Parte del Focus "Nuove tecnologie e Intelligenza artificiale. Sfide per la pianificazione"
a cura di Adriano Bisello e Michele Grimaldi
Eurac Research Institute for Renewable Energies
DICIV/Università degli studi di Salerno
Assegnista di ricerca, DICIV/Università degli studi di Salerno
L’Intelligenza artificiale (AI), entrata recentemente nel dibattito quotidiano grazie ad una forte spinta mediatica, è spesso percepita come una tecnologia emergente. Tuttavia, le sue radici concettuali risalgono addirittura alla prima metà del XX secolo. Con il passare dei decenni, grazie al machine learning, sottoinsieme dell’AI che consente ai sistemi di migliorarsi senza essere esplicitamente programmati, ha acquisito un ruolo sempre più rilevante. L’evoluzione rappresentata dal deep learning ha ampliato ulteriormente le potenzialità, permettendo di analizzare, valutare ed interpretare enormi quantità di dati complessi ed eterogenei, incluse immagini, testi e sequenze temporali provenienti da sensori connessi (IoT). Questa capacità consente applicazioni avanzate non solo in ambito industriale, ma può offrire un importante contributo anche alla pianificazione urbanistica, per la modellazione predittiva degli effetti del cambiamento climatico o la simulazione di scenari in tempo reale, supportando l’elaborazione di strategie di risposta.
Anand A., Deb C. (2024), “The potential of remote sensing and GIS in urban building energy modelling”, Energy and Built Environment, vol. 5, no. 6, p. 957-969. https//doi.org/10.1016/j.enbenv.2023.07.008
Cong C., Page J., Kwak Y., Deal B., Kalantari Z. (2024), “AI Analytics for Carbon-Neutral City Planning: A Systematic Review of Applications”, Urban Science, vol. 8, no. 3, p. 104. https//doi.org/10.3390/urbansci8030104
Hajrasouliha A. H. (2024), “Applications, Approaches, and Ethics of the Extended Reality in Urban Design and Planning”, Journal of the American Planning Association, vol. 90, no. 3, p. 551-567. https//doi.org/10.1080/01944363.2023.2275123
Han J.M., Lee N. (2018), “Holistic visual data representation for built environment assessment”,International Journal of Sustainable Development and Planning, vol. 13, no. 4, p. 516-527. https//doi.org/10.2495/SDP-V13-N4-516-527
Koumetio Tekouabou S. C., Diop E. B., Azmi R., Jaligot R., Chenal J. (2022), “Reviewing the application of machine learning methods to model urban form indicators in planning decision support systems: Potential, issues and challenges”, Journal of King Saud University - Computer and Information Sciences, vol. 34 no. 8, p. 5943-5967. https//doi.org/10.1016/j.jksuci.2021.08.007
Kumar P., Kalaiarasan G., Porter A.E., Pinna A., Kłosowski M.M. et al. (2021), “An overview of methods of fine and ultrafine particle collection for physicochemical characterisation and toxicity assessments”, Science of the Total Environment, vol. 756, 143553. https//doi.org/10.1016/j.scitotenv.2020.143553
Marasinghe R., Yigitcanlar T., Mayere S., Washington T., Limb M. (2024), “Towards Responsible Urban Geospatial AI: Insights From the White and Grey Literatures”, Journal of Geovisualization and Spatial Analysis, vol. 8, no. 2. https//doi.org/10.1007/s41651-024-00184-2
Quamar M. M., Al-Ramadan B., Khan K., Shafiullah M., El Ferik S. (2023), “Advancements and Applications of Drone-Integrated Geographic Information System Technology—A Review”, Remote Sensing, vol. 15, no. 20, 5039. https//doi.org/10.3390/rs15205039
Son T. H., Weedon Z., Yigitcanlar T., Sanchez T., Corchado J. M. (2023), “Algorithmic urban planning for smart and sustainable development: Systematic review of the literature”, Sustainable Cities and Society, vol. 94, 104562. https//doi.org/10.1016/j.scs.2023.104562
Xiong Y., Liu T., Qin Y., Chen H. (2024), “A Scientometric Examination on Performance-Driven Optimization”, Urban Block Design Research: State of the Art and Future Perspectives. Buildings, vol. 14, no. 2, 403. https//doi.org/10.3390/buildings14020403
Parlamento europeo, Consiglio europeo (2024), Regolamento (UE) 2024/1689 del Parlamento europeo e del Consiglio, del 13 giugno 2024, che stabilisce regole armonizzate sull’intelligenza artificiale e modifica i regolamenti (CE) n, 300/2008, (UE) n, 167/2013, (UE) n, 168/2013, (UE) 2018/858, (UE) 2018/1139 e (UE) 2019/2144 e le direttive 2014/90/UE, (UE) 2016/797 e (UE) 2020/1828 (regolamento sull’intelligenza artificiale) (Testo rilevante ai fini del SEE) [https://data.consilium.europa.eu/do...].