Ik ben een tevreden gebruiker van een Sonos geluidssysteem. Toch moet de helpdeks er een enkele keer aan te pas komen. Nog onlangs en toen wist de helpdesk na vijf minuten dat mijn probleem het gevolg was van een defecte verbindingskabel tussen het modem en de versterker. Wat bleek, de helpdesk kon op afstand een digitale afbeelding genereren van de componenten van mijn geluidssysteem en hun verbindingen en zag dat de bewuste kabel geen signaal doorgaf. Een eenvoudig voorbeeld van een digital twin. Ik was er blij mee. Maar waar ligt de grens tussen zin en onzin van verzamelen van massa’s data.
Wat is een digital twin.
Een digital twin is een digitaal model van een object, product of proces[2]. In mijn opleiding tot sociaal geograaf heb ik veel met kaarten te maken gehad, de oudste vorm van ‘twinning’. Kaarten hebben de basis gelegd voor GIS-technologie, die weer de basis is van digital-twins. Geografische informatiesystemen relateren uiteenlopende data op basis van geografische locatie en maken hun samenhang in de vorm van een model inzichtelijk. Als dit model met behulp van sensoren permanent met de werkelijkheid wordt verbonden, dan komen de dynamiek in de werkelijkheid en die in het model overeen en spreken we van een ‘digital twin’. Zo’n dynamisch model kan worden gebruikt voor simulatiedoeleinden, toezicht op en onderhoud van machines, processen, gebouwen, maar ook veel grootschaliger entiteiten, bijvoorbeeld het Nederlandse elektriciteitsnet.
Van data naar inzicht
Elke wetenschapsbeoefenaar weet dat data onmisbaarheid zijn, maar weet ook dat er een lange weg is te gaan voordat data tot kennis en inzicht leiden. Die weg begint nog voordat data worden verzameld. De eerste stap zijn aannames over het wezen van de werkelijkheid en dus ook de mogelijkheid om deze te kennen. Hierover is de nodige discussie gevoerd binnen de wetenschapsfilosofie, waaruit in het kort twee standpunten zijn gekristalliseerd, een systeembenadering en een complexiteitsbenadering.
De systeembenadering gaat uit van de veronderstelling dat de realiteit bestaat uit een stabiele reeks van acties en reacties waarin naar wetmatige verbanden gezocht kan worden. Tegenwoordig neemt bijna iedereen aan dat dit alleen geldt voor fysische en biologische verschijnselen. Toch wordt er ook gesproken van sociale systemen. Het gaat dan niet om wetmatige samenhangen, maar om generaliserende aannames over menselijk gedrag op een hoog aggregatieniveau. De ‘homo economicus’ is daar een goed voorbeeld van. Op basis van zulke aannames kunnen ook conclusies worden getrokken hoe gedrag te beïnvloeden is.
De complexiteitsbenadering – die overigens ook een natuurwetenschappelijke achtergrond heeft – ziet de (sociale) werkelijkheid als een complex adaptief proces dat ontstaat uit ontelbare interacties, die – als het om menselijk handelen gaat – worden gevoed door uiteenlopende motieven. In dat geval wordt het veel moeilijker om generieke uitspraken te doen op een hoog aggregatieniveau en zullen interventies een minder voorspelbaar resultaat hebben.
Verkeersmodellen
Verkeersbeleid is een goed voorbeeld om het onderscheid tussen een proces- en een complexiteitsbenadering te illustreren. Simulatie met behulp van een digital twin in Chattanooga[3] van het gebruik van flexibele rijstrooktoewijzing en fasering van de verkeerslichten, wees uit hierdoor de congestie met 30% kon afnemen[4]. Had men dit experiment in werkelijkheid uitgevoerd, dan was het resultaat waarschijnlijk heel anders geweest. Verkeersdeskundigen merken keer op keer op dat elke nieuw geopende weg na korte tijd vol slipt, terwijl het verkeersbeeld op andere wegen nauwelijks verandert. In de econometrie heet dit verschijnsel geïnduceerde vraag. In een onderzoek naar stedelijke verkeerspatronen tussen 1983 en 2003, stelden de economen Gilles Duranton en Matthew Turner vast dat autogebruik evenredig toeneemt met de groei van de wegcapaciteit. Dit is alleen te begrijpen vanuit een complexiteitsbenadering: Elke weggebruiker reageert namelijk anders op de opening of afsluiting van een weg. Die reactie kan zijn de rit naar een ander tijdstip te verplaatsen, een andere weg te gebruiken, met iemand anders mee te rijden, het openbaar vervoer te gebruiken of af te zien van de rit.
Carlos Gershenson[5], een Mexicaanse computerspecialist, heeft verkeersgedrag onderzocht vanuit een complexiteitsbenadering en hij concludeert dat zelfregulering de beste manier is om congestie aan te pakken en de capaciteit van wegen maximaal te benutten. Als de gesimuleerde ingrepen in het verkeer in Chattanooga in werkelijkheid waren uitgevoerd, dat hadden duizenden reizigers binnen korte tijd hun rijgedrag aangepast. Zij waren de ‘smart highway’ gaan uitproberen, en als gevolg van geïnduceerde vraag, zou de congestie daar binnen de kortste tijd toenemen tot op het oude niveau. Iemand die het effect van verkeersmaatregelen zichtbaar wil maken met een digital twin, moet deze voeden met resultaten van onderzoek naar het geïnduceerde-vraageffect, in plaats van alleen historische verkeersdata te manipuleren.
