Digital Twin of Metro Infrastructure through BIM and IoT Sensor Integration: The Case of Certosa Metro Station, Turin

Questa tesi esplora l’integrazione delle tecnologie di Building Information Modeling (BIM) con le strategie di Structural Health Monitoring (SHM) per lo sviluppo di un digital twin della stazione metropolitana Certosa di Torino, realizzata in collaborazione con Infra.To. Il lavoro affronta il divario esistente tra le pratiche tradizionali di monitoraggio strutturale e le piattaforme digitali di nuova generazione, con l’obiettivo di consentire la visualizzazione, l’analisi e il processo decisionale in tempo reale nelle infrastrutture urbane. Il modello BIM della stazione è stato originariamente fornito da Infra.To ed è stato completato in questo studio con l’area circostante e con l’integrazione dei sensori di monitoraggio virtuali. La ricerca inizia con la creazione di un ambiente 3D georeferenziato, derivato da dati QGIS e CAD, poi perfezionato in Revit e InfraWorks per ottenere una rappresentazione realistica del sito di progetto e del suo contesto costruito. Il modello BIM è stato arricchito con sensori virtuali IoT, tra cui accelerometri, tiltmeter e catene inclinometriche, posizionati strategicamente sia sulla stazione che nel terreno circostante. In particolare, due edifici vicini sono stati modellati con accelerometri e tiltmeter per valutare le risposte in termini di vibrazione e inclinazione, mentre una catena inclinometrica è stata collocata sotto l’allineamento ferroviario per rilevare cedimenti del terreno e deformazioni da taglio. I parametri e i metadati dei sensori sono stati definiti in Revit tramite parametri condivisi e di progetto, garantendo la coerenza con i requisiti di Tandem. Successivamente, sono stati implementati i flussi di integrazione dei dati. I dataset sintetici sono stati generati in Excel, basandosi su esempi di altri progetti di monitoraggio, sulle schede tecniche dei produttori dei sensori e sui valori di riferimento tipici per questo tipo di terreno ed escavazione. Tali dataset sono stati poi elaborati in Python all’interno di Jupyter Notebook per automatizzarne la conversione in flussi JSON. I file risultanti sono stati caricati e collegati ad Autodesk Tandem, dove ogni sensore è stato mappato al proprio corrispondente digitale. I flussi sono stati testati per assicurare che le connessioni dei sensori potessero essere visualizzate in tempo reale, ponendo le basi per simulazioni di vibrazione e cedimento. I risultati preliminari dimostrano la fattibilità di combinare ambienti BIM con flussi di dati SHM per costruire un digital twin operativo per infrastrutture metropolitane. Lo studio evidenzia sia il potenziale tecnico che le sfide pratiche di tale integrazione, in particolare per quanto riguarda la formattazione dei dati, la mappatura dei parametri e l’interoperabilità tra diverse piattaforme software. In conclusione, la tesi fornisce una metodologia strutturata per collegare BIM e SHM attraverso i digital twin, offrendo un quadro replicabile che può essere applicato a progetti infrastrutturali simili al di fuori di Torino.