In un mondo sempre più urbanizzato e connesso le interazioni tra cittadini, industria e infrastrutture all’interno delle Smart Cities generano un alto volume di dati, che, una volta anonimizzati ed analizzati in tempo reale, possono fornire alla PA informazioni su cui basare scelte mirate e “smart”. L’enorme potenziale dei dati e della loro analisi è ormai già riconosciuto e sfruttato in moltissime industrie[1].
Per quanto riguarda la pubblica amministrazione, un report di McKinsey & co., rivela che le Smart Cities, appoggiandosi al crescente flusso di informazioni relative a territorio, edifici, energia, ambiente, trasporti, mobilità, salute e benessere potrebbero:
- Ridurre il crimine del 30-40%
- Ridurre il viaggio dei pendolari di 15-30 minuti al giorno
- Risparmiare 25-80 litri di acqua pro capite al giorno
- Migliorare il tempo di risposta dei servizi di emergenza del 20-35%[2]
In una realtà dove si ha accesso a tutto con un click, tramite infinite app, è sempre più importante fare affidamento sui dati di mobilità, che possono aiutare le PA a rendere più competitivo il sistema dei trasporti pubblici tramite la creazione di una rete integrata intermodale dei mezzi. Questo permetterebbe di pianificare un viaggio senza il bisogno di accedere a piattaforme diverse per ogni mezzo di trasporto (treni, autobus, tram, metropolitana, aerei, traghetti, ecc), agevolando quindi non solo l’esperienza di prenotazione ed acquisto per gli utenti, ma anche l’organizzazione di una rete complessa e non sempre utilizzata al meglio. In più, i dati in tempo reale riguardanti i percorsi abituali e maggiormente richiesti possono informare decisioni efficaci per decongestionare il traffico, ridurre le emissioni e la durata degli spostamenti casa-lavoro.
Per migliorare il processo decisionale, la pianificazione di interventi e la mobilità urbana è però essenziale avere accesso non solo ai dati in tempo reale, ma anche ai dati storici relativi a un determinato territorio. I dati storici rappresentano un’importantissima e sottoutilizzata fonte di informazione per la pubblica amministrazione, dal comune più piccolo alle grandi metropoli. Facendo leva su questi dati, le PA possono comprendere al meglio le peculiarità del territorio e quindi agire con interventi mirati per, ad esempio, ridurre la congestione in particolari aree, aumentare i parcheggi disponibili, far defluire il traffico e ridurre le emissioni di CO2, oppure intervenire su zone con un alto tasso di incidenti stradali. L’analisi dei dati storici, incrociati con dati in tempo reale e dati provenienti da diversi sistemi, come dati geo-sismici, metereologici, relativi ad emissioni, così come incidenti ed infrazioni stradali, può fornire alla pubblica amministrazione una visione completa della situazione urbana, permettendo così agli amministratori di identificare gli interventi necessari, il periodo migliore per pianificarli, ma anche di ridurre al minimo i disagi associati agli interventi urbani, che rendono queste misure, inevitabili ed essenziali, sgradite ai cittadini.
Gli interventi necessari in un contesto urbano sembrano infatti essere senza fine, soprattutto per quanto riguarda le Smart Cities, che oltre alla consueta manutenzione devono anche rimanere al passo con nuove innovazioni e tecnologie automotive. Inoltre, innovazioni in ogni ambito, assieme alla crescente popolarità dei servizi di sharing stanno mettendo a dura prova la viabilità urbana, che fatica ad adattarsi al nuovo mix di veicoli circolanti. Avere a disposizione dati storici precisi inerenti incidenti, flussi di traffico e viabilità, assieme ad informazioni concrete e in tempo reale, permette agli amministratori di avere un quadro completo della situazione, che rende possibile implementare misure per rendere le strade più sicure riducendo la probabilità di incidenti, oltre ad identificare lacune strutturali, come la mancanza di un’adeguata rete di piste ciclabili, percorsi pedonali e corsie dedicate.
L’accesso all’analisi dei dati di mobilità risulta inoltre indispensabile per la creazione di istantanee in evoluzione, modelli basati sull’Intelligenza Artificiale in grado di integrare anche dati in tempo reale e che, grazie ad appositi algoritmi, permettono di prevedere la necessità, e i possibili risultati, di determinati interventi. L’AI permette quindi di tracciare un ritratto accurato dello stato e utilizzo tipico del suolo pubblico e della sua condivisione tra mezzi diversi e pedoni, e di creare dashboard predittive o città “Gemelle Digitali”, le Digital Twin, una tecnologia in cui, secondo ESI ThoughtLab molte città prevedono di investire nei prossimi anni[3].
Un’altra tecnologia sempre più diffusa, è la tecnologia Vehicle to Everything (V2X), alla base delle cosiddette connected car e che connette ogni veicolo con altri mezzi, infrastrutture, arredo urbano, pedoni, sensori o device, rendendo di fatto ogni automobile una fonte di dati di mobilità. L’obiettivo principale della tecnologia V2X è ridurre gli incidenti stradali e fornire sicurezza stradale, migliore efficienza del traffico e risparmio energetico. Grazie all’interazione del veicolo con le sue immediate circostanze, la tecnologia V2X permette di creare una mappa in tempo reale delle vicinanze dell’auto, fornendo informazioni riguardanti l’intero ambiente cittadino, informando il conducente sulla posizione, velocità e direzione di altri veicoli nelle vicinanze, ma anche su incidenti stradali o veicoli di emergenza in avvicinamento.
Implementare l’analisi dei dati di mobilità permette quindi alla pubblica amministrazione di sfruttare l’illimitato potenziale informativo offerto dalla tecnologia, e di prendere decisioni concrete, dimostrabili e mirate, per realizzare maggiore risparmio, produttività ed efficienza.
A cura di Benedykt Szozda, Data Scientist presso Air-Connected Mobility
[1] Statista, Data-driven decision-making in organizations worldwide as of 2020, by sector
[2] McKinsey & co., Smart Cities: Digital Solutions for a more Liveable Future, 2019
[3] ESI ThoughtLab: Smart City solutions in a riskier world. (2021)