Większość zasobów publicznych obejmuje nawierzchnię drogową i dlatego wymagają one przeprowadzania badań i konserwacji w celu wykrywania pęknięć. Biorąc pod uwagę, że tradycyjne metody i technologie oceny nawierzchni są czasochłonne i niedokładne, firma Benesch zdecydowała się zintegrować sztuczną inteligencję i uczenie maszynowe do swoich procesów zbierania danych w terenie, koncentrując się na wykrywaniu pęknięć w nawierzchni drogowej. Napotkano jednak wyzwania związane z wypełnieniem luki między cyfrową identyfikacją pęknięć a klasyfikacją pęknięć na podstawie oceny stanu. W związku z tym postanowili opracować rozwiązanie technologiczne do wykrywania pęknięć nawierzchni. Wybrali iTwin Capture Modeler, AssetWise oraz iTwin firmy Bentley, aby przetestować swoje cyfrowe innowacje w trzech aktywnych lokalizacjach projektowych w Stanach Zjednoczonych, tworząc cyfrowe bliźniaki tych miejsc. Technologia Bentley wykorzystała moc sztucznej inteligencji i uczenia maszynowego, usprawniając proces wykrywania pęknięć i wprowadzając dane do cyfrowego bliźniaka w celu analizy. Rozwiązanie to automatyzuje cyfryzację danych linii pęknięć i oszczędza 75% czasu potrzebnego do prac w terenie, a oczekuje się, że zaoszczędzi 144 tys. USD w 100 inspekcjach na lotnisku bez wpływu na ruch i / lub operacje lotniskowe.