Sicurezza stradale: come Emotives usa sensori e AI per una guida sicura

Il Progetto EMOTIVES riguarda la tecnologia al servizio della sicurezza stradale

“Riposizionamento Competitivo RSI” della Regione Lazio rappresenta certamente un importante strumento di innovazione per le aziende che sono state in grado di aggiudicarsi il finanziamento agevolato concesso.

Nell’ambito di “Automotive e Mobilità Sostenibile”, sono stati finanziati 10 innovativi progetti che dovrebbero portare elementi di forte innovatività in un settore dove l’Europa sta puntando molto.

Tra i progetti che hanno ricevuto il finanziamento, questa volta abbiamo il piacere di parlarvi di EMOTIVES, un progetto che mira a sfruttare e ad impiegare i recenti progressi nell’ambito della sensoristica di precisione e dell’Intelligenza Artificiale per realizzare un avanzato sistema che contribuisca a migliorare la sicurezza in ambito “Automotive”.

Al progetto partecipa un raggruppamento formato da Adeo s.r.l. (in qualità di capofila), Key to Business s.r.l, In Time s.r.l. e l’Università di Tor Vergata.

Adeo è una società attiva dal 2005 nel settore dell’ICT con particolare riferimento alle tecnologie IoT (Internet of Things) applicate a specifiche aree verticali (automotive, telemedicina, energia).

Key to Business è una software company che da oltre 10 anni sviluppa soluzioni innovative per imprese private e PA, in forma diretta e attraverso una rete di partner oggi accreditati come principali system integrator in Italia.

In-TIME è uno Spin-off dell’Università degli Studi di Roma “Tor Vergata”. Supporta soggetti pubblici e privati nella gestione dei processi decisionali, applicando metodologie innovative e realizzando sistemi integrati su tecnologie GIS.

Università degli Studi di Roma “Tor Vergata”, un ateneo prestigioso con 18 dipartimenti, 106 corsi di laurea, 31 corsi di dottorato, oltre 150 corsi di perfezionamento e 50 scuole di specializzazione, è attualmente impegnato in numerosi progetti di ricerca, nazionali e internazionali.

ICT LAB PA (gruppo Digital 360) ha contribuito fattivamente all’ottenimento del finanziamento collaborando con l’intero partenariato nell’elaborazione della richiesta. Un innovativo progetto nel settore automotive che, anche grazie agli strumenti di finanza agevolata, ha l’opportunità di porsi sul mercato in modo significativo.

Sicurezza stradale: l’importanza di profilare gli stili di guida

Le cause di incidenti stradali dipendono spesso da una combinazione di fattori (distrazione, eccesso di velocità, uso di alcol e droghe, infrazioni al codice della strada, condizioni stradali, stanchezza e sonnolenza) che, nella maggior parte dei casi hanno il fattore umano come elemento principale o concausa.

Uno stile di guida aggressivo o disattento può avere un impatto significativo sull’incremento degli incidenti stradali. Esso può impattare su una serie di fattori:

• Aumento del rischio di collisioni
• Reazioni imprevedibili
• Incremento delle situazioni di “aggressività stradale”
• Riduzione del tempo di reazione
• Stress e disturbi emotivi

In aggiunta alle problematiche di sicurezza sopra esposte, alcuni stili di guida sottopongono a maggior stress le varie componenti meccaniche come ad esempio le sospensioni, gli pneumatici, portandoli ad un più rapido logorio e possono quindi compromettere la funzionalità ed avere effetti sulla sicurezza del veicolo stesso.

Alcuni stili di guida hanno inoltre una forte impatto anche con sul tasso di inquinamento. Accelerazioni e decelerazioni brusche, elevate velocità, , incidono negativamente sul consumo di carburante immettendo nell’aria una maggior quantità di inquinanti.

I trasporti sono una delle principali fonti di emissioni globali di CO2. Secondo il rapporto del 2019 dell’Agenzia Internazionale dell’Energia (IEA), il settore dei trasporti è responsabile di circa un quarto delle emissioni totali di CO2 in Europa, il 71,7% delle quali viene prodotto dal trasporto stradale.

I trasporti contribuiscono inoltre ad altre emissioni inquinanti, come gli ossidi di azoto (NOx), che sono responsabili di problemi di qualità dell’aria e di impatti sulla salute umana.

