Ogni giorno, migliaia di veicoli percorrono le strade delle nostre città. Buche che si aprono silenziosamente nel manto stradale, cartelli sbiaditi o mancanti, vegetazione che invade la carreggiata, rifiuti abbandonati ai margini della sede viaria. Criticità reali, diffuse, spesso invisibili fino a quando non producono un danno a un veicolo, a un ciclista, a un pedone.
La gestione dell’infrastruttura stradale urbana ed extraurbana è oggi affidata, nella maggior parte dei casi, a un sistema di segnalazione manuale e discontinuo: sopralluoghi periodici programmati, segnalazioni dei cittadini, ispezioni a campione. Un approccio che, per sua natura, è sempre reattivo: si interviene dopo che il problema è già visibile, spesso dopo che ha già causato disagi o danni.
L’intelligenza artificiale applicata al monitoraggio mobile delle infrastrutture cambia questa logica alla radice.
Il problema: infrastrutture che si degradano più velocemente di quanto vengano monitorate
Le amministrazioni locali gestiscono reti stradali di centinaia o migliaia di chilometri, spesso con risorse umane e finanziarie limitate. Il monitoraggio tradizionale dello stato del manto stradale e della segnaletica si basa su ispezioni periodiche, che per loro natura fotografano la situazione in un momento preciso e non possono tenere il passo con la velocità di degrado accelerata dal traffico, dagli agenti atmosferici e, nei contesti urbani, dalla costante sollecitazione meccanica.
Il risultato è un gap strutturale tra la realtà del territorio e la conoscenza che l’ente ha di quella realtà. Le decisioni di manutenzione su dove intervenire, con quale priorità e con quale grado di urgenza vengono assunte su basi informative incomplete. E questo ha conseguenze dirette: sprechi di risorse su interventi non urgenti, ritardi su situazioni critiche, responsabilità civili per danni causati da infrastrutture non monitorate.
Il fenomeno ha anche un impatto economico concreto. A Torino, secondo i dati comunicati dall’Amministrazione comunale e riportati da Rai TGR Piemonte l’11 novembre 2025, le richieste di risarcimento per danni legati alle buche stradali sono passate da 585 nel 2023 a 889 nel 2024. Nei tre anni precedenti, il Comune ha sostenuto circa 1,5 milioni di euro per risarcire danni o infortuni connessi alle condizioni del manto stradale. È un dato riferito alla realtà torinese, non generalizzabile automaticamente ad altre città, ma rende concreto il peso economico che il degrado può avere per un’amministrazione.[1]
La polizia municipale, dal canto suo, si trova quotidianamente a gestire segnalazioni di anomalie stradali senza disporre di un quadro sistematico e aggiornato della situazione: ogni intervento richiede una verifica sul posto, senza la possibilità di distinguere, a priori, tra una segnalazione urgente e una già nota.
La svolta: ogni veicolo come sensore mobile del territorio
L’approccio di RighTo rovescia il paradigma del monitoraggio infrastrutturale: invece di inviare operatori sul territorio per effettuare ispezioni periodiche, trasforma i veicoli già in circolazione in sistemi di acquisizione e analisi dati continua.
Il principio è semplice nella sua logica, sofisticato nella sua realizzazione tecnica. Un veicolo, un autobus urbano ad esempio, opportunamente equipaggiato con telecamere ad alta risoluzione e un’unità di elaborazione Edge percorre normalmente la propria tratta. Durante la percorrenza, il sistema acquisisce in tempo reale le immagini della carreggiata, dei margini stradali e della segnaletica, applicando algoritmi proprietari di Computer Vision e Intelligenza Artificiale per rilevare, classificare e georeferenziare automaticamente ogni criticità rilevata.
Non si tratta di raccogliere filmati da visionare a posteriori. Ogni evento, una buca, un cartello mancante o un deposito di rifiuti, viene identificato, classificato per tipologia e livello di severità, associato alle coordinate GPS e al timestamp, e reso disponibile in tempo reale sulla piattaforma web RighTo. Il veicolo passa, il dato è già elaborato e consultabile.
Cosa rileva il sistema: le funzionalità core
Monitoraggio del manto stradale
Il modulo dedicato al manto stradale acquisisce in modo continuo la carreggiata attraverso la telecamera frontale. Gli algoritmi proprietari RighTo rilevano le buche, le classificano secondo un livello di criticità configurabile e associano all’evento la posizione geografica e un’evidenza fotografica del frame rilevato.
