La maggior parte degli asset di enti pubblici comprende pavimentazioni e, pertanto, richiede il rilevamento delle crepe e la loro manutenzione. Poiché i metodi tradizionali di valutazione del manto stradale sono spesso lunghi e imprecisi, Benesch ha esplorato l’integrazione dell’intelligenza artificiale (AI) e del machine learning (ML) nei propri flussi di raccolta dati sul campo, con l’obiettivo di rilevare le crepe nel manto stradale in modo più efficiente. Tuttavia, si è trovata ad affrontare delle difficoltà nel colmare il divario tra l’identificazione digitale delle crepe e la loro classificazione in base alla valutazione dello stato del manto stradale. Pertanto, ha cercato di sviluppare una propria soluzione tecnologica per il rilevamento delle crepe nella pavimentazione, scegliendo iTwin Capture Modeler, AssetWise e iTwin di Bentley per agevolare la propria innovazione digitale in tre siti di progetto attivi negli Stati Uniti, creando digital twin dei siti. La tecnologia di Bentley ha sfruttato la potenza di AI/ML, ottimizzando il processo di rilevamento delle crepe e inserendo i dati nel digital twin per l'analisi. La soluzione automatizza la digitalizzazione delle linee delle crepe, riducendo il tempo sul campo del 75%, e si prevede che consentirà un risparmio di 144.000 dollari in 100 ispezioni aeroportuali, senza impatto sul traffico o sulle operazioni.