La possibilità di profilare gli stili di guida e di riconoscere comportamenti potenzialmente pericolosi e/o dannosi per l’ambiente è un aspetto estremamente rilevante. Infatti, il guidatore potrebbe essere indirizzato/educato dai sistemi di assistenza alla guida ad assumere stili di guida migliori sia per la sicurezza che per l’ambiente. L’educazione verso stili di guida migliori potrebbe avvalersi anche dell’apporto delle compagnie assicurative che potrebbero modulare i premi sulla base di tali comportamenti.

Gli stili di guida possono essere individuati raccogliendo i parametri di guida registrati direttamente dal veicolo (velocità, accelerazione, intensità di frenata, rotazione del volante, ecc.) e analizzati mediante tecniche di machine learning e deep learning. Attraverso l’elaborazione di tali dati è possibile definire delle classi di comportamento (aggressivo, disattento, calmo…). Inoltre, sempre con tecniche di intelligenza artificiale è possibile effettuare una valutazione delle quantità di CO2 rilasciate dai singoli veicoli permettendo una stima più precisa e puntuale in relazione alle caratteristiche del veicolo, al suo attuale stato manutentivo ed allo stile di guida adottato dal conducente.

La sfida di EMOTIVES

Emotives (Extended autoMOTIVE Security with AI) è un progetto che punta alla realizzazione di un Sistema modulare aperto in grado di fornire un contributo concreto alla gestione di diverse problematiche oggi presenti in ambito automotive, ed in particolare al fenomeno dell’inquinamento prodotto dai veicoli a motore e al fenomeno dell’incidentalità.

Tali obiettivi vengono raggiunti mediante l’integrazione dei dati provenienti da diversi sensori presenti sui veicoli, rilevati dal contesto dinamico in cui il veicolo si muove, dal territorio.

Il progetto si pone pertanto l’obiettivo sfidante di produrre e fornire strumenti di detection e analisi degli stili di guida nell’ambito del contesto comportamentale. L’analisi dello stile di guida è svolta contestualizzando i comportamenti rispetto all’ambiente esterno in cui il guidatore si muove. L’acquisizione dei dati proveniente dai veicoli consentirà inoltre di mettere in relazione i valori dei consumi e delle emissioni con il fattore comportamentale e con l’ambiente esterno.

I comportamenti vengono identificati anche attraverso l’individuazione delle traiettorie seguite, acquisendo le informazioni da eventuali telecamere installate sui veicoli e valutando così il comportamento anche di veicoli non equipaggiati della sensoristica necessaria.

Le informazioni relative al contesto territoriale vengono acquisite da dati provenienti da diverse fonti nazionali e europee, anche satellitari (traffico, condizioni meteo, caratteristiche delle infrastrutture viarie, presenza di elementi sensibili, uso del suolo, condizioni sociodemografiche, ecc.).

Grazie all’integrazione del sistema con le informazioni geografiche si potranno ad esempio evitare errori nella valutazione di comportamenti non corretti, così come al contrario valutare comportamenti apparentemente corretti ma che analizzati rispetto a condizioni di contesto particolari (limiti di velocità bassi per presenza di abitato o elementi sensibili come, ad esempio, scuole) possono raffigurare condizioni di criticità più elevate.

Il progetto mira a sfruttare e ad impiegare i recenti progressi nell’ambito della sensoristica di precisione e dell’Intelligenza Artificiale per realizzare nuovi di sistemi di monitoraggio del territorio che si affianchino alla sensoristica interna presente nei mezzi di trasporto.

Sicurezza stradale: come Emotives usa i dati

I dati prodotti da tali sensori, opportunamente elaborati, consentono di:

• Arricchire significativamente la Human Machine Interface permettendo al guidatore di avere un controllo proattivo del veicolo, anche in rapporto alle condizioni del contesto in cui il veicolo si muove.
• Migliorare, grazie a una sorta di assistente virtuale, non solo la sicurezza ma anche la sensazione di controllo, e quindi, in definitiva, il comfort e la user experience in viaggio.
• Ottenere impostanti risultati nel campo della sicurezza passiva, potendo anticipare, con maggior precisione di quella consentita dai sensori interni, le criticità del percorso, e quindi fornendo ulteriori e più sofisticate potenzialità per la guida autonoma o semi-autonoma.
• Fornire alle aziende produttrici ulteriori possibilità di arricchimento della HMI con informazioni di maggior precisione e tempestività.
• Fornire significative informazioni agli enti che hanno in gestione la viabilità allo scopo di raggiungere obiettivi di mobilità sicura.

L’integrazione e l’elaborazione congiunta (con il supporto della AI) dei dati di monitoraggio acquisiti in tempo reale da “sensoristica a bordo” e dei dati relativi ai contesti “osservati” dal veicolo in movimento, consente di derivare rilevanti indicatori spaziali utilizzabili, in ambito di pianificazione, per migliorare il livello di interferenza tra flussi veicolari e struttura urbana sia in termini di incremento della sicurezza stradale, che di emissioni (di CO2 o di rumore).

Campi di applicazione

I campi di applicazione dei modelli sviluppati nell’ambito del progetto possono essere:

• Sicurezza

modelli saranno impiegati per individuare combinazioni di situazioni ambientali e profili guidatore che generano situazioni ad alto rischio incidentalità, verificando se su un numero significativo di casi tali situazioni ad alto rischio si traducono effettivamente in livelli di incidentalità superiori alla media.

• Stato delle autovetture

Analisi dello stato di degrado dei veicoli con informazioni relative allo stato manutentivo e report sugli effettivi miglioramenti ottenibili in termini economici attraverso una guida sicura.

• Impatto ambientale

possibilità di trasferire i modelli di guida nei modelli di emissione di CO2 e/o di generazione del rumore, effettuando quando possibile delle verifiche sui livelli effettivi di inquinamento prodotti.

• Progettazione stradale

individuazione di applicazioni per l’impiego dei modelli di comportamento-utente nella definizione delle norme e/o scelte di progettazione. Una di queste potrebbe essere la verifica dell’efficacia dei dispositivi di traffic calming in rapporto al contesto.

• Guida autonoma e sistemi di guida assistita

Trasferimento delle informazioni acquisibili, attraverso i modelli di comportamento degli utenti, ai sistemi di guida assistita e di guida autonoma.

• Pianificazione e programmazione urbana

Gestione delle infrastrutture viarie, individuando gli hot-spot di emissione di inquinanti e potendo approntare sullo specifico contesto metodi di mitigazione ambientale. Analisi dell’inquinamento sia atmosferico che acustico. Gestione delle infrastrutture viarie permettendo l’individuazione di tratti stradali caratterizzati da una elevata presenza di comportamenti di guida rischiosi per la sicurezza stradale. Individuazione punti critici di congestione del traffico e supporto alla riqualificazione dell’attuale rete viaria.

• Settore assicurativo

Individuazione di categorie di utenti ad elevato rischio

Normativa e Mercato di riferimento

La normativa 2019/2144, nota anche come “Regolamento sulla sicurezza generale dei veicoli a motore”, è stata introdotta dall’Unione Europea per migliorare la sicurezza dei veicoli a motore e ridurre gli incidenti stradali. La normativa richiede la presenza di apparati attivi di monitoraggio su tutti i mezzi, come ad esempio i sistemi di frenata di emergenza, i sistemi di mantenimento della corsia, i sistemi di rilevamento della stanchezza del conducente, e altre tecnologie avanzate di assistenza alla guida.

Questa normativa ha portato a un crescente mercato di tecnologie e apparecchiature connesse alla sicurezza dei veicoli. Le aziende automobilistiche e i produttori di componenti automotive hanno investito nello sviluppo di queste tecnologie per conformarsi alla normativa e offrire veicoli più sicuri e avanzati.

Il mercato connesso alla normativa 2019/2144 comprende una vasta gamma di prodotti e servizi, come sensori, telecamere, sistemi di comunicazione veicolare, software di intelligenza artificiale e soluzioni di connettività. Queste tecnologie consentono ai veicoli di rilevare e rispondere in tempo reale a situazioni di pericolo, migliorando la sicurezza stradale per conducenti, passeggeri e pedoni.

Inoltre, la normativa ha anche stimolato lo sviluppo di nuovi modelli di business legati ai servizi connessi, come ad esempio l’offerta di servizi telematici, la gestione dei dati dei veicoli e l’analisi delle informazioni di guida per migliorare la sicurezza e l’efficienza.

Grazie anche alla normativa 2019/2144, il mercato delle tecnologie e dei servizi connessi alla sicurezza dei veicoli è in costante crescita e ha raggiunto un valore significativo.

