• Notizie

    Smart mobility, un algoritmo per prevenire gli incidenti stradali nella città

    Ecco come Big Data e A.I. possono ‘mappare’ i pericoli e orientare gli interventi

    di Redazione Open Innovation | 22/02/2019

Monitorare i percorsi più utilizzati dai conducenti, i comportamenti alla guida e le scelte compiute al volante in situazioni d’emergenza. Queste sono solo alcune delle moltissime possibilità di utilizzo dell’Intelligenza Artificiale e dell’analisi dei Big Data applicati alla smart mobility, con l’obiettivo primario in questo caso di prevenire gli incidenti stradali.

Una prima sperimentazione in questo senso è stata compiuta a Londra ed è durata oltre un anno, consentendo ai ricercatori e analisti della Ford Foundation - promotrice dell’iniziatiava - di studiare nel dettaglio le caratteristiche della mobilità cittadina. 

Secondo lo studio, proprio grazie all’utilizzo dei Big Data sarebbe possibile determinare le aree più critiche della rete stradale per evidenziare i luoghi dove, statisticamente e potenzialmente, possono avvenire sinistri con maggiore frequenza.

Una mappa ‘predittiva’ del rischio incidenti

Sono stati monitorati i percorsi dei veicoli e i dati relativi ad alcuni comportamenti tipici nelle situazioni di pericolo, dall’intensità della frenata all’attivazione delle luci di emergenza.

È stato così possibile monitorare le aree a mobilità più intensa, incrociando poi le informazioni ottenute con le relazioni sugli incidenti avvenuti. A questo punto, il Ford’s Global Insight and Analytics (GDI&A) team ha messo a punto un algoritmo per determinare le probabilità future di incidenti e quindi per indicare dove e come intervenire sulla circolazione stradale e sui suoi assi.

Il rapporto in questione è stato presentato in occasione dell’ultimo Financial Times Future of Transport di Londra, a fine 2018. Lo studio ha permesso di raccogliere i risultati di migliaia di giorni di monitoraggio di una flotta composta da 160 veicoli commerciali. La flotta ha percorso oltre un milione di chilometri, producendo 500 milioni di data points.

Ogni mezzo impiegato era equipaggiato con un dispositivo PlugIn, in grado di registrare i dati di viaggio poi inviati al cloud per l’analisi.

I risultati di un simile monitoraggio delle aree critiche possono essere di interesse anzitutto per le autorità competenti in materia di mobilità, ma anche per gli esercizi commerciali e i residenti. Oltre a suggerire quali sono le aree più a rischio, la ‘mappatura’ così ottenuta ha permesso poi di individuare i punti più adatti in cui collocare delle stazioni di ricarica per veicoli elettrici.

 

CONDIVIDI
I nostri canali social