LB9F_019_Route4

di Nicola Angelo Rana, Tiziano Delise, Andrea Panepuccia

 

Vivendo nel contesto urbano romano quotidianamente assistiamo ad una mobilità inefficiente. La presenza di buche ed asperità nel manto stradale è causa non solo di rallentamenti ma anche di frequenti incidenti e danneggiamento dei veicoli.

L’efficacia della manutenzione è fortemente determinata dalla capacità di poter valutare il “dove” e il “quando” intervenire. Attualmente, non esiste un iter di riconoscimento veloce ed automatico delle strade a rischio di danneggiamento e spesso si ricorrono a parziali riparazione straordinarie.

Una mappatura elettronica del manto stradale in tempo reale permetterebbe di monitorare costantemente lo status della strada. I dati verrebbero collezionati da dispositivi di rilevamento (sistemi ottici ed accelerometri) montati sui veicoli dei servizi di trasporto pubblico (BUS, tram o camion della spazzatura) ed, attraverso un software basato sui machine learning, analizzati. Il riconoscimento automatico a tappeto di difetti notevoli nel manto stradale permetterebbe di valutare modalità e urgenza di intervento. Questa soluzione garantirebbe una maggiore mobilità e sicurezza stradale; comportando una maggiore serenità e comfort ai cittadini.

 

Living in Rome, every day citizens have to face with an inefficient mobility. The presence of holes and roughness in the road surface causes not only slowing down of traffic circulation but also frequent accidents and damage to vehicles. The effectiveness of maintenance is strongly determined by the ability to assess the “where” and the “when” of any intervention. Currently, there is no fast and automatic recognition process and often extraordinary partial repairs are used. An electronic mapping of the road surface in real time would allow to constantly monitor the status of the road. The data would be collected by detection devices (optical systems and accelerometers) mounted on the vehicles of public transport services (BUS, tram or garbage truck) and, through a software based on machine learning, analyzed. The automatic carpet recognition of significant defects in the road surface would allow the assessment of the mode and urgency of intervention. This solution would guarantee greater mobility and road safety; entailing greater serenity and comfort for citizens.