Riparare le strade prima che si deteriorino: come l'IA sta trasformando la gestione degli asset

Il deficit infrastrutturale europeo

Le strade europee si stanno deteriorando più velocemente di quanto possano essere riparate. La Banca Centrale Europea (BCE) stima un deficit di finanziamento pubblico di 900 miliardi di euro per gli investimenti infrastrutturali tra gli Stati membri dell'UE.

L'Amministrazione svedese dei trasporti sostiene che per colmare l'arretrato nella manutenzione stradale del Paese sarebbero necessari 20,9 miliardi di SEK all'anno fino al 2037 — circa 3 miliardi in più rispetto agli attuali livelli di spesa, nonostante un recente aumento dei finanziamenti governativi. Nel frattempo, nel Regno Unito, l'arretrato per le riparazioni stradali ha raggiunto i 12,1 miliardi di sterline, richiedendo più di un decennio per essere smaltito con gli attuali livelli di finanziamento.

Noi di Univrses riteniamo che questo divario di finanziamento non sia solo il risultato di budget limitati, ma sia stato creato da profonde inefficienze nel modo in cui le reti stradali vengono monitorate e mantenute. In tutta Europa, le città e le autorità di trasporto stradale (RTA) sono alle prese con infrastrutture obsolete, bloccate in cicli di manutenzione a breve termine da metodi di valutazione basati su tecnologie datate che non forniscono le informazioni necessarie per una pianificazione a lungo termine.

Con dati inaffidabili e una visibilità limitata sulle proprie reti stradali, le RTA sono costrette a operare in modo reattivo. La manutenzione diventa una serie di costosi interventi rapidi, prioritizzati in base all'urgenza piuttosto che al valore a lungo termine. Di conseguenza, le risorse vengono esaurite senza un impatto duraturo e i costi continuano a salire.

Per affrontare questo problema, le autorità sanno cosa serve: interventi mirati nel posto giusto e al momento giusto, basati su quando e come la strada inizia a deteriorarsi. Agire in questa fase, prima che l'asset raggiunga una condizione di degrado, è meno costoso per singolo intervento ed estende la vita utile della strada di molti anni. Questo approccio offre un modo molto più efficiente ed economico per mantenere le strade.

Perché le valutazioni stradali tradizionali non sono sufficienti

I metodi di valutazione tradizionali si sono evoluti nel tempo per consentire l'acquisizione di una serie di dati sulle strade. Tuttavia, sono troppo costosi da implementare frequentemente, il che significa che la maggior parte delle strade viene rilevata solo una volta all'anno, o anche meno. Ciò lascia ampie lacune nei periodi tra un rilievo e l'altro.

Le ispezioni manuali, ancora ampiamente utilizzate, dipendono da persone che valutano fisicamente le condizioni stradali, spesso nel traffico attivo. Non solo espongono i lavoratori a rischi, ma sono anche troppo poco frequenti per rilevare il deterioramento precoce sull'intera rete, rendendo difficile mantenere una visione completa e aggiornata dello stato di salute delle strade.

I furgoni dotati di scanner ad alta tecnologia offrono una maggiore precisione, ma sono costosi da gestire. La necessità di hardware specializzato, squadre addestrate e software complessi li rende poco pratici per un uso frequente o su larga scala.

Le strade non si deteriorano dall'oggi al domani, ma senza un monitoraggio regolare dell'intera rete, le autorità perdono i segnali di allarme precoci. Il deterioramento segue dei modelli, e tali modelli possono essere tracciati, analizzati e gestiti con la risposta adeguata.

L'intelligenza artificiale sta cambiando le regole del gioco

Per passare da un approccio reattivo a uno proattivo, le RTA devono adottare una strategia basata sui dati che sfrutti informazioni sulle condizioni costantemente aggiornate man mano che la rete evolve. Identificando cosa riparare, dove e quando, questo tipo di piano a lungo termine garantisce che i budget vengano utilizzati nel modo più efficace, ottenendo il massimo impatto da ogni investimento. Questo cambiamento richiede una visione accurata e in tempo reale dell'intera rete infrastrutturale, qualcosa che, fino ad ora, era fuori portata.

