Intelligenza artificiale e machine learning per cercare dispersi: Sharon è l’alleata del soccorso alpino

pittogramma Zerouno

Attualità

Intelligenza artificiale e machine learning per cercare dispersi: Sharon è l’alleata del soccorso alpino

Algoritmi di Intelligenza artificiale e machine learning chiamati a raccolta assieme al soccorso alpino e alla protezione civile per la ricerca dei dispersi in montagna. È ciò che accade in Trentino grazie al tool Sharon sviluppato dal team di ricerca Eledia@UniTN dell’Università di Trento per limitare gli imprevisti e aumentare l’efficacia degli interventi indicando dove cercare e come organizzarsi per farlo. Efficace, mirato e tempestivo, questo strumento, attualmente oggetto di una collaborazione con il Servizio Provinciale Trentino del Corpo Nazionale Soccorso Alpino e Speleologico, potrebbe supportare anche chi cerca persone in città, nella profondità di un lago o sotto una valanga.

08 Feb 2022

di Marta Abba'

Per definizione non si è in grado di avere molti indizi su dove ricercare un disperso, soprattutto in montagna quando si tratta di persone inesperte che hanno scoperto l’escursionismo solo durante la pandemia, ma a supporto del Soccorso Alpino arrivano le nuove tecnologie. La preziosa esperienza degli operatori diventa così ancora più efficace e può dare risultati con quella tempestività che in queste situazioni è decisiva, fondamentale, cruciale.

Nel 2020 per la seconda volta consecutiva sono state superate le 10mila missioni di soccorso e si è registrato un maggior numero di dispersi, 90 rispetto ai 61 dell’anno precedente: un’alleanza “uomo-tecnologia” è necessaria per far fronte a questi trend di crescita ma la “tecnologia” deve essere quella giusta e sapersi integrare correttamente in un meccanismo di soccorso già ben oliato e funzionante.

Una mappa interattiva 3D per ricerche personalizzate e focalizzate

Uno degli aspetti vincenti di Sharon è proprio questo, il suo saper affiancare i soccorritori fornendo le informazioni e le indicazioni necessarie senza mai sovrapporsi agli operatori che detengono conoscenze e fiuto non replicabili – per lo meno al momento – da alcuna intelligenza artificiale. Sharon sta per SearcH And Rescue Operation assistaNt e si tratta di un sistema di supporto alle decisioni per l’analisi e la pianificazione di missioni di ricerca e salvataggio. Realizzato e finanziato dal team di ricerca Eledia@UniTN dell’Università di Trento, in collaborazione con la Protezione Civile della Provincia autonoma di Trento, si presenta come una interfaccia web interattiva disponibile a tutti che offre consigli su come affrontare le varie fasi della missione, partendo dalla raccolta dei dati del disperso fino al completamento della ricerca, stimando l’area più probabile di ritrovamento e guidando la pianificazione delle unità di soccorso.

WHITEPAPER
Intelligent Enterprise: come usare i dati e l’AI per creare la CX perfetta e omnicanale
Big Data
Digital Transformation

“Lavoriamo a questo progetto da diversi anni, coinvolgendo molti studenti nell’applicazione delle nuove tecnologie, l’input iniziale è stato della protezione civile che anche di recente ha manifestato la necessità di tool innovativi per limitare l’improvvisazione nella ricerca di dispersi – spiega Paolo Rocca, professore associato e membro del team di ricerca Eledia@UniTN del Dipartimento di Ingegneria Civile, Ambientale e Meccanica dell’Università degli Studi di Trento – anche da parte nostra c’è però un forte interesse ad approfondire le modalità migliori per fornire un supporto tecnologico realmente utile ed efficace e non fine a sé stesso o sull’onda della digitalizzazione di tanti processi a cui stiamo assistendo”.

Sono infatti scelti con cura gli elementi tecnologici alla base di Sharon: al contrario di ciò che si potrebbe sospettare, questo software non necessita di sensori particolari, “perché si sfruttano database e open data messi a disposizione dalla PA ad esempio sulla planimetria e sulla morfologia del territorio”. Al contrario fa largo uso di intelligenza artificiale e machine learning attraverso algoritmi che partono da modelli e teorie internazionali di settore, validi a livello globale e riportati in letteratura, per ricavare precise indicazioni sul singolo disperso e sulle modalità di ricerca.

