L’uso dell’Intelligenza Artificiale per la Mobilità e la Sicurezza Urbana è una delle applicazioni più promettenti per il futuro dello sviluppo urbano sostenibile delle città italiane.
L’uso dei big data, l’analisi di tali dati e la trasformazione dei dati in informazioni utili per la gestione del traffico veicolare, dell’infrastruttura stradale e manutenzione, della mobilità urbana, per evitare la congestione del traffico, è uno degli obiettivi della programmazione nazionale per incrementare la sicurezza e la sostenibilità.
Attualmente le problematiche di gestione della mobilità nelle città sono notevoli: mancanza di sensoristica adeguata, assenza di fonti con servizi cloud, costi elevati dell’infrastruttura fisica sul territorio per la rilevazione delle informazioni, necessità di elevata manutenzione e vandalismo di apparecchiature elettroniche su strada, disomogeneità delle fonti dati, gestione del dato diviso in più uffici comunali e spesso non digitalizzati, mancanza di dati certificati e assenza di analisi, controllo e ottimizzazione dei costi gestionali e strumenti di azione per il miglioramento della mobilità e della sicurezza urbana.
I big data raccolti dal crescente numero di sensori installati a bordo di veicoli circolanti quotidianamente in città, unitamente alle tecnologie che consentono la trasmissione delle informazioni via cloud, l’aggregazione e analisi di tali informazioni da remoto impiegando algoritmi di Intelligenza Artificiale, Computer Vision e Machine Learning, daranno un grandissimo impulso alla mobilità sostenibile e alla città del futuro.
Le caratteristiche della nuova tecnologia
La soluzione tecnologica che verrà presentata si basa su nuove tecnologie mutuate dai sistemi ADAS attualmente montate sulle principali automobili nuove/usate e che originariamente sono state realizzate per ridurre i sinistri stradali.
La caratteristica principale di tale tecnologia è che si fonda sulla visione di telecamere e la sua capacità di simulare il modo in cui gli esseri umani percepiscono l’ambiente stradale. Viene utilizzata una singola/multipla camera, installata sul veicolo, per scansionare la strada. Facendo leva su processori integrati, gli algoritmi di machine learning sono stati addestrati per identificare, etichettare e classificare le risorse stradali, valutare le condizioni della pavimentazione e acquisire dati sulla mobilità mentre i veicoli equipaggiati, passeggeri e merci, percorrono normalmente la strada, viaggiando quindi sui loro percorsi regolari. I dati così raccolti possono essere automaticamente trasformati in GIS layers pertinenti e possono essere utilizzati per migliorare la sicurezza stradale, la manutenzione delle strade e inventariare gli asset.
I Vantaggi di tali tecnologie:
- per i gestori di strade e autostrade tale tecnologia è la nuova generazione in quanto consente di utilizzare dati anonimi e aggregati raccolti dalle videocamere montate sui veicoli per fornire aggiornamenti istantanei sulla mappa stradale, le condizioni del manto stradale e della mobilità. La natura dinamica di questa nuova fonte di dati consentirà di migliorare il processo decisionale e di avere una maggiore automazione e, dunque, garantire strade più sicure e ottimizzazione degli investimenti di manutenzione.
- combinando infine tale tecnologia con le migliori mappe di Esri, le strade e le agenzie della mobilità potranno vedere in ottica di Smart Road quello che prima vedevano con estrema difficoltà, come ad esempio le aree a maggior rischio, lo stato della segnaletica stradale, la presenza di fessure o buche sui tratti gestiti. La visione artificiale riconosce i cambiamenti sull’infrastruttura stradale mentre la piattaforma GIS inserisce tali dati rilevati sulla mappa della Municipalità. Con il monitoraggio continuo e l’analisi dei big data è più facile poter prendere la decisione giusta, al momento giusto.
Non sono le case automobilistiche quelle che investono male maggiori risorse sulla ricerca nel settore ….