Analisi cinematica dei dati da scatole nere per la rilevazione di quasi-incidenti e rischi di guida

La presente tesi analizza i comportamenti di guida rischiosi e gli eventi di quasi incidente (near-crash events) attraverso dati cinematici provenienti da scatole nere installate su 18 veicoli. L'obiettivo principale è stato sviluppare una metodologia su MATLAB che permettesse l'identificazione automatica degli eventi critici basati su soglie cinematiche (accelerazioni e decelerazioni brusche) e variabili contestuali come l'orario e il tipo di strada percorsa. Il processo metodologico ha previsto un'accurata fase di pre-processing e correzione dei dati grezzi, seguita da un'analisi approfondita delle variabili cinematiche per individuare comportamenti di rischio. Successivamente, attraverso algoritmi appositamente sviluppati, sono state classificate le tipologie di strada percorse dai veicoli (residenziali, urbane, extraurbane, autostradali) e il contesto temporale (guida diurna/notturna). L'analisi dei dati aggregati ha poi permesso di definire indicatori quantitativi per valutare e confrontare oggettivamente il comportamento dei singoli conducenti. I risultati ottenuti mostrano come il superamento dei limiti di velocità avvenga prevalentemente in contesti urbani, dove le restrizioni sono più severe. La guida notturna emerge inoltre come fattore rilevante, associata a un significativo aumento nella densità di eventi harsh per chilometro percorso. Attraverso modelli di regressione lineare multipla, è stato possibile confermare statisticamente queste relazioni, evidenziando l'importanza del contesto di guida come determinante fondamentale del rischio stradale. La ricerca dimostra pertanto il potenziale dell'analisi integrata di dati cinematici e contestuali come supporto operativo per la prevenzione dei comportamenti rischiosi, con importanti applicazioni in termini di sicurezza stradale e di valutazione predittiva del rischio.