MANTAIN: monitoraggio e manutenzione predittiva delle infrastrutture stradali

Dati e intelligenza artificiale per supportare una gestione predittiva della manutenzione stradale.


DESCRIZIONE DEL PROGETTO

La gestione delle infrastrutture stradali si basa ancora in larga parte su ispezioni manuali e interventi correttivi, spesso attivati quando il degrado ha già raggiunto livelli significativi. Un approccio che può comportare costi elevati, difficoltà nella programmazione degli interventi e maggiori rischi per la sicurezza.

Il progetto MANTAIN – Monitoring Analytics Networked Transport Infrastructure Maintenance, sviluppato da Be2net Srl in collaborazione con CSMT e MADE Competence Center, mira a trasformare la manutenzione delle infrastrutture stradali rendendola predittiva attraverso l’integrazione di tecnologie IoT e intelligenza artificiale e l’utilizzo dei veicoli come sensori mobili del territorio.

Sfruttando la tecnologia già attiva su circa 30.000 veicoli nella provincia di Brescia, MANTAIN integra i dati accelerometrici provenienti dalle black box con l’acquisizione di immagini georeferenziate della carreggiata.

La correlazione tra queste diverse fonti informative permette di creare un archivio storico di dati strutturato e digitalizzato, analizzare nel tempo le dinamiche di degrado e sviluppare strumenti a supporto della pianificazione degli interventi di manutenzione.

Il contributo di CSMT

CSMT interviene nelle diverse fasi del progetto mettendo a disposizione competenze specialistiche a supporto dello sviluppo e della validazione della soluzione. In particolare, CSMT:
  • supporta l’analisi delle tecnologie disponibili per l’acquisizione dei dati visivi e la loro integrazione con i dati accelerometrici;
  • collabora alla selezione dei modelli di Intelligenza Artificiale per il riconoscimento degli ammaloramenti stradali e ai test preliminari su dataset di riferimento;
  • supporta l’annotazione di un sottoinsieme delle immagini del dataset, contribuendo alla coerenza nella classificazione delle tipologie di ammaloramento;
  • partecipa alla validazione sperimentale, affiancando Be2net nell’analisi dei dati raccolti per ottimizzare l’integrazione tra dati visivi e accelerometrici.

LE FASI DEL PROGETTO

1. Analisi dello stato dell’arte e definizione dei requisiti – WP1


Studio delle tecnologie hardware e software per la raccolta delle immagini e definizione dei criteri di interoperabilità con i dati accelerometrici già disponibili nella piattaforma Be2net.

2. Selezione dei modelli AI e progettazione dell’interfaccia utente – WP2


Selezione degli algoritmi di Intelligenza Artificiale e dei modelli di segmentazione per il riconoscimento e la localizzazione degli ammaloramenti stradali e progettazione di un’interfaccia utente per il supporto decisionale.

3. Definizione delle categorie di ammaloramento e creazione del training set – WP3


Collaborazione con esperti di settore per definire le categorie di danno, raccolta e annotazione delle immagini e addestramento dei modelli AI su dataset acquisiti in condizioni ambientali variabili.

4. Validazione e integrazione con i dati accelerometrici – WP4


Test sperimentali su tratti stradali selezionati per correlare immagini e dati accelerometrici, validare i modelli AI e sviluppare un indice sintetico di ammaloramento per supportare la manutenzione predittiva.

LA SOLUZIONE

La soluzione tecnologica si basa su tre pilastri fondamentali.

Deep Learning
Utilizzo di reti neurali convoluzionali e modelli di segmentazione per l’identificazione, la localizzazione e la classificazione automatica degli ammaloramenti, quali buche, fessurazioni e deformazioni della carreggiata.

Data Fusion avanzata
Integrazione dei dati visivi con le informazioni dinamiche provenienti dalle black box e dagli accelerometri, con l’obiettivo di generare un Indice Unico di Degrado, una metrica oggettiva per valutare lo stato della pavimentazione attraverso la combinazione di informazioni provenienti da fonti differenti.

Tracciabilità delle manutenzioni
Implementazione di uno storico digitale che associa ogni intervento a un preciso punto o segmento stradale, registrando data, tipologia di lavorazione e fornitore. Questo permette di verificare la durabilità dei ripristini e di supportare la gestione della garanzia contrattuale in caso di degrado prematuro.

I BENEFICI

L’adozione di MANTAIN può produrre ricadute misurabili su più fronti.

Efficienza economica
Si stima una riduzione del 30% dei costi operativi grazie all’automazione dei rilievi e una diminuzione del 10% dei costi di manutenzione e del 10% dei costi delle materie prime tramite interventi preventivi e maggiormente mirati.

Sicurezza sul lavoro
Si stima una riduzione del 30% dell’esposizione al rischio per il personale, limitando gli spostamenti degli operatori e le attività di rilievo sul campo.

Sostenibilità ambientale
Ottimizzazione delle risorse, riduzione degli sprechi di materiali e degli interventi non necessari attraverso una programmazione della manutenzione maggiormente basata sui dati.

Competitività
Rafforzamento della posizione tecnologica dell’azienda nel mercato delle Smart Road e delle infrastrutture intelligenti, attraverso l’integrazione nella piattaforma Be2net di nuove funzionalità basate su Intelligenza Artificiale e analisi dei dati.


REFERENTE DEL PROGETTO

Sara Siverio

Technology Transfer Engineer & Project Manager

CSMT

MOBILE

389 2551436


TELEFONO

030 6595108