La fase zero, imprescindibile, resta quella della raccolta dati per ottenere – solitamente già dalla prima telefonata di segnalazione – le informazioni minime necessarie per permettere a Sharon di dare una mano. Nome e se possibile anche foto, età, genere e nazionalità ma soprattutto condizioni fisiche, essenziali assieme a quelle del terreno per stimare la velocità di avanzamento sul territorio dall’ultimo punto di avvistamento del disperso che può essere indicato direttamente su una mappa con orario ed eventuale destinazione, se nota.

Una volta in possesso di questi dati, entra davvero in gioco la tecnologia iniziando ad effettuare analisi propedeutiche per stimare le probabilità di presenza del disperso sul territorio e individuare l’area in cui cercarlo. “Abbiamo scelto di attingere ad uno studio americano con statistiche su vari casi di dispersi a livello mondiale definendo a priori differenti modelli di allontanamento dal punto noto in base sia al tipo di persona, sia all’ambiente che al clima – spiega Alessandro Polo, membro del team di ricerca di Eledia@UniTN del Dipartimento di Ingegneria Civile, Ambientale e Meccanica dell’Università degli Studi di Trento – finora erano stati sfogliati solo a fine consultativo, noi abbiamo deciso di digitalizzarli e integrarli in Sharon”. Ed ecco il modello ad anello, quando lo scomparso gira attorno alla propria posizione, oppure quello dei sentieri, in cui si incammina seguendo segnali, ma anche quello legato ai bacini idrografici, tipico degli escursionisti, oppure il modello angolare, da applicare se si presume fortemente che la persona si sia diretta in un luogo preciso senza troppo tentennare. In questo caso si ha un cono ad alta probabilità di ritrovamento e fette di territorio quasi da ignorare essendo in direzione opposta alla meta.

Figura 1: Mappa delle probabilità di presenza, frutto della sovrapposizione di modelli di allontanamento del disperso

L’intelligenza artificiale di Sharon suggerisce al soccorso alpino uno o, più frequentemente una combinazione di più modelli selezionati che possono essere visualizzati singolarmente e sovrapposti e che, uniti e approvati dal soccorritore esperto, danno vita alla mappa di probabilità di presenza del disperso. Interattivo e 3D, questo strumento evidenzia basse probabilità di presenza con colori freddi e alte probabilità di ritrovamento con quelli caldi mentre con un poligono dal perimetro rosso delimita l’area di ricerca suggerita, la cui dimensione dipende strettamente dal tempo trascorso dall’ultimo avvistamento. “Arricchita da vari layer informativi per indicare fiumi, ciclabili e pendenze, ad esempio, la mappa contiene informazioni discretizzate secondo una maglia di esagoni di 50 metri presupponendo che una persona possa muoversi in 6 direzioni – spiega Polo – grazie ad un modello analitico che tiene conto della persona, del territorio e del clima per stimare la velocità di passaggio da una cella ad un’altra e la probabilità che essa venga scelta, l’algoritmo riesce a valutare come si potrebbe essere mosso il disperso lasciando che sulla mappa compaia la peggiore delle ipotesi, ovvero ipotizzando che lo abbia fatto al massimo della sua velocità”.

Figura 2: Mappa 3D interattiva delle probabilità di presenza discretizzata secondo una maglia di esagoni

Un piano d’azione per ottimizzare prontamente le risorse

Mappa alla mano, il soccorso alpino può contare ancora su Sharon per la “caccia al disperso” da iniziare con tempestività. La tecnologia alla base di questo strumento lo aiuterà a ottimizzare tempi ed energie supportandolo nella pianificazione dell’intervento.

In questa fase entra in gioco un altro algoritmo creato da Eledia che, sulla base delle risorse al momento realmente disponibili sul territorio, è in grado prima di tutto di posizionare il campo base in modo conveniente e poi di stimare quante persone chiamare a raccolta e da dove. Serve un algoritmo per l’ottimizzazione multi-obiettivo perché è necessario tener conto di diversi fattori come la capienza dei veicoli e la necessità di non svuotare le caserme, per suggerire poi un trade off di soluzioni per l’allocazione delle risorse monitorando in tempo-reale l’arrivo al Campo Base.

“Nella maggior parte dei casi si adotta il metodo a rastrello per le ricerche e, al variare dell’area che scelgo di esplorare ma anche del clima e dell’orario, il numero di risorse richieste può cambiare molto – spiega Polo – ottenuta un’ampia gamma di opzioni con dettagli su probabilità di successo, copertura area, costi e tempi, sarà l’operatore a decidere la soluzione di volta in volta più adeguata per poi farsi realizzare da Sharon una nuova mappa, stavolta con indicati gli stazionamenti coinvolti nella ricerca. Al termine dell’operazione, sarà disponibile anche un report completo della missione, con stampe dedicate alle varie singole fasi ed una semplice interfaccia di condivisione delle informazioni”.

