Dalla strada al digital twin: come ANAS usa dati e intelligenza artificiale per rendere più sicure le infrastrutture

La gestione di una rete stradale estesa e complessa come quella di ANAS richiede oggi un cambio di paradigma. Alla tradizionale attività di progettazione, esercizio e manutenzione si affianca una trasformazione digitale che coinvolge modelli informativi, sensori, piattaforme di monitoraggio e algoritmi di intelligenza artificiale. L’obiettivo è migliorare i livelli di sicurezza, aumentare l’efficienza nella gestione del patrimonio e rendere più mirata la pianificazione degli interventi. In questo scenario, la tecnologia non sostituisce il ruolo dell’ingegnere, ma lo supporta, fornendo strumenti di analisi avanzati e una visione dinamica dello stato di salute delle infrastrutture. La transizione verso un approccio data-driven rappresenta quindi una leva strategica per la resilienza della rete stradale nazionale.

Alla soglia dei cento anni di attività, ANAS si confronta con una delle sfide infrastrutturali più complesse d’Europa: la gestione integrata di una rete estesa per decine di migliaia di chilometri, con quasi 19.000 ponti e viadotti e oltre 2.200 gallerie. Una dimensione che rende evidente come il tema della sicurezza non possa essere disgiunto da quello dell’efficienza operativa e della capacità di programmare in modo razionale le risorse disponibili. La rete stradale, per ANAS, non è solo un patrimonio da preservare, ma un sistema vivo che deve garantire continuità di servizio, qualità dell’esperienza di viaggio e livelli di sicurezza coerenti con l’evoluzione della domanda di traffico e delle aspettative degli utenti.

Di questo ha parlato Maurizio Biccellari in occasione della prima conferenza internazionale su "Artificial Intelligence in structural Engineering", svoltasi a Torino, nell'ambito di ARTISTE 2025.

In questo contesto si colloca la visione olistica adottata dall’azienda lungo l’intero ciclo di vita delle infrastrutture, dalla programmazione alla progettazione, dalla realizzazione all’esercizio e alla manutenzione. Il passaggio dalla rappresentazione statica dell’opera a una rappresentazione dinamica, resa possibile dai modelli di digital twin, consente di leggere il comportamento delle infrastrutture nel tempo, trasformando i dati in indicatori di prestazione utili al supporto delle decisioni. L’obiettivo non è sostituire il giudizio dell’ingegnere, ma potenziarlo attraverso strumenti capaci di restituire una fotografia più completa e aggiornata dello stato di salute delle opere.

Dati, intelligenza artificiale e smart road: l’infrastruttura come sistema intelligente

La digitalizzazione della rete stradale non è solo una questione di modelli informativi, ma implica l’infrastrutturazione fisica del territorio con sensori, dispositivi IoT e sistemi di comunicazione. L’esperienza delle smart road, che trova una concreta applicazione anche sulla Strada Statale 51 in vista dei prossimi appuntamenti internazionali legati ai Mondiali di Cortina, rappresenta un esempio di come la tecnologia possa trasformare la strada in una piattaforma di servizi. La raccolta sistematica dei dati di campo, una volta elaborata attraverso algoritmi di intelligenza artificiale, consente di abilitare servizi evoluti per l’utenza e di preparare il terreno per l’integrazione con i protocolli C-ITS, aprendo prospettive verso forme sempre più avanzate di guida assistita e autonoma.

La dimensione data-driven assume un ruolo centrale anche nelle attività di ispezione e monitoraggio. Le ispezioni dei ponti, oggi supportate da applicazioni digitali e da rilievi laser scanner in grado di generare ortofoto e nuvole di punti, permettono di individuare e classificare i difetti in modo sistematico e tracciabile nel tempo. La vera innovazione non risiede soltanto nella capacità di riconoscere automaticamente le anomalie, ma nel ricondurle all’interno dei reticoli di riferimento previsti dalle linee guida, rendendo confrontabili le ispezioni successive e consentendo di distinguere tra difetti nuovi ed evoluzione di difetti preesistenti. Anche in questo caso la tecnologia agisce come supporto all’ingegnere, che mantiene il ruolo centrale nella valutazione finale e nelle scelte operative.

Un percorso analogo è in corso per il censimento e la classificazione delle barriere di sicurezza lungo l’intera rete ANAS, un patrimonio di decine di migliaia di chilometri. L’impiego della computer vision consente di automatizzare il riconoscimento delle tipologie di barriere, mentre l’integrazione con le nuvole di punti apre la strada a una caratterizzazione sempre più accurata della difettologia. Queste applicazioni mostrano come l’intelligenza artificiale, se correttamente integrata nei processi, possa contribuire a migliorare la qualità dei dati e la tempestività delle informazioni, elementi chiave per una gestione efficiente di un patrimonio infrastrutturale di tale portata.

