RENEW

Il progetto

RENEW è un progetto di ricerca industriale e sviluppo sperimentale, coordinato da KEY4, finalizzato alla realizzazione di un Pavement Management System di nuova generazione. Il progetto intende trasformare il monitoraggio delle pavimentazioni stradali da attività prevalentemente periodica e manuale a processo digitale, continuo e basato sui dati.

La soluzione integra dispositivi IoT installati a bordo di veicoli urbani, capacità di elaborazione in edge, servizi cloud e modelli di Intelligenza Artificiale. I dati acquisiti durante i normali percorsi dei mezzi vengono utilizzati per individuare i possibili dissesti, classificarne la tipologia, stimarne la severità e localizzarli sulla rete stradale.

Le informazioni confluiscono in una piattaforma web che restituisce mappe, statistiche e indicatori sullo stato della pavimentazione. Un sistema di supporto decisionale consente di evidenziare le sezioni più critiche, analizzare l'evoluzione del degrado e definire le priorità degli interventi manutentivi.

Obiettivi del progetto

• Automatizzare la raccolta e l'analisi dei dati relativi alle condizioni delle pavimentazioni stradali
• Integrare immagini, dati di posizione e segnali da sensori differenti in un'unica infrastruttura digitale
• Distribuire le elaborazioni tra dispositivi edge e servizi cloud, riducendo la latenza e ottimizzando le risorse computazionali
• Utilizzare modelli di Computer Vision e Machine Learning per il rilevamento, la classificazione e la stima della severità dei danni
• Rendere più trasparenti i risultati dei modelli attraverso tecniche di Explainable AI
• Fornire strumenti georeferenziati e funzioni di supporto decisionale per la programmazione della manutenzione
• Validare la soluzione mediante prototipi, test di integrazione e sperimentazioni in condizioni operative reali

Una rete mobile per il monitoraggio delle strade

Nel framework RENEW, i veicoli che percorrono quotidianamente la città possono diventare nodi mobili di una rete di rilevamento. Mezzi per la raccolta dei rifiuti, autobus, veicoli di servizio e altre flotte urbane vengono equipaggiati con Data Collection Device dotati di telecamere RGB, sistemi di geolocalizzazione e sensori per l'acquisizione di dati dinamici.

L'impiego di veicoli già operativi sul territorio permette di integrare il monitoraggio nelle attività ordinarie, aumentando la frequenza delle osservazioni e riducendo la necessità di campagne di rilievo dedicate.

Dal dato alla decisione

L'architettura adotta un modello distribuito edge-cloud. Una prima elaborazione viene eseguita direttamente sul Data Collection Device per riconoscere le immagini o le sequenze che presentano una possibile anomalia. Le informazioni rilevanti vengono trasmesse all'infrastruttura cloud, dove vengono integrate con i dati di localizzazione e con le misure provenienti dagli altri sensori.

Nel cloud, i modelli di AI classificano la tipologia del danno e ne stimano la severità. Le tecniche di Explainable AI evidenziano gli elementi che hanno maggiormente contribuito alla classificazione, migliorando la comprensibilità del risultato. I dati elaborati alimentano mappe tematiche, indicatori sintetici e funzioni di Decision Support System per la definizione delle priorità manutentive.

Risultati attesi

RENEW prevede la realizzazione di un dimostratore integrato composto da Data Collection Device prototipali, modelli di Intelligenza Artificiale e una piattaforma software per l'acquisizione, l'analisi, la visualizzazione e l'utilizzo decisionale dei dati.

• Prototipi di dispositivi di raccolta ed elaborazione da installare sui veicoli selezionati
• Infrastruttura edge-cloud per la gestione distribuita dei dati e dei carichi computazionali
• Modelli AI per il rilevamento e la classificazione dei dissesti, con accuratezza superiore al 95%
• Funzionalità di Explainable AI per supportare la lettura e la verifica delle classificazioni
• Data warehouse sincronizzato con i dispositivi edge, organizzato per dati georeferenziati
• Applicazione web con mappe, statistiche, analisi storiche e indicatori sullo stato della rete
• Decision Support System per la valutazione delle criticità e la definizione delle priorità di manutenzione
• Procedure di test e tuning per verificare interoperabilità, sicurezza, affidabilità e funzionamento reale

Benefici attesi

• Conoscenza più tempestiva e oggettiva delle condizioni della rete stradale
• Individuazione anticipata dei fenomeni di degrado e delle situazioni potenzialmente critiche
• Programmazione degli interventi basata su dati aggiornati, misurabili e georeferenziati
• Impiego più efficace delle risorse economiche disponibili per la manutenzione
• Riduzione delle ispezioni dedicate grazie all'utilizzo di veicoli già operativi sul territorio
• Maggiore tracciabilità delle valutazioni attraverso dati storici, indicatori e funzioni XAI
• Possibilità di replicare e adattare la soluzione a città, reti viarie e flotte differenti

Partenariato

Il progetto RENEW è realizzato da un raggruppamento composto da KEY4 S.r.l. (capofila), IAT Italian Aluminium Technology S.r.l. e il Dipartimento di Informatica dell'Università degli Studi di Bari Aldo Moro. Il partenariato integra competenze di progettazione software, Internet of Things, Intelligenza Artificiale, prototipazione hardware, sensoristica e ricerca accademica.

Contattaci

Vuoi implementare RENEW nel tuo comune o ente? Contattaci per maggiori informazioni.