HomeIndustria 4.0Competence Center 4.0Start 4.0: con il progetto Castore, l’intelligenza artificiale regolerà il traffico di...

Start 4.0: con il progetto Castore, l’intelligenza artificiale regolerà il traffico di Genova

Ti potrebbero interessare ⇢

Gaia Fiertler

Presentati i primi risultati del progetto Castore, cofinanziato dal Mise per quasi 200mila euro, nell’ambito del primo bando per ricerca e innovazione del Competence Center Start 4.0. Il progetto di AI e machine learning vede coinvolti il Gruppo Sigla, Abb, Amt (Azienda Mobilità e Trasporti di Genova) e il Cnr per rendere sostenibile la mobilità tra porto e città e viceversa, con potenzialità che si estendono all’energia e all’ambiente.  

Il progetto Castore sfrutta processi di monitoraggio, analisi, elaborazione dati e visualizzazione avanzata per elaborare strategie di ottimizzazione e implementazione di meccanismi di attuazione/feedback per viaggiatori e cittadini. Per ottenere il risultato è stato implementato un portale web basato su una complessa architettura a micro-servizi per aggregare e mostrare i dati disponibili e, in un prossimo futuro, migliorare sempre di più le strategie di ottimizzazione con nuovi dati e algoritmi.

I dati vengono utilizzati da un motore di intelligenza artificiale (AI-Engine) per generare delle previsioni/simulazioni sullo stato del traffico in determinate fasce orarie in base alle tratte di percorrenza dei bus Amt di Genova.

Il portale web Castore, interoperabile con sistemi di terze parti, come dimostrato attraverso la sperimentazione con il CoC di Abb (Ability™ Collaborative Operation Center), propone un’interfaccia suddivisa in applicazioni indipendenti, ma comunicanti tra loro. Infatti, integrando i dati di derivazione portuale con quelli provenienti dall’azienda del trasporto pubblico (Amt), attraverso l’utilizzo di sensoristica IoT, tecnologie AI e machine learning, Castore potrà generare risultati di impatto significativo come l’elaborazione di previsioni sul traffico cittadino e avanzate simulazioni su scenari differenti in base alle condizioni di partenza, lo sviluppo e la distribuzione del flusso veicolare sulle strade genovesi.

Oltre al traffico, il sistema di “explainable AI” sul quale poggia tecnologicamente il progetto consente di agire su altre dinamiche predittive, come l’evoluzione dei livelli di inquinamento sia per il traffico delle navi sia per il traffico veicolare, utilizzando la mappa degli inquinanti.

Il progetto Castore

Il valore complessivo del progetto è di 490.799,98 euro, con un cofinanziamento Mise pari a 199.679,99 euro, nell’ambito del bando per progetti di ricerca industriale e sviluppo sperimentale del Competence Center Start 4.0, presieduto da Paola Girdinio.

Per il resto si tratta di un investimento delle aziende partner in termini di ore/uomo e accordo di collaborazione con gli Istituti di matematica e di elettronica Imati e Ieiit del Cnr nella sede di Genova.

Gli aspetti innovativi del progetto riguardano lo sviluppo e l’integrazione di tecniche di estrazione, analisi e visualizzazione delle informazioni in chiave “user-driven” e il monitoraggio di informazioni eterogenee con presa di decisioni anche predittive.

Si è raggiunto un livello TRL 7 (Technology Readiness Level), che corrisponde alla dimostrazione di un prototipo di sistema in ambiente operativo, appunto quello presentato presso la sede Abb di Genova.

A sinistra, Cristiana Degano, a destra Paola Girdinio

«Non siamo riusciti a raggiungere una fase più avanzata di TRL, perché durante l’esecuzione l’entità dei dati acquisibili si è ridotta in modo significativo a causa della pandemia, che ha impattato sia sul flusso delle crociere, sia sul trasporto pubblico locale. Con volumi maggiori di dati avremmo effettuato degli stress test più pesanti e valutato al meglio il grado di scalabilità del sistema, potendo fare aggiustamenti più sottili e di dettaglio per rendere commercializzabili gli algoritmi e la Dashboard “Information Hub Unificato”», spiega Cristiana Degano, Project Leader di Castore ed EU Funded Research Manager del Gruppo Sigla, che è l’azienda capofila del progetto.

Il gap di dati verrà colmato espandendo l’applicazione all’ambiente e all’energia, che permetteranno l’acquisizione di un volume di dati meno condizionabile da eventi critici. Il progetto Castore potrà avere una sua espansione anche in ambiti di non immediata individuazione, come ad esempio l’Healthy Environment.

