Trasformazione digitale nella gestione dello spazio: Soluzioni AI per Dignano e Solta con il supporto di EDIH Adria

Sfide

La città di Dignano e il comune di Solta, come unità di autogoverno locale in Croazia adriatica, affrontano sfide simili nella gestione del loro territorio. Preservare lo spazio, prevenire la costruzione illegale, identificare i rifiuti smaltiti illegalmente (discariche selvagge) e monitorare l'uso contrattuale dei terreni agricoli affittati per anni sono compiti fondamentali. I metodi tradizionali di monitoraggio, che si basano su indagini sul campo degli osservatori comunali e sulla verifica manuale della documentazione, sono spesso lenti, ad alta intensità di risorse e non sufficientemente efficaci per coprire l'intera area delle unità di autogoverno locale, soprattutto date le limitate capacità umane. Vi è pertanto una chiara necessità di modernizzare e introdurre strumenti digitali per migliorare il monitoraggio e l'efficienza dei servizi di pubblica utilità.

Soluzione

Attraverso il programma "Test Before Invest" (TBI) e con il sostegno di esperti del consorzio EDIH Adria, la città di Dignano e il comune di Solta hanno testato il potenziale dell'applicazione dell'intelligenza artificiale (IA) e dell'analisi di immagini satellitari e aerofotografiche per risolvere queste sfide. L'obiettivo era esaminare se i modelli di IA possono automatizzare il rilevamento dei cambiamenti nello spazio e fornire informazioni tempestive ai servizi pertinenti.

Nell'ambito dell'attività di TBI, sono stati testati vari approcci di apprendimento automatico e modelli di IA:

• Rilevamento di oggetti (edifici e superfici coltivate): Modelli come l'architettura YOLO (You Only Look Once) e OWL-ViT (Open World Vision Transformer) sono stati testati. L'obiettivo era identificare automaticamente gli edifici e determinare se esiste un permesso di costruzione per loro, e distinguere le aree agricole trattate da quelle incolte confrontando le immagini nel tempo. Prototipi, come il sistema "SatelliteGuard" sviluppato per Dignano, hanno dimostrato una capacità di rilevamento ad alta precisione basata su dati pertinenti a livello locale.

• Rilevamento di discariche selvatiche: Per identificare modelli irregolari che puntano a discariche selvagge, sono stati testati modelli più avanzati come Google Gemini 2.0 Flash, in grado di analizzare modelli visivi complessi e classificare le aree come sospette di smaltimento illegale dei rifiuti, anche con un numero limitato di esempi per la formazione di modelli di rilevamento specifici.

Le soluzioni sono state testate utilizzando immagini pubblicamente disponibili (ad esempio Geoportal, Regulated Land) e immagini satellitari potenzialmente commerciali, ed è stata sviluppata una soluzione prototipale per visualizzare i risultati del rilevamento attraverso semplici interfacce utente (ad esempio basate sull'interfaccia utente Streamlit).

Risultati e benefici

I test condotti nella città di Dignano e nel comune di Solta hanno dimostrato un potenziale significativo delle tecnologie di IA per migliorare la gestione dello spazio, consentendo:

• Maggiore efficienza: L'analisi automatizzata delle immagini può ridurre drasticamente il tempo necessario per identificare potenziali irregolarità dello spazio rispetto al lavoro manuale sul campo.
• Maggiore accuratezza e coerenza: I modelli di IA forniscono un'analisi obiettiva e coerente, riducendo la possibilità di errori umani o guasti di rilevamento.
• Migliore allocazione delle risorse: Le guardie municipali possono concentrare il loro tempo e le loro risorse sul controllo dei luoghi che il sistema di IA ha segnalato come altamente sospetti, piuttosto che su ispezioni casuali o estese sul campo.
• Azioni tempestive: Una rilevazione più rapida consente una reazione più rapida dei servizi competenti, evitando un'ulteriore devastazione dello spazio o il consolidamento di oggetti illegali.
• Sostegno alla pianificazione territoriale e alla protezione dell'ambiente: Il sistema fornisce dati preziosi per monitorare i cambiamenti nell'uso del suolo, pianificare lo sviluppo e l'attuazione di misure di protezione ambientale.
• Elevato potenziale applicativo: I modelli YOLO testati (ad esempio nella città di Dignano) hanno raggiunto metriche elevate (mAP > 80%), mentre i modelli per il rilevamento dei rifiuti hanno mostrato un'elevata precisione nella classificazione binaria (> 80%), anche senza una messa a punto specifica per i dati locali.

