Innovatie & Strategie

Datamanagement
Digital twin van een stad

Digital twin helpt bij vraagstukken rond de omgeving

Dankzij jarenlange ervaring van Geo-datadomein met modelleren.

8 juni 2022

Dankzij jarenlange ervaring van Geo-datadomein met modelleren.

De digital twin wordt gezien als een veelbelovende technologie om grote omgevingsvraagstukken op te lossen, zoals de energietransitie en huisvesting. Maar hoe zorgen we ervoor dat implementaties niet beperkt blijven tot afzonderlijke - veelal technische – deeloplossingen? Volgens Jantien Stoter kunnen antwoorden komen uit het geo-datadomein dat zich al decennialang bezighoudt met het modelleren van de werkelijkheid in ruimtelijke datarepresentaties ten behoeve van analyses en simulaties.

Ondanks de vele definities is er consensus over de ingrediënten van een digital twin (DT) van de leefomgeving: hij is gebaseerd op 3D-data, bevat (near) realtime sensorgegevens en integreert een verscheidenheid aan ruimtelijke analyses en simulaties (geluid, wind, energie) om de beste ontwerp-, plannings- en interventiebeslissingen te kunnen nemen. Een interactieve visualisatie van de DT in een one-stop-shop dashboard is dé plek waar alle informatie over de leefomgeving voor gebruikers (burger, bestuurder, beleidsmedewerker, expert) samenkomt.

In het geo-domein (of GIS: Geografisch Informatie Systeem) wordt al langer aan dergelijke oplossingen gewerkt. Een resultaat hiervan is bijvoorbeeld het platform Publieke Dienstverlening Op de Kaart (PDOK). PDOK ontsluit allerlei actuele en betrouwbare geo-data van Nederlandse overheden en is gebaseerd op open data en standaarden, een andere verdienste uit het geo-domein. Deze ruimtelijke gegevens kunnen als basis dienen voor een DT van Nederland zoals de landsdekkende Basisregistratie Grootschalige Topografie (BGT) of de Basisregistratie Adressen en Gebouwen (BAG). Voorbeelden van DT-toepassingen die hierdoor mogelijk worden, zijn de Groene Batenplanner of het landsdekkende 3D Omgevingsmodel voor geluidsimulaties dat door de 3D geoinformation onderzoeksgroep (TU Delft) in een project met RIVM en Kadaster is ontwikkeld.

Een aantal reflecties is echter cruciaal om de beloftes van digital twin werkelijkheid te laten worden.

Exact spiegelconcept

Het spiegelconcept van een DT is geschikt voor exacte digitale replica van gesloten systemen, zoals een auto die uit een productiestraat moet komen. Maar het is onmogelijk om de complexe werkelijkheid een-op-een te modelleren in zowel inhoud, schaal en detail als tijd. Ruimtelijke modellen zijn altijd een abstractie van de werkelijkheid met als doel inzicht te krijgen in een specifiek fenomeen, bijvoorbeeld energieverbruik of geluidsoverlast.

Elke toepassing heeft een andere virtuele weergave (‘model’) nodig als selectie van de werkelijkheid. De oplossing is daarom niet een allesomvattende DT, maar een digitale meerling die op dezelfde basisdata is gebaseerd en in het beste geval is gesynchroniseerd en afgestemd als het om hetzelfde real world object gaat, zoals een gedetailleerd BIM (Building Information Model) enerzijds en een globalere GIS-representatie van hetzelfde gebouw anderzijds.

Real time

Real time, dynamische informatie door middel van continue updates, is een ander veelgenoemd kenmerk van een DT, terwijl een actualiteit van enkele maanden voor veel geografische gegevens al hoog is. Een continue synchronisatie met de fysieke tegenhanger is niet voor alle DT-gegevens nodig. Wel voor dynamische gegevens zoals temperatuur, luchtkwaliteit en mobiliteit, die ieder eigen relevante temporele resoluties kennen, ook weer afhankelijk van de toepassing. Het integreren van sensorgegevens uit verschillende domeinen en minder veranderlijke geo-data, vraagt om specifieke oplossingen. Daarnaast zijn er versiegegevens en -methodes nodig om trends te kunnen volgen en (altijd) de eerdere staat van de data te kunnen opvragen waarop bepaalde beslissingen zijn gebaseerd.

Simulaties versus voorspellingen

Simulaties kunnen het one-stop-shop-dashboard voeden met resultaten van wat-als-scenario's voor verschillende indicatoren, zoals energieverbruik, geluid en wind (figuur 1). Alle simulaties laten draaien binnen één omgeving zal onmogelijk zijn, omdat simulaties veelal in specifieke softwareomgevingen draaien op high-end hardware. De uitdaging is om workflows te implementeren voor de conversie van DT-data naar verschillende simulatieomgevingen en weer terug naar het dashboard en om deze gegevens allemaal synchroon te houden.

