Gli sviluppi tecnologici nel campo della microelettronica e sensoristica, oltre che delle tecnologie di telecomunicazione, hanno aperto scenari applicativi interessanti per lo sviluppo di sistemi di monitoraggio di nuova generazione, le cosiddette Reti Distribuite di Sensori.
Si tratta sostanzialmente di reti di monitoraggio ad-hoc, concepite per la gestione di un numero anche molto elevato di sensori, distribuiti capillarmente e in modo poco invasivo (su territori anche molto estesi), in grado di fornire dati in continuo ed in tempo reale, completamente wireless, con bassi costi di investimento e gestione. Le principali caratteristiche del sistema realizzato da Pirelli – Telecom Italia sono:

* modularità e scalabilità
* flessibilità ed interoperabilità
* affidabilità
* raccolta dati in tempo reale e modalità wireless
* funzionalità di rete avanzate (plug&play dei sensori, autoriconfigurabilità, etc...)

Questa piattaforma tecnologica, di tipo general purpose, può essere “specializzata”, con sensoristica opportuna, adeguandola alle diverse esigenze applicative.
Grazie alla struttura modulare il sistema è inoltre facilmente aggiornabile in previsione di futuri upgrade sia a livello hardware che dei protocolli e degli standard utilizzati.
La elevata mole di dati messa a disposizione in tempo reale da questi sistemi, opportunamente gestiti ed elaborati, può abilitare innovativi strumenti operativi e gestionali (e relativi servizi) basati su informazioni ad elevato valore (derivante ad es. dalla integrazione con modelli previsionali e/o di supporto decisionale).

Applicazione per Monitoraggio Traffico

Lo stato dell’arte dell’hardware per il monitoraggio del traffico prevede l’utilizzo di dispositivi quali telecamere, radar, loop induttivi, sensori piezoelettrici ecc.
Questi sistemi presentano generalmente costi elevati e difficoltà di installazione, manutenzione e gestione, che di fatto ne impediscono una diffusione capillare limitando di conseguenza anche le potenziali ricadute in termini di quantità e qualità delle informazioni ad essi collegate.
I sistemi Pirelli/Telecom Italia, abbinando alla tecnologia delle Reti Distribuite, Sensori innovativi appositamente sviluppati, offrono la possibilità di disporre di sistemi per il monitoraggio del traffico in grado di restituire in tempo reale misure di elevata qualità, ma con bassi costi, consentendo di rendere più capillare ed efficace la raccolta dei dati di traffico con ricadute positive in termini di affidabilità ed efficacia dei modelli per la previsione e la gestione della mobilità.

Di seguito vengono descritte con più dettaglio le caratteristiche del sistema/sensori Pirelli/Telecom Italia. Il sistema proposto si articola su tre livelli:

Livello 1 (Sensori/ Attuatori)

Al livello più basso ci sono i “nodi sensoriali wireless”, installati sotto il manto stradale (es 5 cm profondità), che consentono di rilevare i parametri di traffico di interesse, quali velocità, conteggio e classificazione. Specifiche tecniche:

* Dimensioni: 9x8x10 cm (LxDxH)
* Package & Meccaniche: Tenuta totale (IP68), Resistenza ai carichi (4 Ton)
* Tecniche: Alimentazione a batteria,Trasmissione dati wireless, Capacità radio avanzate (es multihopping), Riconfigurabile da Remoto Lunga durata (fino a 5 anni)
* Funzionali: Monitoraggio Wireless & Real-time Conteggio Veicoli Misura Velocità Classificazione

Livello 2 (Centralina/Gateway)

I dati dei sensori sono trasmessi, in modalità wireless ed in tempo reale, ad una centralina a bordo strada, che ricopre diverse funzionalità: coordina e gestisce i sensori, fungendo da access point (con la possibilità di una ulteriore elaborazione dei dati stessi) e ne permette la trasmissione, sempre in tempo reale, a lungo raggio. Offre inoltre la possibilità di integrare praticamente qualsiasi tipo di sensoristica commerciale utilizzata con varie finalità (parametri meteo, sicurezza, inquinamento, etc...). Specifiche tecniche:

* Connessioni GPRS o Ethernet
* Riconfigurabile da Remoto o in locale
* Wireless a breve e lungo raggio
* Capacità radio avanzate (Network coordinator LAN)
* Batterie di Back-up con possibilità di alimentazione da pannello solare o rete 220 V
Specifiche funzionali:

* Gateway short range/long range
* Access Point/Sensors Hub
* Gestione sincronia rete per applicazioni Real-time
* Gestione Pug&Play sensori

Livello 3 (Network Manager)

Software di gestione della Rete Distribuita. Gestisce la rete di centraline e sensori e coordina la raccolta, archiviazione, validazione dei dati nel relativo database. Offre la possibilità di accesso a Clients esterni (via Web), implementando dei livelli di sicurezza e di gestione dei servizi offerti ai Cleints accreditati. Infine implementa anche del software di amministrazione della rete che consente la gestione completamente remotizzata per manutenzioni ordinarie e straordinarie (ad esempio upgrade software). Questo software può essere integrato in strutture di gestione già esistenti (es centrali operative) piuttosto che essere installato in maniera autonoma su PC.

