Tutti i progetti
Case study 04 · prototipoProgetto in corso · pagina aggiornata a ogni tappa

Osserva,interpreta,suggerisce.

Un livello decisionale per la mobilità urbana, non un rilevatore di auto. La decisione finale resta umana: il sistema propone, l'operatore approva, tutto resta tracciato.

BC Next · prototipoRepository su GitHub
UrbanFlow AI logo

Scheda progetto

Ruolo

Architettura, piano di prototipo, sviluppo

Contesto

BC Next · presentazione al Comune

Stato

Prototipo v1.0 · demo a settembre

Vincolo

Privacy by design: nessuna identificazione

Il racconto

01

L'obiettivo dichiarato

Arrivare a settembre con una demo presentabile e credibile: non un semplice rilevatore di veicoli, ma una piattaforma decisionale che mostra video, eventi di viabilità, suggerimenti supervisionati e report per il Comune e gli uffici tecnici. Il principio guida è scritto nel piano: osserva, interpreta, suggerisce, traccia e produce report — la decisione finale resta umana.

02

La catena di elaborazione

Il flusso target è lineare e verificabile: video o telecamera compatibile → AI Vision Engine che rileva veicoli, veicoli pesanti e pedoni in forma non identificativa → Traffic State Engine che trasforma i conteggi in uno stato (regolare, intenso, coda, congestionato) → Event Engine che genera eventi al superamento delle soglie operative → Traffic Light Optimizer che produce una raccomandazione simulata → Recommendation API che la espone alla dashboard e registra approvazione o rifiuto → dashboard e report. Il gateway verso le centraline semaforiche resta una predisposizione futura, non un comando reale.

03

Perimetro scritto, anche in negativo

La parte più professionale di questo progetto è l'elenco di ciò che non fa. Fuori perimetro: accesso a telecamere comunali reali senza autorizzazione, comando reale delle centraline semaforiche, riconoscimento facciale, biometria, lettura targhe, tracciamento di persone, ottimizzazione multi-incrocio reale e integrazione con i sistemi comunali di sicurezza. Un prototipo credibile è quello che dichiara i propri limiti prima di essere chiesto.

04

Le nove fasi e il fallback

Il piano è diviso in fasi: allineamento e criteri di demo, video e scenario, AI Vision, traffic state, eventi, suggerimenti, dashboard, report, collaudo end-to-end e presentazione. Ogni fase ha un esito verificabile. È prevista una modalità simulata per garantire la presentazione anche se il riconoscimento reale non è stabile su un video qualsiasi: non è una scorciatoia, è gestione del rischio in una demo pubblica.

05

Cosa vede chi lo usa

Schermate minime definite in fase di piano: login con ruoli Admin e Operatore, monitor live con aree di osservazione configurate, elenco eventi con storico e cambio stato, suggerimenti da approvare o rifiutare, report, area Admin e una vista tecnica di debug separata. La dashboard è deliberatamente leggibile e non troppo tecnica: il destinatario è un ufficio comunale, non un data scientist.

06

Criteri di accettazione

La demo è considerata superata solo se: regge cinque minuti senza blocchi, genera almeno tre eventi gestibili, produce almeno una raccomandazione supervisionata, esporta un report PDF coerente con eventi e azioni, registra l'audit delle azioni operatore e rispetta i vincoli di privacy. Stabilità, rilevamento, eventi, suggerimento, report, audit, privacy e fallback: otto criteri, tutti binari.

Risultati

5 min

demo end-to-end senza blocchi

4

stati del traffico modellati

PDF

report Admin e Operatore

0

dati identificativi trattati

Stack e competenze

AI VisionTraffic State EngineEvent EngineRecommendation APIDashboardReport PDFAudit logPrivacy by design

Vuoi un progetto con lo stesso metodo?

Parliamone