{"id":11887,"date":"2025-06-16T13:58:21","date_gmt":"2025-06-16T11:58:21","guid":{"rendered":"https:\/\/edihadria.eu\/?p=11887"},"modified":"2025-06-16T13:58:21","modified_gmt":"2025-06-16T11:58:21","slug":"digitalna-transformacija-u-upravljanju-prostorom-infrastrukturom-ai-rjesenje-za-geogrupa-d-o-o-uz-podrsku-edih-adria","status":"publish","type":"post","link":"https:\/\/edihadria.eu\/it\/digitalna-transformacija-u-upravljanju-prostorom-infrastrukturom-ai-rjesenje-za-geogrupa-d-o-o-uz-podrsku-edih-adria\/","title":{"rendered":"Trasformazione digitale nella gestione delle infrastrutture spaziali: Soluzione AI per Geogrupa d.o.o. con il supporto di EDIH Adria"},"content":{"rendered":"

Sfide<\/strong><\/p>\n

Geogrupa d.o.o. ha riconosciuto la possibilit\u00e0 di utilizzare l'intelligenza artificiale per identificare e aggiornare i dati sulla segnaletica stradale e sui pali dell'illuminazione pubblica. La mappatura di questi elementi infrastrutturali si \u00e8 tradizionalmente basata su visite sul campo, registrazioni manuali e trasmissione di dati, che \u00e8 stato un lavoro lungo, spesso con conseguente accuratezza disomogenea e aumento dei costi operativi. Data la crescente domanda di una gestione pi\u00f9 accurata e pi\u00f9 rapida delle infrastrutture comunali, \u00e8 stato necessario migliorare e digitalizzare questo processo con l'obiettivo di ridurre i tempi necessari per svolgere queste attivit\u00e0 e ridurre i costi.<\/p>\n

Soluzione<\/strong><\/p>\n

Attraverso il servizio \"Test Before Invest\" (TBI) e con il sostegno professionale del consorzio EDIH Adria, Geogroup ha testato il potenziale dell'uso dell'intelligenza artificiale (IA) e dei modelli di visione artificiale per affrontare questi problemi. L'obiettivo era verificare se i modelli di intelligenza artificiale e visione artificiale possono essere applicati al fine di automatizzare e digitalizzare il processo di localizzazione degli elementi dell'infrastruttura con l'obiettivo di alleviare i dipendenti e accelerare il processo.<\/p>\n

Nell'ambito dell'attivit\u00e0 TBI, sono stati testati modelli di machine learning AI per il rilevamento di elementi infrastrutturali comuni:<\/p>\n

    \n
  1. Rilevamento dei segnali stradali:<\/strong> Utilizzando modelli basati sull'architettura YOLO (You Only Look Once), \u00e8 stato sviluppato un sistema prototipo per il riconoscimento automatico e la classificazione dei segnali stradali dalle immagini della scena stradale. Il sistema consente una marcatura rapida e precisa dei segnali nello spazio, con l'ulteriore possibilit\u00e0 di categorizzare i segnali stradali identificati (ad esempio stop, diritto di vantaggio, vicolo cieco, ecc.). L'obiettivo principale era quello di automatizzare il processo di identificazione delle coordinate dei segnali stradali e la loro categorizzazione e catalogazione.<\/li>\n
  2. Rilevamento di pali di illuminazione pubblica:<\/strong> Nello stesso quadro tecnologico, \u00e8 stato testato un approccio per l'identificazione dei pali di illuminazione pubblica. I modelli sono stati addestrati su un campione rappresentativo di dati provenienti da una dozzina di riprese di scene di strada realizzate da una telecamera rettangolare con dati sulle coordinate della fotocamera e sulla direzione del movimento, utilizzando esempi contrassegnati manualmente come base per l'addestramento e la convalida del modello.<\/li>\n<\/ol>\n

    Il prototipo di sistema, sviluppato nell'ambito del progetto, consente la visualizzazione dei rilevamenti attraverso un'interfaccia utente semplice e chiara creata utilizzando gli strumenti di mappatura Streamlit e Leaflet OpenStreetMap. Il sistema ha mostrato un'elevata precisione al set di test e i risultati suggeriscono un chiaro potenziale di integrazione nei processi di rilevamento delle infrastrutture esistenti nelle aree pubbliche o come potenziale per offrire servizi aggiuntivi organizzati da Geogrupa d.o.o .<\/p>\n

    \"\"<\/p>\n

    Figura 1 \u2013 Visualizzazione di una mappa interattiva con segnali stradali rilevati e pali di illuminazione pubblica<\/em><\/p>\n

    \"\"<\/p>\n

    Figura 2 \u2013 Tabella delle rilevazioni di oggetti con informazioni sulle coordinate, sulla classe e sul numero di immagini in base alle quali sono state calcolate le coordinate<\/em><\/p>\n

    \"\" \"\"<\/p>\n

    Figura 3 \u2013 Illustrazione dei dettagli di un massimo di tre immagini escluse dai video in base alle quali sono state calcolate le coordinate degli oggetti<\/em><\/p>\n

    Risultati e benefici<\/strong><\/p>\n

    I test condotti nell'ambito delle attivit\u00e0 di TBI hanno mostrato un grande potenziale per l'applicazione delle tecnologie di IA nell'elaborazione di immagini stradali e nella gestione di elementi infrastrutturali, consentendo:<\/p>\n