Il livello di integrazione su cui si è puntato consente l’implementazione di un numero elevato di applicazioni verticali sfruttando la piattaforma “general purpose” e specializzandola esclusivamente e livello di sensoristica o software dedicato, con la possibilità di avere perciò un unico sistema integrato di controllo e gestione polifunzionale a bassi costi di investimento e gestione.

Intelligenza Artificiale basata su Reti Neurali

Nell’ambito della collaborazione con TELECOM Italia SpA, la D.E.C.A. Spa ha realizzato, nel campo delle tecnologie avanzate, il sistema IT di Data Management e Data Analysis di seguito descritto.
Il progetto DecaVelta pone le sue basi su innovative tecnologie di elaborazione delle informazione che derivano da studi di Intelligenza Artificiale. In particolare vengono estensivamente utilizzate Reti Neurali Artificiali (RNA), software capaci di elaborare in maniera non lineare grosse moli di informazioni producendo modelli di adattamento stimolo/risposta che realizzano modelli previsionali di fenomeni complessi. Tali modelli sono applicati per prevedere in maniera efficiente l’insorgenza delle patologie vegetali, riducendo e razionalizzando l’impiego dei formulati fitosanitari. Il minor impatto ambientale che ne deriva, oltre alla notevole minor incidenza sull’ecosistema, determina un evidente maggior ritorno economico alle aziende data la minore spesa sostenuta e la migliore qualità e sanità del prodotto con conseguente reale certificazione di filiera di più alto profilo.
Le RNA sono nate per simulare la struttura neurale del cervello umano, imitandone i meccanismi di apprendimento conosciuti, prevalentemente su base esperienziale. Il più frequente utilizzo delle RNA è l’apprendimento supervisionato. Sulla base dell’iterativa elaborazione di un data set confrontato con uno specifico output, è possibile, mediante operazioni computazionali parallele, correggere i parametri del modello per trovare relazioni tra i dati e quindi generare il corretto valore di output. In questo modo esse sono in grado di dedurre regole assai efficaci per risolvere problemi di tipo previsionale. Le RNA sono modelli matematici non lineari per definizione, ma non fanno, al contrario di tecniche come la regressione non lineare, alcun tipo di ipotesi sulla forma dei dati;
esse sono capaci autonomamente di identificare le interazioni fra variabili che devono invece essere specificate esplicitamente nei modelli statistici di regressione. Le RNA sono quindi adatte ad analizzare una variabile obiettivo/evento nel contesto di una forte non linearità dei dati in ingresso.

Utilizzo delle RNA in DecaVelta

I dati provenienti dal sistema DecaVelta vengono pre-elaborati mediante tecnologie di Sistema Esperto e Statistiche che permettono di implementare segnalazioni di malfunzionamenti e guasti ai sensori e/o alle RTU e successivamente elaborati con Techiche di Intelligenza Artificiale, specialmente RNA ed Algoritmi Genetici.

Dopo due anni di sperimentazioni le nostre RNA si sono dimostrate in grado di segnalare correttamente le infezioni realmente verificatesi, di non dare mai falsi negativi (assenza di segnalazione di pericolo con infezione in atto) e, soprattutto, di avere prestazioni migliori di quelle espresse dai modelli matematici comunemente in uso in viticoltura.
Tutti gli studi sin qui compiuti nel contesto di questo progetto sono stati oggetto di numerose pubblicazioni in congressi internazionali di rilevanza nel settore agronomico.

Principali pubblicazioni del progetto

A Neural Network based forecasting model for Plasmopara viticola infection allows also to manage changes introduced by the new climate scenario: a two years study (R. Bugliosi, G. Spera, A. La Torre, L. Campoli) Congrès sur le Climat et la Viticulture - Zaragoza (ES) - 10-14 aprile 2007

Advanced use Artificial Intelligence of Techniques on Viticulture for the reduction of Plant Protection products use. Realization of a Forecasting Model for Plasmopara Viticola Infection (R. Bugliosi, G. Spera, A. La Torre, L. Campoli) XXIX World Congress of Wine and Vine, Logroño, Spain, June 2006

Artificial Intelligence approach with the use of Artificial Neural Networks for the creation of a forecasting model of Plasmopara vitivola infection (R. Bugliosi, G. Spera, A. La Torre, L. Campoli, M. Scaglione) 58th International Symposium on Crop Protection, Gent, Belgium, May 2006