Il progetto di ottimizzazione del traffico TrafficGo, la cui sperimentazione era iniziata a Torino nel 2019 grazie alla collaborazione tra Torino City Lab e Huawei Research Center di Monaco di Baviera, ha al centro un sistema di ITS (Intelligent Transportation System) chiamato TrafficGo, basato su algoritmi di Intelligenza Artificiale applicati a meccanismi di machine learning al servizio della gestione del traffico urbano.
Il capoluogo piemontese è stato scelto da Huawei come hub di riferimento continentale per i test di utilizzo di sistemi di ottimizzazione del traffico adattivi: l’obiettivo della sperimentazione è stato validare la soluzione di Huawei con la supervisione di 5T, agenzia controllata del Comune di Torino che gestisce la Centrale della Mobilità di Torino in un ambiente simulato, vista la volontà di Huawei di sperimentare e validare i processi dell’intelligenza artificiale in situazioni protette in modo da testarne la sicurezza e l’affidabilità. Questa scelta è stata anche perfettamente in linea con quelli che sono gli obiettivi dell’UE in termini di sviluppo di un’intelligenza artificiale “di cui ci si possa fidare”, la cosiddetta Trustworthy AI.
Le fasi della sperimentazione
1. Definizione dello scenario di simulazione: ricostruzione dei flussi di traffico di una settimana tipo torinese, sulla base dei dati raccolti lungo la rete stradale da 5T per lo sviluppo di misure di controllo del traffico e piani semaforici esistenti.
2. Suddivisione in due scenari diversi sulla base delle misurazioni dei sensori e dei dati in possesso.
3. Valutazione dell’efficacia degli algoritmi di ottimizzazione del traffico applicati ai due scenari a confronto.
4. Intervento degli esperti di 5T per l’analisi e rielaborazione dei risultati ottenuti riguardo i tempi medi di attesa al semaforo e l’ammontare di CO2 prodotta dal traffico simulato nei due scenari.
Huawei grazie a questa sperimentazione ha potuto aumentare la propria conoscenza riguardante la creazione e modellazione degli scenari di simulazione, esplorando tutte le complessità derivate dal fornire al meccanismo di machine learning un modello il più possibile aderente alla realtà. Trattandosi di una tecnologia adattiva, questa soluzione potrà essere applicata a molte altre realtà urbane europee, grazie alla possibilità di mettere a punto dei modelli di traffico su misura da fornire all’algoritmo per la rielaborazione e l’adattamento a nuovi scenari. La soluzione offerta dal machine learning di Huawei, sfruttando la potenza di calcolo del cloud computing combinata con l’AI, offrirà un ventaglio molto ampio di soluzioni predittive utili alla gestione del traffico nei prossimi anni, rivoluzionando la gestione dei flussi nelle città più colpite da questo problema, come Torino, e dai suoi risvolti ecologici.
