DigiPave: Digitaalisen kaksosen mahdollistama ja datavetoista päällysteen kunnossapidon suunnittelu

DigiPave

DigiPave kehittää edistyksellistä digitaalista kaksos -alustaa, joka mahdollistaa täysin automatisoidun ja datavetoisen tienpäälysteiden kunnossapidon suunnittelun. Alusta yhdistää reaaliaikaisen IoT-monitoroinnin, korkean tarkkuuden virtuaalimallinnuksen sekä huippuluokan tekoälyn (YOLO, GAN, VAE, LLM, JEPA).
Ratkaisee mm. halkeamien segmentoinnin, vikojen tunnistuksen, päällysteen kunnon arvioinnin, halkeamien kehittymisen ennustamisen sekä PCI- ja SCI-indeksien automaattisen laskennan.
digipave_project
Digipave project simple introduction figure

Projektin tiedot

Projektin kesto

-

Rahoittaja

Business Finland

Rahoituksen määrä

1 214 038 EUR

Projektin koordinaattori

Oulun yliopisto

Yksikkö ja tiedekunta

Langattoman tietoliikenteen keskus
Tieto- ja sähkötekniikan tiedekunta
Rakennus- ja yhdyskuntatekniikka
Teknillinen tiedekunta

Yhteystiedot

Projektin vetäjä

  • Associate Professor
    Mehdi Rasti

Yhteyshenkilö

Muut henkilöt

  • Professor
    Rauno Heikkilä
  • Postdoctoral researcher and project manager
    Abdelhak Kharbouch
  • Research Assistant
    Amirhossein Ayoubi Khosroshahi

Projektin kuvaus

DigiPave-hanke kehittää seuraavan sukupolven digitaalisen kaksosen alustaa tien päällysteille, joka mahdollistaa täysin automatisoidun ja datavetoisen kunnossapidon suunnittelun. Edistyneeseen tekoälyyn, IoT-teknologiaan sekä edge- ja pilvipalveluihin perustuva hanke yhdistää reaaliaikaisen päällysteiden monitoroinnin korkealaatuiseen virtuaalimallinnukseen, luoden jatkuvasti päivittyvän digitaalisen esityksen tieverkosta.

Alustalla on kehitetty huippuluokan tekoälyputkistoja, jotka kykenevät suorittamaan monimutkaisia tehtäviä, kuten halkeamien segmentointia, halkeamien luokittelua, vikojen detektointia sekä päällysteen kunnon arviointia. Mallit hyödyntävät huippumodernia arkkitehtuuria, kuten generatiivisia malleja (GANit, VAE:t, LLM:t), YOLOa sekä Joint Embedding Predictive Architecturea (JEPA), joiden avulla voidaan tunnistaa ja karakterisoida vikoja kuten lineaarisia halkeamia, alligator-halkeamia, kuoppia ja pintamuodonmuutoksia suurella tarkkuudella ja minimaalisella ihmisen intervention tarpeella.

DigiPave-alusta menee havainnoinnista pidemmälle: se mahdollistaa halkeamien kehittymisen ennustamisen, Pavement Condition Indexin (PCI) ja Surface Condition Indexin (SCI) automaattisen laskennan sekä optimoidun kunnossapito- ja korjauspäätöksenteon (MnR). Automatisoiden koko prosessin sensoroinnista ennustamiseen ja suunnitteluun hanke alentaa merkittävästi operatiivisia kustannuksia, parantaa kunnossapidon ajoitusta ja nostaa päällysteiden pitkäaikaista suorituskykyä.

DigiPave osoittaa, miten digitaaliset kaksoset ja tekoäly voivat muuttaa tieomaisuuden hallinnan proaktiiviseksi, skaalautuvaksi ja resurssitehokkaaksi prosessiksi.

Hanke rahoitetaan Business Finlandin toimesta. Päätoteuttajana toimii Oulun yliopisto, kumppaneina Volvo, Unikie, Satel, Infrakit ja Ilmatieteen laitos.

