Automated Road Data Capture could change Road Maintenance

16/12/22-FR-English-NL-footer

La capture automatisée des données routières pourrait changer l'entretien des routes

Rendre les routes sûres et solides est l'un des investissements les plus coûteux mais les plus importants que les services de transport puissent faire. Ces améliorations coûteuses pourraient être moins coûteuses lors de l'intégration de l'automatisation.

La collecte de données sur les actifs en bordure de route et la prévision des réparations nécessitent du temps. Cependant, si la technologie peut créer des représentations et des simulations plus précises des routes à une fraction du coût, les entreprises pourraient économiser des ressources et améliorer en permanence le secteur.
Le besoin d'avancement de l'automatisation

Trop de programmes recueillent des données sur les routes. Certains informent les ingénieurs du nombre de nids-de-poule. Certains font savoir aux planificateurs à quel point une autoroute s'est dégradée en raison de sa composition. Des panneaux de signalisation endommagés, des arbres tombés ou envahis par la végétation ou des lignes de route décolorées sont également utiles pour rester informé.

Bien que toutes ces informations soient utiles, elles sont réparties sur différentes ressources lorsqu'elles pourraient être consolidées. Les start-up créant des jumeaux numériques pourraient collecter toutes les informations automatiquement et les centraliser, ce qui rendrait les évaluations plus efficaces. Plus important encore, il peut étendre sa multitude de fonctionnalités à des prévisions plus précises des dommages aux routes au fil du temps.

Parce que la technologie n'est pas suffisamment automatisée ou avancée dans le secteur, elle entraîne des sauvegardes de projets et des conducteurs frustrés qui effectuent des trajets quotidiens sur les mêmes chantiers de construction pendant des mois. La capture automatisée des données routières pourrait éliminer ces frustrations pour les conducteurs et les ingénieurs des transports. Un flux de données constant pourrait leur montrer quelle est la priorité la plus critique.

Les travailleurs peuvent demander si un défaut vaut la peine d'investir du temps et de l'argent en fonction de son impact sur divers facteurs tels que la circulation ou l'environnement - également connu sous le nom d'indice de l'état des routes. Les programmes pourraient déterminer les coûts et les délais estimés pour les réparations sans conjecture, tout cela parce que les données peuvent alimenter une représentation précise de la chaussée et simuler le travail avant qu'il ne soit effectué.
Les défis de l'industrie

Le plus grand défi dans la création de programmes d'automatisation est le financement. De nombreux facteurs de tous bords influencent négativement le financement du secteur des transports, notamment l'inflation et un carnet de projets incomplet.

Obtenir ce financement est encore plus complexe car les données ne peuvent pas être entièrement automatisées - les humains doivent encore contribuer. Une mise en garde comme celle-ci amène les investisseurs à se demander pourquoi ils devraient promouvoir l'initiative.

Il est essentiel de surmonter cette mentalité, car l'automatisation pourrait collecter la partie la plus importante des données, mais les humains devront toujours assurer la surveillance. Des facteurs changeants tels que les accidents et les conditions météorologiques influencent les modèles de trafic sont des anomalies dans les données lors de la formulation des prévisions - tout cela tout en tenant compte d'autres initiatives expérimentales de grande envergure qui pourraient perturber les modèles de trafic comme les routes solaires.

Pour garantir que de tels événements n'affectent pas les données, une intervention humaine doit les compléter pour une précision et des performances optimales. Les deux combinés peuvent former des jumeaux numériques de chaussées très précis et économiques.
L'influence de l'IA

Imaginez des réparations prévues des années à l'avance ou des inspections effectuées avec des caméras, des capteurs et une base de données d'informations sur les actifs routiers. L'intelligence artificielle (IA) combinée à l'apprentissage automatique travaillent ensemble pour informer les travailleurs des transports des meilleures façons de construire de meilleures routes - sans être sur la route elle-même.

À terme, la technologie de l'Internet des objets et l'IA pourraient exécuter des tâches d'entretien des routes telles que la tonte des espèces végétales envahissantes ou l'entretien des ponts. L'IA pourrait également fusionner avec d'autres technologies de transport en plein essor pour un ensemble de données encore plus complet. Les entreprises de Dashcam ou de télématique pourraient collaborer, en ajoutant leurs analyses pour des données plus intuitives et complètes sur les routes.
Modernisation de la gestion des transports

Le secteur doit mettre en œuvre plus de technologie pour passer à sa prochaine phase de développement. La capture automatique des données pourrait économiser du temps et des ressources, financièrement et écologiquement. Les travailleurs peuvent consacrer plus de temps à la planification et à la mise en œuvre de réparations ou d'améliorations sur les étapes qui mènent le plus à des progrès.

