IoT, Edge e Cloud Computing, Intelligenza Artificiale ed Explainable AI per il monitoraggio continuo delle pavimentazioni stradali e la pianificazione degli interventi di manutenzione.

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 quindi di evidenziare le sezioni più critiche, analizzare l’evoluzione del degrado e definire le priorità degli interventi manutentivi sulla base delle condizioni effettivamente rilevate.

Obiettivi del progetto

• automatizzare la raccolta e l’analisi dei dati relativi alle condizioni delle pavimentazioni stradali;
• integrare immagini, dati di posizione e segnali provenienti da sensori differenti in un’unica infrastruttura digitale;
• distribuire le elaborazioni tra dispositivi edge e servizi cloud, riducendo la latenza e ottimizzando l’impiego delle 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 e interpretabili 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 possono essere 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. La configurazione della sensoristica sarà definita in funzione dell’efficacia diagnostica, delle condizioni ambientali, della capacità di elaborazione disponibile e dei requisiti di affidabilità, connettività e consumo energetico.

Dal dato alla decisione

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

Nel cloud, i modelli di Intelligenza Artificiale approfondiscono l’analisi, classificano la tipologia del danno e ne stimano la severità. Le tecniche di Explainable AI consentono di evidenziare gli elementi che hanno maggiormente contribuito alla classificazione, migliorando la comprensibilità del risultato. I dati elaborati alimentano infine mappe tematiche, indicatori sintetici e funzioni di Decision Support System dedicate alla definizione delle priorità manutentive.