Utilizzo di dati ad alta risoluzione geometrica per l'analisi del dissesto stradale

Il monitoraggio e la manutenzione delle infrastrutture stradali rappresentano aspetti fondamentali per la sicurezza e l’efficienza della mobilità urbana. Questa tesi si concentra sull’analisi dei dissesti stradali a Torino, con particolare attenzione alla zona di Cit Turin, utilizzando tecnologie di Mobile Mapping System (MMS) e metodologie di riconoscimento automatico e semi-automatico dei danni. L'approccio prevede inizialmente una mappatura su QGIS basata su dati geospaziali acquisiti da rilievi LIDAR e immagini ad alta risoluzione, con l’obiettivo di individuare irregolarità del manto stradale. Successivamente, il software Lidar360MLS viene impiegato per un’analisi automatizzata dell’indice di condizione del manto stradale (PCI = Pavement Condition Index), consentendo di ottenere una classificazione qualitativa delle condizioni stradali. I dati, ulteriormente elaborati su QGIS, vengono poi classificati e validati tramite il confronto con le valutazioni dei tecnici del Comune di Torino, integrandoli anche in un geodatabase comunale per migliorare la pianificazione degli interventi di manutenzione. I risultati mostrano come l’integrazione di tecniche di telerilevamento con software GIS permetta di ottenere una visione dettagliata delle condizioni del manto stradale, riducendo i tempi e i costi delle ispezioni manuali. La ricerca evidenzia tuttavia alcune criticità, come la necessità di affinare il riconoscimento dei dissesti per evitare falsi positivi (es. tombini classificati come buche) e l’importanza di aggiornamenti periodici per un monitoraggio efficace. Infine, viene proposta una stima dei costi per il ripristino delle strade sulla base della classificazione ottenuta, delineando possibili miglioramenti futuri, tra cui una maggiore automazione del processo e la collaborazione con enti locali per l’ottimizzazione della gestione del suolo urbano.