Smart cities e Edge Computing: sistemi per la gestione e l’ottimizzazione della mobilità

Il progresso e l’evoluzione delle città intelligenti, o smart cities, sta affrontando le numerose sfide che il flusso dei dati pone attraverso la proliferazione di applicazioni dall’enorme complessità computazionale. Non solo, la crescente domanda di servizi e applicazioni, come realtà virtuale, aumentata e infrastrutture per le smart cities, ha iniziato a evidenziare i limiti del Cloud Computing in materia di elaborazione di dati e latenza legata alla distanza di rete dalla fonte dei dati stessi.  

A questa complessità – senza rappresentare una minaccia per il cloud, considerata tecnologia complementare – risponde l’Edge Computing che genera nuove opportunità attraverso un’architettura IT flessibile e decentralizzata, spostando l’attenzione dai data center verso il punto più vicino possibile dove i dati vengono generati e soprattutto richiesti: in prossimità dell’utente. L’utente, o nel caso delle smart cities, lo stesso cittadino, diventa quindi il centro della progettazione delle città del futuro aperte all’innovazione e soprattutto ai servizi di prossima generazione. Mobilità e gestione rifiuti sono solo alcuni dei campi presi in considerazione per lo sviluppo di modelli sempre più ottimizzati, sostenibili e personalizzati in base alle esigenze. Tuttavia è sul fronte dell’organizzazione e dell’ottimizzazione del traffico che si cerca di utilizzare questa nuova tecnologia,  attraverso la riduzione dei costi e l’adozione di sistemi più intelligenti. 

Gli indicatori chiave per l’Edge Computing: costi, latenza, connettività, sicurezza e privacy

Indicatori chiave dell’Edge Computing sono i costi di latenza, la sicurezza, la privacy e la connettività: a questi presto si aggiungerà un ulteriore indicatore per il tempo di ripristino in caso di guasti. Secondo il rapporto “From Cloud to Edge” di Reply e Teknowlogy Group, sono state rilevate quattro ragioni rilevanti per le quali l’Edge Computing giocherà un ruolo fondamentale nelle architetture IT:

• miglioramento della latenza per tempi di risposta real-time o near-real-time in confronto all’elaborazione in data center lontani dal punto di raccolta dell’informazione; 
• miglioramento della potenza computazionale in aree dove la connettività a banda larga o anche solo la connettività mobile non è disponibile, rendendo necessaria l’elaborazione in locale;
• miglioramento di sicurezza e privacy laddove i dati rimangono all’interno del perimetro senza essere distribuiti;
• ottimizzazione dei costi di connessione e del volume di trasmissione dei dati, laddove al cloud vengono inviati solo i risultati.

Edge Computing: smart cities e governance digitale 

L’elevata complessità computazionale associata alle smart cities pone nuove sfide alle infrastrutture proprio a causa del numero di dati generati da dispositivi diversi come smartphone o sensori e telecamere intelligenti. Non solo, la gestione della mobilità diventa centrale per le città del futuro tanto quanto diventa fondamentale far fronte alla necessità di elaborazione e archiviazione dati su vasta scala, eliminando hardware costosi e sostituendoli con una potente tecnologia economica, elastica e scalabile. 

Anche se l’Edge Computing trova la sua applicazione ideale nelle città intelligenti, si tratta comunque di una tecnologia che è ancora in via di definizione. Alla ​​Pacific Telecommunications Council Conference 2022 svoltasi a Honolulu, Ghassan Abdo, vicepresidente per la ricerca e le comunicazioni mondiali presso IDC, ha espresso le sue perplessità al riguardo. Nel complesso, infatti, l’Edge Computing richiede una trasformazione delle reti wireless:  la connettività diventerà sempre più importante man mano che una maggior quantità di elaborazione dati di elaborazione si sposterà verso l’edge. L’Egde Computing è necessario per l’emergere dell’Internet delle cose, perché la potenza di elaborazione deve essere situata vicino ai dispositivi connessi. Tuttavia il problema non starebbe nella tecnologia stessa ma come ha risposto John Cowan, amministratore delegato e cofondatore di EDJX in un’e-mail a GCN: “La questione è se siamo in grado di distribuire risorse di calcolo e storage sufficienti per soddisfare lo tsunami della domanda”.

