L’IA ha mappato 9,2 milioni di km di strade globali per tracciare il cambiamento infrastrutturale
L’IA ha mappato 9,2 milioni di km di strade globali, permettendo di monitorare i cambiamenti infrastrutturali e supportare decisioni umanitarie e di sviluppo.
L’Intelligenza Artificiale ha mappato 9,2 milioni di chilometri di strade in tutto il mondo, creando un dataset globale che permette di monitorare i cambiamenti infrastrutturali nel tempo e supportare decisioni umanitarie e di sviluppo. I ricercatori dell’Università di Heidelberg, guidati da Alexander Zipf, hanno utilizzato immagini satellitari ad alta risoluzione e tecniche di deep learning per costruire un’analisi dettagliata delle condizioni e dell’evoluzione delle principali arterie stradali. Questo lavoro, pubblicato su Nature Communications, rappresenta un passo avanti significativo nella mappatura globale e nella valutazione delle infrastrutture.
Un dataset globale per tracciare il cambiamento
Il nuovo dataset, disponibile pubblicamente attraverso una piattaforma gestita dall’United Nations Office for the Coordination of Humanitarian Affairs, combina osservazione satellitare, deep learning e analisi geospaziale per creare un riferimento globale delle condizioni delle strade e della loro evoluzione. I dati, raccolti tra il 2020 e il 2024, permettono di seguire nel tempo i cambiamenti delle infrastrutture e di utilizzarli per pianificare operazioni umanitarie e valutare lo sviluppo socioeconomico, soprattutto in regioni dove altri indicatori sono carenti.
Secondo i ricercatori, la pavimentazione e la larghezza delle strade sono indicatori chiave per valutare lo sviluppo socioeconomico. Le analisi relative al periodo 2020-2024 hanno evidenziato un legame tra il grado di pavimentazione e il potenziale di sviluppo. I Paesi con una quota elevata di strade pavimentate tendono a collocarsi più in alto nello Human Development Index delle Nazioni Unite rispetto a quelli con reti stradali poco sviluppate. In Ghana, ad esempio, i dati hanno permesso di identificare lacune infrastrutturali in specifici quartieri della capitale Accra.
Le strade come indicatore del progresso
La caratteristica temporale del dataset permette di utilizzare le strade non come una fotografia statica, ma come una misura del cambiamento. Questo approccio, spiega Zipf, offre un’alternativa alle tradizionali misurazioni basate su dati come la luce notturna, che raggiungono i loro limiti in contesti specifici. I dati sono continuamente aggiornati e disponibili per chiunque, rendendoli un strumento utile per decisioni di investimento e pianificazione.
Il modello sviluppato dai ricercatori è circa 20 punti percentuali più accurato rispetto ai dataset precedenti, grazie all’uso di immagini satellitari ad alta risoluzione e al deep learning. Questa precisione permette di identificare e classificare le strade in base a caratteristiche come la pavimentazione e la larghezza, fornendo informazioni utili per valutare la percorribilità in condizioni estreme. La “Humanitarian Passability Matrix”, un prodotto del lavoro, è destinata a supportare le operazioni umanitarie e a migliorare la pianificazione delle risorse. La mappatura stradale globale rappresenta un’innovazione per il futuro. Con l’accesso aperto al dataset, i ricercatori sperano di contribuire a una pianificazione urbana più equa e a una migliore allocazione delle risorse. L’innovazione rappresenta un’opportunità per monitorare i progressi infrastrutturali e per supportare gli Obiettivi di sviluppo sostenibile delle Nazioni Unite, offrendo una base concreta per decisioni informate e tempestive.