Predicting and avoiding road crashes based on Artificial Intelligence (AI) and big data
Titolo:
Prevedere ed evitare gli incidenti stradali sulla base dell’intelligenza artificiale (AI) e dei big data
Predicting and avoiding road crashes based on Artificial Intelligence (AI) and big data
TOPIC ID:
HORIZON-CL5-2026-01-D6-14
Ente finanziatore:
Commissione europea
Programma Horizon Europe
Obiettivi ed impatto attesi:
Si prevede che i risultati del progetto contribuiscano a tutti i seguenti risultati attesi:
– La conoscenza dei punti ad alto rischio lungo la rete stradale diventa disponibile, prima che si verifichino effettivamente gli incidenti, consentendo alle autorità stradali di attuare in modo proattivo le contromisure appropriate;
– Identificazione predittiva delle situazioni critiche per la sicurezza sulla base di dati provenienti da più fonti e che consente interventi in tempo reale per evitare incidenti;
– Determinazione della dimensione ottimale del campione per consentire una previsione affidabile in tempo reale dell’occorrenza degli incidenti;
– Monitoraggio avanzato dei flussi di traffico e incorporazione delle variazioni e dei modelli di flusso del traffico nella previsione degli incidenti in tempo reale, che porterà anche a una gestione più efficace del traffico prevedendo eventi imprevisti o dirompenti.
Portata:
Uno dei principi dell’approccio Safe System è quello di passare da una gestione prevalentemente reattiva a una proattiva della sicurezza stradale, vale a dire di non derivare le esigenze di intervento principalmente dalle indagini sugli incidenti, ma di intervenire prima che si verifichino incidenti gravi. La raccolta onnipresente di quantità sempre crescenti di dati e la loro elaborazione nel sistema di trasporto digitale supportano questa idea, fornendo informazioni preziose sulle situazioni e sugli eventi del traffico. Le potenziali fonti di dati includono, tra le altre: smartphone, dispositivi indossabili, veicoli connessi, droni, sensori stradali (ad es. telecamera, radar), ecc. I progressi nella potenza di calcolo, nell’accuratezza dei servizi di localizzazione e nell’analisi video sono ulteriori fattori abilitanti nell’elaborazione e nell’analisi di tali dati al fine di identificare situazioni critiche per la sicurezza o conflitti sulla base di metriche di sicurezza surrogate.
In termini di modellizzazione della previsione degli incidenti, l’intelligenza artificiale ha il potenziale per identificare il rischio sottostante e le complesse relazioni tra set di dati ampi e diversificati, che a loro volta potrebbero portare all’identificazione dei fattori che contribuiscono agli incidenti e delle loro interrelazioni. L’identificazione di questi fattori di rischio può quindi consentire di prevedere situazioni critiche per la sicurezza a livelli di rischio quantificabili e guidare l’attuazione proattiva delle misure di prevenzione degli incidenti, come proposto, tra l’altro, dal Forum internazionale dei trasporti presso l’Organizzazione per la cooperazione e lo sviluppo economico (OCSE). Idealmente, gli interventi sarebbero fattibili in tempo reale e aumenterebbero la sicurezza di tutti gli utenti della strada.
Le proposte dovrebbero riguardare tutti i seguenti aspetti:
– Sviluppo di un digital twin del traffico e dell’infrastruttura abilitato dall’intelligenza artificiale (AI). Ciò integrerebbe dati storici, attuali e previsionali, tra cui il crowdsourcing e i sensori dell’infrastruttura, la topologia e le condizioni dell’infrastruttura, insieme alle condizioni ambientali (ad esempio meteo e visibilità locali) e alle condizioni stradali e del traffico. Un gemello digitale di questo tipo può consentire di monitorare e ottimizzare preventivamente sia la sicurezza che il flusso del traffico, affrontando allo stesso modo i problemi di congestione e resilienza. Si potrebbero prendere in considerazione i risultati di progetti esistenti come OMICRON
– Le proposte dovrebbero inoltre esaminare la possibilità e l’utilità di altri tipi di dati, quali i dati sociodemografici ed economici, i dati comportamentali alla guida, i dati provenienti dalle telecamere di sicurezza, tra gli altri, che potrebbero essere forniti da terzi (turismo, eventi programmati, domanda, ecc.);
– analizzare in dettaglio le sfide tecniche associate all’acquisizione e all’uso di big data adeguati e affidabili provenienti da più sensori nel sistema di trasporto stradale, nonché il processo di combinazione di questi set di dati in modi significativi per l’analisi proattiva della sicurezza stradale;
– Sviluppare metodi e strumenti per prevedere situazioni di traffico critiche per la sicurezza a livelli di rischio quantificabili sulla base di dati storici e in tempo reale;
– tenere conto delle distorsioni nelle serie di dati e garantire che i modelli o gli algoritmi basati sull’IA sviluppati siano privi di distorsioni, in modo che la sicurezza di tutti gli utenti della strada sia migliorata in modo efficace e non discriminatorio;
– Analizzare in dettaglio anche le sfide non tecniche associate a questo approccio e la necessità intrinseca di raccogliere e condividere grandi quantità di dati che possono essere utilizzati per identificare e quantificare i fattori di rischio legati alla sicurezza stradale. Dovrebbero essere prese in considerazione le questioni etiche, giuridiche ed economiche e dovrebbero essere sviluppati concetti per superare queste sfide in termini di preoccupazioni relative alla privacy, questioni relative alla proprietà dei dati, barriere organizzative, ecc.;
– analizzare quali contromisure possono essere adottate in tempo reale per ridurre i livelli di rischio istantanei per tutti gli utenti della strada, complementari ai servizi esistenti dei Sistemi di Trasporto Intelligenti (ITS);
– Dimostrare la fattibilità di tali previsioni di rischio e interventi mirati;
– Creare un consenso tra le parti interessate sulle possibili rotte per la diffusione in coordinamento con altri servizi ITS.
