Individare aree edificabili e possibilità di sopraelevazione è per i comuni un processo finora legato a un'intensa manodopera. Un nuovo metodo del Fraunhofer IGD mira a automatizzare questa ricerca.
Risultato di un'analisi delle aree edificabili: tanto più chiara è la colorazione, che va dal viola al blu, verde e arancione, tanto maggiore è la percentuale di superficie non edificata.
Dove possono le città creare ulteriore spazio abitativo senza sigillare nuove superfici? Il Fraunhofer-Institut für Graphische Datenverarbeitung IGD punta su intelligenza artificiale.
A tal scopo, l'istituto combina foto aeree, dati di scansione laser e dati geografici ufficiali. L'IA riconove dove esistono aree edificabili, quali superfici possono essere densificate e quali edifici sono idonei per una sopraelevazione. In questo modo, i comuni possono riconoscere più rapidamente quali risorse possiedono nel loro patrimonio esistente.
Alla ricerca di terreni edificabili adatti
La necessità è grande, poiché mancano alloggi e il consumo di suolo dovrebbe diminuire. Molti comuni sanno approssimativamente dove all'interno degli insediamenti esistenti si potrebbe ancora costruire.
Tuttavia, il rilevamento preciso richiede molta manodopera. I dati geografici da diverse fonti devono essere integrati, le foto aeree e satellitari analizzate e talvolta le superfici controllate sul posto. Per le amministrazioni con personale ridotto, questo è un notevole carico.
All'inizio del metodo Fraunhofer c'è l'analisi delle immagini. L'IA riconosce inizialmente su foto aeree o ortofoto le aree potenziali. Queste corrispondenze vengono collegate con dati geografici ufficiali e elaborate in un sistema di informazione geografica (GIS). In questo modo dovrebbero nascere basi di dati comprensibili e aggiornabili, che si integrano nei sistemi di pianificazione esistenti.
L'IA riconosce anche le potenzialità di sopraelevazione
Nel caso delle aree edificabili, il metodo controlla, tra le altre cose, quale percentuale di un lotto non è edificata. A tal fine, confronta i dati delle immagini con i dati ufficiali dei lotti catastali.
Con i dati di scansione laser 3D, il metodo va oltre la semplice ricerca di aree edificabili. Determina le altezze degli edifici e le confronta con l'ambiente circostante. Questo fornisce indicazioni su edifici che potrebbero essere sopraelevati. I risultati possono essere forniti come layer cartografici, set di dati o visualizzazioni 3D.
"Molte città dispongono già di vasti archivi di dati geografici, il cui potenziale è stato utilizzato solo in parte", afferma la Dr. Eva Klien, responsabile del settore Infrastruttura e Servizi Pubblici del Fraunhofer IGD. "La nostra soluzione mostra come questi dati possano essere analizzati automaticamente per rendere visibili le potenzialità abitative nel patrimonio esistente e supportare in modo efficiente i processi di pianificazione."
Münster si affida a un registro dei potenziali edificatori
Come si presenta nella pratica, lo mostra Münster. La città ha commissionato un registro dei potenziali edificatori che dovrebbe rilevare aree edificabili e potenzialità di sopraelevazione. Il progetto è iniziato a giugno 2025. I risultati sono in formato di dati geografici standardizzato GeoJSON e vengono integrati in un plugin QGIS.
Per l'analisi di sopraelevazione, le altezze degli edifici vengono misurate automaticamente dalle nuvole di punti. Affinché le superfici del tetto possano essere assegnate singolarmente agli edifici, le nuvole di punti vengono intersecate con i perimetri degli edifici provenienti dall'offerta di dati aperti della Renania Settentrionale-Vestfalia. Il risultato costituisce la base per ulteriori analisi di potenziale.
I dati di addestramento rendono la ricerca automatizzabile
Nel riconoscimento delle aree edificabili, un modello impara da esempi. A tal fine, le superfici sono state marcate manualmente all'inizio. I dati del catastale ufficiale dei terreni (ALKIS) forniscono il punto di partenza per separare aree non edificabili da aree meritevoli di esame.
Con questi dati di addestramento, il modello riconosce successivamente autonomamente le aree edificabili potenziali nelle foto aeree.
Attraverso il plugin QGIS, la pianificazione urbana ottiene uno strumento che può essere integrato nei flussi di lavoro esistenti. Secondo il Fraunhofer IGD, l'approccio open-source dovrebbe inoltre facilitare il trasferimento ad altre città e comuni.
Preparazione proveniente dalla Sassonia-Anhalt
I lavori attuali si basano su progetti precedenti. Insieme al Ministero per l'Infrastruttura e la Digitalizzazione del Land Sassonia-Anhalt, il Fraunhofer IGD ha già esaminato come automatizzare la ricerca di aree potenziali. A tale scopo, vengono combinati informazioni geografiche, dati di telerilevamento e computer vision.
Un algoritmo autoapprendente assegna tramite la cosiddetta segmentazione semantica a ogni pixel di un'immagine satellitare una classe. Il risultato viene confrontato con i dati dei lotti catastali. Secondo il Fraunhofer IGD, la precisione è dell'86%. Le verifiche sul posto dovrebbero essere quindi necessarie molto più raramente. Le aree trovate possono essere filtrate ulteriormente secondo criteri come la loro posizione rispetto a strade, autostrade o stazioni ferroviarie. Da questi approcci è emersa una pipeline di IA scalabile.
Per un catasto di aree potenziali a livello statale in Sassonia-Anhalt, il Fraunhofer IGD ha sviluppato una soluzione che analizza ortofotogrammi digitali. I risultati vengono collegati con dati da ALKIS, la topografia ufficiale (ATKIS) e la pianificazione territoriale. L'obiettivo è una base di dati uniforme e riproducibile, utilizzabile anche oltre i singoli comuni.
L'IA non sostituisce la verifica edilizia e di pianificazione
L'IA alleggerisce ai pianificatori il lavoro di ricerca, ma non le decisioni. Se un'area individuata può essere edificata o densificata o se un edificio può essere sopraelevato, rimane competente delle autorità competenti. Essi verificano il diritto edilizio e di pianificazione, i rapporti di proprietà, le priorità politiche e le questioni tecniche costruttive.
Il Fraunhofer IGD comprende quindi l'IA come aiuto per ricercare più rapidamente grandi archivi di dati e fornire una preselezione qualificata. Le pianificatrici e i pianificatori ricevono così una base generata sistematicamente e non devono più raccogliere individualmente le aree potenziali da diverse fonti. Possono quindi esaminare in modo mirato e più dettagliato le località pertinenti.
In questo modo, i comuni possono sfruttare meglio le riserve di superficie esistenti e creare ulteriore spazio abitativo senza dover necessariamente designare nuove aree edificabili.