De waarde van digital twins
Digital twins bewijzen hun waarde bij het nabootsen van fysieke systemen, dus processen met een parametrisch verloop. Het gaat dan bijvoorbeeld om de werking van een machine, of in een stedelijke context, de relatie tussen de hoeveelheid UV-licht, de temperatuur, de wind(snelheid) en het aantal bomen per oppervlakte-eenheid. Zo onderzoekt men in Singapore met behulp van digital twins hoe hitte-eilanden in de stad ontstaan en hoe hun effect verminderd kan worden[6]. De luchthaven Schiphol beschikt over een digital twin, die alle bewegende onderdelen op het vliegveld zoals rolbanden en -trappen toont. Daarmee kunnen monteurs in geval van storing onmiddellijk aan het werk[7]. Of de kosten van de bouw van zo’n model opwegen tegen de baten is niet bij voorbaat te zeggen. Vaak ontwikkelen digital twins zich van klein naar groot, gestuurd door gebleken behoeften.
Ook Boston heeft in 2017, met technische ondersteuning van ESRI, een digital twin van een deel van de stad ontwikkeld[8]. Er is een beperkt aantal processen in een virtueel 3D-model samengevoegd. Een daarvan is de schaduwvorming als gevolg van de hoogte van gebouwen. Een van de geliefde groene ruimten in de stad is de Boston Common. Het is al decennia gelukt om de ontwikkeling van hoogbouw langs de randen van het park en daarmee het beschaduwen ervan te beperken. Keer op keer komen projectontwikkelaars met nieuwe voorstellen voor hoogbouw. Met de digital twin kan het effect van de schaduwwerking van deze gebouwen worden gesimuleerd bij verschillende weersomstandigheden en in verschillende seizoenen (zie titelafbeelding). De digital twin is online te raadplegen, zodat iedereen deze en andere effecten van stedenbouwkundige ingrepen, thuis kan bekijken.
Vragen vooraf
Aan de bouw van een digital twin gaan drie vragen vooraf. In de eerste plaats wat de gebruiker ermee wil bereiken, vervolgens welke processen erbij betrokken gaan worden en welke kennis er van die processen en hun samenhang bestaat. Chris Andrews[9], als stedenbouwkundige werkzaam aan het ESRI ArcGIS platform, benadrukt de noodzaak om het aantal elementen in een digital twin te beperken en vooraf het verband ertussen te beredeneren: To help limit complexity, the number of systems modeled in a digital twin should likely be focused on the problems the twin will be used to solve.
Zowel het voorbeeld van de verkeersprognoses in Chattanooga, de vorming van warmte-eilanden in Singapore als het beschaduwen van de Boston Common laten zien dat onbewerkte data ontoereikend zijn om een digital twin te voeden. In plaats daarvan worden data gebruikt die het resultaat zijn van wetenschappelijk onderzoek, waarbij de onderzoeker zich tevens heeft afgevraagd of een systeem- dan wel een complexiteitsbenadering op zijn plaats is. In de woorden van Nigel Jacob, voormalig Chief Technology Officer in Boston: “For many years now, we’ve been talking about the need to become data-driven… But there’s a step beyond that. We need to make the transition to being science-driven in …… It’s not enough to be data mining to look for patterns. We need to understand root causes of issues and develop policies to address these issues.”
Digital twins zijn waardevolle hulpmiddelen. Maar als zij gevoed worden met onbewerkte data, geven ze hooguit zicht op statistische verbanden en elke wetenschapper weet hoe gevaarlijk het is om daar conclusies uit te trekken: Trash in, trash out.
Naarmate digitale tweelingen volwassen worden en meer vitale functies van steden in realtime vastleggen, rijst de vraag of dit de besluitvorming altijd zal verbeteren. Stedelijke maatschappelijke vraagstukken zijn ‘wicked problems’: Er zijn veel belanghebbenden met concurrerende belangen, uiteenlopende macht en invloed en incompatibele logica’s. Tegen deze achtergrond boeten meer data, snellere computers en ‘optimale’ oplossingen al snel in aan betekenis.
[1] https://singularityhub.com/2018/09/30/the-rise-of-dataism-a-threat-to-freedom-or-a-scientific-revolution/
[3] Digital twins Future urban planning
[4] Digital Twins React to changes
[5] https://www.quantamagazine.org/complexity-scientist-beats-traffic-jams-through-adaptation-20200928/
[6] https://www.bloomberg.com/news/features/2020-12-01/singapore-climate-change-reducing-heat-takes-trees-and-technology
[8] Boston digital twin 3D GIS
[9] https://www.esri.com/about/newsroom/arcuser/arcgis-a-foundation-for-digital-twins/
Betrokken wetenschap 