Il futuro della mobilità urbana: gli ambiti di applicazione dell’Edge Computing

I primi modelli di trasporto digitale che si stanno introducendo hanno l’obiettivo di controllare la circolazione di automezzi e pedoni per prevedere e analizzare le esigenze relative alla mobilità cittadina, informare il processo decisionale e valutare la fattibilità e l’impatto di grandi investimenti infrastrutturali sul traffico. Parallelamente a ciò, si cerca di rendere le macchine sempre più capaci di simulare le reazioni umane anche attraverso l’incorporamento di tecnologie emergenti come l’Internet of Things (IoT), l’Intelligenza Artificiale (IA) , e il Machine Learning (ML). 

Le sfide della mobilità urbana riguardano la sicurezza, l’ottimizzazione dei tempi legati anche alla produttività in generale, il risparmio energetico e la riduzione dell’inquinamento. I semafori intelligenti possono essere una soluzione a tutti questi problemi? Senz’altro da soli no, ma rappresentano un buon punto di inizio. 

I dati raccolti dai sistemi IoT hanno il fine di ottimizzare le decisioni automatiche nel sistema di trasporto cittadino, tra cui: il percorso dei veicoli, consigliare ai cittadini modalità di trasporto personalizzate, generare efficienti strategie di ride sharing e car sharing, creare stazioni di ricarica ottimali per veicoli elettrici e diversi servizi all’interno delle aree urbane e interurbane. 

Semafori intelligenti: casi studio e applicazioni

Nell’ambito dello smart safety, un sistema di semafori intelligenti e l’integrazione tra sistemi digitali possono migliorare l’efficienza operativa e l’esperienza di cittadini e turisti nell’ambito della mobilità urbana. Queste soluzioni sono basate su reti IoT e piattaforme che collezionano, mettono in sicurezza e combinano i dati da altri ecosistemi, apparecchiature remote e device mobili.

Ford Connected Traffic Light Technology: connettività tra veicoli e infrastrutture per dialogare con i semafori 

Tra le ultime tecnologie relative ai semafori intelligenti vi è quella elaborata e testata in Germania da Ford che sfrutta la connettività tra veicoli e infrastrutture per dialogare con i semafori. Il progetto fa parte del Corridor for New Mobility Aachen-Düsseldorf (ACCorD), per testare e validare sistematicamente i veicoli automatizzati in interazione con le stazioni dei sistemi di trasporto intelligenti (ITS-Ss) connessi. La tecnologia testata sui semafori connessi mira a diminuire il rischio di incidenti ma anche a facilitare il passaggio dei mezzi di soccorso come ambulanze o vigili del fuoco per evitare ritardi che potrebbero essere rilevanti. Ricevendo in tempo reale le informazioni sul semaforo prima di arrivare all’incrocio il veicolo non solo può evitare la congestione ma anche frenate brusche o fatali. 

I semafori intelligenti a Milano e Roma

Nell’ambito del Progetto Sicurezza Milano Metropolitana, piano pluriennale sviluppato da Safety21 e Municipia, sono stati installati dispositivi IoT in grado di individuare ogni passaggio con il semaforo rosso, acquisire le immagini dalle telecamere presenti e di accertare e documentare attraverso riprese video le infrazioni in tempo reale, nel rispetto della privacy dei cittadini. I semafori smart sono in grado di rilevare le infrazioni da parte degli automobilisti, operando anche durante le ore notturne e in qualsiasi condizione ambientale. I dispositivi dialogano e interagiscono con l’ecosistema Titan®, la piattaforma in dotazione alla Polizia Locale che riceve e gestisce in cloud informazioni, dati e immagini utili per la constatazione di eventuali infrazioni e per l’elaborazione scientifica di analisi sul traffico.