Le stime esatte del valore del mercato possono variare a seconda delle fonti e dei criteri di valutazione utilizzati.

Secondo un rapporto di ricerca di Grand View Research, si prevede che il mercato globale delle soluzioni di sicurezza veicolare raggiungerà un valore di oltre 70 miliardi di dollari entro il 2025.

Questo include una vasta gamma di tecnologie e servizi connessi alla sicurezza, come sistemi di monitoraggio avanzati, sistemi di assistenza alla guida, sensori di rilevamento degli incidenti, sistemi di comunicazione veicolare e molto altro.

Un altro rapporto di MarketsandMarkets stima che il mercato globale dei sistemi di sicurezza avanzati per veicoli raggiungerà un valore di oltre 30 miliardi di dollari entro il 2025, con un tasso di crescita annuale composto (CAGR) stimato intorno al 9%.

È importante sottolineare che questi dati rappresentano solo stime e che il valore effettivo del mercato potrebbe essere diverso a seconda di vari fattori come la regione geografica, l’adozione delle tecnologie, le politiche normative e le preferenze dei consumatori.

In ogni caso, è evidente che il mercato delle tecnologie e dei servizi connessi alla sicurezza dei veicoli sta crescendo rapidamente e offre opportunità significative per le aziende che operano in questo settore.

Il contributo concesso e obiettivi del progetto

Il contributo è stato concesso nell’ambito del Programma Regionale (PR) cofinanziato dal Fondo Europeo di Sviluppo Regionale (FESR) per il periodo 2021-2027.

Il progetto, della durata complessiva di 18 mesi, è stato finanziato nell’ambito della tematica identificata come “Automotive e Mobilità Sostenibile”. L’investimento globale approvato è di oltre 2,4 milioni di euro con un contributo in conto capitale di quasi 1,5 milioni di euro.

L’investimento coprirà le spese del personale interno, le consulenze e i servizi, le spese generali calcolate in modo forfettario.

Il progetto parte da un Livello di Maturità Tecnologica che, sulla base della metrica di valutazione definita dalla Commissione Europea, viene classificato come TRL4.

Obiettivo finale è quello di giungere ad una “Dimostrazione di un prototipo di sistema in ambiente operativo” (TRL7) che consenta, nel medio periodo, di immettere sul mercato una soluzione che offra una reale innovazione funzionale e tecnologica per i sistemi attivi di sicurezza alla guida.

Gli obiettivi tecnici che si intende raggiungere riguardano:

• la conferma della fattibilità tecnica dell’apparato di rilevazione che si intende realizzare, in particolare per la componente di rilevazione del contesto attraversato, mediante l’integrazione di sensori RBG e LiDAR;
• lo studio e la validazione degli strumenti realizzati, con particolare riferimento ai modelli di AI posti alla loro base;
• lo studio e la documentazione dei vantaggi che si possono ottenere attraverso l’introduzione della soluzione proposta nei diversi potenziali campi di utilizzo.

Da un punto di vista di mercato gli obiettivi del progetto sono invece declinati in relazione alla ipotesi di giungere ad una soluzione integrata in grado di:

• garantire semplicità di installazione e di utilizzo in diversi contesti operativi;
• massimizzare i vantaggi economici/gestionali degli enti pubblici e privati che ne decideranno l’adozione;
• assicurare la produzione di dati e indicatori utili al controllo e al miglioramento degli stili di guida, alla riduzione dell’interferenza ambientale dei flussi veicolari, alla riqualificazione di ambiti urbani sensibili o infrastrutture critiche;
• continuo miglioramento della qualità dell’intero processo mediante la implementazione estesa della soluzione proposta, ciò che implicherebbe la raccolta sistematica di crescenti quantità di dati “di campo” e la loro elaborazione con tecniche di Intelligenza Artificiale, che consentirebbero quindi di assicurare un costante miglioramento dell’“apprendimento” dei modelli sviluppati.

È atteso che la disponibilità della soluzione proposta consentirà al partenariato di attivare efficaci azioni commerciali in termini di servizi ad elevato valore aggiunto da erogare a soggetti privati ed a enti pubblici che possono ottenere benefici dalla sua adozione.

Nella fase realizzativa del progetto ICT LAB PA supporterà il partenariato con attività di Program Management e Quality Assurance. L’obiettivo sarà quello di assicurare al progetto il raggiungimento dei risultati attesi anche attraverso un’attività indipendente di verifica.

