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 nellintervallo 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 levento colpisce una determinata località. Le scale temporali caratteristiche dellearly 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, limpatto ambientale, soprattutto visivo, e limitare le pendenze. Daltra parte, però, emergono anche fattori negativi come il forte condizionamento psicologico sullutente della strada, la limitazione della visibilità, la necessità di unimpiantistica 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 : – 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 dellInformazione, Elettronica e della Telecomunicazioni della Sapienza per il Gran Sasso Trasporto merci pericolose (HazMat) al quale le gallerie non sono estranee Safety e Security, luna non esclude laltra

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 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 dellallarme 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. Input layer Hidden layer Output layer Predictive LayerClassifier Layer

Case study [2] Lidea: 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.. Lanalisi 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 allutilizzo delle reti neurali? Il gioco vale la candela?