Street view in aiuto alle ambulanze…

 Un recente studio condotto in Cina ha impiegato la rete Vision Transformer per sviluppare un modello di classificazione in grado di distinguere tra tre tipologie di strade: strette impraticabili, strette percorribili e larghe. L’analisi si basa sull’utilizzo di immagini di Street View, una risorsa preziosa per la valutazione delle condizioni stradali.

In contesti urbani densamente popolati, in particolare nelle metropoli tentacolari, la prevalenza di quartieri e distretti più vecchi è un fenomeno comune. Queste aree sono spesso caratterizzate da strade strette e tortuose e vie congestionate, che pongono sfide significative alla mobilità veicolare. Mentre questi ostacoli presentano difficoltà per tutti i tipi di veicoli, possono essere particolarmente critici per le ambulanze.

Per l'addestramento e il collaudo del modello, è stato creato un dataset specializzato, composto da immagini di Street View accuratamente etichettate da esperti conducenti di ambulanze. Questa particolare attenzione nella raccolta e classificazione dei dati mira a garantire che il modello sviluppato possa contribuire concretamente al miglioramento della progettazione viaria in futuro.

I risultati ottenuti attraverso una serie di esperimenti comparativi hanno confermato sia l’efficacia della struttura del modello Vision Transformer scelto, sia l’importanza di una fase di pre-elaborazione basata sulla segmentazione semantica delle immagini di Street View. Tale approccio si è rivelato fondamentale per ottimizzare le prestazioni del modello e la sua capacità di riconoscere con precisione le diverse tipologie di strade.

A cosa servono questi dati?

In sintesi, lo studio cinese rappresenta un importante passo avanti nell’utilizzo dell’intelligenza artificiale e delle immagini di Street View per migliorare la sicurezza e l’efficienza delle reti stradali, con un focus specifico sulle esigenze di mobilità dei veicoli di soccorso come le ambulanze, non solo in Cina ma attuabile in tutti i paesi.

Le immagini di Street View, catturate da veicoli con telecamere e integrate in mappe online, offrono una nuova opportunità per analizzare in modo completo gli ambienti urbani senza la necessità di sopralluoghi sul campo. Queste immagini sono ampiamente utilizzate dai ricercatori per studiare vari aspetti delle aree urbane, tra cui infrastrutture e uso del suolo.

I recenti progressi nell’apprendimento profondo e l’aumento della capacità computazionale hanno aperto nuove possibilità per valutare la qualità dello spazio urbano. Diversi studi hanno già utilizzato immagini di Street View e tecniche di apprendimento profondo per analizzare diversi aspetti degli ambienti urbani, come la relazione tra ambiente urbano e salute dei residenti, i cambiamenti stagionali della vegetazione stradale e il disordine spaziale urbano.

Tuttavia, nonostante questi progressi, manca ancora una ricerca approfondita sull'applicazione dell'apprendimento profondo e delle immagini di Street View per valutare il passaggio dei veicoli, in particolare quelli di emergenza come le ambulanze. Questa lacuna evidenzia la necessità di ulteriori studi in questo campo.

fonte