I sistemi informativi meteorologici stradali Road Weather Information Systems (RWIS) sono finalizzati a stimare in tempo reale variabili potenzialmente in grado di elevare il livello di rischio della circolazione stradale, elaborando dati che sono messi a disposizione del Dipartimento della protezione civile.
Un sistema di informazione meteorologica stradale (RWIS) comprende stazioni meteorologiche automatiche (AWS), spesso tecnicamente indicate come stazioni di sensori ambientali Environmental Sensor Stations (ESS) poiché coprono anche variabili non meteorologiche sul campo, un sistema di comunicazione per il trasferimento dei dati e sistemi centrali per raccogliere i dati sul campo da numerose ESS. Queste stazioni misurano in tempo reale i parametri atmosferici, le condizioni della pavimentazione, le condizioni del livello dell’acqua, la visibilità e talvolta altre variabili.
L’hardware e il software del RWIS centrale sono utilizzati per elaborare le osservazioni provenienti dalle SSE per sviluppare previsioni o nowcast e per visualizzare o diffondere le informazioni meteorologiche sulle strade in un formato che possa essere facilmente interpretato.
I dati RWIS sono utilizzati dagli operatori e dai manutentori delle strade per supportare il processo decisionale. I dati RWIS in tempo reale sono utilizzati anche dai sistemi di allarme automatico Automated Warning Systems (AWS).
La risoluzione spaziale e temporale di una rete di stazioni può essere quella di una mesonet[1] o talvolta di una rete costituente una rete di stazioni che comprende una mesonet. I dati sono spesso considerati di proprietà, anche se in genere vengono inseriti nei principali modelli numerici di previsione meteorologica.
Le variabili da monitorare in un RWIS comprendono:
La misura delle prime cinque variabili è da ritenersi elemento essenziale di un RWIS, mentre la misura delle restanti due è di grande importanza ma può essere surrogata da quella di altre variabili (ad esempio, umidità dell’aria e temperatura del manto stradale), anche se con accuratezza di misura inferiore.
Ulteriori misure di interesse in casi specifici includono la distribuzione dei diametri delle idrometeore (drop size distribution), misurabile tramite disdrometri e la concentrazione di specifici inquinanti atmosferici (ad esempio CO, CO2, NO2 e PM-10), in particolare in corrispondenza di gallerie ed attraversamenti urbani.
Alcune specifiche funzionali dei sistemi di monitoraggio sono riportate nella tabella seguente.
Variabile | Densità spaziale di misura (minima) | Risoluzione temporale (minima)
|
Intensità e tipologia di precipitazione | 1 sensore ogni 3 km | 5 minuti
|
Temperatura dell’aria | 1 sensore ogni 10 km | 10 minuti |
Velocità e direzione del vento | Sui viadotti e 1 sensore ogni 20 Km altrove | 1 minuto |
Umidità dell’aria | 1 sensore ogni 3 km | 10 minuti |
Livello idrico dei corsi d’acqua | In corrispondenza di attraversamenti e tratti esondabili | 10 minuti |
Visibilità | 1 sensore ogni 3 km | 1 minuto |
Stato del manto stradale | 1 sensore ogni 3 km | 5 minuti |
Tutte le misure, da acquisirsi a cura del gestore/concessionario dell’infrastruttura, dovranno essere rispondenti alle specifiche da sensoristica diffusa e sempre connessa/attivabile secondo il paradigma dell’IoT.
La connettività wireless con tecnologie “low-bandwith” sarà da preferirsi in un’ottica di ottimizzazione del traffico dati, anche al fine di garantire una maggiore tempestività della trasmissione dell’informazione. A tal fine devono essere favorite le soluzioni che garantiscono una dislocazione periferica della capacità di analisi del dato.
Figura 1 – Tecnologie wireless raggruppate per raggio d’azione e larghezza di banda.
Tecnologie LPWAN (Low Power Wide Area Network) come la tecnologia LoRaWAN sono capaci di coprire distanze fino a 20 km in campo aperto. Essendo ideali per trasmettere un quantitativo di dati limitato, consente di abbassare notevolmente i consumi abilitando una durata delle batterie anche oltre i 5 anni.
Le caratteristiche salienti che deve possedere un RWIS per essere adeguato ad una smart road sono ulteriormente dettagliare nel seguito, per quanto attiene agli elementi da rilevare ed alle modalità del rilievo.
Condizioni meteorologiche avverse possono presentarsi con elevatissima disomogeneità spaziale, a causa della variabilità spaziale dei fenomeni meteorologici intensi, particolarmente marcata su larga parte del territorio nazionale.
In particolare, il dato pluviometrico, l’umidità dell’aria, la visibilità e lo stato del manto stradale sono quelli con maggiore variabilità spaziale e che quindi necessitano di una maggiore densità di punti di misura (tipicamente, una ogni 1-5 Km).