Il workflow è automatico dall’inizio alla fine:
- Rilevamento automatico dell’anomalia durante la percorrenza
- Classificazione per tipologia e grado di severità secondo una tassonomia configurabile dall’ente
- Associazione di timestamp e coordinate GPS per la georeferenziazione precisa
- Memorizzazione del frame fotografico a supporto della verifica
- Consolidamento delle rilevazioni ricorrenti sullo stesso punto, per distinguere anomalie episodiche da criticità strutturali
- Visualizzazione su mappa, con ranking delle aree critiche, filtri temporali e storico delle rilevazioni
Il risultato non è un elenco di segnalazioni: è una mappa dinamica e aggiornata in tempo reale dello stato del manto stradale, dove ogni criticità è ordinata per severità e frequenza di rilevazione.
Monitoraggio e censimento della segnaletica stradale
Le telecamere laterali e frontali consentono al sistema di individuare, classificare e registrare la segnaletica stradale verticale presente lungo il percorso. Per ogni segnale rilevato, il sistema registra la tipologia, la posizione georeferenziata, l’immagine associata e il timestamp del rilievo.
Il modulo è in grado di segnalare anomalie quali deterioramento visibile del segnale, condizioni di illeggibilità o assenza del segnale in un punto dove era precedentemente censito. Nel tempo, il sistema costruisce un catasto dinamico della segnaletica, aggiornato automaticamente ad ogni passaggio del veicolo.
Funzionalità aggiuntive e moduli estendibili
L’architettura modulare di RighTo consente di attivare, sulla stessa base hardware, funzionalità aggiuntive senza modifiche all’infrastruttura di bordo:
- Rilevamento di ostacoli e criticità alla viabilità: veicoli in sosta illecita, ingombri sulla carreggiata, elementi che interferiscono con la regolare circolazione
- Identificazione di depositi illeciti di rifiuti: rilevamento automatico e georeferenziazione di aree di abbandono abusivo lungo i percorsi
- Monitoraggio della vegetazione invasiva: segnalazione di fronde, alberi o arbusti che rappresentano rischi per la circolazione o limitano la visibilità
- Censimento della segnaletica orizzontale: stato delle strisce pedonali, delle linee di carreggiata e degli attraversamenti
- Classificazione degli attori della mobilità: rilevamento e classificazione di pedoni, ciclisti, motocicli, monopattini e veicoli a motore per analisi dei flussi di mobilità
L’impatto sulla pianificazione della manutenzione stradale
Il valore operativo di un sistema di monitoraggio continuo non si esaurisce nella raccolta dei dati: si realizza nella capacità di trasformare quei dati in decisioni migliori.
La piattaforma web RighTo raccoglie e organizza tutte le rilevazioni in un ambiente unificato, accessibile via browser da qualsiasi dispositivo. La dashboard operativa consente di:
- Visualizzare una mappa interattiva con la distribuzione georeferenziata di tutte le criticità rilevate, con funzionalità heatmap per l’identificazione immediata delle aree più problematiche
- Applicare filtri per territorio, quartiere, tipologia di criticità e livello di severità
- Consultare lo storico cronologico delle rilevazioni su ogni punto, per valutare l’evoluzione nel tempo di una criticità specifica
- Generare report periodici esportabili nei formati concordati con l’ente, pronti per la pianificazione degli interventi e la rendicontazione
- Integrare i dati con sistemi informativi di terze parti attraverso API, per alimentare direttamente i sistemi di gestione della manutenzione già in uso dall’ente
Per i responsabili della manutenzione stradale, questo significa passare da una logica di intervento reattivo, ovvero, si agisce quando il problema è già segnalato, spesso già grave a una logica di manutenzione prioritizzata: si conosce lo stato di ogni tratto della rete, si ordinano le criticità per urgenza, si pianificano gli interventi sulla base di dati oggettivi e aggiornati.
La conseguenza diretta è una significativa riduzione dei costi operativi: gli interventi vengono programmati con anticipo sulle criticità emergenti, evitando che situazioni di degrado moderato si trasformino in emergenze che richiedono interventi costosi e urgenti. Le risorse vengono allocate dove il dato indica che sono più necessarie, non dove la memoria dell’operatore o la casualità delle segnalazioni le indirizzano.