Il sistema 3DAI™ di Univrses offre alle città e alle autorità di trasporto un modo più rapido e intelligente per monitorare le condizioni stradali. Sfruttando l'IA, raccoglie e analizza frequentemente i dati stradali, fornendo una visibilità completa della rete in tempo reale. Solo nel 2024, 3DAI™ ha coperto 950.000 km di strade e trasformato 94 milioni di immagini in informazioni azionabili, il tutto senza dover impiegare un solo veicolo di rilevamento personalizzato.

Intelligence stradale in tempo reale

3DAI™ di Univrses è un sistema di monitoraggio stradale basato sull'intelligenza artificiale che offre alle autorità di trasporto una visibilità in tempo reale sulle condizioni delle strade, eliminando i costi, i ritardi e le zone d'ombra delle ispezioni tradizionali. Il sistema funziona su normali smartphone e può essere installato su quasi tutti i veicoli, trasformando le flotte quotidiane in unità mobili di raccolta dati.

Le flotte municipali, i taxi e gli autobus sono i vettori ideali, poiché coprono la rete stradale in modo continuo durante i loro percorsi abituali. Ciò consente un monitoraggio su larga scala senza la necessità di furgoni dedicati o hardware costosi. Grazie a informazioni precise e strutturate, i gestori delle infrastrutture possono passare da riparazioni reattive a una manutenzione più intelligente e proattiva, riducendo i costi, le emissioni e ottimizzando l'uso delle risorse esistenti.

Come funziona 3DAI™

1. Scansione tramite smartphone. I veicoli dotati del sistema di visione basato su smartphone 3DAI™ scansionano continuamente il manto stradale durante il tragitto.
2. Rilevamento basato sull'IA. Algoritmi avanzati di visione artificiale rilevano i danni stradali come crepe, buche e usura della superficie, segnalando le criticità prima che si aggravino.
3. Elaborazione edge sul dispositivo. I dati chiave vengono elaborati direttamente sul dispositivo, riducendo le dimensioni dei file, abbattendo i costi di trasferimento e accelerando l'analisi iniziale.
4. Perfezionamento in cloud. I rilevamenti vengono caricati sul cloud, dove vengono ulteriormente strutturati e validati, pronti per supportare una mappatura accurata e la generazione di insight.
5. Mappatura georeferenziata. Ogni rilevamento viene mappato con coordinate GPS precise, posizionandolo accuratamente all'interno della rete stradale.
6. Analisi dei trend. Man mano che la rete viene coperta nel tempo, 3DAI™ identifica i modelli di deterioramento, consentendo una pianificazione più intelligente, riparazioni prioritarie e strategie di manutenzione più convenienti.

Affidarsi all'IA per la gestione degli asset

Affinché la valutazione stradale basata sull'IA possa sostituire i metodi tradizionali, deve eguagliare o superare l'accuratezza e l'affidabilità degli standard di settore esistenti. I gestori degli asset necessitano di dati verificabili su cui poter contare per la pianificazione, il budget e le strategie di manutenzione a lungo termine.

Accuratezza e validazione comprovate

3DAI™ è stato rigorosamente testato per soddisfare gli standard di accuratezza e affidabilità richiesti per la gestione di asset critici. I benchmark effettuati dallo Swedish National Road and Transport Research Institute (VTI) confermano che le misurazioni di 3DAI™ sono strettamente allineate ai dati di riferimento consolidati.

Confronto tra un indice di rugosità fornito da VTI e 3DAI™ lungo un tratto stradale in Svezia.

Adattarsi alla strada

A differenza dei metodi di rilevamento statici, 3DAI™ si adatta e migliora a ogni chilometro percorso. Il sistema impara da ambienti diversi, affinando le proprie capacità di rilevamento su superfici stradali, condizioni meteorologiche e standard regionali variabili. Questo ciclo di apprendimento continuo aumenta la precisione nel tempo e garantisce che le informazioni rimangano pertinenti man mano che le reti si evolvono.