Projektin tulokset

Tekijät Otsikko Julkaisukanava Linkki
Abdelhak kharbouch, Mehdi Rasti, Amirhossein Ayoubi Khosroshahi Demo: 6G‑enabled digital twins for multi-domain critical infrastructure monitoring EUCNC26, Malaga, Spain NA
Mehdi Rasti, Abdelhak kharbouch T8- 6G-Enabled Digital Twins for Verticals: Architecture, Platforms, and Use-Cases PIRMC 2025 Istanbul, Turkey https://www.6gflagship.com/event/pimrc2025/
Shiva Kazemi Taskou , Mehdi Rasti , and Ekram Hossain End-to-End Resource Slicing for Coexistence of eMBB and URLLC Services in 5G-Advanced/6G Networks IEEE Transactions on Mobile Computing https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10354514
Daneshvar Arya, Golroo Amir, Rasti Mehdi Incorporating physics-informed neural networks into yolo for pavement rutting detection AM3P https://doi.org/10.34726/10885
Entezari Mohammad Saleh, Golroo Amir, Rasti Mehdi A New Era in Transportation Infrastructure Contrition Evaluation with Connected Vehicles AM3P https://doi.org/10.34726/10578
Gholipoor Narges, Kharbouch Abdelhak, Rasti Mehdi, Golroo Amir Optimizing Storage for Real-Time Road Monitoring with Dual-Camera Systems AM3P https://doi.org/10.34726/10575
Najafli Mohammad Amin, Fahmani Mohammad Sadegh, Golroo Amir, Rasti Mehdi Enhancing pavement performance evaluation via crowdsourced Gamification AM3P https://doi.org/10.34726/10604
Sedighian-Fard Mohammad, Golroo Amir, Nouri Salar, Rasti Mehdi Autonomous synthetic data generation for asphalt pavement crack segmentation using generative models AM3P https://doi.org/10.34726/10781
Talaghat, Mohammad Amin, Sedighian-Fard Mohammad, Golroo Amir, Rasti Mehdi Leveraging Digital Twin for Data-Driven Pavement Maintenance AM3P https://doi.org/10.34726/10886
Talaghat Mohammad Amin, Golroo Amir, Rasti Mehdi Improving pavement distress segmentation with diffusion-based generative AI and digital twin insights AM3P https://doi.org/10.34726/10798
Mohammad Amin Talaghat, Amir Golroo, Abdelhak Kharbouch, Mehdi Rasti, Rauno Heikkilä, Risto Jurva Digital twin technology for road pavement Automation in Construction https://doi.org/10.1016/j.autcon.2024.105826
Jianqi Zhang, Ling Ding, Wei Wang, Hainian Wang, Ioannis Brilakis, Diana Davletshina, Rauno Heikkilä, Xu Yang Crack segmentation-guided measurement with lightweight distillation network on edge device Computer-Aided Civil and Infrastructure Engineering https://doi.org/10.1111/mice.13446
Shiva Kazemi Taskou , Mehdi Rasti , and Ekram Hossain Energy-Efficient Resource Allocation for FeMBB and eURLLC Coexistence in RSMA-Based Wireless Networks IEEE Transactions on Cognitive Communications and Networking https://doi.org/10.1109/TCCN.2025.3578509
Narges Gholipoor; Mehdi Rasti; Fahimeh Aghaei; Farid Hamzeh Aghdam; Abdelhak Kharbouch; Valiollah Talaeizadeh A Review on the Cross-Sector Resource Management Framework for Electric Vehicles Integration: Challenges, Solutions, Key-Enabling Technologies, and Future Directions IEEE Open Journal of Intelligent Transportation Systems https://doi.org/10.1109/OJITS.2025.3593437
Mohammad Amin Talaghat,Amir Golroo,Vahid Shahhosseini & Mehdi Rasti Enhancing pavement distress segmentation model with diffusion-based generative AI: a digital twin perspective International Journal of Pavement Engineering https://doi.org/10.1080/10298436.2025.2540076
Mohammad Sedighian-Fard, Amir Golroo,
Mahdi Javanmardi, Alexandre Alahi, Mehdi Rasti		 Data generation for asphalt pavement evaluation: Deep learning-based insights from generative models Case Studies in Construction Materials https://doi.org/10.1016/j.cscm.2025.e05116
Mehdi Monemi, Maryam Chinipardaz, Mehdi Rasti, Mehdi Bennis, Matti Latva-Aho Tutorial on Joint Embedding Predictive Architectures (JEPA): Foundations, Applications, and Future Directions ACM Computing Surveys https://openreview.net/pdf?id=Zr4PUe0ZNl
Mohammad Amin Talaghat, Amir Golroo, Mehdi Rasti and Vahid Shahhosseini Road Pavement Digital Twin: A Blueprint with a Case Study Journal of Computing in Civil Engineering https://doi.org/10.1061/JCCEE5.CPENG-7187
Soroush Amiri; Fereidoon Moghadas Nejad; Mehdi Rasti; Mehdi Monemi; Hannaneh Dehghan Tezerjani A Novel Approach to Pavement Crack Classification using Joint-Embedding Predictive Architectures Automation in Construction NA
I. Niskanen, J. Ikonen, M. Immonen, R. Heikkilä Infrastructure-Mounted 2D LiDAR System for Vehicle Detection and Speed Estimation on Motorways IEEE Sensor NA