Particolare attenzione dovrebbe essere dedicata alla definizione di standard di interoperabilità per la condivisione dei dati, attraverso l’attuazione dei principi FAIR (Findable, Accessible, Interoperable, and Reusable) dei dati e facendo leva sulle pratiche già adottate, in particolare quelle nei pertinenti spazi comuni europei di dati.
Dovrebbero inoltre essere esaminati modi per sfruttare preziosi dati complementari, ad esempio i metadati delle banche dati degli incidenti, nonché i collegamenti alle iniziative per gli spazi europei dei dati.
Si prevede che la ricerca elabori raccomandazioni per l’aggiornamento degli standard e dei quadri giuridici pertinenti. La cooperazione internazionale è consigliata, in particolare con progetti o partner provenienti da Stati Uniti, Giappone, Singapore e Australia. Dovrebbero essere sfruttate le conoscenze e l’esperienza di altre modalità in cui vengono seguiti approcci simili in ambienti molto più controllati.
Criteri di eleggibilità:
Qualsiasi soggetto giuridico, indipendentemente dal suo luogo di stabilimento, compresi i soggetti giuridici di paesi terzi non associati o le organizzazioni internazionali (comprese le organizzazioni internazionali di ricerca europee4), è ammesso a partecipare (indipendentemente dal fatto che sia ammissibile o meno al finanziamento), a condizione che siano soddisfatte le condizioni stabilite nel regolamento Orizzonte Europa, unitamente a qualsiasi altra condizione stabilita nell’invito/tema specifico. Per “soggetto giuridico” si intende qualsiasi persona fisica o giuridica costituita e riconosciuta come tale ai sensi del diritto nazionale, del diritto dell’UE o del diritto internazionale, dotata di personalità giuridica e che può, agendo in nome proprio, esercitare diritti ed essere soggetta a obblighi, o un ente privo di personalità giuridica. I beneficiari e le entità affiliate devono registrarsi nel registro dei partecipanti prima di presentare la domanda, al fine di ottenere un codice di identificazione del partecipante (PIC) ed essere convalidati dal servizio centrale di convalida prima di firmare la convenzione di sovvenzione. Per la convalida, verrà chiesto loro di caricare i documenti necessari che dimostrino il loro status giuridico e la loro origine durante la fase di preparazione della sovvenzione. Un PIC convalidato non è un prerequisito per la presentazione di una domanda.
Contributo finanziario:
Contributo dell’UE previsto per progetto La Commissione stima che un contributo dell’UE di circa 5,00 milioni di EUR consentirebbe di affrontare adeguatamente questi risultati. Ciò non preclude tuttavia la presentazione e la selezione di una proposta che richieda importi diversi. Bilancio indicativo Il bilancio indicativo totale per l’argomento è di 10,00 milioni di EUR.
Tipo di azione Azioni di ricerca e innovazione
Condizioni di ammissibilità Le condizioni sono descritte nell’Allegato Generale B.
Si applicano le seguenti eccezioni: Si applicano le seguenti eccezioni: fatte salve le restrizioni per la protezione delle reti di comunicazione europee.
Si prevede che le attività raggiungano il TRL 5-6 entro la fine del progetto – vedere l’Allegato Generale B. Le attività possono iniziare in qualsiasi TRL.
Assetto giuridico e finanziario delle convenzioni di sovvenzione Le norme sono descritte nell’allegato generale G.
Si applicano le seguenti eccezioni: i costi ammissibili assumeranno la forma di una somma forfettaria quale definita nella decisione del 7 luglio 2021 che autorizza l’uso di contributi forfettari nell’ambito del programma Orizzonte Europa – il programma quadro di ricerca e innovazione (2021-2027) – e delle azioni nell’ambito del programma di ricerca e formazione della Comunità europea dell’energia atomica (2021-2025)
Scadenza:
20 Gennaio 2026 17:00:00 Brussels time
Ulteriori informazioni:
Per scaricare questo bando, in formato pdf, clicca qui.
Servizio offerto da Mario Furore, deputato al Parlamento europeo, eurodeputato The Left.
Disclaimer: Le opinioni espresse sono di responsabilità esclusiva dell’autore o degli autori e non riflettono necessariamente la posizione ufficiale del Parlamento europeo.
Altri simili:
