Point cloud processing for physical accessibility evaluation in historical urban environments. The case of UNESCO site of Sabbioneta

The management of physical accessibility in the urban environment is a topic of great interest at national and international level, where it is addressed by both United Nations and European Commission. At national level, the topic is addressed by Italian legislative framework, but also by specific legislation issued by Regions through the predisposition of Plans for the Elimination of Architectural Barriers (PEBA). It is also worth mentioning the recent push given by the PNRR National Recovery and Resilience Plan towards sustainability and inclusion, where accessibility is recalled both in Mission 2 and 3. The management of accessibility could be fostered by the use of Information Technology. The support of Geomatics could play a crucial role while dealing with physical accessibility, intended as the ability to move in a physical environment independently of the motor abilities of the individuals (e.g., the users of baby prams, wheelchairs, walking sticks). Plus, it is precisely when managing physical accessibility in historic urban settings that the topic becomes even more interesting and challenging. Indeed, the non-standard organisation of historical urban scenarios is a feature that makes more difficult to identify approaches that exploit artificial intelligence to analyse spatial data and generate an inventory of urban elements and issues specifically related to accessibility. Specifically, in this thesis two different approaches were proposed in order to analyse and process a point cloud of a historical city, in order to extract useful information for a better management of physical accessibility. The historic city analysed was Sabbioneta, UNESCO site since 2008, and the element automatically detected were the roads and the sidewalks of the city. The work started with a survey of the physical form of the city, conducted with a Mobile Mapping System: Leica Pegasus:Two. The accuracy of the resulting point cloud was validated and it was used as the beginning dataset for the subsequent steps of the research. Two processing methods were defined, a first one, developed by implementing different algorithms and original pieces of code, named knowledge-based method, and a second one that exploited a Random Forest classifier through a Machine Learning (ML) approach. In both the cases the point cloud of Sabbioneta was semantically segmented into urban ground elements. The two methods were also tested on other datasets, acquired on small portions of two Italian cities, Mantova and Domodossola, and on a Portuguese city, Porto. In all cases, the ML method showed better results; an average accuracy of 89% could be assessed for the ML method, while 76% could be assessed for the knowledge-based method. ML method was also considered to be the most promising due to its better adaptability to the different urban contexts tested and the greater simplicity in calibrating the operating parameters. The focus of the research shifted at this point to the greater characterization of sidewalks, which were identified as the preferred routes of movement for all city users, and thus the objects on which to develop accessibility management. The computations were made on consequent portions of sidewalk, one every 2 metres. Specifically attributes computed were: the width, the elevation respect the road, the slopes in the two main directions, and the material used for the paving. From the spatial position of sidewalks, a vector network made of nodes and edges was generated, representing the sidewalks of the city. The test area was only Sabbioneta. A total of 1780 nodes and 1720 edges were generated, and the attributes were stored within the edges representing sidewalks in the network. The shapefile generated in the last phase of the work was then used to demonstrate its multiple possible uses. In fact, it was used to create thematic maps, it was exploited for the calculation of accessible routes within the city, it was tested for its possible use on a webGIS platform, it was evaluated by OpenStreetMap Italian community and will be uploaded to OpenStreetMap to update the existing map data. The various uses demonstrated the flexibility of the generated file, and its great usefulness for different users at various levels (public entities, urban planners, social associations, citizens, tourists) and for different purposes (city management, plan interventions and maintenance, develop touristic routes, etc.). This research work presented a complete method for the inventory and management of the sidewalk network of a historic city, with a focus on accessibility related analysis, starting from spatial data. From this work emerges the importance and benefits that can be generated by interdisciplinary research as a meeting point of different fields. In this specific case, it was necessary to involve experts from the field of Geomatics, but also data processing and accessibility experts in order to develop processes that can lead to a technological and methodological improvement of some urban management procedures. Future developments in this research could investigate its use for automated implementation of urban management plans (e.g., PEBAs); its benefits for BIM/GIS integration processes and for the development of 3D City Models; the use of Deep Learning techniques for the characterization of urban pavements; the possibilities of inventorying other urban elements as well and their impact on the management of urban physical accessibility.

