AI e Cloud per una Smart City che migliora la sicurezza stradale

Quello della sicurezza stradale è un tema di stretta attualità in Italia, prevenzione e controllo sono sempre più fondamentali per ridurre gli incidenti sulle nostre strade che purtroppo rappresentano una delle principali cause di morte tra i giovani, al punto che il Ministero delle Infrastrutture e della Mobilità Sostenibili ha istituito un ambizioso piano nazionale per ridurre del 50% vittime e feriti entro il 2023.

E' in questo contesto che il Comune di Monserrato, località di circa 20.000 abitanti afferente alla Città Metropolitana di Cagliari, ha investito nella realizzazione dell'innovativo progetto Safespotter per mettere a punto una piattaforma allo scopo di migliorare la sicurezza delle proprie strade e incidere sul numero degli incidenti stradali. 

L'obiettivo del progetto era la creazione di un sistema integrato basato su Intelligenza Artificiale, volto a ridurre i tempi di intervento della polizia stradale in caso di incidenti attraverso l’acquisizione di immagini video raccolte lungo alcuni punti nevralgici del sistema stradale comunale e la loro analisi in tempo reale, al fine di individuare situazioni di potenziale pericolo e riconoscere gli incidenti.

Lutech, assieme a Arkys s.r.l. e al Dipartimento di Matematica e Informatica dell’Università degli Studi di Cagliari, si è aggiudicata l’appalto per la realizzazione del progetto, bandito dall'amministrazione comunale di Monserrato e finanziato da Sardegna Ricerche per mettere a punto una piattaforma per migliorare la sicurezza stradale e incidere sul numero degli incidenti stradali. 

Il risultato di questa collaborazione è una piattaforma composta da un sistema integrato di lampioni intelligenti connessi, ciascuno dotato di unità AI indipendente, in grado sia di rilevare anomalie della circolazione e comportamenti lesivi, sia di individuare eventi incidentali, riconoscendone la gravità. Inoltre, il sistema implementa dei meccanismi di segnalazione e allerta visivi e acustici attraverso cartelli luminosi e diffusori acustici, con lo scopo di informare i veicoli che si stanno avvicinando della necessità di rallentare o fermarsi immediatamente, riducendo le conseguenze dell’evento principale ed evitando il verificarsi di incidenti secondari. 

Al sistema appena descritto, detto di “primo livello”, è stato affiancato un sistema di “secondo livello” in cloud AWS con due principali compiti: 

1. sfruttare in tempo reale le informazioni provenienti dalla rete di lampioni per effettuare un controllo territoriale del traffico (tenendo conto di elementi quali: stato della circolazione, comportamenti pericolosi rilevati, condizioni meteorologiche, segnalazioni locali, dati storici ecc.), al fine di predire le situazioni di rischio imminente, nonché di gestire globalmente le singole allerte pervenute, propagandole ove necessario, richiedendo l’intervento dei soccorsi e comunicandole tempestivamente agli automobilisti tramite servizi di messaggistica; 
2. beneficiare delle caratteristiche di elasticità e scalabilità dei servizi cloud per l’addestramento offline dei modelli: tale accorgimento consente di comprimere i costi di elaborazione grazie al modello di costo a consumo, disponendo, se necessario, di risorse computazionali virtualmente illimitate per il solo tempo richiesto dall’elaborazione.

Tra i principali servizi cloud AWS che sono stati utilizzati:

• Amazon SageMaker, che consente di formare e distribuire in modo rapido e semplice modelli di apprendimento automatico su vasta scala
• Amazon Rekognition, per l’analisi di flussi video
• AWS Deep Learning, per apprendimento profondo con l’utilizzo dei framework più diffusi