Het bouwen van een duurzame toekomst met Digital Twins
Waar dromen stedenbouwkundigen van? Het lijkt waarschijnlijk op een ‘city building game’: boven een stad zweven, overal zonnepanelen plaatsen of dubbel glas installeren en meteen de effecten op energieverbruik zien. Daarna kun je misschien lokale hernieuwbare energie implementeren, wat bomen planten, en alle trottoirs vervangen. Hoe bestand is de buurt nu tegen een veranderend klimaat? Deze droom wordt werkelijkheid in de duizelingwekkende wereld van Digital Twins. En deze toch al krachtige hulpmiddelen worden nog beter en toegankelijker dankzij de huidige ontwikkelingen op het gebied van AI.
Let op: AI is volop gebruikt bij het schrijven en illustreren van dit artikel
Hoe bouw je een Digital Twin
Digital Twins zijn virtuele replica's die een groot aantal datasets samenvoegen om een nauwkeurige virtuele weergave van een omgeving te maken. De hoge kosten van het implementeren van innovaties beperken onze pogingen om de duurzaamheid, energie-efficiëntie en veerkracht van steden te vergroten. Maar Urban Digital Twins kunnen dienen als dynamische simulaties die helpen bij het beoordelen van de impact van interventies. Dr. Azarakhsh Rafiee en haar collega's van de Digital Technologies groep willen deze Twins gebruiken om te helpen bij de energietransitie. Hun belangrijkste datasets zijn:
Naast al deze bronnen moeten ook veranderingen in de tijd worden meegenomen. Deze veranderingen zijn onder andere de veroudering van gebouwen, periodiek onderhoud, en de aanleg van nieuwe gebouwen. Als de Digital Twin al deze informatie goed verwerkt, wordt het een virtueel laboratorium om een groot aantal ingrepen te simuleren, van verbeterde isolatie tot installaties van zonnepanelen en de aanleg van lokale elektriciteitsnetten.
De echte kracht van AI ligt in het extraheren van bruikbare informatie uit al de bovengenoemde gegevensbronnen. Algoritmen voor machine learning leggen ingewikkelde relaties tussen variabelen en produceren een holistisch model dat de bestudeerde omgeving efficiënter weerspiegelt dan voorheen mogelijk was. En naast de mogelijkheid om nauwkeurige modellen te maken in minder tijd, is AI om verschillende andere redenen cruciaal in het functioneren van een Digital Twin:
- Analyse van satellietbeelden: AI's vaardigheid in het herkennen van objecten versnelt het maken van zeer nauwkeurige kaarten op basis van satellietbeelden, waardoor minder tijd en geld nodig zijn.
- Verbeterde kracht van voorspellingen: AI’s vermogen om trends te herkennen in historische en real-time sensorgegevens verfijnt voortdurend de nauwkeurigheid van de Digital Twin in iteratieve toekomstvoorspellingen.
- Verbeterde inclusie van scenario’s: AI's modelleringsvermogen vergroot de mogelijkheid om toekomstige ontwikkelingen, zoals trends in de beschikbaarheid van materialen of een veranderend klimaat, mee te nemen en biedt betrokkenen een beter inzicht voor een gerichter ontwerp.
AI kan Urban Digital Twins verbeteren door het verfijnen van hun vermogen om de toekomst te voorspellen
De effectieve integratie van AI in Urban Digital Twins heeft verstrekkende gevolgen. Met de Digital Twin als proeftuin kunnen stedenbouwkundigen weloverwogen beslissingen nemen om:
- Energie-efficiëntie te verbeteren: Digital Twins maken het mogelijk om in te schatten wat de effecten zullen zijn van energiebesparende of -opwekkende maatregelen zoals verbeterde isolatie of geoptimaliseerde plaatsing van zonnepanelen.
- Veerkracht verbeteren: de Digital Twin vergemakkelijkt het beoordelen van de veerkracht van een wijk tegen extreme omstandigheden zoals hittegolven of stormen. Hierdoor kunnen planners infrastructuur en woningen ontwerpen die toekomstbestand zijn.
- Stedelijke indeling optimaliseren: AI-gestuurde modellering helpt bij het ontwerpen van stedelijke ruimten die duurzaam leven bevorderen, het energieverbruik terugdringen, en een hogere levenskwaliteit stimuleren.
- Ontwikkeling van infrastructuur: Van het ontwerp van lokale hernieuwbare energiebronnen tot efficiënte afvalverwerkingssystemen, AI-geïntegreerde Digital Twins helpen bij het uitzoeken van de meest effectieve infrastructuurstrategieën.
Naast deze voordelen kunnen Urban Digital Twins de betrokkenheid van de gemeenschap stimuleren. De transparante visualisatie die een Digital Twin mogelijk maakt biedt burgers een houvast om beslissingen over stedelijke ontwikkeling te begrijpen en te beïnvloeden.
Digital Twins met verbeterde AI kunnen ons beter voorbereiden op extreme omstandigheden
In de veranderlijke wereld van stedelijke planning maakt de fusie van AI, Digital Twins en Geografische Informatiesystemen de weg vrij voor baanbrekende ontwikkelingen. Urban Digital Twins hebben zich ontpopt als een ongeëvenaard hulpmiddel waarmee planners met opmerkelijke precisie kunnen voorspellen, experimenteren, en optimaliseren aan interventies in stedelijke omgeving. Naarmate AI-technologie zich verder ontwikkelt, komt het vooruitzicht van duurzame, energie-efficiënte, en veerkrachtige steden steeds dichter binnen ons bereik. De ingewikkelde dans tussen gegevens, algoritmen, en stedelijke bouwkundigen geeft vorm aan een toekomst waarin onze steden zich op intelligente wijze ontwikkelen, ten gunste van zowel huidige als toekomstige generaties.
Wat is LiDAR?
LiDAR (Light Detection And Ranging) technologie verzamelt gegevens door snelle laserpulsen uit te zenden vanaf een sensor in de lucht of op de grond. Deze pulsen raken oppervlakken en objecten en kaatsen vervolgens terug naar de sensor. Door nauwkeurig de tijd te meten die deze pulsen nodig hebben om terug te keren, berekent LIDAR de afstand tot elk punt. Door miljoenen afstandsmetingen te verzamelen, ontstaat een gedetailleerde puntenwolk. Deze 'wolk' wordt verwerkt om een driedimensionale kaart te genereren die de topografie en structuren van bijvoorbeeld een wijk nauwkeurig vastlegt.
In 1996 werd een project opgezet onder de naam AHN oftewel Actueel Hoogtebestand Nederland. In zeven jaar tijd heeft AHN een hoogtekaart van het hele land gemaakt met behulp van LIDAR-systemen op vliegtuigen en helikopters. En een paar jaar later herhaalden ze het hele proces. Momenteel werkt de AHN-groep aan de vierde versie van hun kaart, met een verbeterde nauwkeurigheid en resolutie. De gegevens zijn vrij toegankelijk via hun website.
De faculteit Bouwkunde op de AHN
Gepubliceerd: september 2023
Meer informatie
- GIS Technology is een van de twee leerstoelen van de sectie Digital Technology binnen AE&T. Hun focus is de toepassing van big data in besluitvorming, van het niveau van gebouwen tot internationale regio's.
- Azarakhsh Rafiee maakt deel uit van het DATALESs (DATA-driven Localised Energy Systems) project. Ze houdt zich specifiek bezig met 'Digital Twins for decentralized local energy system design', dat Nederlandse wijken bestudeert en loopt tot 2026.
Headerbeeld: Gemaakt met de instrumenten van, en is eigendom van, Geodan.
