In quali Paesi e in quali ambiti è prevalentemente impiegata?

L’Intelligenza Artificiale è adottata a livello globale in ogni settore, incluso quello dei trasporti, con applicazioni che spaziano dalla gestione del traffico urbano, alla progettazione dei tracciati stradali e delle intersezioni, al monitoraggio delle pavimentazioni, ai veicoli connessi ed autonomi. Paesi come gli Stati Uniti e la Cina sono all’avanguardia in tema di IA. Ad ogni modo, anche diverse nazioni europee stanno investendo significativamente in queste tecnologie per rendere i trasporti più efficienti e sicuri. Le specifiche sugli ambiti di applicazione sono fornite in risposta alla sua prossima domanda.

 Quali potrebbero essere i punti di forza e le criticità nell’utilizzo dell’IA su strade, autostrade, infrastrutture viarie?

Punti di forza:

L'IA consente di centralizzare una vasta mole di dati provenienti da veicoli di nuova generazione, smartphone degli utenti e numerose telecamere posizionate su intersezioni stradali e arterie principali. Questa centralizzazione permette a un ente gestore, attraverso la propria sala operativa, di localizzare ciascun utente sulla rete di competenza, gestendo efficacemente i flussi di traffico. L'IA è in grado di identificare congestioni in tempo reale e proporre soluzioni ottimali per ripristinare rapidamente le normali condizioni operative. Utilizzando serie storiche di dati sul traffico, l'IA allena modelli previsionali capaci di effettuare previsioni a breve, medio e lungo termine, anticipando problemi di congestione e suggerendo interventi preventivi.

In termini di sicurezza, l'IA offre vantaggi significativi. Sensori a bordo dei veicoli e smartphone possono inviare segnali immediati in caso di incidente, consentendo interventi tempestivi prima ancora che i soccorsi vengano allertati manualmente. In ambito urbano, l'IA può modificare lo stato dei semafori per garantire il passaggio prioritario ai mezzi di soccorso, riducendo i tempi di arrivo sul luogo dell'incidente e successivamente all'ospedale designato. Inoltre, attraverso l'analisi dei conflitti di traffico – ossia situazioni in cui le traiettorie dei veicoli si intersecano potenzialmente in modo pericoloso – l'IA può prevenire incidenti. Tecniche di “deep learning” applicate all'analisi video delle telecamere permettono di mappare le traiettorie dei veicoli nel tempo, identificando criticità in specifici siti stradali in pochi giorni, senza dover attendere che si verifichino incidenti reali (cosiddetto approccio proattivo). Secondo un approccio reattivo, invece, l’IA consente di analizzare i dati incidentali (ad esempio, quelli di ISTAT), identificando efficacemente i principali fattori di rischio (come ad esempio, corsie troppo strette, banchine laterali assenti, eccessiva tortuosità planimetrica, eccessiva presenza di accessi laterali, elevato traffico, etc), e quantificando quanto ciascuno di essi influisce sull’accadimento incidentale. Questo consente agli enti gestori di sviluppare politiche di intervento mirate a risolvere le criticità della propria rete di competenza, utilizzando le risorse a disposizione in maniera consapevole ed informata.

Per quanto riguarda la manutenzione predittiva, l'IA può analizzare dati raccolti da sensori installati direttamente sulle infrastrutture (inseriti direttamente nelle pavimentazioni come nelle “smart roads”, ad esempio), integrando al contempo informazioni provenienti da rilievi del sottosuolo, terrestri, aerei e satellitari per prevedere (e prevenire) deficienze strutturali e deterioramenti superficiali. Il mio intervento al Paving Show si concentrerà per buona parte proprio su questi aspetti. Questo approccio consente interventi di manutenzione proattivi ed una ottima allocazione delle risorse a disposizione, riducendo costi a lungo termine e migliorando conseguentemente il livello di sicurezza stradale.

Criticità:

Nonostante i numerosi vantaggi offerti dall'IA nel settore dei trasporti, esistono diverse criticità che ne ostacolano l'implementazione. Prima di tutto, la raccolta e l'elaborazione di grandi quantità di dati sollevano preoccupazioni riguardo alla protezione delle informazioni personali e alla sicurezza informatica. Garantire la privacy degli utenti e proteggere i sistemi da potenziali attacchi informatici richiede l'adozione di misure di sicurezza avanzate e una regolamentazione adeguata, al momento non del tutto definita. Inoltre, la complessità degli algoritmi di IA può portare a decisioni errate; l’utilizzo di questi sistemi senza adeguata formazione professionale può portare alla calibrazione di algoritmi previsionali del tutto fuorvianti. Un'altra sfida significativa riguarda l'accettazione sociale: l'introduzione di tecnologie basate su IA può incontrare resistenze da parte degli utenti, specialmente se non vengono adeguatamente informati sui benefici e sul funzionamento di tali sistemi. La mancanza di infrastrutture adeguate e di un quadro normativo chiaro può ulteriormente rallentare l'adozione dell'IA nel settore dei trasporti. Infine, l'implementazione di queste tecnologie richiede investimenti significativi in ricerca, sviluppo e formazione del personale, rappresentando una sfida per le aziende e le istituzioni coinvolte.

IA della mobilità (autovetture): quali opportunità e quali limiti per l’Italia?

Opportunità:

L'Intelligenza Artificiale offre numerose opportunità per la mobilità. Le applicazioni menzionate in risposta alla sua precedente domanda, qualora implementate, possono comportare benefici sociali davvero significativi. Un’opportunità aggiuntiva per il prossimo futuro, a mio parere, è rappresentata dall’utilizzo di sistemi “prompt-based” (come ChatGPT), in cui le competenze informatiche e di analisi dati vengono meno in favore di “semplici” input testuali. Sistemi come questo possono certamente influenzare l’adozione più rapida dell’IA nel settore della mobilità e della progettazione di infrastrutture. Su quest’ultimo punto, preme sottolineare come la recente adozione del BIM per i progetti di infrastrutture potrebbe essere notevolmente supportata, in quanto, attualmente, sono richieste competenze informatiche che vanno ben oltre il tradizionale background di un ingegnere delle infrastrutture e dei trasporti.

Limiti:

Le infrastrutture stradali in alcune aree potrebbero non essere adeguate a supportare le tecnologie necessarie per i veicoli autonomi, come sensori e sistemi di comunicazione avanzati. La mancanza di un quadro normativo chiaro e aggiornato può creare incertezza sia per i produttori che per gli utenti, rallentando ulteriormente l'adozione di queste tecnologie. Inoltre, l'implementazione dell'IA richiede investimenti significativi, che potrebbero essere difficili da sostenere per alcune amministrazioni locali. Infine, le preoccupazioni riguardanti la privacy e la sicurezza dei dati raccolti dai veicoli e dalle infrastrutture (di cui alla precedente risposta) devono essere affrontate con attenzione per garantire la fiducia degli utenti.

 

--- o --- o --- o --- o --- o --- o --- o --- o --- o ---

 

Nicholas Fiorentini, Ph.D.

 

Department of Civil and Industrial Engineering,

The University of Pisa,

Largo Lucio Lazzarino, 1, 56122, Pisa (PI)