Allo scopo di migliorare la sicurezza e la vivibilità nelle città con l’impiego dell’intelligenza artificiale sono state analizzate migliaia di immagini da telecamere al fine di monitorare i flussi pedonali in aree affollate.
È l’obiettivo dello studio che ENEA ha realizzato nell’ambito del progetto CityFlows, finanziato dallo European Institute of Innovation and Technology (EIT), i cui risultati sono stati pubblicati sulla rivista scientifica Urban Science. Per la mobilità pedonale, i ricercatori ENEA hanno analizzato i filmati acquisiti tramite un sistema di videoregistrazione installato dall’Azienda Mobilità Ambiente e Territorio (AMAT) che ha ripreso per due settimane il flusso di persone attorno all’ingresso principale della stazione e ai due punti di accesso della metropolitana. Utilizzando tecniche di computer vision con l'uso dell’algoritmo YOLOv3, sono state effettuate diverse analisi per investigare i parametri macroscopici della dinamica dei pedoni come densità, velocità e direzioni principali seguite, oltre a testare punti di forza e debolezza degli algoritmi di visione artificiale per il rilevamento dei pedoni.
“Per la nostra analisi ci siamo concentrati su piazza Duca d’Aosta, di fronte alla Stazione Centrale di Milano, la seconda in Italia per dimensioni e volume di traffico con circa 600 treni al giorno e uno degli snodi strategici della città, frequentato quotidianamente da oltre 350mila persone, dove convergono tutti i tipi di mezzi di trasporto cittadino”, spiega Federico Karagulian, ricercatore ENEA del Laboratorio di Sistemi e tecnologie per la mobilità sostenibile e coautore dello studio insieme ai colleghi Carlo Liberto, Matteo Corazza e Gaetano Valenti e ai ricercatori dell’Università di Roma Tre, Andreea Dumitru e Marialisa Nigro.
“L’impiego della computer vision ha consentito l’identificazione univoca dei pedoni osservati in circa 2 milioni di fotogrammi, a intervalli di un secondo, con una precisione di circa il 70%. Infatti, grazie a questa innovativa tecnica di visione artificiale, i filmati acquisiti attraverso telecamere tradizionali, possono essere trasformati in un flusso di informazioni che identifica e quantifica gli oggetti osservati localizzandoli nello spazio e nel tempo. In questo modo, siamo in grado di ricostruire la distribuzione spaziale dei flussi pedonali insieme alle mappe di densità e velocità”, sottolinea il ricercatore ENEA.
“L’identificazione delle persone è avvenuta nella piena salvaguardia della privacy. Come riportato nell’articolo scientifico, le immagini registrate in ogni momento della ricerca sono state trattate in modo da garantire l’anonimato di ogni persona. Inoltre, un segnaposto informava i pedoni che le immagini registrate sarebbero state usate all’interno del progetto di ricerca CityFlow”, sottolinea Francesco Vellucci, responsabile del Laboratorio ENEA Sistemi e Tecnologie per la Mobilità Sostenibile.
“La novità di questo lavoro - spiega Karagulian - è rappresentata soprattutto dalla metodologia di elaborazione dei dati utilizzata a valle dell’algoritmo di computer vision. Infatti, se da un lato l’identificazione di persone e oggetti attraverso la computer vision è una tecnica ben conosciuta, esistono ancora pochi lavori che mostrano il suo potenziale utilizzo statistico. È stato quindi creato un framework che, dopo aver identificato e tracciato nel tempo e nello spazio ogni pedone, ha permesso la sua rappresentazione bidimensionale su mappa alla risoluzione del metro, consentendo di ottenere elaborazioni statistiche sui risultati ottenuti. Parametri quali numerosità, densità, direzione e velocità dei pedoni sono stati quantificati e visualizzati per il potenziale utente finale, come ad esempio un amministratore pubblico che ha la necessità di avere una visione chiara e concisa delle dinamiche che avvengono in una particolare area della città”.
Dai risultati del caso di studio emerge chiaramente che le principali direzioni seguite dai pedoni sono legate ai punti di interesse, come gli ingressi alla metropolitana e alla stazione ferroviaria. Nel dettaglio, i risultati hanno evidenziato un numero maggiore di pedoni in movimento durante le ore diurne (07:00-10:00), ad eccezione della giornata di venerdì dove si nota un numero maggiore di persone durante le ore serali (17:00-20:00). Nei giorni lavorativi picchi di numerosità sono stati registrati tra le 09:00 e le 12:00 e tra le 16:00 e le 17:00. Un comportamento completamente differente è stato invece osservato il sabato e la domenica quando sono stati registrati numeri elevati di pedoni solo tra le 09:00 e le 11:00. Inoltre, gli accessi alla metropolitana hanno registrato una velocità media delle persone più elevata in uscita (circa 0,77 m/s) che in entrata (0,65 m/s).
“L’uso sempre più diffuso di aree pedonali in complessi abitativi, centri commerciali, aeroporti e stazioni ferroviarie in città densamente popolate come Roma e Milano richiede l’utilizzo di dati sui flussi pedonali anche per la sicurezza delle persone. Infatti, quando si progettano zone di passaggio pedonale, indicatori come la densità e le velocità sono comunemente usati per valutare la sicurezza e il livello di servizio. La computer vision è, quindi, una buona metodologia per automatizzare la quantificazione spaziale delle persone in un’area pedonale e avere la possibilità di localizzare le zone di intervento ad una risoluzione dell’ordine del metro, permettendo l’identificazione dei luoghi più frequentati. Ma quello della sorveglianza e della sicurezza è solo uno dei tanti ambiti di applicazione della computer vision che vanno dall’industria, all’automotive per la guida autonoma fino alla medicina”, conclude Federico Karagulian.
Didascalia immagine:
Esempio di una sequenza di riquadri di delimitazione che tracciano una persona rilevata mantenendo il loro ID lungo la traiettoria. A scopo illustrativo e per la chiarezza del percorso tracciato, vengono mostrati solo 2 frame al secondo. Sono indicate due punti di ingresso della metropolitana. Le etichette degli assi si riferiscono alla scala dei pixel dell'immagine..
Fonte:
ENEA: https://www.media.
Riferimenti:
Karagulian, F.; Liberto, C.; Corazza, M.; Valenti, G.; Dumitru, A.; Nigro, M. Pedestrian Flows Characterization and Estimation with Computer Vision Techniques. Urban Sci. 2023, 7, 65. https://doi.org/10.3390/urbansci7020065
