Een digital twin, of digitale tweeling, is een digitale representatie van de fysieke werkelijkheid. Door verschillende databronnen te verenigen, kan je een virtuele kopie bouwen om de reële wereld beter te begrijpen. Zo kan je simulaties uitvoeren om bijvoorbeeld te testen hoe een machine onder bepaalde omstandigheden functioneert of wat de gevolgen zijn van een ingreep in de ruimtelijke ordening op onder andere mobiliteit, parkeerdruk of luchtkwaliteit.  

Voorspel de realiteit in een simulatie

De digital twin-technologie werd voor het eerst gebruikt door het Amerikaanse ruimtevaartagentschap NASA om de omstandigheden aan boord van de bemande Apollo 13-missie te simuleren. Met de opkomst van IoT en AI kwam de ontwikkeling van de digital twin in een stroomversnelling terecht. IoT levert de nodige sensordata. Deze data wordt op haar beurt gebruikt voor het opstellen van een AI-model dat vervolgens toelaat om het toekomstig gedrag te simuleren. 

Ook in de geopraktijk is het concept in opmars. Een ‘geo digital twin’ vormt een platform voor het ontwerpen, valideren, toepassen en onderhouden van de volledige levenscyclus van de bebouwde omgeving. Zo kan je interventies en incidenten op het terrein modelleren en de effecten en gevolgen driedimensionaal in kaart brengen.

Geen science fiction: de concrete toepassingen

Een digital twin laat de simulatie van verschillende scenario’s toe, waarbij ook randfenomenen in kaart worden gebracht. De toepassingsmogelijkheden zijn legio. Dit zijn slechts enkele voorbeelden: 

• mobiliteit: de effecten nabootsen van mobiliteitsmaatregelen zoals een snelheidsverlaging, wijzigingen aan verkeerslichten of het invoeren van éénrichtingsstraten; 
• ruimtelijke planning: de gevolgen van de herontwikkeling van een bepaalde site of stadswijk op de parkeerdruk in kaart brengen; 
• milieu: het effect meten van de heraanleg van een park op de luchtkwaliteit, de geluidsoverlast en stedelijke hitte-eilanden; 
• verzekeringen: de mogelijke schade en het effect op het portfolio van de verzekeraar vaststellen als een bepaald stadsdeel bijvoorbeeld zou overstromen; 
• rampenpreventie en -bestrijding: de optimale inplanting van een risicovolle activiteit bepalen of een evacuatieplan uitwerken voor verschillende doemscenario’s; 
• energiebeheer: een netwerkoperatie simuleren, de impact meten van het uitvallen of bijschakelen van productiecapaciteit of het modelleren van vraag en aanbod in lokale energiegemeenschappen. 

Data als fundament van de virtuele wereld

Het fundament van een geo digital twin is een driedimensionale basiskaart van de omgeving die continu up-to-date is. De data moeten kwalitatief, volledig en actueel zijn om een betrouwbare digital twin te bekomen. Het basis 3D-model wordt gebouwd met beschikbare opendatabronnen. 

Maar deze open bronnen zijn niet perfect en worden daarom aangevuld met bijkomende datasets voor meer volledigheid, hogere kwaliteit en een preciezer geometrisch detailniveau. De elementen die noodzakelijk zijn voor een robuust 3D-model variëren per toepassing. Soms zijn data voor omgevingsspecifieke parameters nodig. Stel, je wil het overstromingsrisico van riolen in kaart brengen. Dan zijn gegevens van het rioleringsnetwerk onontbeerlijk. 

(lees verder onder de afbeelding)

Afbeelding: gegevens van het openbaar domein integreren in een digital twin

Integratiemogelijkheden bij de vleet 

Om accurate simulaties te maken, is de actualiteit van de 3D-databank essentieel. Andere datasystemen kunnen geïntegreerd worden om het basismodel up-to-date te houden. Tijdens de ontwerpfase van een gebouw of infrastructuur kan je bijvoorbeeld het Building Information Model (BIM) integreren in de digital twin. Zo krijg je een goed beeld van het toekomstige gebouw in zijn ruimtelijke omgeving en kan je het hele bouwproces simuleren en optimaliseren: van materiaallevering over constructie, oplevering en onderhoud tot zelfs afbraak en recyclage. 

(lees verder onder de afbeelding)

Afbeelding: integratie van een BIM model in een 3D city model

Aardobservatiedata kunnen dan weer gebruikt worden om veranderingen in het landschap op te sporen. Door deze data op een innovatieve manier in de digital twin in te passen, wordt de tijd verkort tussen een effectieve mutatie op het terrein en de beschikbaarheid ervan in de digitale tweeling. 

In de toekomst wordt zelfs een quasi real-time update van de digitale tweeling mogelijk dankzij steeds frequentere opnames van beelden. Op die beelden wordt deep learning toegepast, een vorm van AI die systemen toelaat ongestructureerde data autonoom te verwerken. Ook de integratie van data die beschikbaar zijn in het beheersysteem van het openbaar domein, zorgt voor een betrouwbaar en vollediger 3D-model. 

De mogelijkheden van een geo digital twin reiken ver, zoveel is duidelijk. Ze stellen ons in staat om accuratere beslissingen te nemen en voorzorgsmaatregelen te treffen op basis van geavanceerde simulatiemodellen. Al staat of valt de betrouwbaarheid van deze simulaties altijd met de kwaliteit, volledigheid en actualiteit van de data. 

Steven Smolders
Technology Director bij GIM
steven.smolders@gim.be

Wil je meer weten over geo digital twinning? Download nu onze heldere eGuide over innovatieve technieken voor Geo Digital Twinning.