• accidents
• algoritmi di machine learning
• decision tree
• incidentalità
• machine learning algorithms
• random forest
• regression
• regressione
• safety
• sicurezza

L’obiettivo principale da perseguire in una moderna concezione del Progetto Stradale consiste nel realizzare una infrastruttura che garantisca la sicurezza ed il comfort degli automobilisti. In particolare la sicurezza ha da sempre voluto significare la completa affidabilità di un sistema, senza imprevisti che possano comprometterne la funzionalità, provocando danni agli utenti. La sicurezza stradale, ossia la circolazione sicura dei veicoli su strada, dipende da molti fattori che riguardano sia il veicolo, sia la strada, sia l’ambiente circostante in cui quest’ultima si inserisce; ma, soprattutto, riguardano il guidatore. Nel caso stradale il rischio – inteso come la probabilità – del manifestarsi di situazioni di crisi è una funzione complessa, giacché ogni evento incidentale avviene secondo un’evoluzione spazio – temporale anche molto lunga e di difficile accertamento e, in ogni caso, quasi sempre il fattore umano riesce prevalente nell’instaurarsi di condizioni stesse di crisi (che coincide con il verificarsi dell’evento incidentale). In particolare, il miglioramento della qualità del servizio offerto e della sicurezza della circolazione della rete esistente necessita di interventi di adeguamento generalizzati o localizzati da attuare secondo un insieme di azioni coordinate attente a promuovere un approccio sostenibile anche sotto il profilo economico ed ambientale.
La presente tesi ha come obiettivo principale quello di arrivare a comprendere in quale modalità intervenire per realizzare i necessari adeguamenti su una infrastruttura, in particolare una Strada Extraurbana Principale costruita in anni precedenti alla pubblicazione de “Norme funzionali e geometriche per la costruzione delle strade” del 5 novembre 2001, per avvicinarla il più possibile allo standard di una strada di nuova costruzione in termini di caratteristiche geometriche, funzionali e di incidentalità. Non essendo per evidenti ragioni di natura economica e di impatto ambientale possibile ricostruire tutte le infrastrutture realizzate precedentemente all’ingresso in vigore delle attuali norme, è necessario pianificare degli interventi correttivi di differente estensione a seconda delle necessità del singolo caso. Per capire in che modo effettuare i suddetti interventi atti a raggiungere tale scopo e su quali variabili risulta essere più conveniente intervenire per ricondurre l’incidentalità ad un valore quanto più prossimo possibile a quella di una infrastruttura di nuova costruzione, viene proposto lo sviluppo di un modello di previsione dell’incidentalità. Nello specifico si è scelto di realizzare il suddetto modello calibrandolo e, successivamente, validandolo seguendo due differenti metodologie. La prima pone le sue fondamenta sui metodi classici di regressione, ampiamenti approfonditi in letteratura; mentre la seconda è basata sugli algoritmi di Machine Learning, i quali rappresentano un elemento innovativo che si desira introdurre e che sono stati implementati su Matlab. Questi algoritmi per la previsione della severità degli incidenti hanno, recentemente, acquisito grande interesse da parte della comunità scientifica, ragion per cui si è ritenuto appropriato e ragionevole applicarli per perseguire l’obiettivo proposto. Inoltre tale metodologia si adatta molto bene ad analizzare sistemi complessi governati da relazioni anche fortemente non – lineari, con un elevato numero di variabili le cui interazioni non sono completamente note e spesso non risultano traducibili in equazioni matematiche conosciute. In particolare all’interno della presente tesi sperimentale si è scelto di utilizzarli per offrire un confronto tra i risultati che i differenti modelli propongono. Questa scelta consente di poter individuare chiaramente quale tra gli stessi modelli presentati consente di capire in che maniera realizzare un adeguamento funzionale di una strada classificata come Extraurbana Principale dalle attuali norme cogenti per diminuirne l’incidentalità, nonché la gravità degli incidenti stessi.

The main target to be pursued in a modern concept of Road Project is to create an infrastructure that guarantees the safety and confort of the users. In particular, the security has always wanted to mean the complete reliability of a system, without unexpected events that could compromise its functionality, causing damage to the users themselves. Road safety, i.e. the safe movement of vehicles on the road, depends on many factors that affect the vehicle, the road and the sorrounding environment in wich the latter is inserted, but, above all, they concern the driver. In the road case, the risk – that is the probability – of the occurrence of crisis situations is a complex function, since every accidental event occurs according to a very long and difficult to ascertain space – time evolution and human factor is prevalent in the establishment of crisis conditions (which coincides with the occurrence of the accident). In particular, the improvement of the quality of the service offered and the safety of the network circulation requires generalized or localized adaptation interventions to be implemented according to a set of coordinated actions to promote a sustainable approach also from an economic and environmental point of view.
The main purpose of this thesis is to understand how to intervene to make the necessary adjustment to an infrastructure, in particular a Main Extra Urban Road built in the years prior to the publication of "Functional and geometric standards for road construction" of November 5, 2001, to get it as close as possible to the standard of a newly built road in terms of geometric, functional and accident characteristics. As it is not possible for obvious reasons of an economic and environmental impact nature to reconstruct all the infrastructures built prior to the entry into force of the current regulations, it is necessary to plan corrective measures of different extent depending on the needs of the individual case. To understand how to carry out the interventions aimed at achieving this purpose and on which variables it is more convenient to intervene to bring the accident to a value as close as possible to that of a newly built infrastructure, the development of a model of accident prediction is proposed. Specifically, it was decided to create the mentioned model by calibrating it and subsequently validating it following two different methodologies. The first lays its foundations on classical regression methods, extensively detailed in the literature; while the second is based on Machine Learning algorithms, which represent an innovative element that we wish to introduce and which have been implemented on Matlab. These algorithms for predicting crash severity have recently acquired great interest from the scientific community, which is why it was deemed appropriate and reasonable to apply them to pursue the proposed goal. Furthermore, this methodology is very well suited to analyze complex systems governed by even strongly non-linear relations, with many variables whose interactions are not completely known and often cannot be translated into known mathematical equations. In particular, within this experimental thesis it was decided to use them to offer a comparison between the results that the different models propose. This choice allows you to clearly identify which of the same models presented allows you to understand how to make a functional adaptation of a road classified as Main Extra Urban Road by the current mandatory regulations to reduce accidents, as well as the severity of the accidents themselves.