Strade sicure grazie all’IA di Unifi

L’Ateneo partecipa a un progetto finanziato dall'Unione Europea #NextGenerationEU nell'ambito del PNRR, che mira a creare algoritmi per la gestione ottimale del traffico urbano

Traffico più scorrevole e meno auto in strada, grazie a un servizio di trasporto pubblico più efficiente.

Prende avvio “Solutions for Safe, Sustainable and Accessible Urban Mobility (SASUAM)”, progetto pilota che intende ottimizzare la viabilità cittadina attraverso algoritmi predittivi elaborati dai ricercatori dell’Ateneo fiorentino. La ricerca si svolgerà a Bari e, oltre a Unifi, partecipano LUTECH Spa – in qualità di coordinatore –, il Politecnico di Bari e l’Università Federico II di Napoli. Il progetto si inserisce nelle attività condotte dal Centro Nazionale per la Mobilità Sostenibile (MOST), struttura finanziata dall’Unione Europea #NextGenerationEU nell’ambito del PNRR che ha assegnato un budget di quasi 500mila euro, di cui 140mila all’Ateneo.

“Unifi contribuirà alla ricerca mettendo a disposizione algoritmi mirati a ricostruire e ottimizzare la viabilità e la piattaforma Snap4City, rivolta a produrre soluzioni di ottimizzazione generative per la decongestione, l’accessibilità e la sicurezza del traffico urbano” spiega Paolo Nesi, docente di Sistemi di elaborazione delle informazioni del Dipartimento di Ingegneria dell’Informazione e responsabile della piattaforma realizzata da Disit Lab.

“La tecnologia messa in campo da Unifi, attraverso modelli generati dall’intelligenza artificiale, analizzerà il comportamento quotidiano dei veicoli, per poi operare predizioni in base alle quali delineare opzioni di ridefinizione della viabilità introducendo elementi minimi di modifica, come la variazione del senso di marcia per una specifica combinazione di strade o il rapporto tra la quantità di corsie dedicate a una determinata direzione, anche adottando soluzioni ‘asimmetriche’ per quanto riguarda le corsie. Il traguardo – afferma – sarà decongestionare l’infrastruttura di trasporto nel suo complesso, non limitandosi a interventi che abbiano impatto solo su singole zone”.

Una volta definite le peculiarità del traffico di Bari, i ricercatori individueranno le strade e gli assi viari più congestionati, per poi verificare i motivi di code e rallentamenti; i modelli generati dagli algoritmi comprenderanno tutta la città, così da implementare soluzioni di decongestionamento, localizzate ma in sinergia tra loro.

Il progetto ricoprirà un ruolo importante anche nel migliorare l’accessibilità al trasporto pubblico locale. Esaminando le criticità del traffico cittadino, sarà possibile al contempo valutare il servizio offerto dagli autobus, individuando le zone meno raggiunte dal TPL e prospettando accorgimenti in linea con le esigenze dei cittadini.

“SASUAM – conclude Nesi – offre una soluzione integrata per l’analisi del traffico, la prima nel suo genere. Traffico più scorrevole e trasporto pubblico più efficiente significano tempi di percorrenza minori e meno auto per strada, impattando in maniera positiva su inquinamento e sicurezza. SASUAM sarà disponibile sulla piattaforma del Centro Nazionale MOST, così da garantire un modello replicabile in tutte le città con problemi di traffico”.


COPYRIGHT: © 2017 UNIVERSITÀ DEGLI STUDI DI FIRENZE.
Eccetto dove diversamente specificato, i contenuti di questo post sono rilasciati sotto Licenza Creative Commons Attribution ShareAlike 4.0 International (CC BY-SA 4.0).

Written By
More from Giovanni Gaeta

Lavoratori al sicuro, prevenire significa progettare

Pietro Capone, direttore del master in Progettazione e Sicurezza dei Luoghi di...
Leggi di più