Quando piove, diluvia. E quando piove, come quest'anno, si formano delle buche. Mentre le buche minori sono un inconveniente, le buche maggiori possono distruggere le ruote delle auto e causare incidenti, come hanno scoperto decine di automobilisti la scorsa settimana sull'autostrada Hume.

Tre anni molto piovosi lungo la costa orientale dell'Australia significano che le buche stanno crescendo di numero. Nel Queensland sudorientale, migliaia di chilometri di strade piene di buche erano in attesa di riparazione mesi dopo le inondazioni nella regione. Nell'entroterra del New South Wales, da febbraio gli operatori stradali hanno riparato più di 135.000 buche.

Le buche potrebbero anche tenere conto delle elezioni vittoriane del prossimo mese. Il lavoro ha promesso riparazioni urgenti mentre i liberali hanno promesso 1 miliardo di dollari australiani all'anno in dieci anni per la manutenzione delle strade.

Non sono sicuro di cosa sia più pericoloso. Caccia alla tempesta o guida lungo la Sturt Hwy a est di Hay, NSW. Ci sono così tante "buche" che possono essere considerate mortali lungo questa strada. @TransportforNSW pic.twitter.com/lLWdhm9Hha

— Daniel Shaw (@DanielShawAU) 13 ottobre 2022

Le riparazioni delle buche tendono ad avvenire molto tempo dopo la prima comparsa del danno. Ciò è particolarmente vero nelle aree rurali dove i comuni devono mantenere vaste reti stradali con un budget molto limitato. Il crescente problema ha già costretto alcuni comuni a tagliare i programmi di opere capitali per puntellare le loro strade. Ecco dove la nostra nuova ricerca può aiutare.

Utilizzando droni o telecamere sulle auto, possiamo catturare lo stato delle strade di un'area per costruire un modello digitale. Possiamo quindi eseguire un programma di apprendimento automatico su di esso per prevedere con precisione quali buche potrebbero allargarsi in una fossa che distrugge le ruote.

Ciò potrebbe portare a strade più sicure e risparmiare ingenti somme di denaro ai contribuenti e agli automobilisti. L'analisi costi-benefici suggerisce che potrebbe ridurre i costi di monitoraggio di circa il 40%.

Perché le buche sono nelle notizie in questo momento?

Le buche fanno notizia perché improvvisamente sono ovunque. Durante il nostro terzo anno a La Nina, abbiamo avuto piogge e inondazioni senza precedenti in molte parti dell'Australia.

Una buca si forma tipicamente quando la pioggia cade sull'asfalto e scorre verso i punti più bassi della strada. I pneumatici del veicolo spingono l'acqua in profondità in piccole crepe e fessure. Nel tempo, questa pressione rompe piccoli pezzi di asfalto. Una piccola buca può diventare rapidamente più ampia e profonda man mano che più traffico la attraversa.

Le buche possono formarsi in altri modi, ad esempio quando l'acqua si infiltra alla base della strada e crea cavità sotto l'asfalto. Dopo che un numero sufficiente di auto è passato sul posto, l'asfalto si rompe.

Di solito, le autorità stradali vengono a conoscenza delle buche attraverso le denunce del pubblico o quando i lavoratori vanno in giro a cercarle. Anche le buche vengono trattate mediante ripavimentazione periodica.

Ma in questo momento, molti comuni hanno difficoltà a tenere il passo con tutte le buche che devono essere aggiustate.

Se passa abbastanza tempo, una piccola buca può diventare un problema gigantesco e costoso. Di conseguenza, in pratica, gran parte della riparazione delle buche è reattiva e un mal di testa per i consigli.

Perché un modello digitale delle nostre strade potrebbe essere d'aiuto?

La tecnologia del gemello digitale sta diventando sempre più popolare come un modo per monitorare qualsiasi cosa, dalle catene di approvvigionamento agli appartamenti ai magazzini. L'obiettivo è solitamente quello di risparmiare denaro.

Una volta creato un modello digitale dettagliato delle risorse del mondo reale, è possibile eseguire il modello in avanti nel tempo per vedere dove si trovano i punti di stress e dove è necessario intervenire tempestivamente. Una volta creato il modello, è necessario aggiornarlo una o due volte l'anno.

Supponiamo che tu abbia una rete di strade di campagna nell'entroterra del Queensland. Invii droni, che acquisiscono migliaia di immagini ad alta risoluzione delle strade. Quindi cuci insieme queste immagini per creare un modello 3D. Una volta che lo hai, puoi addestrare un programma di apprendimento automatico su queste immagini per individuare problemi rivelatori.

Come si realizza il modello? Nella mia ricerca, ho utilizzato due droni per creare un modello 3D di 250 metri di Turner Street a Port Melbourne, che è spesso danneggiato a causa dell'elevato numero di camion. Il metodo migliore per ottenere foto di qualità si è rivelato essere manuale, piuttosto che fare affidamento sui sistemi automatici del drone. Una volta che avevo abbastanza foto, le ho convertite in un gemello digitale e ho addestrato uno strumento di apprendimento automatico per segnalare buche che valeva la pena riparare.

Non tutte le buche sono uguali. Alcuni rimarranno della stessa dimensione per anni, mentre le buche insolitamente profonde o larghe peggioreranno rapidamente. Una volta che al programma viene insegnato cosa cercare, può trovare i peggiori trasgressori e segnalarli per una rapida riparazione

Un lavoratore stradale con 20 anni alle spalle di solito avrà la sensazione che le buche peggioreranno. La nostra ricerca cattura tale conoscenza e la trasforma in uno strumento ampiamente disponibile.

Quindi, quanto è stata accurata l'IA nell'imparare a segnalare le buche che potrebbero deteriorarsi? Circa l'85% di precisione, il che è accettabile.

Nella mia analisi costi-benefici, ho scoperto che questo metodo sarebbe di circa il 40% più economico del metodo tradizionale in cui una persona guida e un'altra prende appunti. Richiederebbe un investimento di tempo simile, ma il lavoro può essere svolto da una persona anziché da due. Quali sono gli svantaggi? È probabile che il più grande per i comuni memorizzi i grandi volumi di dati generati garantendo al contempo che siano sicuri e accessibili.

Quando le persone sentono frasi come droni, apprendimento automatico e gemelli digitali, possono archiviarle mentalmente sotto "interessante ma troppo lavoro". È un grande peccato. L'utilizzo di questi strumenti è ora molto più semplice di quanto non fosse in passato e le industrie, dalla scienza medica alla produzione di automobili, li stanno adottando.

Le inondazioni e le piogge torrenziali di quest'anno offrono ai comuni e ad altre autorità stradali un'eccellente opportunità per guardare a ciò che è ora possibile.