La mobilità intelligente è a una svolta, in cui l’integrazione di nuove metodologie e tecnologie molto diverse sta portando a disegnare un futuro che consentirà di garantire spostamenti più sicuri, efficaci, economici e sostenibili per l’ambiente. Lo sviluppo di sistemi integrati di mobilità intelligente richiede l’integrazione di tecnologie diverse e soprattutto gestite da differenti entità: costruttori di automobili, fornitori di sistemi di bordo, realizzatori di infrastrutture viarie, gestori di sistemi di comunicazione informatica, ecc.
Le tecnologie per la mobilità intelligente
Da un lato ci sono i sistemi a bordo veicolo, che vanno dai sistemi di controllo della frenata e di stabilità ai supporti alla guida fino a sistemi di guida autonoma, in grado di controllare l’ambiente circostante al veicolo e fornire suggerimenti al guidatore e intervenire direttamente sui sistemi veicolo.
Dall’altro lato l’infrastruttura fatta di strade e segnali stradali, telecamere e sensori, reti di connessione cablata e wireless e in grado di monitorare l’andamento del traffico, le situazioni di potenziale pericolo, fino ad arrivare alla previsione di possibili eventi e la messa in pratica di azioni di prevenzione.
Al fine di ottimizzare la sicurezza, la sostenibilità ambientale e la qualità della mobilità occorre che veicolo ed infrastruttura possano integrarsi comunicando informazioni in entrambe le direzioni e intervenendo su sistemi di controllo. Per esempio, l’infrastruttura può fornire informazioni non accessibili ai singoli veicoli come potenziali ostacoli sulla strada o condizioni di variazione dell’aderenza, mentre i singoli veicoli possono fornire all’infrastruttura informazioni utili ad altri veicoli, alla manutenzione programmata, alla necessità di interventi specifici.
Le tecnologie per la mobilità connessa
Per poter sviluppare sistemi così diversi e complessi e il modo in cui possano comunicare e interagire tra loro, occorre disporre di un ambiente di sperimentazione adeguato, in grado cioè di riprodurre le diverse situazioni di interesse (‘use case’) in modo ripetibile, sicuro, economico e rapido.
L’approccio classico consiste nell’individuare e riprodurre gli ‘use case’ in ambienti dedicati, aree apposite chiuse al traffico e dotate di sistemi in grado di riprodurre le condizioni che si vogliono studiare, oltre che di sistemi di monitoraggio e sicurezza adeguati. In queste piste di prova vengono sviluppati diversi sistemi di supporto alla mobilità intelligente, sia quelli che devono funzionare a bordo vettura, che quelli da integrare nelle infrastrutture, che i sistemi di comunicazione tra vetture e infrastruttura. Questa metodologia di sviluppo ha tuttavia alcuni limiti importanti: si possono riprodurre solo use case relativamente semplici consentendo quindi lo sviluppo solo delle funzionalità di base dei sistemi in condizioni specifiche, ma rivelandosi inadeguata a condurre a una verifica e messa a punto nelle condizioni d’impiego reale che risultano molto più complesse e variabili.
Per questo motivo lo sviluppo viene integrato da test condotti su vetture che circolano su strade aperte al traffico alla ricerca di situazioni specifiche per raccogliere dati da analizzare e utilizzare per indirizzare gli sviluppi. Questa metodologia ha tuttavia a sua volta diversi limiti, dovuti alla necessità di circolare per grandi quantità di chilometri prima di trovare condizioni specifiche, richiedendo quindi tempi e costi di sviluppo elevatissimi, e dalla necessità di rispettare le normative di sicurezza della circolazione e di rispetto della privacy, impedendo di effettuare gran parte dei test che sarebbero necessari.