Figuur 1

Figuur 1: Windcomfortsimulaties gebaseerd op Computational Fluid Dynamics simulaties in een Digital Twin-context (García-Sánchez et al, 2021)

 

Een ander aandachtspunt is dat simulaties door non-experts makkelijk worden verward met voorspellingen van de werkelijkheid. Simulaties van een open systeem als de leefomgeving kennen veel variabelen die niet allemaal vooraf bekend of te modelleren zijn. Zij geven daarom hoogstens inzicht in specifieke fenomenen onder specifieke condities, bijvoorbeeld geluidsniveaus geproduceerd door een specifieke geluidsbron. Simulaties zijn niet in staat, en ook niet bedoeld, om de exacte waarden van alle aanwezige fenomenen te voorspellen volgens alle condities op dat specifieke moment. Hoe kan deze onzekerheid (niet te verwarren met nauwkeurigheid) worden duidelijk gemaakt in het one-stop-shop dashboard zodat niet-deskundige gebruikers met de uitkomsten de juiste afwegingen maken?

Gegevens delen: van interoperabiliteit tot privacy en ethiek

Het delen van data tussen organisaties en sectoren is essentieel voor DT's. Dit is nog steeds een uitdaging. Interoperabiliteit vraagt om standaarden die werkbaar zijn in de praktijk. Een voorbeeld hiervan zijn standaarden om data uit de BIM-wereld en de Geo-wereld te integreren, bijvoorbeeld voor het digitaliseren van workflows voor bouwvergunningen, waarbij een ontwerp (in BIM) automatisch kan worden getoetst aan de fysieke omgeving (gemodelleerd in Geo).

Er zijn ook nog andere vraagstukken rond het delen van gegevens zoals beveiliging, privacy, aansprakelijkheid, ethiek en verantwoordelijkheid voor correctheid, betrouwbaarheid en actualiteit van de gegevens. In het geo-domein is hierover al veel kennis en ervaring opgedaan. Maar geo-data bevinden zich in een door de overheid gedomineerde context. Er zijn andere uitdagingen als het delen ook gegevens betreft die door bedrijven - met commerciële bedrijfsmodellen en copyright-belangen - worden verzameld en beheerd.

Figuur 2

Figuur 2: 3D BAG bevat voor ieder pand in Nederland een 3D-model.

Figuur 3

Figuur 3: 3D BAG-panden (geel) automatisch gereconstrueerd uit AHN-puntenwolk (zwart)

Praktijkgereedheid

Vaak wordt de praktijkgereedheid overschat van data, software, standaarden en werkprocessen om problemen die zich in de ‘echte’ wereld voordoen op te lossen met integrale DT-oplossingen. Er zijn veel pilots gedaan naar de technische potentie van een DT (als proof of concept). Maar een open one-stop-shop dashboard - meer dan binnen één bepaalde, commerciële softwareomgeving of binnen één organisatie of domein - bestaat nog niet. Daarom is het nog altijd onduidelijk hoe een DT - mogelijk als systeem van meerdere DT's - in de praktijk meerwaarde zal bieden zoals in pilots wordt beloofd, als proof of value. Niet alleen voor één virtuele weergave, maar ook voor grotere gebieden, voor meerdere toepassingen, in de (verre) toekomst en binnen haalbare kosten.

Bij implementatie in de praktijk moet de meerwaarde ten opzichte van de kosten steeds centraal staan. Een DT moet daarom meer organisaties dienen dan alleen de (grote) steden met al geavanceerde Smart City-oplossingen die kennis hierover in huis hebben. Incrementele benaderingen die starten met gegevens die al beschikbaar zijn zoals in PDOK, kunnen helpen bij realistische groeipaden die gaandeweg de implementatie kunnen worden uitgebreid. Hierbij kan de omgeving meegroeien.

Een voorbeeld hiervan is de 3D BAG-dataset, (zie Figuur 3) die al wordt gebruikt in allerlei toepassingen. 3D BAG bevat 3D-modellen van alle panden in Nederland en is als open data beschikbaar, automatisch gereconstrueerd door de TUD 3D geoinformation onderzoeksgroep op basis van de BAG en het Actuele Hoogtebestand Nederland. Een ander voorbeeld is de automatisch gereconstrueerde 3D Basisvoorziening van het Kadaster, gebaseerd op de eerdergenoemde BGT en BAG. Gemeentes kunnen met deze 3D-gegevens aan de slag en deze detailleren en verrijken voor eigen toepassingen, zoals wordt gedaan in 3D.amsterdam.nl en 3D.utrecht.nl.

Real world implementaties vereisen daarnaast een stabiele DT-data-infrastructuur die organisaties en domeinen overschrijdt en waarin data als asset worden behandeld. Dit aspect maakt vaak geen deel uit van pilots en gaat verder dan techniek. Het vraagt om enorme financiële investeringen naast bestuur, coördinatie en afsprakenkaders over standaarden en data delen tussen overheden, bedrijfsleven en diverse sectoren. Bovendien zijn veranderingen nodig in werkprocessen, samenwerkingen en vaardigheden.

Als ook hier aandacht voor is, zullen beloftes van DT's werkelijkheid kunnen worden.

Aan dit artikel werkten mee: Dr. Ken Arroyo Ohori en Dr. Francesca Noardo, onderzoekers in de onderzoeksgroep 3D geoinformation.

Referentie:

Garcia-Sánchez, C., S. Vitalis, I. Paden and J. Stoter. 2021. The impact of level of detail in 3D city models for CFD-based wind flow simulations. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 

 

Magazine AG Connect

Dit artikel is ook gepubliceerd in het magazine van AG Connect (mei 2022). Wil je alle artikelen uit dit nummer lezen, zie dan de inhoudsopgave

Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.