,allowExpansion)
Uno strumento di gestione delle crisi per le epidemie attraverso il monitoraggio del trasporto remoto
Il background di HEIMDALL è rappresentato dallo 'Studio di un Modello di Predizione per i Contagi da COVID-19 in Italia e Regione Lombardia' condotto dall'Università dell'Insubria, consulente accademico in questo progetto, pubblicato il 29 marzo 2020.
Il modello di predizione proposto ha mostrato risultati promettenti ma ha avuto la forte limitazione di concentrarsi solo sull'effetto di COVID-19, ovvero i dati sanitari, senza considerare le possibili ragioni di contagio. Uno dei principali problemi affrontati dall'Università dell'Insubria nell'addestramento del modello pilota è stata la scarsa affidabilità dei dati relativi al trasporto regionale.
Il progetto è co-finanziato dall'Agenzia Spaziale Europea (ESA) mediante il programma di Business Applications.
Per superare queste criticità, HEIMDALL si basa su tecnologie AWS e adotta un sistema di monitoraggio del traffico satellitare al fine di rilevare: Numero di veicoli in transito all'interno di una regione; Numero di veicoli in transito da una regione all'altra (da una città all'altra).
I dati satellitari vengono integrati con i dati acquisiti dalla Protezione Civile (i.e. numero di: pazienti ospedalizzati; pazienti ospedalizzati sintomatici; pazienti in Terapia Intensiva; pazienti in cura domiciliare; casi positivi; remissioni; decessi; test effettuati) per produrre analisi predittive e prescrittive a supporto della gestione delle emergenze sanitarie (crisis management). Il cuore di HEIMDALL è rappresentato da algoritmi di Intelligenza Artificiale in grado di combinare una varietà di metodi di previsione e un software di apprendimento automatico in grado di perfezionare nel tempo i modelli di diffusione geografica del virus.
Heimdall è costituito da tre moduli:
Presenta l’andamento previsionale dei principali indicatori di contagio attraverso dashboard; le informazioni riportate vanno da un intervallo di tempo settimanale a bi-settimanale e consentono di osservare l’andamento dei principali indici dal livello di dettaglio nazionale a quello locale.
Sulla base delle previsioni del modulo precedente e di alcuni dati specifici della struttura sanitaria forniti in fase di configurazione (e.g. copertura della struttura sanitaria sul territorio, utilizzo delle risorse: DPI, respiratori, letti, ecc.), fornisce una previsione dei pazienti Covid nella struttura e del corrispondente fabbisogno di risorse per far fronte alla situazione, consentendo una efficace pianificazione dell’approvvigionamento.
Permette di simulare diversi scenari di diffusione in base alle misure restrittive adottate (chiusura di punti vendita, siti produttivi, locali pubblici, divieti di circolazione, ecc.). Ciò sarà possibile individuando la porzione di popolazione interessata dalle misure restrittive secondo le previsioni fornite, consentendo ai decisori politici di adottare tempestivamente le misure più adeguate.