Con l’obiettivo finale di migliorare la sicurezza e la vivibilità nelle città, per la ricerca CityFlows sono stati utilizzati i filmati acquisiti da un sistema di videoregistrazione installato per due settimane presso la Stazione Centrale di Milano da Amat, l’Azienda Mobilità Ambiente e Territorio. Lo studio, i cui risultati sono stati pubblicati dalla rivista scientifica Urban Science, è stato finanziato dall’Eit, European Institute of Innovation and Technology.
Come spiegato da Federico Karagulian, ricercatore Enea del Laboratorio di Sistemi e tecnologie per la mobilità sostenibile, la scelta dell’area da analizzare è ricaduta su Piazza Duca d’Aosta a Milano per un fattore di dimensioni e volume di traffico: “Con circa 600 treni al giorno è uno degli snodi strategici della città, frequentato quotidianamente da oltre 350mila persone, dove convergono tutti i tipi di mezzi di trasporto cittadino”.
Nello studio è stata impiegata la Computer Vision, che ha consentito l’identificazione univoca dei pedoni osservati in circa 2 milioni di fotogrammi, a intervalli di un secondo, con una precisione di circa il 70%. “Grazie a questa innovativa tecnica di visione artificiale, i filmati acquisiti attraverso telecamere tradizionali, possono essere trasformati in un flusso di informazioni che identifica e quantifica gli oggetti osservati localizzandoli nello spazio e nel tempo. In questo modo, siamo in grado di ricostruire la distribuzione spaziale dei flussi pedonali insieme alle mappe di densità e velocità”, ha spiegato Karagulian.
Per quanto riguarda la privacy, il responsabile del laboratorio Enea Francesco Vellucci ha assicurato che l’acquisizione delle immagini è avvenuta garantendo l’anonimato dei soggetti. “Inoltre, un segnaposto informava i pedoni che le immagini registrate sarebbero state usate all’interno del progetto di ricerca CityFlow”, ha specificato il ricercatore.
La novità dello studio sta nella metodologia di elaborazione dei dati ottenuti attraverso algoritmi di Computer Vision. Come spiega Karagulian, “mentre l’identificazione di persone e oggetti tramite questa tecnologia è ben consolidata, ancora pochi studi esplorano il suo potenziale utilizzo statistico”.
I ricercatori hanno sviluppato un framework innovativo che, una volta individuato e tracciato ogni pedone nel tempo e nello spazio, consente di rappresentarlo su una mappa bidimensionale ad alta risoluzione. Questo ha permesso di condurre analisi statistiche dettagliate, includendo parametri come la densità, la direzione e la velocità dei pedoni, dati preziosi per gli utenti finali, come ad esempio gli amministratori pubblici, che necessitano di una visione chiara e concisa delle dinamiche urbane in una determinata area.
Dai risultati della ricerca è emerso un chiaro legame tra le rotte pedonali e i punti di interesse, gli ingressi alla metropolitana e alla stazione ferroviaria. I dati indicano che il flusso maggiore di pedoni si registra principalmente durante le ore di punta, dalle 7:00 alle 10:00 del mattino e dalle 16:00 alle 17:00, ad eccezione del venerdì, quando si osserva un picco nel tardo pomeriggio, tra le 17:00 e le 20:00. Nei fine settimana si nota un aumento significativo del traffico pedonale tra le 9:00 e le 11:00, con una velocità media delle persone in uscita (circa 0,77 m/s) superiore a quella in entrata (0,65 m/s).
Infine, i dati sui flussi pedonali, come densità e velocità, possono essere impiegati nella progettazione di zone di passaggio pedonale per valutare rischi e sicurezza per le persone. “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 nell’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”, ha concluso Karagulian.
M.T.
