Perpustakaan Digital ITB

Penerapan Digital Twin dalam infrastruktur transportasi jalan semakin krusial untuk menunjang kegiatan pemantauan, perencanaan, hingga pengambilan keputusan berbasis data. Salah satu elemen fundamental dalam Digital Twin adalah ketersediaan model 3D jalan yang representatif dan mutakhir. Namun, proses rekonstruksi 3D secara manual masih memerlukan keahlian teknis tinggi serta membutuhkan waktu lama untuk diterapkan dalam skala besar. Kondisi ini mendorong perlunya pengembangan sistem otomasi untuk merekonstruksi model 3D jalan dari data yang telah tersedia. Penelitian ini berfokus pada pengembangan sebuah pipeline otomasi rekonstruksi 3D jalan yang mengintegrasikan data desain teknik (Computer-Aided Design/CAD) dan data topografi (Digital Elevation Model/DEM). Pipeline yang dirancang bersifat modular dan komprehensif, meliputi lima tahapan utama: (1) akuisisi dan pra-pemrosesan data, (2) ekstraksi fitur geometris penting jalan, (3) integrasi data CAD dan DEM menjadi point cloud, (4) rekonstruksi permukaan 3D, dan (5) evaluasi model hasil rekonstruksi. Dalam tahap rekonstruksi, penelitian ini secara komparatif mengkaji dua pendekatan: metode berbasis kecerdasan buatan (AI), yaitu PPSurf (Patch and Point Convolution Surfacing), dan metode matematis klasik, Poisson Surface Reconstruction (PSR). PPSurf dianalisis karena kemampuannya menghasilkan permukaan 3D yang halus dan detail dari point cloud, sementara PSR digunakan sebagai pembanding karena keunggulannya dalam menjamin kontinuitas topologis model. Perbandingan ini bertujuan untuk memahami trade-off antara visual fidelity dari metode AI dan structural robustness dari pendekatan konvensional. Untuk mengevaluasi kinerja pipeline serta membandingkan kedua metode, digunakan pendekatan evaluasi ganda. Pertama, evaluasi kuantitatif dilakukan untuk mengukur akurasi geometrik menggunakan metrik Chamfer Distance. Kedua, evaluasi kualitatif dilakukan melalui expert judgement, dengan melibatkan pakar di bidang rekayasa jalan dan geospasial untuk menilai kualitas visual, kesesuaian bentuk, kelengkapan permukaan, serta potensi pemanfaatan model dalam skenario Digital Twin. Sebagai pelengkap, dikembangkan sebuah antarmuka ii web interaktif untuk mendemonstrasikan fungsionalitas dan aksesibilitas dari keseluruhan pipeline otomasi. Kontribusi utama dari penelitian ini adalah perancangan dan implementasi pipeline otomasi yang mampu merekonstruksi model 3D jalan dengan cepat dengan memanfaatkan data yang tersedia secara umum. Selain itu, penelitian ini memberikan pemahaman mendalam mengenai trade-off antara visual fidelity metode AI dan jaminan kontinuitas topologis metode konvensional, serta memberikan panduan praktis dalam pemilihan pendekatan rekonstruksi. Diharapkan, pendekatan ini dapat menjadi fondasi bagi sistem rekonstruksi digital jalan yang dapat diperluas ke skala kota maupun nasional, serta mendukung pemanfaatan Digital Twin dalam pengelolaan infrastruktur secara modern, real- time, dan berkelanjutan.