Urban Mobility Council 2025 sicurezza stradale

Sicurezza stradale e mobilità: la AI scopre zone a rischio e limiti velocità giusti

Solo in centro a Milano le auto connesse svelano 80.000 frenate improvvise

Al quarto Urban Mobility Council, il Think Tank della mobilità promosso da Unipol, sono state divulgate interessanti ricerche del Politecnico di Milano e del MIT Senseable City Lab, sulla mobilità urbana: come progettare la sicurezza interrogando l’intelligenza artificiale. Presentato inoltre il 1° Rapporto The Urban Mobility Council, realizzato con Isfort.

In sintesi, con veicoli connessi e AI, mappando le immagini stradali, si può aumentare la sicurezza conoscendo prima i rischi incidenti di ogni area, anche piccola. Addirittura in comuni dove non ci siano disponibili i dati della telematica, soltando analizzando le immagini di infrastrutture e circolazione.

Con la AI si può inoltre stimare prima l’effetto di cambiamenti sul limite velocità o altro, aiutando i comuni e lo Stato nel predisporre ambiente stradale e velocità imposta.

A oggi il vecchio circolante italiano è a rischio su strada, con servizi di telematica o green-box un grande aiuto è possibile.

RoadSafeAI, I comuni sanno il rischio incidenti stradali di ogni zona

Il Politecnico di Milano, in collaborazione con UnipolTech1, ha sviluppato un modello AI che stima il rischio stradale urbano analizzando direttamente le immagini della rete stradale, integrate da dati telematici sulle frenate brusche registrate. L’obiettivo è fornire alle amministrazioni strumenti predittivi per individuare le aree urbane più critiche e pianificare interventi sulla sicurezza.

A Milano 80.000 frenate improvvise in 2 anni, solo in centro

La ricerca si è focalizzata su un’area centrale di 25 km² a Milano, dove si sono rilevati oltre 80.000 eventi di decelerazione improvvisa, potenziali indicatori di rischio incidenti.

Il territorio è stato scomposto in migliaia di porzioni da 200×200 metri e analizzato in dettaglio: ogni area ottiene un punteggio di rischio (da 0 a 10) in base alla frequenza e distribuzione degli eventi critici.

Su queste informazioni è stato addestrato “RoadSafeAI”, un modello di rete neurale convoluzionale (CNN) che apprende la correlazione tra configurazione stradale e pericolosità. L’algoritmo ha mostrato un’accuratezza superiore al 95% nel prevedere il rischio su zone escluse dalla fase di addestramento, grazie a un approccio di validazione spaziale. La tecnologia è utilizzabile anche in città prive di dati telematici, basandosi unicamente su immagini stradali.

Azioni dei comuni che hanno RoadSafeAI

Il sistema è aggiornabile con nuovi dati e integrabile con informazioni provenienti dagli enti locali (come le statistiche sugli incidenti) e consente di:
mappare le zone urbane a maggior rischio di incidente;
• simulare l’effetto di modifiche infrastrutturali prima dell’implementazione;
• supportare la progettazione urbana, individuando i tratti più critici.

Sergio Savaresi, Direttore Dipartimento Elettronica, Informazione e Bioingegneria, Politecnico di Milano e Membro del Comitato di Indirizzo The Urban Mobility Council, ha dichiarato: ‘’Il progetto ha sviluppato un modello di intelligenza artificiale in grado di stimare, a partire da immagini della rete stradale, il livello di rischio associato a diverse aree urbane. Alimentato e istruito con una enorme
quantità di dati telematici, ha dimostrato un’eccellente capacità di generalizzazione’’.

Conta più la strada di cartelli segnaletici o limiti a 30 km/h

Carlo Ratti, Direttore MIT Senseable City Lab e Membro del Comitato di Indirizzo The Urban Mobility Council, ha presentato una ricerca che analizza la relazione, a parità di limite di velocità, fra disegno della sede stradale e velocità media osservata nella strada.

