Utilizzare l’intelligenza artificiale per monitorare i flussi pedonali in aree affollate in modo da rendere la città più vivibile e sicura, ovvero una perfetta smart city. È l’obiettivo dello studio che ENEA ha realizzato a Milano nell’ambito del progetto CityFlows, finanziato dallo European Institute of Innovation and Technology (EIT).
Cos’è il progetto CityFlows
Il progetto EIT-KIC CityFlows mira a migliorare la vivibilità degli spazi pedonali affollati attraverso la fornitura di supporto decisionale per la gestione dei flussi pedonali. Nel processo per raggiungere questo obiettivo, il progetto CityFlows testa e valuta varie tecniche innovative di monitoraggio della folla in situazioni reali,in luoghi che ospitano eventi di massa, spazi turistici e hub di trasferimento. Inoltre, il progetto CityFlows prepara un sistema di supporto decisionale per la gestione della folla unico nel suo genere, pronto per il lancio sul mercato, che incorpora queste tecniche di monitoraggio all’avanguardia.
L’iniziativa è finanziata da EIT Urban Mobility, che fa parte dell’Istituto Europeo di Innovazione e Tecnologia (EIT). EIT Urban Mobility ha l amissione di accelerare il cambiamento positivo nella mobilità allo scopo di di rendere gli spazi urbani più vivibili.
Lo studio di Enea
Enea, Agenzia nazionale per le nuove tecnologie, l’energia e lo sviluppo economico sostenibile, è stata coinvolta in questo progetto per la città di Milano. L’ente pubblico di ricerca italiano, attivo nei settori dell’energia, dell’ambiente e delle nuove tecnologie a sostegno delle politiche di competitività e di sviluppo sostenibile, ha pubblicato alcuni mesi fa i risultati sulla rivista scientifica Urban Science.
Come si legge in un comunicato diffuso dall’organizzazione in quell’occasione, per la mobilità pedonale i ricercatori ENEA hanno analizzato i filmati acquisiti tramite un sistema di videoregistrazione installato dall’Azienda Mobilità Ambiente e Territorio (AMAT), che ha ripreso per due settimane il flusso di persone attorno all’ingresso principale della stazione e ai due punti di accesso della metropolitana.
“Per la nostra analisi ci siamo concentrati su piazza Duca d’Aosta, di fronte alla Stazione Centrale di Milano, la seconda in Italia per dimensioni e volume di traffico con circa 600 treni al giorno e uno degli snodi strategici della città, frequentato quotidianamente da oltre 350mila persone, dove convergono tutti i tipi di mezzi di trasporto cittadino”, spiega Federico Karagulian, ricercatore ENEA del Laboratorio di Sistemi e tecnologie per la mobilità sostenibile e coautore dello studio insieme ai colleghi Carlo Liberto, Matteo Corazza e Gaetano Valenti e ai ricercatori dell’Università di Roma Tre, Andreea Dumitru e Marialisa Nigro.
L’utilizzo della computer vision
Grazie alla computer vision, è stato possibile identificare in modo univoco i pedoni osservati in circa 2 milioni di fotogrammi, catturati a intervalli di un secondo, con una precisione approssimativa del 70%. Utilizzando questa tecnica innovativa di visione artificiale, i filmati ottenuti da telecamere tradizionali possono essere convertiti in un flusso di informazioni che identifica e quantifica gli oggetti osservati, localizzandoli sia nello spazio che nel tempo. Questo permette di ricostruire la distribuzione spaziale dei flussi pedonali, oltre a generare mappe di densità e velocità.
Privacy garantita
La protezione della privacy è stata rigorosamente rispettata durante l’identificazione delle persone. Le immagini registrate durante l’intera ricerca sono state trattate in modo da garantire l’anonimato di ciascun individuo. Inoltre, un segnaposto avvisava i pedoni che le immagini registrate sarebbero state utilizzate all’interno del progetto di ricerca CityFlow.
La computer vision e il potenziale utilizzo statistico per le smart city
“La novità di questo lavoro – ha spiegato Karagulian – è rappresentata soprattutto dalla metodologia di elaborazione dei dati utilizzata a valle dell’algoritmo di computer vision. Infatti, se da un lato l’identificazione di persone e oggetti attraverso la computer vision è una tecnica ben conosciuta, esistono ancora pochi lavori che mostrano il suo potenziale utilizzo statistico. È stato quindi creato un framework che, dopo aver identificato e tracciato nel tempo e nello spazio ogni pedone, ha permesso la sua rappresentazione bidimensionale su mappa alla risoluzione del metro, consentendo di ottenere elaborazioni statistiche sui risultati ottenuti. Parametri quali numerosità, densità, direzione e velocità dei pedoni sono stati quantificati e visualizzati per il potenziale utente finale, come ad esempio un amministratore pubblico che ha la necessità di avere una visione chiara e concisa delle dinamiche che avvengono in una particolare area della città”.
CityFlows: i risultati dello studio di Enea
Dallo studio di caso emerge chiaramente che le principali direzioni seguite dai pedoni sono correlate ai punti di interesse, come gli ingressi della metropolitana e della stazione ferroviaria. In particolare, i dati mostrano un numero maggiore di pedoni in movimento durante le ore diurne (07:00-10:00), con l’eccezione del venerdì, quando si osserva un aumento del numero di persone durante le ore serali (17:00-20:00). Nei giorni lavorativi, i picchi di affluenza sono stati registrati tra le 09:00 e le 12:00 e tra le 16:00 e le 17:00. Un comportamento completamente diverso è stato osservato durante il fine settimana, con numeri elevati di pedoni registrati solo tra le 09:00 e le 11:00. Inoltre, gli ingressi della metropolitana hanno mostrato una velocità media delle persone più elevata in uscita (circa 0,77 m/s) rispetto all’entrata (0,65 m/s).
“L’uso sempre più diffuso di aree pedonali in complessi abitativi, centri commerciali, aeroporti e stazioni ferroviarie in città densamente popolate come Roma e Milano – , ha concluso Federico Karagulian -richiede l’utilizzo di dati sui flussi pedonali anche per la sicurezza delle persone. Infatti, quando si progettano zone di passaggio pedonale, indicatori come la densità e le velocità sono comunemente usati per valutare la sicurezza e il livello di servizio. La computer vision è, quindi, una buona metodologia per automatizzare la quantificazione spaziale delle persone in un’area pedonale e avere la possibilità di localizzare le zone di intervento ad una risoluzione dell’ordine del metro, permettendo l’identificazione dei luoghi più frequentati. Ma quello della sorveglianza e della sicurezza è solo uno dei tanti ambiti di applicazione della computer vision che vanno dall’industria, all’automotive per la guida autonoma fino alla medicina”.
