AGI – L’ IA ha mappato circa 9,2 milioni di chilometri di strade in tutto il mondo, identificandole e classificandole in base alla pavimentazione e alla larghezza. A realizzare il nuovo dataset globale ad accesso aperto, attraverso l’uso dell’intelligenza artificiale e di immagini satellitari ad alta risoluzione raccolte tra il 2020 e il 2024, sono stati i ricercatori dell’Institute of Geography dell’Università di Heidelberg e dell’Heidelberg Institute of Geoinformation Technology, HeiGIT, guidati da Alexander Zipf.
Modello più accurato dei dataset usati in precedenti
Il sistema, che secondo i ricercatori raggiunge un’accuratezza di circa 20 punti percentuali superiore rispetto ai dataset utilizzati in precedenza, consente anche di seguire nel corso degli anni i cambiamenti delle infrastrutture stradali e può essere impiegato per pianificare operazioni umanitarie e valutare lo sviluppo socioeconomico, soprattutto nelle regioni dove altri indicatori sono carenti. I risultati sono pubblicati su Nature Communications.
Il lavoro parte dalla mancanza di un riferimento globale omogeneo attraverso il quale valutare lo stato e le condizioni delle reti stradali. Le Nazioni Unite considerano infatti la disponibilità di strade sviluppate e sicure una componente importante delle infrastrutture nell’ambito degli Obiettivi di sviluppo sostenibile, ma finora, secondo il materiale fornito, non era disponibile un benchmark delle condizioni delle reti stradali su scala mondiale. Per costruirlo, i ricercatori hanno utilizzato immagini ad alta risoluzione della superficie terrestre acquisite dai satelliti PlanetScope tra il 2020 e il 2024. Attraverso tecniche di deep learning hanno identificato circa 9,2 milioni di chilometri delle principali arterie stradali e le hanno classificate sulla base di due caratteristiche: il grado di pavimentazione e la larghezza.
“Il nostro modello è circa 20 punti percentuali più accurato dei dataset utilizzati in precedenza e permette di seguire i cambiamenti delle infrastrutture stradali su periodi di diversi anni”, ha spiegato Sukanya Randhawa, responsabile dei progetti “GeoAI for Good” di HeiGIT. La possibilità di conoscere le caratteristiche delle strade e seguirne l’evoluzione temporale può fornire indicazioni sulla loro percorribilità al variare delle condizioni, per esempio durante eventi meteorologici estremi. Per trasformare queste informazioni in uno strumento utilizzabile nelle operazioni sul campo, i ricercatori hanno convertito i dati in una “Humanitarian Passability Matrix”, una matrice destinata alla pianificazione delle operazioni umanitarie.
Il dataset può avere anche un secondo utilizzo: valutare le condizioni socioeconomiche di Paesi e territori attraverso la qualità delle loro infrastrutture stradali. Le analisi relative al periodo compreso tra il 2020 e il 2024 mostrano infatti un legame tra il grado di pavimentazione delle strade e il livello e il potenziale di sviluppo. In particolare, i Paesi caratterizzati da una quota relativamente elevata di strade pavimentate tendono a collocarsi più in alto nello Human Development Index delle Nazioni Unite rispetto a quelli nei quali le principali vie di comunicazione sono prive di pavimentazione e i progetti di costruzione delle strade procedono più lentamente.
“Le infrastrutture stradali possono quindi servire come indicatore del progresso socioeconomico sia a livello globale sia locale, in particolare nelle regioni dove gli indicatori tradizionali dello sviluppo, come i dati sulla luce notturna, raggiungono i propri limiti”, ha sottolineato Randhawa. Una delle applicazioni analizzate riguarda il Ghana. In questo caso i dati hanno consentito di evidenziare lacune infrastrutturali in specifici quartieri della capitale Accra. Secondo i ricercatori, informazioni di questo tipo potrebbero contribuire a una pianificazione urbana e a un’allocazione delle risorse più eque.
La caratteristica temporale del dataset permette inoltre di utilizzare le strade non come una fotografia statica delle infrastrutture, ma come una misura del cambiamento. I dati sono disponibili pubblicamente attraverso una piattaforma gestita dall’United Nations Office for the Coordination of Humanitarian Affairs e, secondo Zipf, vengono continuamente aggiornati.
“I dati mostrano che la rete stradale globale può servire come misura dinamica del cambiamento e quindi come base per diversi ambiti di intervento”, ha spiegato Zipf, responsabile del dipartimento di Geoinformatica dell’Institute of Geography dell’Università di Heidelberg e di HeiGIT, “dalle applicazioni scientifiche e dalla pianificazione delle missioni umanitarie fino a concrete decisioni di investimento per lo sviluppo economico”. Il nuovo dataset mette quindi insieme osservazione satellitare, deep learning e analisi geospaziale per creare un riferimento globale delle condizioni delle principali strade e della loro evoluzione. Secondo i ricercatori, la possibilità di aggiornare nel tempo queste informazioni potrebbe renderle utilizzabili sia per misurare i cambiamenti socioeconomici sia per decidere come raggiungere territori colpiti da emergenze quando le condizioni della rete viaria diventano determinanti.