La maintenance et les opérations bénéficieront en interne de la technologie et des analyses supplémentaires qu'elle fournit et les conducteurs verront les changements lorsque les routes seront les meilleures qu'elles aient jamais été.
NJC.© IA

---------------------------------------------------------------------------------------------------------------------

16/12/22-English

Automated Road Data Capture could change Road Maintenance

Making safe and sturdy roadways is one of the most expensive yet important investments transportation departments can make. These costly improvements could be less pricey when incorporating automation.

Gathering data about roadside assets and predicting repairs requires time. However, if technology can create more accurate representations and simulations of roadways at a fraction of the cost, companies could save resources and permanently improve the sector.
The Need for Automation Advancement

Too many programs collect data about roadways. Some inform engineers how many potholes there are. Some let planners know how much a highway has degraded because of its composition. Damaged road signs, fallen or overgrown trees or fading road lines are also valuable for staying informed.

Though all of this information is helpful, it’s spread over different resources when it could be consolidated. Start-ups creating digital twins could collect all information automatically and centralize it, making assessments more efficient. More importantly, it can expand its host of features into more accurate predictions of road damage over time.

Because technology isn’t automated or advanced enough in the sector, it leads to project backups and frustrated drivers who take daily commutes through the same construction sites for months. Automated road data capturing could eliminate these frustrations for drivers and transportation engineers. A constant data feed could show them what the most critical priority is.

Workers can ask if a defect is worth investing time and money into depending on how much it affects varying factors like traffic or the environment — also known as a road condition index. The programs could determine estimated costs and timelines for repairs without guesswork — all because the data can feed into an accurate representation of the roadway and simulate the work before it’s performed.
The Challenges in the Industry

The biggest challenge in creating automation programs is funding. Many factors from all sides are negatively influencing financing for the transportation sector, including inflation and an incomplete backlog of projects.

Getting this funding is even more complex because the data cannot be fully automated — humans still have to contribute. A caveat like this makes investors question why they should promote the initiative.

Overcoming this mentality is vital because automation could collect the most significant portion of the data, but humans will still need to provide oversight. Changing factors like accidents and weather influence traffic patterns are anomalies in data when formulating predictions — all of this while considering other sweeping, experimental initiatives that could disrupt traffic patterns like solar roadways.

To ensure events like this don’t impact the data, human intervention must supplement it for optimal accuracy and performance. The two combined can form highly accurate and cost-saving digital twins of roadways.
The AI Influence

Imagine repairs predicted years in advance or inspections performed with cameras, sensors and a database of road asset information. Artificial intelligence (AI) combined with machine learning work together to inform transportation workers of the best ways to construct better roads — without being on the road itself.

Eventually, Internet of Things technology and AI could execute road maintenance tasks like mowing invasive plant species or performing bridge maintenance. AI could also meld with other rising transportation technologies for an even more comprehensive dataset. Dashcam or telematics companies could collaborate, adding their analytics for more intuitive, complete data about roadways.
Modernizing Transportation Management

The sector needs to implement more technology to move into its next development phase. Capturing data automatically could save time and resources, financially and environmentally. Workers can devote more time to planning and implementing repairs or improvements on the steps that most greatly lead to progress.

Maintenance and operations will benefit internally from the added technology and analytics it provides and drivers will see the changes when the roads are the best they have ever been.
NJC.© IA

----------------------------------------------------------------------------------------------------------------

16/12/22-NL

Geautomatiseerde Road Data Capture kan wegenonderhoud veranderen

Het maken van veilige en stevige wegen is een van de duurste maar ook belangrijkste investeringen die transportafdelingen kunnen doen. Deze kostbare verbeteringen kunnen goedkoper zijn bij het integreren van automatisering.

Het verzamelen van gegevens over bedrijfsmiddelen langs de weg en het voorspellen van reparaties kost tijd. Als technologie echter nauwkeurigere representaties en simulaties van wegen kan creëren tegen een fractie van de kosten, kunnen bedrijven middelen besparen en de sector permanent verbeteren.
De behoefte aan automatiseringsvooruitgang

Te veel programma's verzamelen gegevens over wegen. Sommigen informeren ingenieurs hoeveel kuilen er zijn. Sommigen laten planners weten hoeveel een snelweg is verslechterd vanwege zijn samenstelling. Ook beschadigde verkeersborden, omgevallen of overwoekerde bomen of vervagende wegbelijningen zijn waardevol om op de hoogte te blijven.

