PRIN 2022 PNRR - SMILE

Statistical MachIne Learning for Exposure development

PRIN 2022 PNRR - SMILE : Statistical MachIne Learning for Exposure development

Progetto PRIN 2022 PNRR - SMILE

SMILE è un Progetto di Rilevante Interesse Nazionale (PRIN) finanziato dal Piano Nazionale di Ripresa e Resilienza (PNRR) dall'Unione europea - Next Generation EU e coordinato dall'Istituto Nazionale di Oceanografia e di Geofisica Sperimentale - OGS, con la partecipazione dell'Università degli studi di Firenze (UNIFI), dell'Università degli studi di Milano-Bicocca (UNIMIB), e dell'Istituto di Matematica Applicata e Tecnologie Informatiche del Consiglio Nazionale delle Ricerche (CNR-IMATI).


Nonostante gli sforzi globali per mitigare i rischi di catastrofi, si è osservato un incremento nei danni provocati dai fenomeni naturali negli ultimi decenni. Conoscere l'ubicazione e le caratteristiche dei beni esposti (cioè l'esposizione) aiuta a valutare l'impatto previsto e a dare priorità alle azioni di mitigazione prima e durante le emergenze. In particolare, i danni agli edifici causano una parte rilevante delle perdite economiche e di vite umane, mentre gli edifici strategici (ad esempio scuole e ospedali) svolgono un ruolo cruciale durante le fasi di risposta all'emergenza e di recupero. Tuttavia, gli attuali insiemi di dati sull'esposizione hanno un limite sostanziale: si basano su dati raccolti sporadicamente in tempi predefiniti (ad esempio, il censimento ISTAT degli edifici). Questo problema può essere aggirato sfruttando il telerilevamento e i dati raccolti dai cittadini ed elaborandoli con tecniche di apprendimento automatico per dedurre automaticamente gli attributi rilevanti degli edifici e migliorare gli attuali insiemi di dati sull'esposizione. Il progetto SMILE (Statistical MachIne Learning for Exposure development) mira a esplorare il potenziale dell'apprendimento automatico per sviluppare dinamicamente strati di esposizione aggiornati. I cittadini svolgeranno un ruolo fondamentale raccogliendo informazioni aggiornate sugli edifici nelle aree di studio selezionate. Verranno sviluppati strumenti di visualizzazione dei dati, metodi e algoritmi per produrre rappresentazioni multiple dell'esposizione dinamica, definite insieme alle parti interessate e agli utenti informati che offriranno un feedback sulla loro utilità e comprensibilità. Queste attività saranno svolte coinvolgendo più soggetti interessati, come scuole, comuni e agenzie di protezione civile. Per raggiungere questi obiettivi, SMILE si avvale di un team multidisciplinare che comprende ricercatori con un background in rischi naturali e sviluppo dell'esposizione (OGS), telerilevamento (UNIFI), apprendimento automatico (UNIMIB), statistica, visualizzazione dei dati e sviluppo web (CNR-IMATI).

Gestisce infrastrutture e competenze multidisciplinari per la valutazione e la prevenzione dei rischi geologici, ambientali e climatici. Il Centro di Ricerca Sismologica (CRS) ha esperienza nello sviluppo di livelli di esposizione che coinvolgono gli stakeholder locali in aree soggette a rischi naturali. Partecipanti al progetto: Chiara Scaini (Principal Investigator), Antonella Peresan, Piero Brondi
Si occupa di fornire conoscenze e infrastrutture per lo sviluppo e la diffusione della matematica applicata e dell'informatica come strumenti per affrontare le sfide dell'ingegneria e della società. CNR-IMATI Milano contribuisce al progetto con le sue competenze nell'analisi statistica dei dati ambientali, nei sistemi informativi e nello sviluppo di nuove metodologie e algoritmi per la fruizione di dati multimediali sul web. Partecipanti al progetto: Elisa Varini (responsabile), Maria Teresa Artese, Isabella Gagliardi
Gruppo di Geologia Applicata e Geomorfologia, presso il Dipartimento di Scienze della Terra, è uno dei maggiori centri di servizi scientifici e tecnologici sui geo-rischi in Italia. Ha una vasta esperienza nell'uso di tecniche di telerilevamento ottico e radar applicate allo studio delle deformazioni del terreno, oltre che nell'intervento in emergenza per il monitoraggio di fenomeni idrogeologici facendo parte del Centro per la Protezione Civile dell'Università, Centro di Competenza della Protezione Civile Nazionale. Partecipanti al progetto: Matteo Del Soldato (responsabile), Silvia Bianchini, Olga Nardini
Laboratorio di Imaging e Vision, ha conoscenze, esperienze e competenze nell'uso e nella progettazione di algoritmi tradizionali e basati su Deep Neural Network per la comprensione e l'elaborazione delle immagini. UNIMIB è responsabile dello sviluppo di tecniche di apprendimento automatico per analizzare e classificare i dati delle immagini. Partecipanti al progetto: Gianluigi Ciocca (responsabile)

Parole chiave

Autori

Credits

Unione Europea
Ministero Università e Ricerca
Italia Domani

Coordinatore

OGS

Partner Scientifici

UNIFI
IMATI
UNIMIB