BPNL City-ring
L'obiettivo
Le principali esigenze di SE BPNL erano ristabilire la fiducia nel sistema AID e aggiornarlo con un impatto minimo sul traffico. L’attuale sistema di Rilevamento Automatico degli Incidenti (AID) non era più sufficientemente performante o affidabile, rendendo urgente il ripristino della fiducia nella sua funzionalità ed efficacia. Allo stesso tempo, l’aggiornamento del sistema doveva essere eseguito con il minimo disturbo al flusso del traffico e con ridotte chiusure stradali, un compito particolarmente complesso considerando l’intenso volume di traffico di 1400 veicoli all’ora e la complessità dei 6,5 chilometri di gallerie.
SE BPNL era alla ricerca di:
Dettagli del progetto
Utente finale: SE BPNL – Société d’Exploitation du Boulevard Périphérique Nord de Lyon
Partner: Bouygues Energies & Services
Lyon, Francia
Marzo – Aprile 2020
La Soluzione
Per affrontare queste sfide, SE BPNL, assieme a HGM INGENIERIE,
ha adottato un approccio completo che ha previsto attività di benchmarking e una richiesta di impegno diretto ai produttori del sistema AID. Il processo di benchmarking ha permesso all’End User di valutare le migliori pratiche e tecnologie disponibili, garantendo la scelta di soluzioni in grado di soddisfare i più alti standard di prestazioni e affidabilità.
Un elemento chiave della strategia è stata la ridefinizione del rapporto con i produttori del sistema AID, passando da un modello tradizionale di subappalto a una partnership più integrata. Sprinx e Bouygues Energie & Service hanno unito le forze per rispondere alla richiesta di SE BPNL. Questa partnership strategica ha valorizzato l’esperienza di Sprinx nella tecnologia AID e la competenza di Bouygues Energie et Service nell’integrazione di sistemi. Insieme, sono riusciti a fornire soluzioni complete che soddisfano le esigenze attuali dell’End User e supportano i futuri requisiti di gestione del traffico di SE BPNL.
Prima fase
Utilizzando il secondo flusso dei vecchi video encoder collegati alle telecamere analogiche esistenti, è stato implementato il nuovo sistema AID di Sprinx basato su Deep Learning, traffix.ai, mantenendolo in parallelo a quello precedente. È stato così possibile distribuire rapidamente un sistema altrettanto efficiente e collaudato, che garantisse prestazioni pari o superiori rispetto al sistema in uso, sfruttando le vecchie telecamere già installate.
Seconda fase
Il vecchio sistema è stato dismesso a favore del nuovo sistema Sprinx, e le telecamere sono state sostituite con telecamere IP di nuova generazione senza alcuna sospensione del monitoraggio del traffico né dei servizi ai cittadini. Le prestazioni del sistema di Rilevamento Automatico degli Incidenti (AID) hanno soddisfatto le elevate aspettative di SE BPNL, grazie all’innovativa combinazione di tecnologie di 3D object tracking e deep learning della piattaforma di video analisi traffix.ai. Ciò ha consentito di implementare videoanalitiche capaci di mantenere lo stesso livello di performance anche in ambienti esterni.
La profonda integrazione con la piattaforma VMS Milestone XProtect ha migliorato significativamente l’efficienza della control room, riducendo drasticamente i tempi di reazione in caso di incidenti. Inoltre, il protocollo di comunicazione OPC UA ha facilitato un’integrazione fluida con la piattaforma ITS GTC, potenziando ulteriormente le capacità operative della sala di controllo.
La piattaforma dragon rappresenta un altro strumento fondamentale per il monitoraggio delle prestazioni del sistema AID. Questa piattaforma integra gli analizzatori con sistemi terzi come Milestone XProtect e la piattaforma ITS, fornendo un’interfaccia centralizzata per verificare, validare e scaricare gli eventi AID. Grazie al dragon, è stata implementata una configurazione fail-over per garantire la continuità del servizio anche in caso di guasti, rendendo l’architettura del sistema più robusta.
Inoltre, le capacità del nuovo sistema vanno ben oltre il semplice rilevamento degli incidenti. Il sistema intelligente di analisi del traffico di Sprinx consente la raccolta di dati statistici sul flusso veicolare. Questo approccio completo garantisce che il nuovo sistema non solo soddisfi le esigenze attuali, ma sia anche adattabile alle future evoluzioni delle tecnologie di gestione del traffico.
Il Risultato
Case studies simili