Questa attività di innovazione nel campo delle città digitali è finanziata e realizzata nell'ambito di EIT Digital, un'organizzazione europea leader per la trasformazione digitale collegata alla Commissione Europea, e prevede la partecipazione del Politecnico di Milano. L'obiettivo è quello di partire da ricerche precedenti per perfezionare e testare in uno scenario di traffico reale un prodotto unico e pienamente commercializzabile, in grado di identificare automaticamente, in tempo reale e con elevata precisione, il tipo di veicolo in circolazione e il numero di occupanti, sia sui sedili anteriori che su quelli posteriori.
La soluzione consentirà alle autorità comunali e ad altri gestori di infrastrutture di trasporto, come i gestori di strade o parcheggi, di comprendere i modelli di mobilità e di definire strategie e politiche che riducano la congestione del traffico, diano priorità e incentivino l'utilizzo dei mezzi pubblici, dei veicoli ad alta occupazione e dei veicoli a basse emissioni, con il conseguente miglioramento del flusso del traffico, della qualità dell'aria e dei livelli di rumore.
L'identificazione accurata e automatica dei veicoli e degli occupanti, combinata con l'elaborazione e l'analisi dei dati, faciliterà una migliore comprensione del traffico, l'applicazione di sconti o sanzioni, la tariffazione variabile (ad esempio, nei parcheggi o nei pedaggi) e le restrizioni di accesso a determinate strade, soprattutto nei centri urbani, in base al numero di passeggeri, al tipo di veicolo, alla targa, ecc. Contribuirà inoltre a promuovere l'utilizzo dei mezzi pubblici, del car sharing, dei veicoli ad alta capacità, dei veicoli a basse emissioni, dei parcheggi di interscambio e di altre alternative tra i cittadini.
Attualmente, l'implementazione di questo tipo di misure richiede il monitoraggio e controlli dissuasivi da parte delle autorità preposte alla gestione del traffico per verificarne la conformità e individuare le violazioni, rendendo la loro adozione su larga scala complessa, inefficace e inaffidabile. BeCamGreen si propone di finalizzare lo sviluppo di un prodotto commerciale automatizzato, affidabile e a un prezzo accessibile, in grado di rispondere a una reale esigenza di mercato. Questa soluzione è sempre più richiesta nelle gare d'appalto per la costruzione di autostrade in paesi come gli Stati Uniti, facilitando la creazione di corsie dedicate a veicoli specifici e lo sviluppo di strategie di limitazione del traffico implementate da numerose città europee.
Visione artificiale, apprendimento profondo e analisi multispettrale
BeCamGreen svilupperà una soluzione automatica e non invasiva grazie all'applicazione delle più recenti tecnologie in materia di big data, visione artificiale, deep learning e analisi multispettrale.
Indra si occuperà di perfezionare gli algoritmi di elaborazione delle immagini per il riconoscimento di persone e volti, sviluppati in precedenti progetti di ricerca e sviluppo, come DAVAO. Per ottenere una maggiore precisione, l'azienda integrerà apparecchiature di videosorveglianza migliorate e combinerà questi algoritmi con nuovi algoritmi sviluppati per l'elaborazione delle immagini in tempo reale. La soluzione includerà anche l'analisi multispettrale, che consente il rilevamento della pelle umana per evitare falsi positivi ed errori, distinguendo, ad esempio, un manichino o altri tipi di simulazioni. L'obiettivo è integrare le tecnologie più recenti, sia a livello hardware che software, per aumentare la precisione del sistema e ridurre i costi di investimento e di esercizio per i potenziali clienti.
Il Politecnico di Milano, da parte sua, si impegnerà nello sviluppo di un motore di big data per rilevare e prevedere le condizioni del traffico, utilizzando e integrando informazioni in tempo reale provenienti da tutti i tipi di sensori IoT, social network, diverse fonti di dati aperti e il sottosistema di visione del progetto stesso. Questo motore di big data in tempo reale fornirà informazioni preziose che aiuteranno i responsabili a prendere decisioni, validare e migliorare le proprie strategie di gestione della mobilità.
