CSP FEA S.C.
Data Pubblicazione:

ARTISTE 2025, l’AI a servizio dell’ingegneria civile: il monitoraggio strutturale di ponti mediante i dati geospaziali

L’uso combinato di dati geospaziali satellitari e tecniche di intelligenza artificiale apre nuove prospettive per la sicurezza delle infrastrutture. Alla Conferenza ARTISTE 2025, il ricercatore Said Quqa (Università di Bologna) ha presentato una metodologia innovativa per il monitoraggio dei ponti reticolari, basata su dati InSAR e machine learning non supervisionato.

Paolo Segala

Monitoraggio strutturale dei ponti con AI e dati InSAR: la ricerca presentata ad ARTISTE 2025

Alla Conferenza ARTISTE 2025 il progetto presentato da Said Quqa, Università di Bologna, riguarda l’individuazione di anomalie nei ponti a struttura reticolare usando dati di spostamenti derivati da InSAR (con precisione millimetrica) raccolti da 7 ponti simili nella stessa regione tramite il European Ground Motion Service Copernicus.

L’obiettivo è definire un parametro o set di features indipendente dal numero variabile di input per ciascun ponte, creando così uno spazio n-dimensionale di feature che evolve nel tempo per ogni struttura.

 

7 ponti simili nella stessa regione tramite il European Ground Motion Service Copernicus
Individuazione di anomalie nei ponti a struttura reticolare usando dati di spostamenti derivati da InSAR (con precisione millimetrica) raccolti da 7 ponti simili nella stessa regione tramite il European Ground Motion Service Copernicus. (Paolo Segala)

 

Le anomalie sono quindi identificate come deviazioni di un singolo ponte rispetto alla traiettoria comune che gli altri ponti seguono nello spazio delle features. Per questo:

  • Si adottano modelli FEM o modelli analitici physics-informed, calibrati con i dati reali, per simulare anomalie tipiche (danni come scour, drift, ecc.).
  • Si generano modelli sintetici per ogni ponte, inserendo anomalie artificiali.

 

"Simplified models", ARTISTE2025. (Paolo Segala)

 

Le Self-Organizing Maps (SOM) sono allenate con questi dati sintetici etichettati per classificare i tipi di anomalie.

 

Anomalie rilevate dopo i test dei dati reali con le SOM
Verifica di corrispondenza di anomalie rilevate. (Paolo Segala)

 

  • Successivamente, i dati reali vengono testati con le SOM per verificare la corrispondenza delle anomalie rilevate.

In sintesi, la metodologia combina dati InSAR, modellazione numerica/analitica e tecniche di machine learning non supervisionato (SOM) per la detection e classificazione delle anomalie strutturali coerenti tra ponti simili.

Tra il 15 e il 17 settembre, ARTISTE ha presentato numerose innovazioni in questo ambito di frontiera, che vengono raccontate nei prossimi articoli dedicati.


-L’Intelligenza Artificiale nel settore strutturale: innovazione, sfide e opportunità nel 2025

- Augmented Intelligence e ingegneria civile: il futuro smart al Congresso ARTISTE di Torino

- Osservazioni critiche all’Intelligenza Artificiale nell’ingegneria strutturale al Congresso ARTISTE 2025

- Sfide e prospettive dell’Intelligenza Artificiale nell’ingegneria strutturale: il contributo di Prof. Hoijat Adeli (ARTISTE 2025)

 

Fonti

  • Quqa, S., Palermo, A., Ubertini, F. and Marzani, A., 2025.
  • Regional-scale bridge condition monitoring using InSAR displacements and environmental data.
  • Structural Health Monitoring, 24(4): 2271-2291.
  • Quqa, S., Lasri, O., Delo, G., Giordano, P.F., Surace, C., Marzani, A. and Limongelli, M.P., 2025.
  • Regional-scale bridge health monitoring: survey of current methods and roadmap for future opportunities under changing climate.
  • Structural Health Monitoring, 24(4): 2309:2337.

Leggi anche

Augmented Intelligence e ingegneria civile: il futuro smart al Congresso ARTISTE di Torino L’Intelligenza Artificiale nel settore strutturale: innovazione, sfide e opportunità nel 2025 L’AI alla Biennale di Architettura di Carlo Ratti NECTO: la tensostruttura in maglia presentata alla Biennale 2025 rivoluziona la fabbricazione del calcestruzzo