Road safety… in anticipo. Grazie alla soluzione Valerann che incrocia i dati da diverse fonti generando una visione perfetta della scena stradale
Redazione VISIONJ
Nella nostra epoca con l’evoluzione di IoT, sensori e veicoli connessi, le strade sono piene di dati che possono diventare fonti di informazioni affidabili e in tempo reale. Capaci, dunque, di migliorare la comprensione delle dinamiche della mobilità. La vera sfida, però, non è solo accumulare dati. Il punto chiave sta nel loro utilizzo. La semplice raccolta, combinazione e riproduzione dei dati non fanno sì che da essi venga ricavato il loro valore, ovvero non ne eliminano il rumore determinando un quadro distorto o incompleto. È necessario guardare ai dati in modo olistico, prendendo il meglio da ciascuna fonte e analizzando l’insieme.
Le fonti di dati stradali (telecamere PTZ, rilevatori veicoli, radar, CAV) presentano vantaggi e svantaggi. Le telecamere offrono riprese dal vivo ma non catturano ciò che è oltre l’inquadratura e dipendono dalle condizioni di visibilità. I rilevatori contano i veicoli, ma la loro distribuzione non è capillare. Sebbene la raccolta dati collaborativa costituisca un approccio innovativo, i dati sono spesso imprecisi. Leader globale in fatto di soluzioni avanzate di monitoraggio del traffico, Valerann offre una risposta risolutiva a queste criticità attraverso la tecnologia “Deep Data Fusion”.
Monitoraggio totale del traffico
La soluzione analisi dati Lanternn by Valerann è in grado di incrociare, in tempo reale, un ampio e diversificato volume di dati ricavati da molteplici fonti, per offrire una visione completa e accurata delle condizioni del traffico. Il risultato è una copertura di monitoraggio pari al 100% e una riduzione del rumore del 93%, con alert validati e classificati per priorità su un unico pannello di controllo. La soluzione prevede le potenziali zone a rischio, calcolando il rischio incidenti sulla base di dati storici, osservazioni, meteo.
Grazie a questa capacità predittiva, gli operatori possono adottare misure mirate, prevenendo gli incidenti e garantendo strade più agevoli e sicure. La soluzione è già stata apprezzata in Europa, USA e America Latina. Le implementazioni confermano che oltre il 95% degli incidenti viene rilevato in meno di 5 minuti e che, in media, il tempo di rilevamento degli eventi si riduce del 25%, con localizzazione quasi perfetta del sinistro. Aspetti determinanti in situazioni critiche, in cui dove ogni secondo è prezioso e gli operatori riescono davvero a salvare vite umane. Anche grazie al contributo della tecnologia come quella sviluppata da Valerann.
| ENGLISH EDITION
Deep Data Fusion
In our current era, with the rapid evolution of the Internet of Things (IoT), sensors, and connected vehicles, our roads are packed with potential data sources. This data, when smartly processed, can act as a real-time, reliable source of truth when it comes to understanding road traffic situations. The valuable information we receive from these can significantly improve our understanding of the dynamics of road traffic.
However, the real challenge isn’t just in accumulating this data. The core is in its use. Simply collecting, combining, and playing back data doesn’t extract the true value. This approach doesn’t eliminate data noise, leading to a biased or incomplete picture of the traffic situation. It is necessary to look at the data holistically, taking best from each data source and analysing the whole to get a complete picture.
Road data sources (PTZ cameras, loops, radars, CAV) come with their advantages and shortcomings. Cameras, for example, offer live footage, yet they can’t capture what’s beyond their frame and are dependent on lighting conditions. Road loops are useful for counting passing vehicles. However, their distribution doesn’t span every mile of road networks. Crowdsourcing data is often noisy, lacking precision in the exact nature and location of reported incidents. Such disadvantages exist for every data source. Global leader in advanced traffic monitoring solutions, Valerann is resolving these challenges with deep data fusion.
A comprehensive view of traffic situations
The advanced data analytics solution, Lanternn by ValerannTM, cross-references an extensive volume of different sources and types of data in real-time to present a comprehensive, accurate view of traffic situations. The outcome is 100% monitoring coverage and a 93% data noise reduction, with assessed and ranked alerts on a single pane of glass. It also predicts potential risk zones, calculating accident risk taking into account historical data, live observations, and adverse weather conditions such as dew, frost and sun glare. With this foresight, road traffic operators can take proactive measures, pre-empting incidents and ensuring smoother, safer roads.
The solution is already trusted by many road traffic authorities in Europe, the US and Latin America. Deployments confirm that over 95% of all incidents are detected in under 5 minutes and on average event detection time is reduced by 25%, with near-perfect detection of the incident location. Critical in golden-hour situations, where every second counts, the solution helps operators to save lives.
As our roads get smarter, so should our approach to managing and understanding them. With deep data fusion, like the kind implemented by Valerann, we move closer to a future where our roads are not only efficient but also predictably safe.