Dati strutturati e azionabili

Oltre alla precisione, 3DAI™ fornisce dati stradali in un formato strutturato e coerente. Le reti vengono suddivise in sezioni uniformi, ognuna delle quali riceve un punteggio di condizione che aiuta a identificare e dare priorità alle aree critiche per l'intervento. Ciò fornisce ai gestori delle infrastrutture una base chiara e oggettiva per pianificare le riparazioni e allocare le risorse.

Le funzionalità di monitoraggio storico rafforzano ulteriormente il processo decisionale. Aggregando le informazioni provenienti da passaggi ripetuti dei veicoli, 3DAI™ evidenzia come le condizioni stradali cambiano nel tempo, rivelando modelli di deterioramento, valutando i risultati della manutenzione e supportando la pianificazione a lungo termine. Forniti tramite API o interfaccia web, i dati si integrano perfettamente con i flussi di lavoro GIS esistenti, consentendo strategie di manutenzione predittiva su larga scala.

Impatto reale: il modello di Helsingborg

La città di Helsingborg, in Svezia, ha trasformato il proprio approccio alla manutenzione stradale con 3DAI™, passando da riparazioni reattive a una gestione delle infrastrutture proattiva e basata sui dati.

Come molte altre città, Helsingborg si affidava in precedenza a ispezioni stradali tradizionali, dispendiose in termini di tempo, costose e limitate nella copertura. Gli ingegneri dedicavano 2,5 giorni a settimana alle ispezioni manuali, lavorando spesso con dati sulle infrastrutture vecchi fino a cinque anni. Quando il danno veniva registrato, le riparazioni di emergenza erano spesso l'unica opzione.

Grazie a 3DAI™, la città riceve ora dati continui e strutturati sulle condizioni stradali, consentendo il rilevamento precoce dei danni, un'allocazione più intelligente delle risorse e una migliore pianificazione a lungo termine. Invece di rispondere ai problemi a cose fatte, Helsingborg può ora prevenirli prima che si aggravino.

I risultati

• Almeno 17 milioni di euro di risparmi stimati grazie all'identificazione e alla risoluzione tempestiva dei danni stradali e alla riduzione dei costosi interventi di emergenza.
• Buche ridotte da 3.000 a sole 900 in cinque mesi, migliorando la sicurezza stradale e riducendo l'usura dei veicoli.
• Tempo di ispezione ridotto da 2,5 giorni a settimana a un'ora, liberando risorse per attività a maggior valore aggiunto.
• Il 50% del personale addetto alle ispezioni manuali riallocato, aumentando l'efficienza senza sacrificare la qualità stradale.

Guardando al futuro, Helsingborg prevede benefici a lungo termine grazie a una migliore analisi dei costi del ciclo di vita e a una pianificazione delle infrastrutture più sostenibile. Il successo della città dimostra cosa sia possibile ottenere quando l'IA diventa parte integrante delle operazioni stradali quotidiane: meno sprechi, decisioni migliori e infrastrutture più durature.

Intuizioni basate sull'IA ed esperienza umana: una combinazione vincente

La gestione degli asset è a un punto di svolta. Il passaggio da una manutenzione reattiva a una proattiva non è più un obiettivo lontano: sta accadendo ora. I sistemi basati sull'IA consentono alle autorità di monitorare intere reti stradali in tempo reale, anticipare i guasti prima che si verifichino e allocare le risorse in modo più efficiente. Ma mentre questa transizione si compie, sorge una domanda fondamentale: l'IA sostituisce l'esperienza umana nella gestione degli asset? No, non lo fa.

L'IA non è un sostituto, è un moltiplicatore di forza. Le strade non si gestiscono da sole. Pianificatori delle infrastrutture, ingegneri e decisori apportano l'esperienza, la competenza e il giudizio necessari per prendere le decisioni giuste. Ciò che fa 3DAI™ è amplificare le loro capacità.