La stretta collaborazione con L’Università di Tor Vergata consentirà infine di assicurare un’autorevole validazione scientifica dei risultati finali del progetto.

Le prospettive di Emotives: la parola ai protagonisti

EMOTIVES ha, come visto, moltissime opportunità di impiego. I dispositivi e gli algoritmi sviluppati nel progetto aprono interessanti prospettive nel settore automotive in genere e non solo.

La possibilità di rappresentare un’eccellenza in ambito automotive, fornisce al progetto un significativo impatto sul mercato di riferimento e, come visto, in altri possibili campi di applicazione.

Sulle prospettive sia in termini scientifici che di mercato che il progetto può concretamente aprire abbiamo voluto sentire cosa pensassero i responsabili tecnico-scientifici.

Alla domanda: “Quali nuove prospettive scientifiche indirizza questo progetto?” il Prof. Nicolosi, Università di Roma Tor Vergata ha così risposto: “Il fattore umano rappresenta un elemento fondamentale per la sicurezza stradale e gli stili di guida influenzano in modo significativo le emissioni inquinanti. Questo progetto mette a sistema le potenzialità offerte dall’intelligenza Artificiale, le moderne tecniche di Computer Vision e le più aggiornate tecnologie di Clustering per rappresentare compiutamente attraverso opportuni modelli il comportamento degli utenti guidatori. Tali modelli consentiranno di migliorare la sicurezza e ridurre l’impatto ambientale attraverso:

• lo sviluppo di sistemi di assistenza alla guida
• la definizione di norme di progettazione in grado di tenere adeguatamente in considerazione il fattore umano;
• il miglioramento dei criteri di pianificazione delle reti e di gestione del traffico.

In questo progetto, il nostro team di ricercatori affiancherà i partner industriali al fine di declinare ed integrare le tecniche oltre che di supportare i data scientist nelle fasi di formulazione e addestramento dei modelli”.

L’ing. Marco Zanchi, Amministratore Delegato di Adeo, a cui abbiamo chiesto in qualità di capofila del progetto: “Quali opportunità di mercato apre Emotives?”, ha detto: “Il progetto si presenta come una rivoluzione nel settore, sia per le tecnologie impiegate che per il modello di pricing che può offrire. Contiamo di completare il progetto e produrre il primo prototipo funzionante entro 18 mesi, per poi poter consolidare i rapporti industriali con clienti finali e integrators entro i 12 mesi successivi.”

All’Ing. Alessandro Paregiani (CEO di In-TIME) abbiamo invece chiesto: “Quanto incide il ruolo dei dati e delle informazioni geografiche in progetti che riguardano Automotive e Mobilità Sostenibile?“

La risposta di Paregiani è stata: “La combinazione di dati geografici e deep learning è per noi fondamentale per il rilevamento di comportamenti di guida aggressivi. Rilevare e comprendere questi comportamenti è indispensabile per migliorare la sicurezza stradale, implementare sistemi di assistenza alla guida e promuovere una guida responsabile. L’analisi del contesto geografico e delle sue componenti fornisce ulteriori elementi di valutazione che consentiranno di distinguere tra normali manovre di guida e comportamenti potenzialmente pericolosi.

In questo scenario si colloca la specializzazione e l’esperienza di In-TIME, da sempre impegnata nella ricerca e sviluppo di soluzioni innovative, che integrano metodologie di elaborazione dell’informazione geografica con il supporto delle tecnologie più avanzate.”

Abbiamo infine voluto sentire il parere di Gianluca Pompei (CTO di K2).

Alla domanda “K2 sta puntando molto sull’utilizzo dell’AI in varie applicazioni, nel prossimo futuro quanto impatterà questa tecnologia sul vostro business?”, Pompei ha così risposto: “negli ultimi tre anni abbiamo lavorato duramento alla strutturazione di processi produttivi, acquisizione di competenze e capacità di effettuare attività complesse di Ricerca Industriale su ambiti per noi strategici dell’AI, in particolare nella Computer Visione, nei modelli generativi e negli LLM. Oltre alla consulenza specializzata, abbiamo importanti pipeline di lavoro che nel prossimo futuro ci poteranno al rilascio dei primi prodotti industriali per il monitoraggio di infrastrutture e in ambito della sicurezza urbana.”