AN EARLY WARNING SYSTEM FOR RAILWAYS
AND HIGHWAYS TUNNELS USING ARTIFICIAL
NEURAL NETWORKS
_____________________________________
UN SISTEMA DI EARLY WARNING PER
GALLERIE AUTOSTRADALI E FERROVIARIE
PENSATO USANDO LE RETI NEURALI
ARTIFICIALI
Antonella Accettura*, Fabio Garzia**, Stefano Ricci*
*Sapienza University of Rome – DICEA Transports Area
**Sapienza University of Rome – Security Engineering, Wessex
Institute of Technology, Southampton, UK
Punto per punto
•
•
•
•
•
•
•
Early warning
Le gallerie ferroviarie e stradali
Qualche numero: normative di riferimento
Da dove è partito tutto
Le reti neurali artificiali
Il case study
Conclusioni
Early warning [1]
• Early Warning are the key to effective risk reduction [Bill Clinton]
• Early Warning (allerta precoce):allarmi che vengono diffusi
nell’intervallo di tempo che intercorre tra il momento in cui
vengono osservati fenomeni indicanti la generazione di un evento
potenzialmente pericoloso e il momento in cui l’evento colpisce
una determinata località. Le scale temporali caratteristiche
dell’early warning sono diverse per le diverse tipologie di evento:
a. da secondi a decine di secondi per i TERREMOTI;
b. da minuti a ore per gli TSUNAMI;
c. da ore a giorni for EVENTI METEOROLOGICI;
d. da ore a giorni per ALLUVIONI E FRANE;
e. da ore a settimane per le ERUZIONI VULCANICHE.
Early warning [2]
• Reti di sensori digitali (costi e densità spaziale);
• Sistemi di trasmissione dati (robustezza e ridondanza, capacità
di lavorare in condizioni estreme);
• Capacità di elaborare dati e fornire informazioni in tempo
reale (ASAP).
Le gallerie stradali..
• Infrastrutture molto importanti.
• Consistono in un tratto protetto dagli eventi atmosferici,
in grado di ridurre la lunghezza del tracciato, l’impatto ambientale,
soprattutto visivo, e limitare le pendenze.
• D’altra parte, però, emergono anche fattori negativi come il forte
condizionamento psicologico sull’utente della strada, la limitazione della
visibilità, la necessità di un’impiantistica sofisticata e di conseguenza costi
elevati di progettazione e realizzazione.
• Gallerie naturali: realizzate a sezione piena;
• Gallerie artificiali: realizzate a cielo aperto, utilizzate anche come
approccio alle gallerie naturali.
• Mono- e bi- direzionali a singola e doppia canna.
• Le sezioni più utilizzate sono quelle circolari o policentriche per le gallerie
propriamente dette, e rettangolari per quelle artificiali.
..e ferroviarie
• Evento Incidentale:
– Eventi Incompatibili
– Completezza della rappresentazione
• Gruppo completo di Eventi Incompatibili (EI)
ex DM 28.10.2005:
– Deragliamento
– Collisione
– Incendio
Normative in materia di gallerie
• Sicurezza della circolazione nelle gallerie stradali con particolare riferimento
ai veicoli che trasportano materiali pericolosi - Circolare del Min. LL.PP. 6
Dicembre 1999, n.7938
• Sicurezza nelle gallerie stradali - D.M. LL.PP. 5 Giugno 2001
• Sicurezza nelle gallerie ferroviarie - D.M. Inf. e Trasp. 28 Ottobre 2005
• Norme di illuminazione delle gallerie stradali - D.M. Infr. e Trasp. 14
Settembre 2005
• Attuazione della Direttiva 2004/54/CE in materia di sicurezza per le gallerie
della rete stradale transeuropea - D.L 5 Ottobre 2006, n.264
• Linee Guida per la progettazione della sicurezza nelle Gallerie Stradali ANAS Direzione Centrale Progettazione, Novembre 2006
Punto di partenza [1]
• Sistema integrato safety/security/communication pensato e
realizzato dal Dipartimento di Ingegneria dell’Informazione,
Elettronica e della Telecomunicazioni della Sapienza per il
Gran Sasso
• Trasporto merci pericolose (HazMat) al quale le gallerie non
sono estranee  Safety e Security, l’una non esclude l’altra
Punto di partenza [2]
1) Laboratorio Nazionale del Gran Sasso:
a) comunicazione radio e localizzazione del personale di sicurezza, di sicurezza e di emergenza;
b) comunicazione wireless, localizzazione e servizi avanzati di informazione del personale;