Accanto ai costi operativi della manutenzione, gli enti devono considerare anche gli oneri connessi ai sinistri e alla responsabilità civile. Il degrado stradale può infatti generare un impatto economico che va oltre il singolo intervento di riparazione. Un approfondimento pubblicato da Gen Re nel 2025 evidenzia che, nelle polizze di responsabilità civile verso terzi e prestatori d’opera (RCT/O) degli enti territoriali, l’elevata frequenza dei sinistri ha favorito il ricorso a franchigie più elevate e a meccanismi di Self Insurance Retention (S.I.R.), che lasciano una quota del rischio direttamente a carico dell’ente assicurato. Questo non significa che il monitoraggio possa garantire una riduzione dei costi assicurativi: evidenzia piuttosto l’importanza di conoscere e prendere in carico tempestivamente le criticità.[2]
I vantaggi per la Polizia Municipale
Il monitoraggio continuo e georeferenziato delle infrastrutture stradali ha ricadute dirette anche sull’operatività della polizia municipale, in almeno tre dimensioni.
Gestione strutturata delle anomalie alla viabilità. Il sistema RighTo può rilevare automaticamente situazioni che normalmente richiedono l’intervento della polizia municipale: veicoli in sosta illecita che ostruiscono la carreggiata, occupazioni abusive di spazi pubblici, ostacoli alla viabilità. Anziché affidarsi esclusivamente alle segnalazioni dei cittadini (spesso tardive e non georeferenziate) la polizia municipale dispone di un flusso continuo di dati strutturati, con posizione precisa e evidenza fotografica, su cui costruire un piano di intervento razionale.
Verifica e documentazione degli interventi. Lo storico delle rilevazioni consente di documentare oggettivamente sia la presenza di una criticità in un determinato momento, un dato rilevante in caso di contestazioni o procedimenti legali, sia la sua successiva risoluzione. Una buca segnalata il 3 marzo e non ancora risolta al 15 aprile è un dato oggettivo, tracciato e verificabile, che supporta le decisioni amministrative e, se necessario, le responsabilità legali.
Presidio del territorio con dati, non solo con presenze fisiche. Il monitoraggio continuo del contesto urbano o metropolitano produce una conoscenza sistematica del territorio che tradizionalmente richiederebbe un numero di pattugliamenti fisici impossibile da sostenere. La polizia municipale può concentrare la presenza sul campo sulle situazioni già identificate come critiche, ottimizzando l’efficacia operativa del presidio territoriale.
Un’architettura progettata per integrarsi, non per sostituire
RighTo AI non è un sistema chiuso. La sua architettura Edge, basata sulla Smart Unit Master come unità computazionale centrale, telecamere IP PoE ad alta risoluzione, Electrical Panel per la gestione dell’alimentazione e connettività 4G/5G per la trasmissione dei dati è progettata per integrarsi con l’infrastruttura tecnologica già in uso dagli enti.
I dati prodotti dal sistema sono esportabili nei formati richiesti dall’ente e integrabili via API con i sistemi informativi esistenti: gestionali della manutenzione, sistemi GIS, piattaforme di segnalazione cittadina, software di pianificazione degli interventi. Il sistema non sostituisce i processi esistenti: li alimenta con dati più accurati, più aggiornati e più strutturati.
La modularità dell’architettura consente inoltre di attivare progressivamente le funzionalità in base alle priorità dell’ente, partendo dai moduli base come manto stradale e segnaletica, per poi aggiungere nel tempo i moduli aggiuntivi senza modificare l’infrastruttura di bordo.
Dalla segnalazione alla decisione: il dato come infrastruttura
Le città che funzionano meglio non sono quelle che hanno più risorse per la manutenzione. Sono quelle che utilizzano le risorse disponibili con maggiore precisione, perché sanno dove intervenire, quando farlo e con quale urgenza, generando valore per i cittadini.
Il monitoraggio continuo e automatizzato delle infrastrutture stradali non è un lusso tecnologico: è la condizione abilitante per una gestione del territorio che sia al tempo stesso più efficace, più efficiente e più equa. Permette infatti di superare i limiti di un sistema basato esclusivamente sulle segnalazioni, garantendo una conoscenza più sistematica e aggiornata dello stato della rete stradale, anche nelle aree meno frequentemente monitorate.
RighTo AI è la risposta di Techrail a questa sfida: una piattaforma che trasforma il monitoraggio dell’infrastruttura da attività periodica e reattiva a processo continuo, automatico e basato sull’evidenza.
Fonti e approfondimenti:
[1] Rai TGR Piemonte, 11 novembre 2025, «Boom di risarcimenti per incidenti causati dalle buche. E il Comune corre ai ripari».
[2] Gen Re, 2025, «L’evoluzione giurisprudenziale sulla responsabilità da cose in custodia, il conseguente impatto sul mercato assicurativo, e un’analisi comparativa tra ordinamenti internazionali».
