La tecnologia che utilizziamo per migliorare la mobilità nelle città è cambiata molto negli ultimi anni. Oggi disponiamo di sensori IoT (Internet of Things) che ci aiutano a gestire i parcheggi. Questi sensori utilizzano il rilevamento magnetico per misurare i cambiamenti nei campi magnetici che circondano i parcheggi e confermare se sono stati occupati da un veicolo.
Raccogliendo questi dati in tempo reale, questi dispositivi consentono agli automobilisti di trovare rapidamente spazi liberi e aiutano i gestori della mobilità a controllare i parcheggi nelle città in modo più efficiente. In questo modo si riduce il tempo che i veicoli trascorrono in giro per le strade alla ricerca di parcheggi, si migliora la mobilità urbana e si riducono le emissioni inquinanti.
Tuttavia, questi campi magnetici possono essere influenzati dall’ambiente, il che può portare a informazioni imprecise da parte dei sensori se non si prendono provvedimenti. I disturbi magnetici sono una sfida che ha mitizzato l’uso di dispositivi con sistemi di rilevamento multipli per ottenere risultati affidabili, anche se le dimostrazioni recenti non vanno in questa direzione.
Tipi di disturbi magnetici
I disturbi magnetici che colpiscono i sensori di rilevamento possono essere classificati in due categorie: costanti e variabili. Le grandi città o le aree in cui i trasporti pubblici sono abbondanti sono più soggette a questi disturbi e possono influenzare l’accuratezza dei sensori in diversi modi.
Disturbi costanti
I disturbi costanti provengono da fonti sempre presenti nell’ambiente, come ad esempio gli impianti elettrici che alimentano gli edifici e i sistemi di trasporto pubblico nelle città. Questi cavi ad alta tensione, trasformatori e altre apparecchiature elettriche generano campi magnetici che possono interferire con le letture dei sensori, causando errori sistematici nella raccolta dei dati.
Disturbi variabili
D’altra parte, i disturbi variabili sono più difficili da prevedere perché sono causati da cambiamenti temporanei del campo magnetico, ad esempio quando passano treni, metropolitane o tram, a seconda del loro sistema di alimentazione. I parcheggi dissuasivi, noti anche come Park & Ride, sono spesso ben collegati alla rete di trasporto pubblico della città, quindi sono anche aree soggette a interferenze.
Come mitigare i disturbi magnetici
Esistono diversi approcci sul mercato per affrontare questa situazione comune e migliorare l’affidabilità dei sensori IoT. Due delle strategie più diffuse sono il rilevamento multiplo e il rilevamento singolo con filtri avanzati.
Sensori di rilevamento multipli
Questi dispositivi di rilevamento integrano più tecnologie nel loro sistema, come il rilevamento magnetico, a infrarossi o radar. L’idea di fondo è che, combinandole, le debolezze di una tecnologia possano essere compensate dai punti di forza di un’altra, rendendo i risultati del sensore più affidabili. Tuttavia, nonostante i vantaggi che sembra offrire, è stato dimostrato che il rilevamento multiplo spesso non è conveniente nel lungo periodo. Combinando diverse tecnologie, i sensori possono fornire letture contraddittorie, confondendo l’interpretazione dei dati.
Inoltre, questo aspetto è particolarmente sensibile quando si calibrano i sensori, poiché un errore in un rilevamento può interferire con la calibrazione dell’altro, dando luogo a una calibrazione non ottimale che comprometterebbe l’affidabilità del rilevamento.
Sensori a rilevamento singolo con filtri avanzati
Un altro approccio, più gradito, è l’ottimizzazione di un singolo sistema di rilevamento attraverso filtri avanzati. Questi filtri sono progettati per ridurre al minimo l’impatto del rumore magnetico e dei disturbi che esso genera. A differenza dell’approccio precedente, questo metodo riduce il rischio di false letture e semplifica la manutenzione del sensore.
U-Spot: rilevamento dell’IoT in ogni singolo spazio
Calibrazione pre-rilevamento
Una volta installati i sensori, è importante eseguire un processo di calibrazione continua per adattarli al luogo in cui opereranno. Questo processo viene eseguito utilizzando algoritmi di intelligenza artificiale in grado di filtrare le interferenze magnetiche presenti per una calibrazione ottimale nel corso del tempo. Adattando costantemente il sensore alle condizioni circostanti, la sua precisione viene migliorata, permettendogli di ignorare i disturbi che possono influire sulle sue prestazioni.
Filtraggio del sensore
Una volta che il sensore è in funzione, è possibile applicare ulteriori filtri per eliminare le interferenze magnetiche, lasciando solo i valori corretti per l’applicazione degli algoritmi di rilevamento. Anche questi filtri sono configurabili in base alle esigenze di ciascun progetto e sensore.
Filtraggio sulla piattaforma
Oltre al filtraggio a livello di sensore, il filtraggio può essere eseguito a livello di piattaforma o di server tenendo conto delle informazioni provenienti da più sensori. Questo facilita il rilevamento delle anomalie utilizzando algoritmi basati sull’intelligenza artificiale.
Questa capacità è uno dei vantaggi dell’elaborazione in cloud rispetto a quella locale. Utilizzando piattaforme centralizzate, è possibile utilizzare algoritmi più avanzati, effettuare aggiornamenti rapidi e combinare dati provenienti da fonti diverse. Tutto ciò contribuisce a migliorare l’accuratezza del sistema. </p>
Una storia di successo: il rilevamento dei modelli a Vienna
In Austria, abbiamo avuto l’opportunità di realizzare un progetto di miglioramento dei parcheggi e della mobilità presso il centro commerciale Shopping City Süd di Vienna. Il nostro obiettivo era ridurre la congestione dei 3.000 posti auto all’aperto e migliorare l’esperienza dei clienti. Per farlo, abbiamo utilizzato dei sensori IoT installati a livello del suolo che trasmettono informazioni sulla disponibilità.
Una volta installati i dispositivi, prima dell’utilizzo, analizziamo l’ambiente per configurarli in base alle esigenze dello spazio. Teniamo sempre conto dei disturbi magnetici che possono influenzare l’accuratezza dei sensori e, in questo caso, rileviamo il passaggio di un treno nelle vicinanze in orari specifici utilizzando algoritmi di intelligenza artificiale. Una volta rilevati questi schemi, applichiamo filtri avanzati per regolare la sensibilità dei sensori IoT e rilevare con precisione l’occupazione dei posti auto.
Sebbene esistano numerosi approcci per risolvere i disturbi magnetici, l’alternativa che si è dimostrata più efficace negli ultimi anni è l’utilizzo di filtri intelligenti sui singoli sensori di rilevamento. Questo metodo facilita la calibrazione dei dispositivi ed evita letture errate che possono compromettere l’affidabilità del sistema e, di conseguenza, l’esperienza dei conducenti.
Noi di Urbiotica innoviamo costantemente per migliorare la tecnologia IoT dei nostri sensori, sviluppando filtri avanzati che ci permettono di adattare la precisione dei dispositivi a diversi ambienti ed esigenze. Offriamo soluzioni per tutti i tipi di infrastrutture urbane, con dati affidabili e in tempo reale.