Il ruolo dei partner nel progetto Castore

Gruppo Sigla, Abb e Amt collaborano da anni su progetti commerciali e di ricerca finanziata. Nel caso di Castore, per rendere disruptive agli obiettivi progettuali, hanno coinvolto anche il Cnr con gli Istituti Imati e Ieiit. Questi ultimi si sono occupati, rispettivamente, il primo dello sviluppo di tecniche di visualizzazione delle informazioni per l’interrogazione, la navigazione, il monitoraggio e l’analisi “user-driven”, come mappe di densità e direzione dei flussi; il secondo dell’analisi preliminare dei dati messi a disposizione da Amt riguardo alle tratte di autobus e metropolitana limitrofe al porto, individuando i periodi temporali più trafficati e alcuni elementi di correlazione statistica tra i percorsi.

A sua volta, l’attività svolta dal Gruppo Sigla si è concentrata sulle prove riguardanti vari scenari legati alla predizione di grandezze legate ai dati disponibili, oltre alla realizzazione di uno scenario core per la parte simulativa. In particolare, durante la prima parte dell’analisi dei dati disponibili sono state affrontate alcune problematiche sull’utilizzabilità e affidabilità dei dati stessi.

Inoltre, il Gruppo Sigla ha posto l’attenzione sulla progettazione, lo sviluppo e il fine tuning della Dashboard “Information Hub Unificato” che, tramite strumenti e tecniche di Intelligenza artificiale e data analysis, supporta gli utenti gestori dei provider del trasporto pubblico a ottimizzare la gestione dei flussi passeggeri tra porto e città, in termini di operatività e sicurezza. La soluzione tiene anche conto di necessità e aspetti legati a utenza/cittadini e a quelle dei gestori del terminal portuale.

L’Amt, come stakeholder, ha fornito i dati necessari allo sviluppo degli algoritmi implementati da Gruppo Sigla con la collaborazione del Cnr, ha partecipato all’analisi degli stessi e alla definizione dei requisiti del sistema. Inoltre, ha posto attenzione alla validazione dello stesso e all’analisi delle sue potenzialità.

Abb, invece, come stakeholder ha definito le funzionalità e i requisiti tecnici del sistema, in particolare per l’interoperabilità e la sicurezza di accesso ai dati. Inoltre, ha posto particolare attenzione alla validazione del sistema e all’analisi delle sue potenzialità, che vanno oltre la mobilità urbana in ambito energetico ed ambientale.

Gli sviluppi della soluzione

«L’obiettivo è tendere sempre di più a una previsione in tempo reale, che possa essere un supporto concreto e affidabile agli utilizzatori della dashboard e, partendo dal presupposto che le Dashboard sono visibili dal Collaborative Operation Center, possibili evoluzioni della piattaforma possono essere legate all’erogazione di servizi di pubblica utilità basati sui modelli previsionali integrati», precisa la Degano.

I dati raccolti e la loro elaborazione con i modelli predittivi potrebbero fornire un valido strumento per rendere disponibili tratte alternative da poter utilizzare per i flussi passeggeri. L’analisi dei dati potrebbe visualizzare le zone e gli orari di maggiore afflusso per integrarle con le disponibilità dei mezzi Amt sul territorio. A questo scopo si potrebbero realizzare dei grafici che aggreghino le linee Amt più utilizzate per evidenziare le linee da integrare.

«In pratica, le Dashboard possono essere un valido strumento nell’ambito della Smart City e di una Smart City Room, fungendo da aggregatore di dati da diverse fonti anche non ancora presenti nella piattaforma.

Un esempio potrebbe essere, a seguito di un’analisi di fattibilità, l’integrazione con servizi e mappe Google, oppure con fonti dati meteo per capire e stimare l’utilizzo delle linee Amt, nel caso in cui le condizioni climatiche rendessero più confortevole l’utilizzo dei mezzi pubblici.

In linea generale, la piattaforma si presta a notevoli sviluppi e integrazioni che potrebbero renderla certamente più efficace di quanto non lo sia già ora e renderla uno strumento di monitoraggio e supporto decisionale che guarda al futuro e alla tecnologia», conclude Degano.

 

 

Start 4.0: con il progetto Castore, l’intelligenza artificiale regolerà il traffico di Genova - Ultima modifica: 2021-07-31T08:00:05+02:00 da Gaia Fiertler