Al “The Urban Mobility Council” il modello RoadSafeAI rivoluziona la progettazione urbana. Il Think Tank promosso da Unipol ha presentato una ricerca condotta dal Politecnico di Milano e dal MIT che sfrutta immagini stradali e dati telematici per mappare i punti critici delle città. Con l’IA si aprono nuove possibilità per prevenire gli incidenti e costruire una mobilità urbana più sicura, efficiente e sostenibile
Come può l’intelligenza artificiale intervenire in aiuto della mobilità? È la domanda cardine su cui si è sviluppato il Think Tank promosso dal Gruppo Unipol che, nell’occasione, ha presentato i risultati delle ricerche sviluppate dal Politecnico di Milano e dal MIT Senseable City Lab sulla mobilità urbana, secondo cui progettare la sicurezza oggi, interrogando l’IA, è di supporto tanto al cittadino quanto alle amministrazioni.
Nell’occasione, alla presenza delle tante autorità intervenute (tra cui il Presidente di Regione Lombardia, Attilio Fontana), è anche stato presentato il primo Rapporto The Urban Mobility Council, realizzato con l’Istituto Superiore di Formazione e di Ricerca per i Trasporti il cui intento è quello di offrire al dibattito pubblico un qualificato strumento conoscitivo che descriva in modo esauriente le dinamiche e le innovazioni della mobilità dei cittadini, in particolare negli ambiti urbani.
Giunto alla sua quarta edizione, il Think Tank si avvale dell’Alto Patrocinio del Parlamento Europeo, del Patrocinio della Rappresentanza in Italia della Commissione Europea, di AGID – Agenzia per l’Italia Digitale, del Ministero dell’Ambiente e della Sicurezza Energetica, della Regione Lombardia e, ovviamente, del Comune di Milano, città che da sempre lo ospita. L’iniziativa – che nasce per promuovere una piattaforma permanente di discussione, di condivisione di idee, ricerche e case studies tra rappresentanti delle istituzioni, università e aziende impegnati ogni giorno a costruire la mobilità sostenibile del futuro – quest’anno ha visto “RoadSafeAI” al centro della discussione, come modello predittivo per la sicurezza urbana in grado di stimare il rischio stradale urbano analizzando direttamente le immagini della rete stradale, integrate da dati telematici sulle frenate brusche registrate a bordo veicolo attraverso i dispositivi telematici (le black box).
L’obiettivo è chiaramente quello di fornire alle amministrazioni strumenti predittivi affidabili per individuare le aree urbane più critiche e pianificare interventi mirati sulla sicurezza. La ricerca si è focalizzata su un’area centrale di 25 km² a Milano dove, nel biennio scorso, sono stati rilevati più di 80mila decelerazioni improvvise, potenziali indicatori di rischio incidenti. Così il territorio urbano è stato scomposto in migliaia di porzioni da 200×200 metri e analizzato in dettaglio: a ciascuna area è stato attribuito un punteggio di rischio (da 0 a 10) in base alla frequenza e distribuzione degli eventi critici. Su queste informazioni è stato poi addestrato RoadSafeAI, un modello di rete neurale convoluzionale (CNN, una tipologia di rete neurale – algoritmo – progettata per elaborare dati strutturati in griglie come le immagini) capace di apprendere la correlazione tra configurazione stradale e pericolosità con un’accuratezza superiore al 95%.
Un sistema aggiornabile con nuovi dati e integrabile con informazioni che forniranno gli enti locali (come le statistiche sugli incidenti) e consentirà di mappare le zone urbane a maggior rischio di incidente, simulare l’effetto di modifiche infrastrutturali prima della loro implementazione e supportare la progettazione urbana individuando i tratti più critici, come incroci complessi o zone a bassa visibilità.
Sergio Savaresi, Direttore Dipartimento Elettronica, Informazione e Bioingegneria del Politecnico di Milano e Membro del Comitato di Indirizzo The Urban Mobility Council, è intervenuto in merito dichiarando: ‘’Il progetto di ricerca ha sviluppato un modello di intelligenza artificiale in grado di stimare, a partire da immagini della rete stradale, il livello di rischio associato a diverse aree urbane. Questo modello è stato alimentato e istruito con una enorme quantità di dati telematici e ha dimostrato un’eccellente capacità di generalizzazione, riuscendo a predire con precisione la rischiosità di aree urbane non utilizzate per l’addestramento della rete neurale’’.
E’ quindi chiaramente emerso come i risultati rafforzino il ruolo dei dati e dell’IA come strumenti essenziali per progettare città più sicure, vivibili e a misura di cittadino, dimostrando che una mobilità realmente sostenibile si costruisce anche attraverso la forma dello spazio urbano.
Carlo Ratti, Direttore MIT Senseable City Lab e Membro del Comitato di Indirizzo The Urban Mobility Council, ha poi aggiunto: “Questo studio conferma che cambiare il numero su un cartello non basta. Se vogliamo strade più sicure, dobbiamo progettarle in modo che inducano intuitivamente i conducenti a rallentare. Questo concetto è noto da tempo, ma solo oggi, grazie all’intelligenza artificiale, possiamo affrontarlo con strumenti quantitativi, fin dalla fase di progettazione”. Alle sue parole hanno fatto eco anche quelle di Enrico San Pietro, Group Insurance General Manager Unipol: “Gli incidenti stradali, che provocano ogni anno oltre tremila morti, costituiscono un enorme costo sociale per il nostro Paese. Per riprendere un percorso virtuoso di riduzione degli incidenti, i dati provenienti dai dispositivi telematici analizzati in profondità possono essere di grande aiuto, non solo come feedback costruttivi ai singoli automobilisti, ma ancora di più al fine di individuare i punti critici all’interno delle nostre città sui quali le amministrazioni pubbliche possano intervenire in modo mirato e tempestivo per migliorarne la sicurezza”.
Gallery:
