⚡ electrical engineering

Highway Readiness Assessment for SAE Levels of Automation and V2X Notification

Questo documento propone un Indice di Prontezza Autostradale (HRI) quantitativo per valutare il supporto infrastrutturale ai livelli di automazione SAE mediante attributi statici dell'ODD ponderati da esperti, ne dimostra l'applicazione in uno studio di caso per identificare le lacune infrastrutturali e ne delinea l'integrazione nei messaggi IVIM per comunicare alle veicoli connessi indicazioni di automazione a livello di segmento.

Autori originali: Lorenzo Italiano, Federico Marino, Mattia Brambilla, Giovanni Megna, Benedetto Carambia, Monica Nicoli

Pubblicato 2026-05-26

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Lorenzo Italiano, Federico Marino, Mattia Brambilla, Giovanni Megna, Benedetto Carambia, Monica Nicoli

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di cercare di guidare un'auto a guida autonoma. Potresti pensare che l'auto sia l'unica cosa che conta, ma questo articolo sostiene che la strada stessa è importante altrettanto. Gli autori, un team composto da un'università e una società di gestione autostradale in Italia, hanno realizzato che, mentre stiamo costruendo auto migliori, non disponiamo di un buon metodo per misurare se le nostre strade sono effettivamente "pronte" per esse.

Ecco la spiegazione della loro soluzione, illustrata in modo semplice:

1. Il Problema: Il "Vuoto della Patente di Guida"

Pensa alle auto a guida autonoma come a studenti che imparano a guidare.

Livelli SAE 1–2 sono come uno studente con la patente provvisoria: possono sterzare o frenare automaticamente, ma un umano deve sempre osservare la strada.
Livelli SAE 3–4 sono come uno studente con la patente completa: l'auto guida da sola e l'interverrà solo se qualcosa va storto.

Il problema è che le strade sono come aule scolastiche. Alcune aule hanno lavagne bianche, buona illuminazione e banchi silenziosi (ideali per l'apprendimento). Altre hanno pittura che si scrosta, luci rotte e lavori rumorosi al vicino (terribili per l'apprendimento). Attualmente, i gestori stradali non hanno un test per verificare se la loro "aula" è abbastanza buona perché uno "studente" possa laurearsi a un livello di guida superiore.

2. La Soluzione: L'"Indice di Prontezza Autostradale" (HRI)

Gli autori hanno creato una scheda di valutazione chiamata Indice di Prontezza Autostradale (HRI). Pensa a questo come a una pagella per la strada.

Invece di guardare semplicemente la strada e indovinare, hanno scomposto la strada in parti specifiche e misurabili, come:

La Vernice: Le strisce di corsia sono luminose, ampie e costanti? (Se la vernice è sbiadita, l'auto si confonde).
I Segnali: L'auto può leggere i segnali chiaramente?
La Superficie: L'asfalto è liscio o è irregolare e crepato?
La Mappa Digitale: L'auto dispone di una "mappa GPS" superdettagliata (HD Map) caricata prima ancora di iniziare a guidare?

3. Come Hanno Creato la Scheda di Valutazione

Per assicurarsi che la scheda di valutazione fosse equa, hanno chiesto a 17 esperti (come professori, ingegneri e direttori tecnologici) di votare su cosa fosse più importante.

Per il "Discente" (SAE 1–2): Gli esperti hanno detto che la vernice chiara e i segnali visibili sono i più importanti. Se le strisce sono disordinate, il conducente umano deve riprendere il controllo.
Per il "Laureato" (SAE 3–4): Gli esperti hanno detto che tutto conta di più, ma le Mappe HD e le corsie di emergenza sono diventate critiche. Un'auto a guida autonoma ha bisogno di una mappa digitale perfetta per sapere esattamente dove si trova e ha bisogno di un luogo sicuro dove fermarsi se rimane bloccata.

Hanno trasformato queste opinioni in pesi matematici. Se una strada ha una vernice eccellente ma nessuna mappa HD, il punteggio per il livello "Laureato" scende significativamente.

4. Il Messaggio "Semaforo" (IVIM)

Una volta calcolato il punteggio, lo trasformano in un messaggio digitale inviato dalla strada all'auto. Immagina un semaforo, ma invece di Rosso/Giallo/Verde, dice all'auto:

Verde (Punteggio Alto): "Sei al sicuro per guidare da solo al Livello 4."
Giallo (Punteggio Medio): "Puoi provare il Livello 2, ma fai attenzione."
Rosso (Punteggio Basso): "Non fidarti dell'automazione; l'umano deve guidare."

Questo messaggio viene inviato tramite un sistema standard chiamato IVIM. È come se la strada sussurrasse all'auto: "Ehi, la vernice si sta scrostando più avanti, non provare a guidare da solo qui."

5. Test su un'Autostrada Reale

Hanno testato questo su un tratto di 24 chilometri di autostrada in Italia.

Scenario A (Giornata Normale): La strada era ben mantenuta. Il punteggio era alto e il sistema ha detto: "Sì, le auto possono guidare da sole qui."
Scenario B (Lavori Stradali): Hanno simulato la costruzione stradale con vernice temporanea disordinata. Il punteggio è crollato bruscamente. Il sistema ha immediatamente detto all'auto: "No, riprendi il volante", perché le condizioni erano troppo rischiose per un'auto a guida autonoma.
Scenario C (Manutenzione Scadente): Hanno simulato una strada con pavimentazione crepata e segnali mancanti. Il punteggio è crollato. Il sistema ha detto: "Nessuna automazione consentita."

La Grande Conclusione:
L'articolo dimostra che non puoi semplicemente costruire un'auto intelligente e aspettarti che funzioni ovunque. Hai bisogno di una strada intelligente per abbinarla. Utilizzando questa "Pagella" (HRI), i gestori stradali possono vedere esattamente dove devono riparare la vernice o aggiungere mappe digitali per rendere l'autostrada sicura per le auto a guida autonoma. Trasforma l'idea vaga di "questa strada è pronta?" in una risposta chiara e numerica.

Riepilogo Tecnico: Valutazione della Prontezza Autostradale per i Livelli SAE di Automazione e Notifiche V2X

Enunciato del Problema

Nonostante i rapidi progressi nelle tecnologie di guida automatizzata (AuD), gli operatori stradali attualmente mancano di metodi pratici e quantitativi per valutare se la loro infrastruttura esistente possa supportare specifici Livelli di Automazione (LOA). Sebbene gli standard definiscano i Domini di Progetto Operativo (ODD) e i livelli di automazione, non forniscono un quadro riproducibile per mappare le caratteristiche statiche della carreggiata sui requisiti operativi dei Sistemi di Guida Automatizzata (ADS). Di conseguenza, le autorità non possono identificare sistematicamente i fattori fisici o legati alla manutenzione che ostacolano livelli di automazione più elevati, né possono comunicare le capacità infrastrutturali ai Veicoli Connessi e Automatizzati (CAV) in modo standardizzato. I quadri esistenti si concentrano spesso sulla connettività digitale o si basano su estesi test di flotta, non offrendo una metrica scalabile e incentrata sull'infrastruttura per la valutazione a livello di rete.

Metodologia

Il documento propone un quantitativo Indice di Prontezza Autostradale (HRI) progettato per tradurre le condizioni infrastrutturali statiche e semi-statiche in attributi misurabili ponderati in base al loro impatto sulle prestazioni degli ADS. La metodologia è strutturata in tre fasi:

Operazionalizzazione e Ponderazione degli Attributi:
- Tassonomia: Gli autori definiscono un insieme di attributi ODD statici raggruppati in quattro macro-categorie: Segnaletica Stradale e Cartellonistica, Manutenzione e Gestione Stradale, Progettazione Stradale e Caratteristiche di Sicurezza, e Mappe ad Alta Definizione (HD) Precaricate.
- Sondaggio tra Esperti: Per derivare i pesi, è stato condotto un sondaggio con 17 professionisti provenienti da ambito accademico, industriale e di gestione infrastrutturale. I rispondenti hanno valutato l'impatto dell'assenza o del degrado degli attributi su due gruppi LOA: SAE 1–2 (Guida Assistita) e SAE 3–4 (AuD).
- Differenziazione: Il sondaggio ha rivelato che, mentre la visibilità delle corsie e la manutenzione sono critiche per SAE 1–2, attributi come le mappe HD, le corsie di emergenza e le corsie dedicate agli AV diventano significativamente più importanti per SAE 3–4.
Modello di Prontezza a Livello di Tratto:
- I tratti stradali (es. 100 m) sono valutati in base a criteri misurabili derivati dagli standard nazionali di progettazione.
- Un valore osservato $v_i \in \{0, 1, 2\}$ è assegnato a ciascun attributo in base all'adeguatezza.
- Un punteggio di prontezza $S^{(\ell)}$ è calcolato per un specifico livello di automazione $\ell$ utilizzando una somma ponderata normalizzata per il punteggio massimo possibile:
  $S^{(\ell)} = \frac{\sum w_i^{(\ell)} \cdot v_i}{\sum w_i^{(\ell)} \cdot v_{max}} \times 100$
- Pesi distinti ( $w_i^{(\ell)}$ ) sono applicati per SAE 1–2 e SAE 3–4 per riflettere le loro diverse sensibilità alla qualità dell'infrastruttura.
Guida Infrastrutturale e Integrazione IVIM:
- I punteggi sono classificati in tre categorie: Improbabile che sia adatto (0–33%), Potrebbe essere adatto (33–66%) e Altamente probabile che sia adatto (66–100%).
- È stabilito una soglia conservativa del 66%. Solo i livelli SAE con punteggi superiori a questa soglia vengono comunicati ai veicoli.
- Queste raccomandazioni sono incorporate nel messaggio standardizzato Messaggio di Informazione da Infrastruttura a Veicolo (IVIM) all'interno del quadro del Sistema di Trasporto Intelligente Cooperativo (C-ITS), consentendo alle Unità a Bordo Strada (RSU) di trasmettere indicazioni di automazione a livello di tratto.

Risultati Chiave

La metodologia è stata validata attraverso uno studio di caso sul corridoio Gallarate–Gattico (24 km) nel Nord Italia, gestito da Autostrade Per l'Italia (ASPI).

Condizioni di Base: In condizioni attuali ben mantenute, il corridoio supporta costantemente SAE 1–2 e SAE 3–4 (punteggi >66%), indicando che le autostrade esistenti di alta qualità possono supportare l'automazione avanzata in configurazioni stabili.
Scenario Lavori Stradali: La simulazione di lavori stradali temporanei (km 11–17) con segnaletica degradata e transizioni geometriche ha causato un calo netto della prontezza, in particolare per SAE 3–4. Diversi tratti sono scesi sotto la soglia del 66%, attivando correttamente un messaggio IVIM conservativo che ha trattenuto le raccomandazioni di automazione per quelle sezioni.
Scenario Manutenzione: La simulazione di una scarsa manutenzione a lungo termine (segnaletica degradata, deterioramento dell'asfalto, dispositivi di sicurezza mancanti) ha comportato significativi cali di prontezza lungo l'intero corridoio, con molti tratti che sono ricaduti nella fascia "Improbabile che sia adatto" per entrambi i gruppi di automazione.
Analisi di Sensibilità: Un'analisi teorica ha dimostrato che le Mappe HD Precaricate hanno il peso più alto per SAE 3–4. L'inclusione di mappe HD in scenari di infrastruttura degradata ha parzialmente compensato le carenze fisiche, spostando i punteggi di prontezza da "Improbabile" a "Potrebbe essere adatto", evidenziando il ruolo critico dei livelli digitali accanto all'infrastruttura fisica.

Significato e Affermazioni

Il documento afferma di fornire la prima metodologia quantitativa, incentrata sull'infrastruttura e scalabile per mappare le caratteristiche statiche della carreggiata sui requisiti operativi degli ADS. I suoi principali contributi includono:

Una Metrica Riproducibile: L'HRI offre agli operatori stradali un approccio strutturato per valutare la prontezza dell'infrastruttura e identificare specifiche lacune (es. coerenza della segnaletica, controllo della vegetazione) che limitano livelli di automazione più elevati.
Valutazione Differenziata: Distinguendo tra SAE 1–2 e SAE 3–4, il quadro riconosce che i livelli di automazione più elevati si basano maggiormente su geometrie stabili, aree di fallback e ridondanza digitale (mappe HD) piuttosto che su semplici segnali visivi.
Integrazione Operativa: Il lavoro colma il divario tra la valutazione dell'infrastruttura e l'operazione del veicolo definendo come i punteggi di prontezza possano essere direttamente tradotti in messaggi V2X standardizzati (IVIM). Ciò consente all'infrastruttura di guidare proattivamente i veicoli, potenzialmente prevenendo i disimpegni avvertendo i conducenti o i sistemi di tratti inadatti prima che vengano incontrati.
Pianificazione Strategica: Il quadro serve non solo come strumento diagnostico per corridoi specifici, ma anche come strumento strategico per la pianificazione a livello di rete, consentendo alle autorità di dare priorità agli investimenti in manutenzione e digitalizzazione in base al loro impatto sulla prontezza all'automazione.

Gli autori concludono che, sebbene il quadro attuale si concentri su condizioni statiche e semi-statiche, getta le basi per una futura integrazione con fattori dinamici (traffico, meteo) e per una validazione internazionale ampliata.