Advancing civil infrastructure with digital twins: a review of applications and challenges
Notice bibliographique
Résumé
The digital twins (DTs) technology has emerged as a ground-breaking approach in the management and maintenance of civil infrastructure, providing a virtual representation of physical systems which are continuously updated with realtime data from IoT sensors and simulations. Initially introduced in the manufacturing sector, the concept of digital twins has been extended to civil engineering, offering a significant potential for real-time monitoring, predictive maintenance, optimized asset management, and enhanced decision-making. This paper provides a comprehensive survey of the applications of the digital twins technology in civil infrastructure, with a particular focus on structural health monitoring (SHM), predictive maintenance, smart city frameworks, and disaster response systems. By reviewing existing methodologies, case studies, and practical implementations, this paper highlights the transformative impact of DTs in improving the efficiency, safety, and sustainability of infrastructure systems, including bridges, buildings, and transportation networks. Despite the numerous advantages of DTs, several challenges impede their widespread adoption in civil engineering. These challenges include high implementation costs due to the need for sophisticated sensors, high-performance computing, and advanced simulation tools. Additionally, data integration and interoperability issues between various data sources and platforms hinder seamless adoption. Cybersecurity risks associated with real-time monitoring systems and the protection of critical infrastructure are also discussed. This survey identifies these barriers and outlines the necessary technological advancements which may help overcoming the barriers. These include standardized data formats, enhanced AI-driven predictive models, and scalable cloud solutions, among others. This paper concludes by highlighting future research directions to address the identified challenges, emphasizing the need for collaboration across academia, industry, and government to fully unlock the potential of DTs technology. With continued advancements in machine learning, edge computing, and secure data protocols, DTs are poised to revolutionize infrastructure management, contributing to smarter, safer, and more efficiently built environments.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».