Da sinistra: Carlo Ratti, Lavinia Spingardi, Emanuela Stocchi e Arianna Censi
Carlo Ratti, architetto, urbanista e teorico dell’ architettura italiana, MIT Boston
Stefano Genovese e Attilio Fontana
infrastrutturali prima della loro implementazione; supportare la progettazione urbana, individuando i tratti più critici come incroci complessi o zone a bassa visibilità. La collaborazione tra Unipol e Politecnico di Milano conferma come l’ unione tra ricerca avanzata e dati concreti possa dare vita a soluzioni intelligenti per città più sicure, sostenibili e orientate al benessere dei cittadini. Sergio Savaresi, Direttore Dipartimento Elettronica, Informazione e Bioingegneria del Politecnico di Milano e membro del Comitato di Indirizzo The Urban Mobility Council, ha dichiarato: « Il progetto di ricerca 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. Questo modello è stato alimentato e istruito con una enorme quantità di dati telematici e ha dimostrato un’ eccellente capacità di generalizzazione, riuscendo a predire con precisione la rischiosità di aree urbane non utilizzate per l’ addestramento della rete neurale ».
SOLUZIONI PER LA SICUREZZA STRADALE Carlo Ratti, Direttore MIT Senseable City Lab e membro del Comitato di Indirizzo The Urban Mobility Council, ha presentato una ricerca del MIT condotta in collaborazione con UnipolTech, che studia la relazione tra design della sede stradale e velocità media a parità di limite di velocità. Lo studio sfata il mito che basti ridurre i limiti per diminuire la velocità: è la forma fisica delle strade ad avere l’ impatto maggiore sul comportamento dei conducenti, molto più della sola segnaletica. L’ IA ha analizzato milioni di immagini e dati di mobilità da dispositivi UnipolTech, evidenziando che i conducenti riducono la velocità solo di 2-3 km / h nelle zone a 30 rispetto a quelle a 50 km / h; le strade strette e racchiuse rallentano naturalmente il traffico; le strade larghe e aperte, invece, favoriscono velocità maggiori. Un modello IA addestrato con immagini e dati spaziali può prevedere il rispetto dei limiti, diventando uno strumento utile per urbanisti e amministrazioni. La ricerca, partita da Milano, è stata estesa ad Amsterdam e Dubai per testare il modello in contesti culturali e urbanistici differenti. Carlo Ratti ha concluso: « Questo studio conferma che cambiare il numero su un cartello non basta. Se vogliamo strade più sicure dobbiamo progettarle in modo che inducano intuitivamente i conducenti a rallentare. Soltanto oggi, grazie all’ intelligenza artificiale, possiamo affrontarlo con strumenti quantitativi fin dalla fase di progettazione ».
20