Figura 3: Mappa per il reperimento e l’organizzazione delle risorse del territorio chiamate al campo base

Spaesati in città e travolti da valanghe: il futuro di Sharon non solo ad alta quota

Senza mai invadere il campo d’azione del soccorritore, Eledia sta lavorando su Sharon per affinarne la precisione e ampliarne le funzioni di supporto digitale alle ricerche. Un passo avanti sul primo proposito di miglioramento è l’accordo siglato a marzo del 2021 con il Servizio Provinciale Trentino del Corpo Nazionale Soccorso Alpino e Speleologico (CNSAS-TN) per l’utilizzo dei loro archivi da cui attingere per ottenere informazioni sulle attività di ricerca effettuate in passato, dati preziosi per validare il modello di Sharon.

Per affiancare in modo ancora più utile gli operatori nei momenti più critici della ricerca dei dispersi invece, il team di Eledia sta lavorando al software in modo che possa occuparsi anche “del coordinamento e della gestione in tempo reale delle risorse durante la ricerca, integrando un tool per ricevere informazioni sui percorsi già battuti e sulle posizioni dei soccorritori, per poi aggiornare la mappa in modo intelligente e mirato – spiega Rocca – ad esempio dividendo le aree in modo che sia facile riconoscere la propria, cancellando zone già esplorate da droni o persone, oppure tenendo conto del ritrovamento di un oggetto che costituisce un nuovo punto certo sulla mappa. C’è una forte complessità da gestire in una situazione di grande urgenza e in fluida evoluzione: ogni supporto tecnologico che possiamo fornire può essere decisivo”.

Alleato sempre più prezioso e capace di fare squadra, Sharon oggi supporta i soccorritori trentini, “tra cui sono numerosissimi i volontari ed è molto alta la sensibilità sul tema della ricerca dispersi” sottolinea Rocca, ma è perfettamente pronto per essere esteso in qualsiasi altra regione voglia usufruirne. L’idea è anche quella di “trovare finanziamenti per formare esperti ICT capaci di utilizzare la piattaforma autonomamente, aggiornarla e ottimizzarla, in modo che possa essere integrata in modo sistematico ed efficace nelle centrali uniche di emergenza che si stanno istituendo in tutto il territorio nazionale o addirittura nelle centrali mobili che operano dal campo base”.

L’efficienza di questo tool, nel frattempo, ha incuriosito e interessato anche chi non ha a che fare con escursionisti che hanno perso la strada ma con persone affette da malattie neurodegenerative, complesse da ricercare anche se disperse su un territorio non alpino perché prive di riferimenti e, spesso, di capacità di chiedere aiuto o orientarsi. In ambienti cittadini c’è la complessità dei mezzi pubblici da gestire, che impatta fortemente sulla stima delle velocità, ma Sharon potrebbe accettare anche questa sfida come sta già affrontando quella delle catastrofi invernali con uno spin off dell’applicazione dedicato al soccorso valanghe: NIVES. “Pur partendo dalle stesse basi di Sharon, in questo nuovo contesto si cambia il paradigma e il livello di prontezza da garantire per l’intervento, un fattore ancor più importante, dati i tempi limitati concessi da questo genere di situazione emergenziale – precisa Rocca – varia anche la tipologia di soccorritori coinvolti, tra cui non deve mancare l’elisoccorso. Ci stiamo lavorando, sempre pronti ad accogliere richieste e collaborazioni con gli operatori perché la tecnologia che stiamo sviluppando possa ottimizzare sempre di più i loro sforzi e il valore della loro esperienza”.

Marta Abba'

Giornalista

Laureata in Fisica e giornalista, per scrivere di tecnologia, ambiente e innovazione, applica il metodo scientifico. Dopo una gavetta realizzata spaziando tra cronaca politica e nera, si è appassionata alle startup realizzando uno speciale mensile per una agenzia di stampa. Da questa esperienza è passata a occuparsi di tematiche legate a innovazione, sostenibilità, nuove tecnologie e fintech con la stessa appassionata e genuina curiosità con cui, nei laboratori universitari, ha affrontato gli esperimenti scientifici.

Articolo 1 di 4