Ad occuparsi delle strade del futuro è anche Roma, dove ha preso forma un progetto sviluppato in partnership con Sony che ha progettato il sistema smart “Genius” equipaggiando i semafori con due sensori implementati con tecnologia edge in grado di comunicare in tempo reale agli automobilisti numero e posizione dei parcheggi liberi sulla strada, numero di persone in attesa di un autobus alle fermate e la presenza di persone sulle strisce pedonali. Ancora Roma potrebbe essere sede di sperimentazione di un nuovo progetto di una rete semaforica di nuova generazione.

Israele: soluzioni intelligenti per il traffico

In Israele – che funge da banco di prova per molte tecnologie per le smart cites –  l’IA  potrebbe rendere i semafori più efficienti per i conducenti: si tratta di un progetto pilota di Google svolto nell’ambito delle soluzioni sostenibili dal punto di vista ambientale che potrebbe essere applicato anche in Italia. I nuovi semafori potranno gestire il traffico azionando semafori in base alle effettive necessità e non più secondo un tempo preimpostato, gestendo le luci di via e stop. L’obiettivo è rendere i percorsi di attraversamento nella città più efficienti. Il primo beneficio è stata una riduzione del 10%-20% del consumo di carburante e dei tempi di ritardo agli incroci. 

Non solo, se eccessiva e mal indirizzata, l’illuminazione stradale semaforica può contribuire agli sprechi energetici. I test sono condotti ad Haifa e Beersheba, con la collaborazione dei comuni e Netivei Israel–National Transport Infrastructure Company Ltd., che si occupa della gestione delle strade del Paese. 

Edge Computing e sostenibilità: semafori e intelligenza artificiale

La sostenibilità è un altro requisito importante nella progettazione di infrastrutture di Edge Computing per le città intelligenti. I nuovi progetti del team di ricerca presso la filiale dell’istituto per l’automazione industriale INA, il Fraunhofer Institute for Optronics, System Technologies e Image Exploitation IoSB, stanno testando  semafori controllati dall’IA per alleviare la congestione del traffico e l’ottimizzazione delle infrastrutture delle città intelligenti. I progetti, noti come KI4LSA e KI4PED, tramite la tecnologia Edge Computing, possono offrire piccoli cambiamenti con un grande impatto sia nella lotta ai cambiamenti climatici sia negli incidenti stradali tramite algoritmi di autoapprendimento combinati con nuovi sensori. Gli algoritmi sono in grado di calcolare il comportamento di commutazione ottimale per i semafori e la migliore sequenza di fasi per abbreviare i tempi di attesa agli svincoli. Il risultato è una riduzione dei tempi di percorrenza, un minore inquinamento acustico e una diminuzione delle emissioni di CO2 causate dal traffico in coda. Per ora i test KI4LSA – che si sposteranno nell’ambiente reale – hanno dimostrato che il sistema è in grado di migliorare del 10-15% la congestione: l’obiettivo è ridurre del 30% i tempi di attesa e migliorare la sicurezza negli attraversamenti pedonali del 25%. 

Le nuove sfide: controllo dei semafori con tecnologie a sistema multi agente 

Secondo una la ricerca sui metodi di controllo dei semafori (“An Edge Based Multi-Agent Auto Communication Method for Traffic Light Control”) il funzionamento interno del reale ambiente di trasporto urbano non può essere calcolato e analizzato matematicamente con precisione, proprio per la sua natura complessa e incerta. 

Lo studio esamina l’utilizzo di tecnologie a strategia multiagente (Multi-Agent Reinforcement Learning – MARL) per controllare e gestire più semafori contemporaneamente e determinare le logiche semaforiche più efficaci. Un dispositivo di Edge Computing in prossimità di ogni semaforo potrebbe avere le seguenti funzioni: rilevare e registrare le informazioni sui veicoli (posizione, direzione, velocità) dal video di sorveglianza del suo incrocio in tempo reale, ed eseguire l’algoritmo di controllo del segnale stradale per controllare il semaforo nelle vicinanze. Nell’ambito delle applicazioni infatti, i metodi esistenti hanno effettivamente migliorato l’efficienza nel monitoraggio dei segnali stradali, ma presentano ancora due problemi: la mancanza di comunicazione tra semafori e i limiti delle capacità della larghezza di banda di trasmissione della rete.