Expérimenter l’IA pour rendre accessibles les centres-villes historiques
Offrir aux citoyens des informations favorisant l’accessibilité physique à l’aide de la technologie et des appareils de navigation rendrait les villes plus intelligentes et plus inclusives. Un jeune chercheur du Politecnico di Milano a utilisé l’intelligence artificielle (IA) pour identifier les différences entre les rues et les trottoirs en pavés, sanpietrini et briques, avec des hauteurs et des largeurs très variables, qui caractérisent et rendent les villes historiques typiques, mais sont également un élément de difficulté pour les personnes âgées et les personnes en situation de handicap moteur.
La recherche, publiée dans le Revue internationale d’observation appliquée de la Terre et de géoinformationa utilisé un système de cartographie mobile, en l’occurrence, une voiture équipée d’un instrument fourni par Leica Geosystems Italia, pour étudier et cartographier la petite ville de Sabbioneta, qui est, avec Mantoue, un site du patrimoine mondial de l’UNESCO depuis 2008 et est un exemple emblématique de village Renaissance enfermé dans des murs historiques.
« À partir des données collectées ou nuages de points, c’est-à-dire des millions et des millions de points répartis dans l’espace étudié qui nous permettent d’obtenir des mesures et des représentations tridimensionnelles de ce qui nous entoure, par exemple des maisons, des rues, des places, des trottoirs et des objets divers, il est possible d’identifier, avec l’aide du Machine Learning, les trajectoires et les chemins les plus accessibles dans un contexte urbain historique », a expliqué Daniele Treccani, chercheur au Laboratoire de recherche de l’UNESCO à Mantoue au Politecnico di Milano.
« L’apprentissage automatique (ML) », explique Andrea Adami, professeur de topographie et de cartographie au Politecnico di Milano, « permet à un réseau neuronal complexe tentant de simuler le fonctionnement du cerveau humain d' »apprendre » à partir d’une grande quantité de données préalablement structurées. par un opérateur. Après la phase d’apprentissage, il est possible, grâce à une combinaison d’entrées, de reconnaître et de classer des objets au sein des données, automatiquement et sans intervention humaine.
« Dans ce cas », poursuit Treccani, « les éléments identifiés pour évaluer l’accessibilité physique étaient les trottoirs, qui sont les itinéraires préférés des utilisateurs, et les routes. Les attributs calculés comprenaient la largeur, la hauteur, la pente et le matériau de revêtement. La méthode ML a montré une bonne fiabilité. de résultats (89%), qui ont été vérifiés in situ. »
« Des cartes urbaines thématiques ont ensuite été réalisées dans QGIS, des itinéraires accessibles ont été calculés et une mise à jour des données OpenStreetMap a été proposée. Les travaux sur Sabbioneta ont permis de tester et de démontrer l’importance des méthodes d’IA pour gérer l’accessibilité dans les centres-villes historiques. »
L’extraction automatique d’informations géométriques et géoréférencées spatiales peut être étendue à d’autres éléments urbains et être utilisée pour des applications d’accessibilité touristique et de navigation, ainsi que pour créer des bases cartographiques pour les Plans d’élimination des barrières architecturales (PEBA) ou les Plans d’accessibilité urbaine. De manière générale, les données collectées et traitées peuvent être utiles à la construction de Maquettes de Ville et de maquettes numériques de centres-villes historiques.
Daniele Treccani travaille actuellement à étendre ses recherches aux données provenant d’autres systèmes d’enquête urbains, tels que la photogrammétrie UAS (drone), les systèmes d’enquête par scanner laser depuis un avion ou avec des systèmes portables (sacs à dos ou portables), et poursuit sa collaboration avec l’Université de Vigo. (Espagne), avec laquelle il a réalisé une partie de la recherche.
À partir de cette recherche, le thème de l’accessibilité a également favorisé la collaboration avec le diocèse de Mantoue et la Conférence épiscopale italienne et dans le développement d’un projet de recherche d’intérêt national («PRIN») avec l’Université de Brescia et l’Université de Modène. et Reggio d’Émilie.
