EGG
L'Ispirazione
Il mercato della gestione del traffico intelligente ha un valore stimato di 14 miliardi di dollari ed è in crescita del 13% annuo. Tuttavia, le attuali soluzioni hardware di rilevamento video costano dai 15.000 ai 25.000 dollari per ogni singolo incrocio. A causa di questi costi proibitivi, città come Torino monitorano solo una minima parte dei corridoi urbani, lasciando oltre il 90% degli incroci urbani completamente "ciechi" e privi di controlli. La nostra ispirazione è stata quella di non costruire un sensore da 20.000 euro per una singola strada, ma di fornire una rete accessibile in grado di rendere intelligente un'intera città.
Cosa fa
EGG è una rete mesh localizzata di telecamere intelligenti che comunicano tra loro per tracciare oggetti in movimento e gestire dinamicamente il traffico in tempo reale. Il sistema esegue i modelli di intelligenza artificiale direttamente sul dispositivo (edge-AI), senza necessità di connessione internet costante, e offre 5 funzionalità integrate:
Sicurezza Pedonale Attiva: Rilevamento automatico dei pedoni che attiva strisce LED dinamiche sugli attraversamenti, specialmente di notte.
Ottimizzazione del Trasporto Pubblico: Conteggio multimodale in tempo reale (auto, pedoni, biciclette) inviato al sistema di trasporto locale (es. GTT) per regolare dinamicamente la frequenza di autobus e tram.
Tracciamento Velocità e Rischio: Tracciamento anonimo della velocità per generare un punteggio di rischio per ogni incrocio, aiutando la pianificazione urbana.
Triage degli Incidenti: Rilevamento di collisioni o quasi-incidenti, che genera un buffer video di 5 secondi inviato ai supervisori e può allertare polizia e ambulanze.
Semaforo intelligente: Capisce il flusso e adatta i timer dei semafori in tempo reale.
I dati vengono raccolti in una dashboard web e visualizzati su una mappa virtuale basata su API di Google Maps.
Come lo abbiamo costruito
Abbiamo basato il nodo hardware su Arduino Uno Q accoppiato a una fotocamera Sony IMX219 da 8 MP. Il cuore del progetto si fonda su un'architettura dual-core:
Microprocessore (MPU): Esegue Debian 13 (Linux) e ospita script Python all'interno di un container Docker. Questa parte gestisce la visione artificiale (tramite modelli come YOLOX-nano o Edge Impulse), i log del database SQLite e le chiamate API di rete.
Microcontrollore (MCU): Esegue nativamente Zephyr RTOS programmato in C++ (Arduino Sketch) per compiti hard real-time, come il sequenziamento dei semafori e la lettura dei sensori ambientali Modulino (Movement IMU e temperatura) via bus I2C.
Le due unità comunicano grazie alla libreria Arduino Router Bridge (RPC), garantendo latenze minime (2.5 ms per notifiche asincrone, 6-7 ms per chiamate di sicurezza).
A livello di rete, i nodi comunicano localmente via Wi-Fi HaLow o ESP-MESH per scambiarsi allerte leggere, mentre un nodo Gateway (ogni 5 o 10 dispositivi) utilizza un modulo 4G/5G per mandare i dati aggregati in cloud.
Il Modello di Business e le Sfide
Siamo riusciti ad abbattere drasticamente i costi: il costo di produzione stimato è di soli 100€ per nodo. Vendendolo a 150€, il costo totale per incrocio (usando due unità) è di 300€, risultando circa 20 volte più economico rispetto ai sistemi tradizionali. La strategia mira a superare la semplice vendita dell'hardware per abbracciare l'"Adaptive Infrastructure-as-a-Service" (AIaaS). Poiché i dati elaborati sull'edge estraggono solo flussi analitici anonimizzati seguendo il principio di Privacy by Design (pienamente conforme al GDPR), questi dati di mobilità possono essere monetizzati tramite abbonamenti venduti a inserzionisti outdoor e commercianti locali.
Log in or sign up for Devpost to join the conversation.