Dottorato in INFRASTRUTTURE E TRASPORTI

Titolo della tesi: Traffic conflict approach for road safety analysis : New insights and development of conflict-based safety estimation models for mixed traffic intersection in LMICs, leveraging artificial intelligence-based video analytics

Gli incidenti e le vittime della strada rappresentano una delle principali sfide globali, con un impatto particolarmente elevato nei Paesi a basso e medio reddito (LMIC), dove si concentra la maggior parte dei sinistri nonostante la disponibilità limitata di dati e la debole capacità istituzionale di gestione della sicurezza stradale. In questi contesti, l’affidamento esclusivo a metodi basati sui dati di incidentalità limita un approccio proattivo alla sicurezza, poiché i dati sugli incidenti sono rari, spesso sottostimati e disponibili solo con ritardo. L’analisi della sicurezza basata sui conflitti di traffico offre un’alternativa proattiva ed efficiente dal punto di vista dei dati, utilizzando i quasi incidenti (near-miss) come surrogati del rischio di collisione. Tuttavia, la sua applicazione nei Paesi LMIC rimane limitata a causa di sfide metodologiche, mancanza di validazione in condizioni di traffico eterogeneo e non canalizzato, e assenza di modelli e soglie specifici per contesti caratterizzati da una forte presenza di utenti vulnerabili (VRU). Questa tesi affronta tali lacune attraverso due obiettivi principali: (1) identificare, sintetizzare e migliorare la conoscenza teorica, metodologica e applicativa dell’analisi della sicurezza basata sui conflitti, con particolare riferimento ai Paesi LMIC; (2) sviluppare, calibrare e validare modelli di stima della sicurezza basati sui conflitti per intersezioni a traffico misto in Africa, capaci di prevedere la frequenza oraria dei conflitti e la frequenza annuale degli incidenti per gravità. Per raggiungere questi obiettivi, è stato adottato un approccio multimodale che combina revisioni sistematiche della letteratura, raccolta empirica dei dati e modellazione statistica avanzata. Il primo obiettivo è stato perseguito tramite revisioni esplorative, di scoping e sistematiche di oltre 300 studi, riguardanti i fondamenti concettuali dei conflitti di traffico, le tecniche di raccolta dati, i metodi di elaborazione video, gli indicatori di sicurezza surrogata (SSI), i metodi di definizione delle soglie, le strategie di modellazione e le tecniche di validazione. Il secondo obiettivo ha previsto la raccolta di dati da 22 intersezioni in Camerun e in Italia, selezionate in base alla diversità geometrica, alla composizione del traffico e alla storia di incidentalità. Mediante l’uso di tecniche avanzate di analisi video basate sull’intelligenza artificiale (AI), nello specifico YOLO (CNN) per il rilevamento, ByteTrack per il tracciamento, e Tsai per il calibazione, sono state estratte le traiettorie degli utenti della strada e trasformate mediante calibrazione e omografia per calcolare indicatori come il Time-to-Collision (TTC), il Post-Encroachment Time (PET) e il Delta-V. I risultati hanno confermato la validità di TTC e PET come indicatori affidabili per intersezioni a traffico misto, individuando una soglia critica di TTC pari a 2.0 s per distinguere gli eventi di sicurezza critica. I modelli di regressione binomiale negativa (NB) hanno mostrato che l’esposizione al traffico e l’eterogeneità modale sono i principali determinanti della frequenza dei conflitti, mentre gli attributi geometrici esercitano effetti secondari e sito-specifici. È stato inoltre sviluppato un nuovo indice di eterogeneità (H), che ha mostrato relazioni non lineari con la frequenza dei conflitti, variabili a seconda del tipo di interazione. Per la stima degli incidenti, sono stati applicati modelli basati sulla Teoria dei Valori Estremi (EVT), sia Block Maxima (BM) che Peak Over Threshold (POT), a indicatori di prossimità (TTC) e di gravità (ΔV), includendo covariate non stazionarie come la velocità e l’eterogeneità. Il modello bivariato POT-GPD ha ottenuto le migliori prestazioni, riproducendo accuratamente le frequenze e le gravità degli incidenti osservati, validando così la capacità predittiva dei modelli basati sui conflitti nel contesto LMIC. Questa ricerca apporta contributi fondamentali: propone un quadro metodologico validato per l’uso dell’analisi basata sui conflitti nei Paesi LMIC; definisce soglie contestuali per gli SSI; sviluppa i primi modelli di previsione di incidenti basati sui conflitti per il contesto africano, includendo la non stazionarietà; e dimostra il valore dell’analisi video basata su AI per la valutazione proattiva della sicurezza. Oltre alle applicazioni in ambito stradale, i modelli sviluppati possono supportare la valutazione delle infrastrutture, la definizione delle priorità politiche e la stima socio-economica dei benefici derivanti dagli interventi di sicurezza. In conclusione, la tesi avanza le basi scientifiche e la fattibilità pratica dell’analisi della sicurezza basata sui conflitti, fornendo un quadro metodologico solido per rafforzare la gestione proattiva della sicurezza stradale e il processo decisionale nei Paesi LMIC. Parole chiave: conflitti di traffico, indicatori di sicurezza surrogata, traffico misto, intersezioni, analisi video, teoria dei valori estremi, previsione degli incidenti, eterogeneità, utenti vulnerabili, Paesi a basso e medio reddito.