La gestione dell'accessibilità fisica nell'ambiente urbano è un tema di grande interesse, trattato a scala internazionale sia dalle Nazioni Unite che dalla Commissione Europea. A livello nazionale, il tema è affrontato dal quadro legislativo italiano, ma anche da normative specifiche emanate dalle Regioni e attraverso la predisposizione di Piani per l'Eliminazione delle Barriere Architettoniche (PEBA). Da segnalare anche la recente spinta del PNRR (Piano Nazionale di Recupero e Resilienza) verso la sostenibilità e l'inclusione, dove l'accessibilità è richiamata sia nella Missione 2 che nella 3. Appare evidente che la gestione dell'accessibilità potrebbe essere favorita dall'uso delle Tecnologie dell'Informazione (IT). Il supporto della Geomatica potrebbe giocare un ruolo fondamentale per quanto riguarda l'accessibilità fisica, intesa come capacità di muoversi in un ambiente fisico indipendentemente dalle capacità motorie degli individui (ad esempio, gli utilizzatori di passeggini, sedie a rotelle, bastoni da passeggio). Inoltre, è proprio nella gestione dell'accessibilità fisica in contesti urbani storici che l'argomento diventa ancora più interessante e stimolante. Infatti, l'organizzazione non standard degli scenari urbani storici è una caratteristica che rende più difficile l'individuazione di approcci che sfruttino l'intelligenza artificiale per analizzare i dati spaziali e generare inventari di elementi urbani e problematiche specificamente legate all'accessibilità. Nello specifico, in questa tesi sono stati proposti due approcci diversi per analizzare e processare una nuvola di punti di una città storica, al fine di estrarre informazioni utili per una migliore gestione dell'accessibilità fisica. La città storica analizzata è Sabbioneta, sito UNESCO dal 2008, e gli elementi individuati automaticamente sono legati all'impianto urbano della città. Il lavoro è iniziato con un rilievo della forma fisica della città, condotto con un sistema di mobile mapping: Leica Pegasus:Two. L'accuratezza della nuvola di punti ottenuta è stata validata, la nuvola di punti stessa è poi stata utilizzata come set di dati iniziale per le fasi successive della ricerca. Sono stati definiti due metodi di elaborazione: un primo, sviluppato implementando diversi algoritmi e linee di codice originali, denominato metodo knowledge-based, e un secondo che ha sfruttato un Random Forest classifier attraverso un approccio Machine Learning (ML). In entrambi i casi la nuvola di punti di Sabbioneta è stata segmentata semanticamente individuando i diversi elementi urbani presenti sulla superficie orizzontale della città. I due metodi sono stati testati anche su altri dataset, ottenuti con diversi strumenti di rilievo, acquisiti su piccole porzioni di due città italiane, Mantova e Domodossola, e su una città portoghese, Porto. In tutti i casi, il metodo ML ha mostrato risultati migliori; è stato possibile valutare un'accuratezza media dell'89% per il metodo ML, mentre il 76% per il metodo knowledge-based. Il metodo ML è stato considerato il più promettente anche per la sua migliore adattabilità ai diversi contesti urbani testati e per la maggiore semplicità nella calibrazione dei parametri operativi. L'attenzione della ricerca si è spostata a questo punto sulla maggiore caratterizzazione dei marciapiedi, che sono stati identificati come le vie di circolazione preferenziali per tutti gli utenti della città, e quindi gli oggetti su cui impostare la gestione dell'accessibilità. In particolare, gli attributi calcolati sono stati: la larghezza, la quota rispetto alla strada, le pendenze nelle due direzioni principali e il materiale utilizzato per la pavimentazione. Ad oggi, i suddetti dati restano più fruibili se, anzichè strutturati come una nuvola di punti, vengono gestiti in ambiente GIS. Pertanto dalla posizione spaziale dei marciapiedi, è stata generata una rete vettoriale composta da nodi e linee, che rappresenta i marciapiedi della città. L'area di test in questo caso è stata limitata alla città di Sabbioneta. In totale sono stati generati 1780 nodi e 1720 linee, e gli attributi sono stati memorizzati all'interno delle linee che rappresentano i marciapiedi nella rete. Lo shapefile generato nell'ultima fase del lavoro è stato poi utilizzato per dimostrare le sue molteplici possibilità di utilizzo. Infatti, è stato utilizzato per creare mappe tematiche, è stato sfruttato per il calcolo dei percorsi accessibili all'interno della città, è stato testato per il suo possibile utilizzo su una piattaforma webgis, è stato valutato dalla comunità italiana di OpenStreetMap e sarà caricato su OpenStreetMap per aggiornare i dati cartografici esistenti. I vari utilizzi hanno dimostrato la flessibilità del file generato e la sua grande utilità per diversi utenti a vari livelli (enti pubblici, urbanisti, associazioni sociali, cittadini, turisti) e per diversi scopi (gestione della città, pianificazione di interventi e manutenzioni, sviluppo di percorsi turistici, ecc.). Questo lavoro di ricerca ha presentato un metodo completo per la gestione dell'accessibilità a partire da dati spaziali, tale metodo è stato testato qui su marciapiedi, ma può essere esteso, con opportune modifiche, a molti altri aspetti legati a una gestione inclusiva del patrimonio urbano storico. Da questo lavoro emergono l'importanza e i benefici che possono essere generati dalla ricerca interdisciplinare come punto d'incontro di campi diversi. In questo caso specifico, è stato necessario coinvolgere esperti di Geomatica, ma anche di elaborazione dati e di accessibilità, per sviluppare processi che possano portare a un miglioramento tecnologico e metodologico di alcune procedure di gestione urbana. Gli sviluppi futuri di questa ricerca potrebbero riguardare il suo utilizzo per l'implementazione automatizzata di piani di gestione urbana (ad esempio, i PEBA); i suoi vantaggi per i processi di integrazione BIM/GIS e per lo sviluppo di 3D city models; l'uso di tecniche di Deep Learning per la caratterizzazione delle pavimentazioni urbane; le possibilità di inventariare anche altri elementi urbani e il loro impatto sulla gestione dell'accessibilità fisica urbana.