Offrire ai cittadini informazioni che promuovano l’accessibilità fisica con l’aiuto della tecnologia e dei dispositivi di navigazione renderebbe le città più intelligenti e inclusive. Un giovane ricercatore del Politecnico di Milano ha utilizzato l’Intelligenza Artificiale (AI) per individuare le differenze tra strade e marciapiedi in ciottoli, sanpietrini e mattoni, con altezze e larghezze molto diverse, che caratterizzano e rendono tipiche le città storiche ma sono anche un elemento di difficoltà per anziani e persone con disabilità motorie.
La ricerca, pubblicata sull’International Journal of Applied Earth Observation and Geoinformation, ha utilizzato un sistema di mobile mapping, nello specifico, in questo caso, un’auto dotata di strumento fornito da Leica Geosystems Italia, per il rilievo e la mappatura del piccolo comune di Sabbioneta, che ha è, insieme a Mantova, Patrimonio dell’Umanità UNESCO dal 2008 e costituisce un esempio emblematico di borgo rinascimentale racchiuso entro mura storiche.
“A partire dai dati raccolti o nuvole di punti, cioè milioni e milioni di punti distribuiti nello spazio rilevato che permettono di ottenere misure e rappresentazioni tridimensionali di ciò che ci circonda, ad esempio case, strade, piazze, marciapiedi e oggetti vari, è possibile individuare, con l’ausilio del Machine Learning, le traiettorie e i percorsi più accessibili in un contesto urbano storico”, spiega Daniele Treccani, ricercatore presso l’UNESCO Research Lab di Mantova del Politecnico di Milano. “Il Machine Learning (ML)”, spiega Andrea Adami, docente di Topografia e Cartografia al Politecnico di Milano, “permette a una complessa rete neurale, che tenta di simulare il funzionamento del cervello umano, di ‘imparare’ da una grande quantità di dati precedentemente strutturato da un operatore.Dopo la fase di apprendimento è possibile, attraverso una combinazione di input, riconoscere e classificare gli oggetti all’interno dei dati, in modo automatico e senza alcun intervento umano’. “In questo caso”, prosegue Treccani, “gli elementi individuati per valutare l’accessibilità fisica sono stati i marciapiedi, che rappresentano i percorsi preferiti dagli utenti, e le strade. Gli attributi calcolati includevano larghezza, altezza, pendenza e materiale della pavimentazione. Il metodo ML ha mostrato una buona affidabilità di risultati (89%) che sono stati verificati in situ. Sono state poi prodotte mappe urbane tematiche in QGIS, sono stati calcolati i percorsi accessibili e proposto un aggiornamento dei dati di OpenStreetMap. Il lavoro su Sabbioneta ha permesso di testare e dimostrare l’importanza dei metodi di intelligenza artificiale per la gestione dell’accessibilità nei centri storici”. L’estrazione automatica di informazioni georeferenziate geometriche e spaziali può essere estesa ad altri elementi urbani ed essere utilizzata per applicazioni di accessibilità turistica e navigazione, nonché per la creazione di basi cartografiche per Piani di Eliminazione delle Barriere Architettoniche (PEBA) o Piani di Accessibilità Urbana . Più in generale, i dati raccolti ed elaborati possono essere utili per la costruzione di City Models e modelli digitali dei centri storici delle città. Daniele Treccani sta attualmente lavorando per estendere le sue ricerche ai dati provenienti da altri sistemi di rilievo urbano, come la fotogrammetria UAS (droni), sistemi di rilievo laser scanner da aerei o con sistemi portatili (zaini o palmari), e continua la sua collaborazione con l’Università di Vigo (Spagna), con cui ha svolto parte della ricerca. A partire da questa ricerca, il tema dell’accessibilità ha favorito anche la collaborazione con la Diocesi di Mantova e la Conferenza Episcopale Italiana, e nello sviluppo di un Progetto di Ricerca di Interesse Nazionale (“PRIN”) con l’Università degli Studi di Brescia e l’Università degli Studi di Modena e Reggio Emilia.
