O futuro da análise geoespacial está nos digital twins

20 de novembro de 2021
Chakrapong-Worathat/EyeEm_Gettyimages

À medida que a densidade, o volume e a frequência dos dados aumentam, os modelos se aproximam da replicação da realidade em tempo real

O objetivo da tecnologia de mapeamento é reproduzir o mundo com a maior precisão possível. Na era digital, entretanto, a precisão significa muito mais do que grandes polígonos estáticos e generalizados. Hoje, a ênfase recai no que está acontecendo geograficamente no nível do objeto individual. Cada setor — agricultura, varejo, sismologia, militar, energia, planejamento urbano, saúde pública, transporte e segurança pública — precisa saber o que o mundo físico reserva para si.

Várias tecnologias estão convergindo para ajudar a fazer isso. No ar, temos novas gerações de satélites e drones. Na terra, temos dispositivos habilitados digitalmente de todos os tipos, incluindo telefones celulares e sensores IoT (Internet das Coisas, na sigla em inglês). Quando você usa a geografia para integração, obtém insights impossíveis com qualquer perspectiva única. Isso permite que a análise espaço-temporal encontre sua aplicação digital definitiva: a duplicação digital, conhecida também como digital twinning.

CONFIRA TAMBÉM: Quais dados íntimos a Amazon coleta de seus clientes e como faz isso

Um digital twin (gêmeo digital) é um modelo virtual que reflete a configuração tridimensional, as propriedades físicas e as condições ambientais que cercam um objeto do mundo real. O digital twin permite que pesquisadores e analistas examinem fatores que emanam ou podem influenciar o objeto. Os aprendizados podem então ser aplicados à sua contraparte física.

Usos ambientais e de segurança pública
O manejo florestal é um exemplo prototípico de como funciona a geminação digital e como o mapeamento está evoluindo. Mapas históricos geralmente mostram milhares de hectares de árvores indiferenciadas usando grandes polígonos rotulados como “floresta” e atualizados talvez uma vez por década.

Os (digital twins) modernos estão fornecendo muito mais informações sobre o estado atual da floresta, incluindo as espécies, a altura e a saúde de pequenos povoamentos ou mesmo de árvores individuais. Esses dados vêm de várias fontes independentes, portanto, a tecnologia que mede a altura da árvore e sua integridade não costuma ser a mesma. Uma grande parte do desenvolvimento de digital twins envolve a integração de fontes de dados previamente separadas e a realização disso com modernos pipelines de dados que podem ser totalmente automatizados.

Por exemplo, os dados do projeto Wildland Fire Potential [ferramenta para avaliar o risco de incêndio florestal e as necessidades de gestão de combustíveis] integram centenas de simulações de prováveis ​​condições de incêndio, produzindo estimativas de probabilidade para os comprimentos de chama que provavelmente ocorrerão se um incêndio atingir uma área. Esta simulação é baseada em medições independentes de terreno, vegetação e clima. A altura da chama é uma variável de decisão chave. Operacionalmente, ele determina o tipo de resposta:

1,2 metro é o comprimento de chama mais alto que as equipes de solo podem abordar diretamente sem equipamento mecanizado, de acordo com o Serviço Florestal do USDA (Departamento de Agricultura dos Estados Unidos);

2,5 metros requerem escavadeiras. Já as chamas acima de 2,5 metros são melhor combatidas com apoio aéreo — ou não se a evacuação for obrigatória.

Em termos de planejamento, o conhecimento dessas informações com antecedência é fundamental para gerar planos de mitigação econômicos que protejam vidas e propriedades.

Com digital twin, várias camadas adicionais de integração são possíveis, cada uma melhorando incrementalmente a representação. No caso de risco de incêndio florestal, por exemplo, o comprimento da chama pode ser combinado espacialmente com pegadas de construção, ativos de rede de energia (por exemplo, linhas de transmissão e torres) e redes de transporte. Isso cria uma “avaliação de impacto” que mostra quem e o que estão em risco e onde. A granularidade espacial desses dados é extremamente útil, por exemplo, no monitoramento de paisagens “seguras contra incêndio” em torno de edifícios ou no “manejo da vegetação” em torno de estradas e linhas de energia.

Os usos para modelos relacionados a incêndios variam de combate tático a incêndios e planejamento de evacuação a mitigação de longo prazo e planejamento de recuperação. Mas os mesmos princípios, e muitos dos dados subjacentes, podem ser aplicados prontamente ao planejamento de enchentes, por exemplo.

Uso de digital twin para planejamento de negócios
Além do setor público, serviços públicos e aplicativos de seguros, os digital twin também são cada vez mais importantes para o planejamento de negócios. Por exemplo, as empresas de telecomunicações estão enfrentando atualmente um novo desafio massivo: a tecnologia de “onda milimétrica” 5G transporta largura de banda muito maior e pode ser servida por pequenas antenas em vez de grandes torres. Mas o sinal está sujeito a interferências da vegetação e as antenas exigem um posicionamento muito mais preciso.

Isso levou as empresas de telecomunicações a construir digital twin com base em fotogrametria ou dados LIDAR (Light detection and ranging) , com precisão de poucos metros ou menos. Nessas resoluções, cada edifício, poste de energia e árvore em uma cidade está representado. Usando a tecnologia certa, é possível simular os caminhos do sinal de qualquer antena para qualquer edifício. Resultado: as empresas de telecomunicações gastam menos dinheiro para fornecer serviços de melhor qualidade a mais pessoas.

Setor analítico está mudando
Conhecimento é mais do que poder; é eficiência. Monitorar e mitigar continuamente o risco de incêndio nos ajuda a limitar os danos e salvar vidas. Ser capaz de atender mais clientes com menos custo de infraestrutura é a chave para o ROI em muitos tipos de negócios. Então, como percebemos esse valor?

A primeira coisa a perceber é que os volumes de dados necessários para suportar digital twin não são apenas um pouco maiores do que os sistemas convencionais — eles são ordens de magnitude maiores. Por exemplo, considere os dados dos satélites Sentinel-2 da União Europeia, a fonte mais comum de dados necessária para analisar a integridade de uma árvore. Mais de 15 milhões dessas imagens já existem. Cada imagem tem 10.000 por 10.000 pixels. E cada pixel não é apenas RGB (sistema de cores aditivas baseado em misturas das cores vermelho, verde e azul), mas na verdade possui 13 bandas espectrais. Isso por si só é um volume de dados que irá deformar ou quebrar muitas cadeias de ferramentas convencionais.

Para que a duplicação digital seja eficaz, os dados devem ser processados ​​em escala e em velocidades altamente aceleradas. Poucas plataformas são capazes de lidar com essas demandas — mas os recursos estão mudando. Particularmente quando as condições estão mudando rapidamente — incêndios florestais, por exemplo — as conclusões de ontem podem não se sustentar nas situações que estão se desenrolando hoje, ou provavelmente ocorrerão nas próximas horas ou dias. Com a tecnologia analítica certa, os tomadores de decisão podem fazer perguntas o mais rápido possível. Eles podem explorar e interrogar dados em uma velocidade e escala que correspondem à sua curiosidade natural.

O resultado final é uma solução que coloca não apenas dados, mas a capacidade de interrogar esses dados, o mais próximo possível do tomador de decisão. O digital twin, apoiado por análises aceleradas, fornece essa capacidade.

* Todd Mostak é o CEO e cofundador da OmniSci, empresa pioneira em análises aceleradas que permitem às empresas descobertas de insights importantes.