Framework for Earthwork Monitoring and Simulation using Smartphone GPS Data and PointCloud

Abstract

Approximately 25% of construction costs are allocated to earthwork, which is typically performed prior to the construction of buildings and structures using heavy equipment. For the successful completion of earthwork projects, it is essential to constantly monitor earthwork equipment (e.g., trucks), estimate productivity, and optimize the construction process and equipment on a construction site. However, traditional methods necessitate tedious and time-consuming manual observations of ongoing field operations. This study proposed using a smartphone-integrated GPS sensor for tracking and visualizing equipment locations, which are then utilized for estimating and simulating cycle times and production rates of ongoing earthwork. This method is implemented on a digital platform that enables real-time data collection and simulation, particularly in a 2D (e.g., maps) or 3D (e.g., point clouds) virtual environment that visualizes trucks’ spatial and temporal flows. The case study uses the digital platform for earthmoving operations at commercial factory site development work. The results demonstrate that the production rates of various equipment usage scenarios (e.g., the different numbers of trucks) can be estimated through simulation, and the optimal number of trucks for the equipment fleet can then be determined, thereby demonstrating the practical potential of real-time sensing and simulation for onsite equipment management.|토공 작업은 건설 비용의 약 25%를 차지하며 일반적으로 중장비가 필요한 건물 및 구조물을 건설하기 전에 수행됩니다. 토공 작업을 성공적으로 완료하기 위해서는 토공 장비(예: 트럭)를 지속적으로 모니터링하고, 생산성을 추정하고, 건설 현장에서 건설 공정 및 장비를 최적화하는 것이 중요합니다. 그러나 전통적인 방법은 진행중인 현장 작업을 수동으로 관찰하기 위해 시간이 많이 걸리고 힘든 작업이 필요합니다. 본 연구에서는 장비 위치를 추적하고 시각화하기 위해 스마트폰에 내장된 GPS 센서의 사용을 제안했으며, 이 센서는 차례로 진행 중인 토공의 사이클 시간 및 생산 속도의 추정 및 시뮬레이션에 사용됩니다. 이 접근 방식은 특히 트럭의 공간 및 시간 흐름이 시각화되는 2D(예: 지도) 또는 3D(예: 포인트 클라우드) 가상 환경에서 실시간 데이터 수집 및 시뮬레이션을 가능하게 하는 디지털 플랫폼에 구현됩니다. 사례 연구에서는 상업 공장의 부지 개발 작업에서 토공 작업에 디지털 플랫폼을 적용합니다. 결과는 다양한 장비 사용 시나리오(예: 다른 트럭 대수)의 생산율을 시뮬레이션을 통해 추정할 수 있으며 장비 조합에 대한 최적의 트럭 대수를 결정할 수 있음을 보여줍니다.