AVIO (Airport Virtual Infrastructure Operation) [For English version]

Il progetto mira a sviluppare un "digital twin" di un aeroporto che utilizzi moduli di visione artificiale per raccogliere dati in tempo reale su aeromobili, veicoli e operatori durante le operazioni di terra. Questi dati saranno integrati e visualizzati in varie modalità per migliorare la consapevolezza situazionale e supportare operazioni efficienti, soprattutto in caso di eventi meteorologici estremi. Il sistema comprende moduli per l'elaborazione video, la raccolta e integrazione dati e la visualizzazione tramite mappe e realtà aumentata, oltre a un simulatore per addestrare gli operatori in un ambiente virtuale. L'obiettivo è migliorare la resilienza dell'aeroporto e il processo decisionale.

Computer Vision per il rilevamento e il monitoraggio di eventi

Le operazioni di gestione aeroportuale sono basate su protocolli complessi in cui tutte le azioni sono disciplinate. Il rilevamento e il monitoraggio automatico degli eventi miglioreranno la sicurezza negli aeroporti, aumentando al contempo l'efficienza.

Eye tracking per l'ottimizzazione HMI

La gestione delle operazioni aeroportuali richiede un'attenzione continua a sofisticate interfacce digitali. L'analisi del lavoro collaborativo mediante eye tracking, con l'ausilio dell'IA, può aiutare a rilevare aspetti critici e ad ottimizzare funzioni, schermi e posizionamento.

Deep Reinforcement Learning per l'allocazione di stand e servizi

La ripartizione degli stand e dei servizi aeroportuali richiede un'efficace programmazione, da aggiornare continuamente per soddisfare richieste ed eventi imprevisti. Il Deep Reinforcement Learning può generare politiche adattative che sono ottimizzate su un orizzonte temporale quotidiano.

Le attività principali riguardano: (1) lo sviluppo di metodi per la state detection di veicoli e aeromobili tramite Deep Convolutional Neural Network, (2) l’implementazione di soluzioni per la modellazione e interrogazione dei dati tramite Knowledge Graph, (3) l’utilizzo di distributed and edge computing da sensoristica avanzata per il rilevamento e il monitoraggio degli “stati”, (4) il supporto allo sviluppo dei sistemi di Human-Machine Interface e (5) l’applicazione di tecniche di Deep Reinforcement Learning per il miglioramento continuo delle procedure di safety aeroportuale.

L’Università di Pavia è leader dell’Obiettivo 5, finalizzato alla realizzazione delle attività di ricerca scientifica e tecnologica per sostenere gli aspetti più innovativi del progetto complessivo. In sostanza, l’Università di Pavia si pone come un centro di raccolta delle principali esigenze dei partner tecnologici e di servizio, e quindi come supporto scientifico e metodologico alle attività degli stessi. In particolare, il Computer Vision and Multimedia Lab è coinvolto direttamente nelle attività 1, 4 e 5.

Web-site del progetto: AVIO - Training & Simulation