c) video sorveglianza (interni ed esterni);
d) controllo degli accessi;
e) anti-intrusione;
g) servizio di videosorveglianza;
h) sistema di gestione dei parcheggi interni:
i) interfaccia con il sistema di monitoraggio incidentale liquido perso, monitoraggio delle acque fonte di
qualità, sistema di ventilazione, sistema di raffreddamento, dispositivi sperimentali che operano nei
laboratori, installazioni di alimentazione elettrica, antincendio e sistemi di monitoraggio di gas
pericolosi, sistemi di monitoraggio ambientale;
2) Gallerie autostradali:
a) comunicazione radio e la localizzazione del personale di sicurezza, di sicurezza e di emergenza;
b) predisposizione per installazione del sistema di comunicazione cellulare;
c) videosorveglianza;
d) sensore antincendio fibra ottica;
e) interfaccia con impianti tecnici, sistema di gestione del traffico, sistemi di monitoraggio ambientale;
3) Esterno:
a) comunicazione radio e la localizzazione del personale di sicurezza, di sicurezza e di emergenza;
b) interfaccia con i vari sistemi ed impianti, sistemi di monitoraggio ambientale
Le reti neurali
• Intelligenza Artificiale
• Le reti neurali artificiali rappresentano la riproduzione utile delle reti
neurali umane, hanno iniziato ad essere utilizzate circa 40 anni fa per lo
più per le statistiche economiche e finanziarie, al giorno d'oggi le vediamo
impiegate nelle situazioni e contesti più disparati.
• Elettronica (controllo di processo, vision system, sintesi vocale,
modellazione lineare e non lineare, analisi del segnale), robotica (controllo
della traiettoria, controllore di movimento), ltelecomunicazioni (immagini
e dati compressione, riduzione del rumore), medico / bioingegneria,
trasporti (monitoraggio del flusso di trasporto), security (riconoscimento
del volto, riconoscimento vocale, biometria), difesa, aerospaziale,
bancario, manifatturiero e così via.
Case Study [1]: Le reti neurali
Input layer
•
•
•
Hidden layer
Output layer
Predictive Layer
Classifier Layer
Il primo strato accetta in ingresso i singoli valori dei parametri per funzionare come un
sistema di preallarme (predittore)
Il secondo strato accetta come input tutte le uscite del primo strato, qui si attiva un solo
neurone attiva per volta e fornisce un'uscita come una funzione dell’allarme che deve
essere generato (classificatore)
Il primo strato della rete neurale deve imparare il comportamento temporale di un certo
parametro, in modo che possa prevedere il suo valore futuro come conseguenza dei
precedenti, mentre il secondo strato classifica le situazioni critiche attivando solo i
neuroni corrispondenti a situazioni critiche.
Case study [2]
• L’idea: un sistema di protezione del tunnel composto da più parti in grado di
coprire tanto la security quanto la safety contemporaneamente:
• Illuminazione;
• TVCC (videosorveglianza);
• sistema di allarme neve;
• sistema di allarme antincendio;
• sistema di allarme intrusione;
• modi di sistema di controllo accessi;
• railroad switches heater (nelle ferrovie);
• Rilevatori di materiali pericolosi (multipoint detectors);
• Rilevatori di temperatura (multipoint detectors).
• Secondo lo studio condotto, il cervello ANN deve essere in grado di gestire i
parametri per controllare i dispositivi e rilevare le anomalie.
• Più parametri ci sono, più complesso è il codice.
Case study [3]
• Condizioni:
– Galleria tipo di 30km
– Elenco di tutti gli scenari possibili (circa 100)
– Infittimento dei sensori, uno dei trucchi risiede qui…ma
fino a un certo punto
Case study [4]
I parametri da monitorare e il
gioco è fatto?
Attenzione..
L’analisi del rischio
Conclusioni
• Il binomio temperatura/polveri funziona ma
fino a un certo punto
• I moderni (e già installati e funzionanti)
apparati di sicurezza nelle gallerie possono
migliorarsi grazie all’utilizzo delle reti neurali?
Il gioco vale la candela?