Le crescenti esigenze di sviluppi rapidi e integrati di sistemi sempre più complessi, non compatibili con i limiti dei test in aree dedicate e in aree pubbliche, hanno spinto verso la ricerca di soluzioni che possano integrare le modalità dei test classici in modo da accelerare i tempi di sviluppo, garantire risultati migliori e più robusti e al tempo stesso ridurre i costi ed eliminare i rischi. Vediamo quali sono.
Nuove metodologie per la mobilità intelligente: ambienti virtuali di sviluppo
L’evoluzione di soluzioni per la mobilità intelligente punta a integrare i classici test in aree dedicate e su strade pubbliche.
Un primo strumento consiste nella capacità di creare ambienti virtuali di sviluppo in cui i sistemi da sviluppare possano essere sollecitati come nelle condizioni reali, con la possibilità di ricreare use case complessi a piacere, e il vantaggio di poter riprodurre le situazioni in modo controllato, sicuro, rapido ed economico, sempre con risultati validati con la realtà.
Si tratta di costruire sistemi di simulazione in cui vengono riprodotti virtualmente gli input dei sistemi sia visivi che di sensori specifici, e in cui l’effetto dell‘azione sui sistemi controllati viene adeguatamente simulata in modo da valutarne l’impatto sui risultati.
Per esempio, in questo modo un sistema di supporto alla guida, come lane keeping integrato con adaptive cruise control ed emergency braking, possono essere analizzati in migliaia di situazioni in tempi brevissimi, e le diverse soluzioni ipotizzate, analizzate e ottimizzate con tempi e costi estremamente ridotti, oltre che in totale sicurezza prima di poter procedere alle verifiche nei test in aree dedicate e pubbliche.
Lo sviluppo di ambienti virtuali di sviluppo viene fatto grazie a un’ampia esperienza nell’impiego di sistemi di simulazione ingegneristica, integrando consolidate tecniche di intelligenza artificiale per riprodurre diversi aspetti degli ambienti come condizioni ambientali, logiche di movimento dei diversi oggetti negli scenari, nonché per la verifica e validazione dei risultati con test reali in modo di garantire l’efficacia dell’ambiente virtuale nell’essere predittivo e correlato con i risultati dei test reali.
I software di anonimizzazione
Un ulteriore strumento sviluppato consiste nel poter trattare i dati raccolti in aree pubbliche (soprattutto immagini) per poter automaticamente eliminare tutti i fattori di rischio della privacy e mettere a disposizione degli sviluppatori dati reali e completi senza limiti che possano ridurne l’impiego.
Software di anonimizzazione sviluppati appositamente consentono di riconoscere oggetti e situazioni e di pubblicare in tempo reale metadati da fornire ai sistemi di sviluppo veicolo o infrastruttura, in modo da poter essere utilizzati per addestramento, verifica, analisi previsionali o altro. Tali metadati sono completi di tutte le informazioni necessarie da un punto di vista tecnico ma completamente privi di qualsiasi elemento di identificazione di persone o veicoli, in modo da poter essere utilizzati rispettando le norme di tutela della privacy.
Nei casi in cui gli sviluppi richiedano l’utilizzo diretto dei filmati un software dedicato provvede in tempo reale a eliminare qualsiasi elemento che possa ricondurre all’identificazione di persone o veicoli, ma lasciando intatti gli elementi che sono oggetto di studio della sperimentazione che può pertanto essere condotto in totale rispetto delle norme senza limitazioni all’effettiva applicabilità ed efficacia dei dati.
L’applicazione di queste metodologie e tecnologie di sviluppo è relativamente recente e ci aspettiamo che la loro diffusione potrà in tempi brevi dare un impulso significativo alla rapidità degli sviluppi tecnologici di supporto alla mobilità intelligente e sostenibile.
Grazie alla riduzione di investimenti e costi di sperimentazione queste metodologie stanno anche aprendo la possibilità di contribuire allo sviluppo di sistemi avanzati a realtà di eccellenza ma che per dimensioni e budget non potrebbero sostenere l’impegno di creare e gestire flotte di sperimentazione.
