Un dataset leggero e ad alta risoluzione di traiettorie conflittuali in intersezioni urbane semaforizzate

Perché le intersezioni cittadine affollate sono importanti

Chiunque sia rimasto ad aspettare a un incrocio affollato sa quanto possa essere caotico: auto, autobus, bici e pedoni cercano di muoversi contemporaneamente. Questo studio pone una domanda semplice: come possiamo comprendere davvero cosa succede in quei momenti di quasi incidenti e frenate improvvise, in modo che ingegneri e future auto senza conducente possano rendere gli incroci più sicuri e scorrevoli per tutti?

Osservare il traffico dal cielo

Per rispondere, i ricercatori hanno costruito un nuovo dataset chiamato FLUID filmando tre intersezioni semaforizzate molto trafficate in una città cinese con un piccolo drone. Da più di cinque ore di video hanno tracciato oltre 20.000 utenti della strada, dalle auto e camion a ciclomotori e pedoni. Guardando dall’alto, a 100–120 metri, il drone poteva osservare ogni movimento su tutto l’incrocio, senza distrarre gli automobilisti con telecamere stradali visibili o veicoli di prova. Questa vista dall’alto ha permesso di seguire chi dava la precedenza, chi forzava il passaggio e quando diversi flussi si avvicinavano pericolosamente.

Interpretare migliaia di movimenti

Raccogliere video grezzi è solo il primo passo; trasformarli in traiettorie precise per ogni utente della strada è la vera sfida. Il team ha progettato una pipeline digitale leggera che rileva ogni persona o veicolo nei fotogrammi, collega queste rilevazioni in tracce continue e poi converte le posizioni sullo schermo in coordinate reali su una mappa. Hanno combinato diversi modelli specialistici di computer vision in modo che oggetti piccoli e difficili da individuare, come pedoni, ciclomotori e tricicli, venissero rilevati con affidabilità. Un metodo di tracciamento ha poi cucito queste rilevazioni in percorsi fluidi, mentre un’elaborazione aggiuntiva ha rimosso il tremolio della camera, colmato brevi lacune e filtrato errori evidenti come riquadri duplicati intorno allo stesso veicolo.

Dalle traiettorie ai conflitti e al rischio

Con traiettorie pulite a disposizione, i ricercatori hanno cercato gli eventi più importanti: conflitti in cui due veicoli o un veicolo e un utente vulnerabile si avvicinano nello spazio e nel tempo. Utilizzando misure temporali come il tempo residuo prima di una probabile collisione se nessuna delle due parti modifica la rotta, hanno segnalato migliaia di interazioni rischiose e le hanno raggruppate in schemi di tamponamento, tamponamento laterale, angolo e frontale. Le intersezioni di FLUID hanno mostrato una media di 2,8 conflitti tra veicoli al minuto, e circa il 15% di tutti i veicoli a motore è stato coinvolto in almeno un conflitto, molto più alto rispetto a molti dataset da drone esistenti. I dati contengono inoltre informazioni dettagliate sulle fasi semaforiche e sulle manovre di svolta, rendendo possibile collegare gli eventi a rischio a specifiche fasi verdi, gialle e rosse, e rilevare il passaggio con il rosso e altre violazioni.

Verificare l’accuratezza e condividere il quadro completo

Poiché gli studi di sicurezza si basano su posizioni e velocità precise, il team ha controllato attentamente l’accuratezza dei dati. Hanno confrontato i risultati di FLUID con quelli di uno strumento di analisi commerciale diffuso e con misurazioni satellitari ad alta precisione effettuate con un’auto di prova dotata di un ricevitore specialistico. Le posizioni di quell’auto di prova nei dati FLUID erano entro circa un metro dalla verità terreno, e il sistema raramente perdeva o identificava erroneamente gli oggetti. È interessante che gli autori abbiano osservato come l’analisi del video a un frame rate leggermente ridotto aiutasse a smussare il rumore nelle stime di velocità senza perdere comportamenti importanti. A differenza di molti progetti precedenti, pubblicano non solo le tracce elaborate ma anche i video anonimizzati, le mappe, i tempi dei semafori e una documentazione chiara di ogni passaggio di elaborazione.

Cosa significa per il traffico quotidiano

Per i non esperti, FLUID può essere visto come un time-lapse ultra-dettagliato della vita alle intersezioni affollate, in cui ogni percorso di auto e pedoni è tracciato e ogni quasi incidente registrato. Catturando conflitti densi e realistici e collegandoli a segnali, svolte e violazioni, il dataset offre a ingegneri del traffico, pianificatori urbani e sviluppatori di veicoli autonomi un potente ambiente di prova per testare idee. Può supportare studi su chi cede normalmente la precedenza, su come diversi piani semaforici influenzano la sicurezza, su come ciclisti e pedoni affrontano il rischio e su come dovrebbero comportarsi le auto computerizzate nel traffico misto. In breve, il lavoro fornisce una visione chiara, aperta e riccamente annotata di come funzionano le intersezioni reali, aiutando i sistemi futuri a ridurre pericoli e ritardi dove oggi iniziano molti incidenti.

Citazione: Chen, Y., Wu, Z., Zheng, G. et al. A Fine-Grained Lightweight Urban Signalized-Intersection Dataset of Dense Conflict Trajectories. Sci Data 13, 766 (2026). https://doi.org/10.1038/s41597-026-07110-9

Parole chiave: traiettorie di traffico, intersezioni urbane, dataset da drone, sicurezza stradale, guida autonoma