La ricerca ribalta una convinzione: la sola riduzione dei limiti di velocità non è sufficiente per rallentare il traffico urbano, è il design fisico delle strade a influenzare il comportamento dei conducenti. Molte città, inclusa Milano, stanno valutando la riduzione dei limiti, a 30 km/h.

Limite 30 km/h ma le velocità in strada non calano (e la AI lo sa già)

Il Senseable City Lab del MIT ha impiegato AI per analizzare milioni di immagini e dati di mobilità raccolti da dispositivi UnipolTech: la configurazione delle strade incide in modo decisivo sul comportamento dei conducenti. Emerge la necessità di affiancare alle politiche normative interventi concreti di design urbano, per rendere davvero efficaci le zone a 30 km/h.

Tra i principali risultati emersi dalla ricerca il fatto che scende la velocità di 2–3 km/h nelle zone a 30 km/h rispetto a strade simili con limite 50 km/h.

Le strade strette e racchiuse, con alta densità edilizia, tendono a rallentare il traffico. Le strade larghe, aperte e con lunghe linee visive favoriscono la guida più veloce. Un modello di AI, addestrato con immagini stradali e dati spaziali, è in grado di prevedere il rispetto dei limiti, offrendo un potente strumento per urbanisti e amministrazioni.

51 milioni di punti telemetria raccolti a Milano, poi Amsterdam e Dubai

Lo studio a Milano ha analizzato oltre 51 milioni di punti di telemetria veicolare raccolti dai dispositivi UnipolTech, combinati con immagini di Google Street View. La ricerca è stata poi estesa ad Amsterdam e Dubai per testare il modello in ambienti eterogenei.

I risultati rafforzano il ruolo dei dati e dell’IA, strumenti essenziali per progettare città più sicure, vivibili, dimostrando che una mobilità sostenibile si costruisce anche attraverso la forma dello spazio urbano.

Mobilità italiana e auto vecchie: la green box aiuta

Tra i dati rilevati nel Rapporto The Urban Mobility Council emerge come la domanda di mobilità continua a calare rispetto ai livelli pre-pandemici (-3% su 2023, -8,5% su 2019), complice l’invecchiamento della popolazione.

La mobilità urbana rappresenta il 70% degli spostamenti totali degli italiani e l’auto privata resta il mezzo più usato (oltre il 50% degli spostamenti in aree urbane sono effettuati con l’auto). Nonostante le difficoltà di circolazione e parcheggio nei centri urbani, il trasporto pubblico copre meno dell’8% degli spostamenti, ma al Nord con maggiore diffusione.

70 veicoli ogni 100 abitanti e troppi incidenti

Il parco circolante italiano è tra i più estesi (70 veicoli ogni 100 abitanti), ma anche tra i più vecchi: un’auto su quattro ha più di 20 anni, con l’elettrico che resta marginale (0,7% del circolante). Nel 2024, il settore dei trasporti ha generato oltre 125 miliardi di valore aggiunto ma la sicurezza preoccupa: più di 3.000 vittime e oltre 224.000 feriti nel 2023, con il maggior numero di incidenti concentrati in ambito urbano (73,3%).  L’Italia ha più vittime per milione di abitanti rispetto alla media europea.

Piani Urbano di sicurezza con green-box in auto

Il Rapporto sollecita un rafforzamento dei Piani Urbani della Mobilità Sostenibile (PUMS), l’integrazione delle politiche ambientali con criteri di neutralità tecnologica e l’adozione di Green Box in grado di misurare le emissioni reali dei veicoli orientando in chiave meritocratica l’accesso alle ZTL o ad altre agevolazioni.

“Gli incidenti stradali, provocano ogni anno oltre 3.000 morti e costituiscono un enorme costo sociale – afferma Enrico San Pietro, Group Insurance General Manager Unipol – i dati provenienti dai dispositivi telematici analizzati in profondità possono essere di grande aiuto, ai singoli automobilisti ma ancor più per individuare i punti critici all’interno delle città sui quali le amministrazioni pubbliche possano
intervenire per migliorarne la sicurezza”.

Lascia un commento

*