Fornendo intuizioni azionabili, elimina le congetture dal processo decisionale, garantendo che i gestori degli asset abbiano una visione strutturata delle condizioni stradali e possano dare priorità alle azioni giuste al momento giusto. Invece di cercare buche e affidarsi a rapporti obsoleti, possono spostare l'attenzione sull'allocazione strategica delle risorse, sulla pianificazione a lungo termine e sugli interventi proattivi.

Il futuro della gestione degli asset non riguarda la scelta tra persone e tecnologia, ma il loro utilizzo combinato, in cui ciascuna rende l'altra più efficace.

Il futuro dell'intelligence stradale

Nel prossimo decennio, i veicoli autonomi e connessi diventeranno una presenza familiare sulle nostre strade. Dotati di sensori e telecamere avanzati, questi veicoli non si limiteranno a percorrere le infrastrutture, ma le monitoreranno.

Grazie alla capacità di scansionare continuamente le superfici stradali e generare enormi quantità di dati, hanno il potenziale per diventare le fonti di intelligence stradale più potenti al mondo.

Ma per sbloccare questo potenziale, le autorità dei trasporti hanno bisogno di qualcosa di più dei dati grezzi. Le intuizioni devono basarsi su sistemi in grado di strutturare, unire e apprendere continuamente da milioni di punti dati, creando un quadro in tempo reale e in continua evoluzione delle condizioni stradali.

La buona notizia è che questo sta già accadendo. Sebbene le flotte completamente autonome siano ancora lontane qualche anno, Univrses ha progettato 3DAI™ per aiutare le autorità a prepararsi a questo futuro.

Gemelli digitali basati sui casi d'uso

Ciò che distingue 3DAI™ è il modo in cui struttura e trasforma i dati in arrivo in quelli che chiamiamo Gemelli Digitali basati sui casi d'uso. A differenza di molti progetti di gemelli digitali, non si tratta solo di ricostruzioni visive, ma di modelli pratici e appositamente realizzati per la gestione degli asset. Focalizzati sulla pianificazione a lungo termine, sui costi del ciclo di vita delle risorse stradali e sulla mitigazione dei rischi, aiutano le autorità a gestire reti stradali che si estendono per decine di migliaia di chilometri.

A ogni passaggio del veicolo, questa rappresentazione digitale viene migliorata, catturando i cambiamenti del mondo reale quasi in tempo reale. Indipendentemente dal fatto che i dati provengano da uno, dieci o diecimila veicoli, vengono continuamente uniti in un unico livello di intelligence in evoluzione, eliminando i set di dati frammentati e riducendo la necessità di un'ampia interpretazione manuale. Le autorità ottengono una fonte aggiornata per monitorare i cambiamenti nell'intera rete stradale.

Il prossimo passo

Per accelerare questa transizione, Univrses sta collaborando con i principali produttori (OEM) per integrare 3DAI™ direttamente nei veicoli autonomi, connessi e dotati di sistemi ADAS. Ciò significa che, nel prossimo futuro, questi veicoli non si limiteranno a utilizzare le infrastrutture, ma contribuiranno attivamente alla loro manutenzione.

Non si tratta solo di un aggiornamento tecnologico. Rappresenta un modello più intelligente e sostenibile per la gestione degli asset, in cui l'intelligence stradale viene generata passivamente dai veicoli già in funzione. Sfruttando i modelli di mobilità esistenti, le autorità possono ottenere un monitoraggio continuo e su larga scala, senza la necessità di flotte di rilevamento dedicate, con minori emissioni e una maggiore efficienza.

Man mano che questa capacità viene integrata nella mobilità quotidiana, le città e le agenzie di trasporto possono muoversi verso un modello circolare basato sui dati. Le infrastrutture non saranno più valutate periodicamente, ma monitorate, mantenute e migliorate in tempo reale.

La strada da percorrere è chiara. Grazie all'intelligence in tempo reale, i gestori degli asset possono anticipare le sfide infrastrutturali, identificando i rischi precocemente e riparando le strade prima che si deteriorino. Ogni strada, ovunque, in ogni momento.