L’intelligenza artificiale nell’ingegneria strutturale: il successo della conferenza ARTISTE 2025 e della Summer School
L’Intelligenza Artificiale (IA) sta ridefinendo il futuro dell’ingegneria strutturale. La conferenza internazionale ARTISTE 2025 – Artificial Intelligence for Structural Engineering, tenutasi al Politecnico di Torino dal 14 al 16 settembre, ha riunito oltre 250 esperti da tutto il mondo, delineando lo stato dell’arte e le prospettive di ricerca e applicazione dell’IA nelle costruzioni. A seguire, la Summer School ARTISTE 2025 ha formato le nuove generazioni di ricercatori sul tema.
LEGGI L'APPROFONDIMENTO

SHM e manutenzione predittiva: dal monitoraggio alla decisione

Il programma SHM (Structural Health Monitoring) avviato da ANAS rappresenta il cuore della strategia di monitoraggio dinamico delle opere d’arte. L’installazione di sistemi per la rilevazione della risposta dinamica delle strutture, integrata quando necessario da sensori per la misura di grandezze statiche come deformazioni e inclinazioni, consente di osservare il comportamento reale delle infrastrutture durante l’esercizio. L’architettura dei sistemi è pensata in modo modulare, scalabile e interoperabile, così da adattarsi alle diverse tipologie di opere e ai differenti contesti territoriali, permettendo una gestione distribuita delle attività di monitoraggio e controllo.

La piattaforma SHM integra fonti di dati eterogenee e consente la rappresentazione delle informazioni su base cartografica, con visualizzazioni bidimensionali e tridimensionali delle opere. La possibilità di configurare i sensori, gestirne il funzionamento e analizzare i dati in tempo reale rafforza il passaggio da un approccio reattivo a uno predittivo, in cui le informazioni raccolte alimentano modelli di manutenzione mirata. Il cuore tecnologico del sistema è l’algoritmo proprietario P3P, basato su principi di intelligenza artificiale e machine learning, che implementa l’analisi modale operativa e l’anomaly detection. Attraverso l’elaborazione dei dati raccolti dai dispositivi IoT e archiviati nella Big Data Platform, l’algoritmo consente di seguire nel tempo l’evoluzione dei parametri dinamici delle strutture, individuando eventuali scostamenti significativi dal comportamento atteso e generando allarmi a supporto delle decisioni.

Un elemento qualificante di questo approccio è l’uso dell’edge computing, che permette di elaborare parte delle informazioni direttamente in prossimità delle opere monitorate, riducendo la latenza e aumentando l’affidabilità del sistema. Il patrimonio oggi monitorato, con centinaia di opere già integrate nella piattaforma, rappresenta un primo passo verso una gestione sempre più estesa e sistematica dell’intera rete. In questa prospettiva, i dati non sono solo uno strumento per aumentare i livelli di sicurezza, ma diventano una risorsa strategica per orientare le scelte di investimento e pianificare gli interventi di manutenzione in modo selettivo ed efficiente.

SCOPRI DI PIU' SU ARTISTE

Compliance normativa e responsabilità nell’uso dell’intelligenza artificiale

L’introduzione di algoritmi di intelligenza artificiale nei processi decisionali legati alla sicurezza delle infrastrutture impone una riflessione profonda sul tema della compliance normativa e della responsabilità. Il quadro regolatorio europeo, con riferimenti al Data Act e all’AI Act, definisce un perimetro entro il quale le soluzioni tecnologiche devono essere certificate, trasparenti e affidabili. In questo scenario, ANAS sottolinea la necessità di un percorso di validazione degli algoritmi che ne garantisca la robustezza e la coerenza con le responsabilità attribuite ai diversi attori coinvolti. L’obiettivo non è solo rispettare gli obblighi normativi, ma costruire fiducia attorno a strumenti che incidono direttamente su decisioni con impatti rilevanti in termini di sicurezza pubblica.

Una transizione tecnologica al servizio della sicurezza della rete

La traiettoria intrapresa da ANAS mostra come la trasformazione digitale delle infrastrutture non sia un esercizio tecnologico fine a sé stesso, ma un percorso orientato a rafforzare la capacità di governo di un patrimonio complesso. L’integrazione tra digital twin, smart road, ispezioni digitali e monitoraggio strutturale crea le premesse per una gestione più consapevole, in cui la manutenzione predittiva diventa uno strumento concreto per ottimizzare le risorse e aumentare i livelli di sicurezza. In questa prospettiva, l’intelligenza artificiale non sostituisce la competenza tecnica, ma ne amplifica l’efficacia, contribuendo a costruire un modello di gestione infrastrutturale più resiliente e adeguato alle sfide dei prossimi decenni.

DI SEGUITO LA REGISTRAZIONE INTEGRALE DELL'INTERVENTO DI MAURIZIO BICCELLARI.

IN SINTESI
-Gestione olistica del ciclo di vita delle infrastrutture tramite digital twin e modelli dinamici.
-Utilizzo di intelligenza artificiale e computer vision per ispezioni digitali di ponti e barriere di sicurezza.
-Implementazione del programma SHM per il monitoraggio strutturale continuo e l’analisi modale operativa.
-Sviluppo della manutenzione predittiva per ottimizzare risorse e priorità di intervento.
-Attenzione alla compliance normativa e alla certificazione degli algoritmi per garantire affidabilità e responsabilità.