Le raffiche di vento hanno anch’esse una elevata variabilità spaziale, ma i siti a maggiore rischio sono riconoscibili più facilmente (ad esempio, viadotti, aree di fondovalle, etc.), rendendo quindi più facile la selezione mirata dei siti di installazione.
Considerazioni analoghe valgono per i sensori di livello idrico, da installare solo in corrispondenza degli attraversamenti fluviali.
La temperatura, infine, ha una variabilità spaziale meno forte, quando si ripulisce il segnale dagli effetti della quota e dell’esposizione; d’altra parte però la misura della temperatura dell’aria è relativamente a basso costo, al punto che è in molti casi ragionevole garantire una densità della rete termometrica analoga a quella delle altre reti di misura. Gli elevati requisiti di densità possono essere rispettati considerando una virtuosa integrazione con dati da altre reti di misura, con l’utilizzo di sensori a basso costo o multifunzione, e con l’integrazione di misure da crowdsourcing.
Tutti i dati devono essere trasmessi, a cura del gestore/concessionario dell’infrastruttura, in tempo reale ad un sistema di gestione.
Deve essere garantita l’interoperabilità, che permetta di potere integrare i dati in differenti piattaforme di gestione.
L’integrità del dato deve sempre essere verificabile anche in termini di attendibilità, aggiornamento, precisione, accuratezza e completezza, mediante metadati.
Data la necessità di integrare i dati provenienti da fonti diverse, risulta di particolare rilevanza associare ad ogni dato (sensore) una misura dell’incertezza, in modo da poter successivamente pesare le informazioni reperite considerando che alcuni dati sono più accurati e precisi di altri.
I dati acquisiti tramite la rete di misura del RWIS devono essere integrabili con quelli disponibili da altre reti idro-meteo operative sul territorio di interesse. Di particolare rilevanza è l’integrazione con i dati da rete pluviometrica e termometrica gestita dalle Agenzie Regionali Per l’Ambiente (ARPA) e con i dati da radar meteorologico, dove disponibili, provenienti dalla rete ARPA o dalla Protezione Civile.
Sempre in un’ottica di incremento della densità spaziale delle misure, è fondamentale che il RWIS valorizzi i dati resi disponibili da sensori idrometeorologici a basso costo recentemente sviluppati per molte delle variabili di interesse.
Analogamente, occorre valorizzare i sistemi di misura che con un solo apparato consentono di monitorare diverse variabili (ad esempio, sistemi video che consentano di ottenere stime di visibilità, stato del manto stradale ed intensità di precipitazione, oltre che di monitorare lo stato del traffico), riducendo sensibilmente i costi di installazione.
È infine fondamentale sfruttare la sempre maggiore disponibilità di sensori meteorologici sui veicoli o direttamente negli apparati utilizzati dai cittadini (ad esempio smartphones e tablet).
Occorre quindi prevedere la possibilità di integrare dati forniti da cittadini in viaggio sulle Smart Roads (o direttamente proveniente dai veicoli in modalità V2I), previa messa a punto di sistemi automatici di valutazione dell’attendibilità e dell’accuratezza del dato fornito.
Per quanto attiene invece al complesso funzionale dei dati in una logica di modelli previsionali e di allerta, i risultati del monitoraggio andranno opportunamente archiviati ed analizzati, anche in tempo reale.
Occorrerà mettere a punto un sistema specifico in grado di garantire in automatico l’individuazione di situazioni di potenziale rischio idrometeorologico, considerando, dove necessario, i risultati di opportuna modellistica idrologica (modelli afflussi-deflussi per individuare le infrastrutture a rischio inondazione) o geotecnici (individuazione delle situazioni a rischio di frana).
Le situazioni di rischio andranno localizzate a cura del gestore/concessionario della infrastruttura e quantificate in tempo reale, e trasmesse in maniera automatica e mediante sistemi di comunicazione multicanale alle autorità preposte (gestore/concessionario della rete stradale, VVF, Protezione Civile, Pronto Intervento, etc.) per consentire un rapido intervento dove necessario.
[1] In meteorologia e climatologia, una mesonet è una rete di stazioni meteorologiche e di monitoraggio ambientale automatizzate, spesso comprendenti anche stazioni di monitoraggio ambientale, progettate per osservare fenomeni meteorologici a mesoscala e/o microclimi. A causa della scala spaziale e temporale associata ai fenomeni a mesoscala e ai microclimi, le stazioni meteorologiche che compongono una mesonet sono distanziate tra loro e inviano i dati con maggiore frequenza rispetto alle reti di osservazione su scala sinottica. Il termine mesonet si riferisce al gruppo collettivo di queste stazioni meteorologiche, che di solito sono di proprietà e gestite da un’entità comune.