[bsa_pro_ajax_ad_space id=14 max_width=728]

HomeSmart City: Innovazione e tecnologieProfilo di due piazze romane attraverso dati telerilevati e ambientali

Profilo di due piazze romane attraverso dati telerilevati e ambientali

Il caso di studio condotto da Sysdeco Italia, Cnr-Istituto Ingegneria Del Mare e Cnr-Istituto Inquinamento Atmosferico, mostra la caratterizzazione di due piazze romane (Piazza Mazzini e Piazza della Repubblica) attraverso dati telerilevati e dati ambientali.

Con i dati del sensore satellitare Pléiades Neo ad altissima risoluzione acquisiti in due spazi pubblici della città di Roma, si applica il metodo di analisi di immagini basata sugli oggetti (OBIA).

Le piazze romane attraverso il telerilevamento e i dati ambientali

L’obiettivo del lavoro è caratterizzare e quantificare i veicoli, con una visione sinottica. I dati sul flusso di traffico espressi come veicoli equivalenti/ora e relativi all’ora di punta della mattina feriale invernale, hanno consentito di effettuare un calcolo delle emissioni inquinanti totali espresse in g/h, indicative delle condizioni della qualità dell’aria locale nelle due aree di studio.

caso di studio due piazze di roma

I risultati

I risultati ottenuti, pur necessitando di ulteriori verifiche su altre aree di studio, hanno evidenziato la validità del metodo e la sua riproducibilità su vasta scala per un supporto nella pianificazione urbana. Il lavoro dal carattere multidisciplinare intende offrire uno spunto di riflessione sull’uso degli spazi pubblici di valore storico architettonico.

Nei secoli questi ultimi hanno visto peggiorare le condizioni di accessibilità e fruibilità per le persone di diverse fasce di età.

dati ambientali telerilevati a piazza mazzini

dati ambientali telerilevati a piazza della repubblica

Con un approccio multidisciplinare, in questo lavoro sono stati utilizzati i seguenti dati Pléiades Neo del sensore satellitare ad altissima risoluzione e i flussi di traffico espressi come veicoli equivalenti/ora e relativi all’ora di punta della mattina feriale invernale.

Il flusso di lavoro utilizzato, è quello tipico del Deep Learning (DL) e altri approcci di DL automatico supervisionato. In questo caso è stata utilizzata una combinazione di funzionalità di DL all’interno di eCognition Developer e OBIA per rilevare le auto con solo dati ottici.

Il caso di studio completo

LEGGI IL CASO DI STUDIO COMPLETO 

A cura di Francesco Atanasio Carolei e Fabrizio Filiberti (Sysdeco Italia), Lorenza Fiumi (Cnr-Istituto Ingegneria Del Mare), Marco Torre (Cnr-Istituto Inquinamento Atmosferico).

caso di studio sysdeco

Leggi anche:

[bsa_pro_ajax_ad_space id=11 max_width=728]

POST CORRELATI DA CATEGORIA

[bsa_pro_ajax_ad_space id=2 max_width=728]

[bsa_pro_ajax_ad_space id=15 max_width=728]

ULTIMI POST

[bsa_pro_ajax_ad_space id=10 max_width=300]

[bsa_pro_ajax_ad_space id=3 max_width=300]

[bsa_pro_ajax_ad_space id=1 max_width=300]

settembre, 2024

Speciale Startup Easy Italiaspot_img