OK-Road

Rivoluzioniamo il Monitoraggio Stradale con l’Analisi Avanzata delle Immagini

Cliente: Anas S.p.A.

Contesto

Il progetto nasce all’interno di un’iniziativa di Open Innovation che prevedeva lo sviluppo di PoC da sperimentare sulla Smart Road SS51 Alemagna di Anas.

La Smart Road disponeva di una serie di pali polifunzionali posizionati bordo strada dotati di telecamere per monitorare l’infrastruttura stradale.

Problemi

La Smart Road non era dotata di sistemi software che permettessero un monitoraggio automatico e in tempo reale dello stato di conservazione dell’infrastruttura. Ovvero, di un sistema di allerta che fosse in grado di identificare:

Manto Stradale. Degradamento delle condizioni del manto stradale (crepe, buche, ecc.)

Red-lynx.ai - OK Road - problema manto stradale

Segnaletica Orizzontale. Degradamento delle condizioni della segnaletica orizzontale (sbiadimento, crepe, buche, ecc.)

Red-lynx.ai - OK Road - problema segnaletica orizzontale

Segnaletica Verticale. Degradamento delle condizioni della segnaletica verticale (illeggibilità, caduta, ecc.)

Red-lynx.ai - OK Road - problema segnaletica verticale

Guard-rail. Distorsioni del guard-rail

Red-lynx.ai - OK Road - problema guard-rail

Obiettivo

Sviluppare un algoritmo di IA che permettesse di monitorare l’infrastruttura stradale analizzando il flusso video proveniente dalle telecamere poste a bordo strada.

01 Sicurezza

Aumentare la sicurezza stradale degli utenti dell’infrastruttura, andando a fornire indicazioni e
suggerimenti per mantenere massima la sicurezza dei guidatori e dei passeggeri.

02  Ottimizzazione Risorse

Supporto alle decisioni, allo scopo di ottimizzare le azioni di intervento e di manutenzione e l’utilizzo di risorse (lavorative e materiali) da parte di Anas.

Soluzione

Sono stati sviluppati 6 modelli per monitorare 4 distinti elementi dell’infrastruttura stradale, ovvero:

Manto Stradale. 2 modelli per la rilevazione, il riconoscimento e la localizzazione puntuale di danni al manto stradale

Segnaletica Orizzontale. 1 modello per la localizzazione puntuale della segnaletica orizzontale

Segnaletica Verticale. 2 modelli per la rilevazione, il riconoscimento e la localizzazione puntuale della segnaletica verticale

Guard-rail. 1 modello per la localizzazione puntuale del guard-rail

Red-lynx.ai - OK Road - soluzione img

Implementazione

01/ Studio preliminare

Tramite lo studio della letteratura scientifica e la selezione di dataset pubblici, ci siamo assicurati di partire con una solida comprensione del campo

02/ Ambiente di simulazione

Nel nostro ambiente di simulazione fotorealistico, ogni dettaglio dell’infrastruttura stradale è ricreato. Qui, prepariamo la nostra IA a confrontarsi con la realtà

03/ Addestramento iniziale

Basandoci su metodi consolidati e ambienti simulati, abbiamo iniziato l’addestramento dei nostri algoritmi per rispondere al meglio alle specifiche esigenze di Anas

04/ Iterazione e ottimizzazione

Le immagini fornite da Anas hanno rappresentato il banco di prova definitivo. Ogni nuova immagine ha significato una nuova opportunità per affinare, testare e elevare le capacità del nostro sistema

Risultati e benefici

Collegando il nostro sistema all’ampia rete di telecamere lungo la Smart Road SS51 Alemagna, siamo riusciti a catturare e analizzare con precisione ogni dettaglio di interesse.

Maggiore Sicurezza
L’utilizzo di questo sistema significa maggiore sicurezza per il guidatore in quanto permette una manutenzione più accurata dell’infrastruttura stradale

Riduzione dei Costi di Manutenzione
Politiche di manutenzione predittiva consentono un risparmio in termini di risorse materiali, lavorative ed energetiche per gli interventi, rispetto a politiche di manutenzione programmata

Riduzione dei Costi Energetici ed Ambientali
Un’infrastruttura manutenuta ottimamente consente l’abbattimento di costi energetici e di emissioni di gas serra per i trasporti che utilizzano tali infrastrutture