Insegnamenti tratti

Durante la fase di TBI, sono state individuate le informazioni chiave per un'attuazione efficace:

• Qualità e pertinenza dei dati: Per ottenere risultati ottimali, è fondamentale addestrare il modello su immagini satellitari/aerodinamiche di alta qualità che riflettano specifiche caratteristiche locali (architettura, vegetazione, tipi di suolo).
• Necessità di adattare il modello: I modelli generici e pre-addestrati spesso non sono sufficienti. Per ottenere la precisione desiderata è necessaria la messa a punto o lo sviluppo di modelli personalizzati (ad esempio YOLOv10 basato su dati locali).
• Approccio combinato: L'utilizzo di diversi modelli di IA (ad esempio YOLO per gli oggetti, Gemini / OWL-ViT per campioni complessi) può fornire una soluzione più completa.
• Integrazione con sistemi GIS: È essenziale garantire l'integrazione delle soluzioni di IA con le piattaforme GIS (GeoInformation System) esistenti utilizzate dai servizi urbani/comunali per facilitare l'uso e la visualizzazione dei dati.
• Interfaccia utente: È necessario sviluppare un'interfaccia intuitiva che consenta un facile utilizzo del sistema e l'interpretazione dei risultati da parte del personale senza conoscenze tecniche avanzate.
• Strategia di acquisizione delle registrazioni: È necessario definire la strategia ottimale per l'acquisizione di immagini satellitari (frequenza, risoluzione, prezzo) attraverso l'analisi dei fornitori commerciali disponibili.

Effetti stimati dell'attuazione

Sulla base della sperimentazione di soluzioni prototipali e dell'analisi dei processi esistenti, si stima che la piena attuazione dei sistemi di IA potrebbe apportare miglioramenti significativi nella gestione dello spazio. Il tempo necessario per l'identificazione preliminare di siti potenzialmente sospetti dovrebbe essere drasticamente ridotto rispetto alle lunghe ispezioni manuali o al lavoro sul campo. Questa accelerazione porterebbe direttamente all'ottimizzazione del lavoro sul campo dei monitor comuni, in quanto ridurrebbe la necessità di indagini indiscriminate, consentendo loro di concentrare le proprie risorse sul controllo dei luoghi che il sistema di IA ha etichettato come ad alto rischio, con un conseguente uso più efficiente del loro orario di lavoro. Inoltre, la sorveglianza aerea sistematica e continua aumenta la probabilità di individuazione precoce di attività illegali e discariche selvatiche che altrimenti potrebbero passare inosservate. L'attuazione consentirebbe inoltre un monitoraggio più regolare e sistematico dei cambiamenti nell'uso dei terreni agricoli e di altri elementi importanti nello spazio.

Conclusion

I progetti "Test prima di investire" attuati nella città di Dignano e nel comune di Solta hanno dimostrato con successo che l'applicazione dell'intelligenza artificiale e l'analisi delle immagini satellitari sono una soluzione fattibile e molto potente per modernizzare la supervisione e la gestione dello spazio nelle unità di autogoverno locali. Intuizioni acquisite e modelli prototipali sviluppati forniscono una solida base per prendere decisioni informate sull'approvvigionamento e l'implementazione di soluzioni commerciali complete. EDIH Adria continua a sostenere la città di Dignano, il comune di Solta e altre unità di autogoverno locale, nonché le piccole e medie imprese (PMI) nei loro sforzi di trasformazione digitale, aiutandole a sfruttare le tecnologie avanzate per una gestione più efficiente, trasparente e sostenibile delle loro risorse