City of Raleigh using AI to gain insight into traffic

AEC Magazine • 29. Oktober 2025

Digital twin pilot project analyses data captured by real-time cameras


Technology from Esri , Nvidia , and Microsoft is being used in a pilot project for the City of Raleigh to better understand traffic flows and impacts. The “Raleigh In Motion” digital twin project uses AI to analyse massive volumes of data captured by real-time cameras.

The traffic monitoring software allows city officials to monitor current and historic traffic flows through key intersections at the city. Nvidia AI technology processes real-time video from hundreds of cameras around the city to identify vehicles, bikes, and pedestrians.


Discover what’s new in technology for architecture, engineering and construction — read the latest edition of AEC Magazine
Subscribe FREE here

These feeds are then mapped in Esri ArcGIS where city officials can analyse which intersections are congested based on time of day and day of week.

Indicators on the map turn from green to yellow to red as congestion builds up in intersections. The dashboard can even flag current events like stalled vehicles in an intersection that are impacting traffic.

By fusing real-time streaming data via ArcGIS GeoEvent Server with computer vision capabilities from Nvidia, this digital twin can help Raleigh identify dangerous intersections, reduce congestion and provide safer roadways for vehicles, bikes, and pedestrians.

With these insights, the city can better respond to current incidents and intelligently plan how to remediate problematic, and even dangerous, intersections, helping the city maintain safer streets.


von Michael Plat 5. November 2025
Gemeinsam mit Leica Geosystems haben wir einen Videokurs entwickelt, der den Aufbau eines historischen Dachstuhls in Autodesk Revit zeigt. Wir führen euch Schritt für Schritt durch den gesamten Prozess – von der Punktwolke bis zum fertigen 3D-Modell. Im Kurs werden zwei Ansätze vorgestellt: die klassische Modellierung mit Trägerfamilien und die adaptive, parametrische Arbeitsweise – mit deutlichen Unterschieden in Präzision und Flexibilität. Der Schwerpunkt liegt auf der adaptiven parametrischen Modellierung – einer Methode, mit der sich selbst komplexe Geometrien flexibel und effizient abbilden lassen. Ziel des Kurses Erstellung eines Revit-Modells einer historischen Dachkonstruktion (Holzbau), das auf einer Punktwolke basiert. Dabei werden zwei Methoden verglichen:  Klassische Modellierung mit Balkenfamilien Adaptive Modellierung mit parametrischen Familien Kursablauf – Arbeitsschritte Vorbereitung Archiv mit Projektdateien herunterladen und entpacken Projekt in Autodesk Recap anlegen (E57-Datei importieren) Punktwolke bereinigen und Koordinatenursprung korrekt setzen Einrichtung in Revit Neues Projekt starten, Punktwolke verknüpfen Achsen, Ebenen und Bearbeitungsbereiche anlegen Punktwolke in Revit richtig platzieren und fixieren Sichtbarkeitsbereiche (Scope Box, View Range) einstellen Konzeptionelle Modellierung Erstellung einer konzeptionellen Dachform mit Referenzpunkten und -linien Aufbau von Dach- und Turmgeometrien Parametrische Steuerung (z. B. Dachwinkel, Höhen, Punkte) Erstellung von adaptiven Linien und Flächen für spätere Holzrahmen Architektonische Modellierung Aufbau von Dach-, Boden- und Wandflächen auf Basis der konzeptionellen Form Einfügen von Öffnungen (Fenster, Schornsteine) Arbeiten mit Ansichtsvorlagen und Sichtbarkeitseinstellungen Klassische Holzmodellierung Verwendung einer Trägerfamilie (Beam Family) Balken nach Punktwolkengeometrie ausrichten Manuelle Winkel- und Schnittanpassungen über Parameter Nachteile: hohe manuelle Nacharbeit bei Änderungen Adaptive Holzmodellierung Verwendung adaptiver Komponentenfamilien mit Referenzlinien Automatische Anpassung an konzeptionelle Form Platzierung von Sparren, Pfetten, Stützen und Streben Parametrische Steuerung von Winkeln, Offsets und Längen Deutlich flexiblere Anpassung an Änderungen der Form Verfeinerung und Detailierung Einfügen von Diagonalsparren, Querstreben, Pfetten und Stützen Anwendung von Schnittfamilien zur präzisen Verbindungen Überprüfung der Anpassungsfähigkeit (Parametrisierungstest) Abschluss Zusammenführen der Geometrie Kontrolle in 3D- und Schnittansichten Synchronisation und Abschluss des Projekts Vergleich beider Methoden (klassisch vs. adaptiv)
von AEC Magazine 5. November 2025
AI platform designed to turning know-how from past projects into “design Intelligence” The post AI extracts knowledge from past projects appeared first on AEC Magazine.
von AEC Magazine 4. November 2025
Nexus from CMiC offers natural language processing, “construction intelligence” and agent-driven automation The post AI-powered construction ERP platform launches appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
AI analyses drawings and specifications then automatically extracts product information The post mbue launches AI-powered submittals appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
New tool helps build stronger financial cases for water infrastructure investments The post CivilSense ROI Calculator launches appeared first on AEC Magazine.
von AEC Magazine 31. Oktober 2025
Planradar report reveals inconsistent QA/QC leads to reduced visibility, putting projects at risk of higher costs and lower margins. The post Inconsistent QA/QC standards threatening construction profits appeared first on AEC Magazine.
von AEC Magazine 29. Oktober 2025
Structural analysis and design software puts spotlight on mobile loads and code compliance The post Scia Engineer 2026 launches appeared first on AEC Magazine.
von AEC Magazine 29. Oktober 2025
Acquisition will help strengthen OpenSpace’s “Visual Intelligence Platform” The post OpenSpace acquires construction progress tracking firm Disperse appeared first on AEC Magazine.
von AEC Magazine 9. Oktober 2025
The hidden threat inside EULAs, Autodesk shows its AI hand, Chaos embraces AI and lots more The post AEC Magazine September / October 2025 appeared first on AEC Magazine.
von Michael Plat 6. Februar 2024
Unsere Enscape Experimente von 2019