PRIN 2022 OUTFIT
crOwdsoUrced daTa Feeding noise maps in dIgital Twins
La mission del progetto
OUTFIT implementa un digital twin (DT) di un'area urbana per fornire una stima dinamica del rumore da traffico stradale (RTN) basato su dati provenienti dalla comunità, sviluppando uno strumento in grado di basarsi sui cambiamenti in tempo reale grazie a metodi di High Performance Computing (HPC). Verrà sviluppato un nuovo metodo per ricavare fattori di correzione del rumore da applicare ai dati di ingresso in tempo reale per ottenere i dati di rumore.
Il DT non visualizzerà solo i livelli di rumore, ma anche i reclami dei cittadini recuperati dai social network e da un'applicazione specifica che OUTFIT svilupperà per la fase sperimentale. I dati di feedback saranno forniti nel DT, dopo l'ottimizzazione del flusso, per guidare le politiche, offrendo cioè un'ulteriore prospettiva oltre ai livelli quantitativi.
OUTFIT offre l'ottimizzazione dei dati sul traffico e dei dati sociali nel DT che potrebbe adattarsi a vari modelli ambientali, ad esempio può essere utilizzato anche per i modelli di inquinamento atmosferico e per un metodo indipendente dal sito per le RTN che consenta mappe basate su dati crowd-sourced e fattori di correzione derivati.
Le attività
Raccolta dei dati crowd
Saranno utilizzati i dati disponibili online relativi alla rete stradale inclusi i tempi di percorrenza.
La mappa del rumore da traffico stradale
I livelli verranno stimati tramite script Python a scala temporale dinamica potenzialmente in tempo reale ogni 10 minuti.
Il digital twin
I risultati della mappa dinamica del rumore saranno visualizzati su un digital twin nell'area test di Brindisi.
Domande?
Contattaci all'indirizzo elena.ascari@cnr.it per ulteriori informazioni sul progetto