RENEW: sensori, intelligenza artificiale e dati per strade più sicure e una manutenzione più efficiente

Le strade urbane si deteriorano ogni giorno, ma chi le gestisce spesso se ne accorge tardi. Buche e fessurazioni vengono rilevate con ispezioni visive manuali, periodiche e soggettive; le tecnologie più accurate, come i veicoli dotati di laser e LiDAR, hanno costi che non consentono un monitoraggio continuo. Il risultato è una manutenzione che insegue i problemi invece di anticiparli.

RENEW (Sensor-based and data-driven framework for safe and efficient PMS) nasce per cambiare questo approccio. Il progetto sviluppa un sistema che trasforma i veicoli urbani in una rete diffusa di rilevamento, analizza i dati con l'intelligenza artificiale e restituisce ai gestori informazioni affidabili per decidere dove, quando e come intervenire.

Il problema: un PMS che non può restare un archivio statico

Un Pavement Management System (PMS) è lo strumento con cui Comuni ed enti gestori pianificano la manutenzione delle pavimentazioni. Oggi questi sistemi soffrono di alcuni limiti ricorrenti:

• rilievi manuali, episodici e soggettivi;
• strumentazioni ad alto rendimento costose e inadatte a un monitoraggio continuo;
• dati su posizione, tipologia e gravità dei dissesti raramente georeferenziati e storicizzati;
• difficoltà nel definire le priorità di intervento e nell'allocare un budget sempre limitato.

Le tecnologie per superare questi limiti esistono già, ma sono separate: sensori IoT economici ma poco sensibili, modelli di Computer Vision non collegati ai sistemi di pianificazione, strumenti di analisi che non spiegano le proprie conclusioni. RENEW lavora proprio sulla loro integrazione.

Gli obiettivi del progetto

RENEW si pone quattro obiettivi principali:

• Monitoraggio continuo e a basso costo delle pavimentazioni, utilizzando veicoli che percorrono già la città, ad esempio le e-bike per la raccolta rifiuti, come piattaforme mobili di rilievo.
• Rilevamento, classificazione e stima della gravità dei dissesti con modelli di intelligenza artificiale, distribuiti tra il veicolo e il Cloud.
• Decisioni trasparenti, grazie a tecniche di Explainable AI che rendono comprensibile e verificabile ogni valutazione del sistema.
• Supporto concreto alla programmazione della manutenzione, con un sistema di supporto alle decisioni (DSS) che indica priorità di intervento e allocazione del budget.

Le tecnologie

Data Collection Device (DCD)

È il dispositivo installato sul veicolo: un box in alluminio pressofuso con tenuta IP67, staffe antivibranti e fissaggi antimanomissione. Integra camera RGB, unità inerziale (accelerometro e giroscopio), ricevitore GNSS e un modulo di calcolo NVIDIA Jetson Orin NX per l'elaborazione a bordo. Il firmware è modulare e prevede modalità di funzionamento nominale, degradata e offline.

Pneumatici sensorizzati

IAT sviluppa una Tyre Sensing Unit per e-bike: un accelerometro collocato all'interno dello pneumatico e un modulo di pressione e temperatura alla valvola, che misurano direttamente l'interazione tra ruota e pavimentazione e ricavano indici di severità.

Architettura Edge-Cloud

L'elaborazione è divisa su quattro livelli: i sensori acquisiscono i dati, il nodo Edge sul veicolo individua in tempo reale i possibili dissesti, il Cloud li classifica e ne stima la severità, il PMS/DSS li trasforma in informazioni per la pianificazione. Dal veicolo partono solo eventi significativi e georeferenziati, non flussi video continui.

Intelligenza artificiale

Per il rilevamento a bordo sono stati valutati detector leggeri, tra cui RF-DETR; per la classificazione nel Cloud reti convoluzionali e Vision Transformer. La gravità del danno (lieve, moderato, grave) viene stimata combinando immagini e dati di vibrazione.

Explainable AI

Ogni valutazione è accompagnata da un livello di confidenza e da spiegazioni, con un registro di audit delle decisioni.

Piattaforma software e sicurezza

La piattaforma è basata su servizi containerizzati, gestione delle identità dei dispositivi e aggiornamenti firmati, nel rispetto del GDPR. Un data warehouse georeferenziato conserva lo storico degli eventi e la loro provenienza.

Il partenariato

• Key4 S.r.l. (capofila) progetta e integra il framework Edge-Cloud, la piattaforma software e il DSS, contribuisce allo sviluppo dei modelli di AI e coordina il progetto.
• IAT – Italian Aluminium Technology S.r.l. apporta il know-how meccatronico e di green mobility per la progettazione e la prototipazione del Data Collection Device e degli pneumatici sensorizzati.
• Università degli Studi di Bari Aldo Moro – Dipartimento di Informatica, con il gruppo di ricerca coordinato dal Prof. Donato Impedovo, cura la ricerca su Computer Vision, Deep Learning ed Explainable AI.

I risultati attesi

Al termine del progetto, previsto per gennaio 2027, RENEW renderà disponibili:

• prototipi del Data Collection Device per veicoli urbani, con camera, GPS, accelerometro e giroscopio;
• modelli di AI per il rilevamento dei dissesti a bordo e per la loro classificazione e stima della severità nel Cloud, con moduli di Explainable AI;
• la piattaforma RENEW integrata nel PMS, con data warehouse georeferenziato, indice sintetico dello stato della pavimentazione e DSS per le priorità manutentive;
• una validazione in un caso pilota urbano, con la dimostrazione dell'intera catena su un tratto stradale reale.

L'obiettivo tecnologico è portare la soluzione dal livello di maturità TRL 5 al TRL 7, cioè alla dimostrazione del prototipo in ambiente operativo.

A che punto è il progetto

Avviato ad agosto 2025, RENEW ha completato la definizione dell'architettura, le specifiche del Data Collection Device e degli pneumatici sensorizzati, la progettazione della piattaforma software e lo studio dei modelli di AI. Sono in corso i test dei prototipi, lo sviluppo della piattaforma e l'addestramento dei modelli.

Il primo risultato scientifico è il paper "Explainable and Real-Time Road Pothole Analysis using Object Detection Models", presentato a Ital-IA 2026, 6ª Conferenza Nazionale sull'Intelligenza Artificiale organizzata dal CINI (Roma, 18-19 giugno 2026).

Le ricadute

Per le amministrazioni, RENEW significa passare da una manutenzione reattiva a una manutenzione basata sui dati: intervenire prima che il degrado diventi costoso, spendere il budget dove serve, rendere le strade più sicure per automobilisti, ciclisti e pedoni. Per il territorio pugliese significa sviluppare competenze in AI, IoT ed Edge Computing applicate alle infrastrutture, nate dalla collaborazione tra imprese e ricerca.

Progetto "RENEW – Sensor-based and data-driven framework for safe and efficient PMS" – CUP B67H24001820007 – Codice pratica XF4UNN8. PR Puglia FESR FSE+ 2021-2027 (fondo FESR) – Azione 1.5 "Interventi per il rafforzamento del sistema innovativo regionale e sostegno alla collaborazione tra imprese e strutture di ricerca" – Avviso "Reti". Progetto cofinanziato dall'Unione europea.