Hoewel al deze informatie nuttig is, is deze verspreid over verschillende bronnen wanneer deze kan worden geconsolideerd. Startups die digitale tweelingen creëren, kunnen alle informatie automatisch verzamelen en centraliseren, waardoor beoordelingen efficiënter worden. Wat nog belangrijker is, het kan zijn scala aan functies uitbreiden tot nauwkeurigere voorspellingen van wegschade in de loop van de tijd.

Omdat de technologie in de sector niet geautomatiseerd of geavanceerd genoeg is, leidt dit tot projectback-ups en gefrustreerde chauffeurs die maandenlang dagelijks over dezelfde bouwplaatsen pendelen. Het automatisch vastleggen van weggegevens zou deze frustraties voor chauffeurs en transportingenieurs kunnen wegnemen. Een constante datafeed zou hen kunnen laten zien wat de meest kritieke prioriteit is.

Werknemers kunnen zich afvragen of een defect de moeite waard is om tijd en geld in te investeren, afhankelijk van de mate waarin het van invloed is op verschillende factoren, zoals het verkeer of het milieu - ook wel bekend als een index voor de toestand van de weg. De programma's konden zonder giswerk de geschatte kosten en tijdlijnen voor reparaties bepalen - allemaal omdat de gegevens kunnen worden gebruikt voor een nauwkeurige weergave van de rijbaan en het werk kunnen simuleren voordat het wordt uitgevoerd.
De uitdagingen in de branche

De grootste uitdaging bij het maken van automatiseringsprogramma's is de financiering. Veel factoren van alle kanten hebben een negatieve invloed op de financiering van de transportsector, waaronder inflatie en een onvolledige achterstand van projecten.

Het verkrijgen van deze financiering is zelfs nog complexer omdat de gegevens niet volledig kunnen worden geautomatiseerd - mensen moeten nog steeds bijdragen. Een voorbehoud als dit doet beleggers zich afvragen waarom ze het initiatief zouden moeten promoten.

Het overwinnen van deze mentaliteit is van vitaal belang omdat automatisering het grootste deel van de gegevens zou kunnen verzamelen, maar mensen zullen nog steeds toezicht moeten houden. Veranderende factoren zoals ongevallen en weer beïnvloeden verkeerspatronen zijn anomalieën in gegevens bij het formuleren van voorspellingen - dit alles terwijl andere ingrijpende, experimentele initiatieven worden overwogen die verkeerspatronen zoals zonnewegen kunnen verstoren.

Om ervoor te zorgen dat dergelijke gebeurtenissen geen invloed hebben op de gegevens, moet menselijke tussenkomst deze aanvullen voor optimale nauwkeurigheid en prestaties. De twee gecombineerd kunnen zeer nauwkeurige en kostenbesparende digitale tweelingen van wegen vormen.
De AI-invloed

Denk aan reparaties die jaren van tevoren zijn voorspeld of inspecties die worden uitgevoerd met camera's, sensoren en een database met informatie over wegactiva. Kunstmatige intelligentie (AI) gecombineerd met machine learning werken samen om transportmedewerkers te informeren over de beste manieren om betere wegen aan te leggen - zonder zelf op de weg te zijn.

Uiteindelijk zouden Internet of Things-technologie en AI wegenonderhoudstaken kunnen uitvoeren, zoals het maaien van invasieve plantensoorten of het uitvoeren van brugonderhoud. AI zou ook kunnen samensmelten met andere opkomende transporttechnologieën voor een nog uitgebreidere dataset. Dashcam- of telematicabedrijven zouden kunnen samenwerken en hun analyses kunnen toevoegen voor meer intuïtieve, volledige gegevens over wegen.
Transportmanagement moderniseren

De sector moet meer technologie implementeren om naar de volgende ontwikkelingsfase te gaan. Het automatisch vastleggen van gegevens kan tijd en middelen besparen, zowel financieel als ecologisch. Werknemers kunnen meer tijd besteden aan het plannen en uitvoeren van reparaties of verbeteringen aan de stappen die het meest tot vooruitgang leiden.

Onderhoud en operaties zullen intern profiteren van de toegevoegde technologie en analyses die het biedt en chauffeurs zullen de veranderingen zien wanneer de wegen de beste zijn die ze ooit zijn geweest.
NJC.© IA

----------------------------------------------------------------------------------------------------------------------