig eigenaar worden van een MAPEO instantie. In beide gevallen kan MAPEO afgestemd worden op maat van de noden en specificaties van de klant.
Momenteel zijn er meerdere MAPEO toepassingen actief, elk op een ander “technology readiness level” (TRL) afhankelijk van waar in de ontwikkelcyclus een gebruikersgroep zich bevind. Ontdek meer in onze gerelateerde MAPEO blogs.
MAPEO begint als een blanco (“white labelled”) basisconfiguratie (een eerste prototype) en eindigt in een door de klant afgestemde gedeelde of zelfstandige instantie (grijze pijlen). Gedeelde instances worden beheerd door de VITO MAPEO-groep, stand-alone instances zijn eigendom van en worden beheerd door de klant. In beide gevallen kan de “product branding” van gedeelde of stand-alone instances worden uitgewerkt volgens de specificaties van de klant.
