Grazie alla produzione in serie dell’automobile, che l’ha resa un bene accessibile ad un vastissimo numero di consumatori, la mobilità privata, basata sulla proprietà del veicolo utilizzato per gli spostamenti, è divenuta il modello prevalente e non ha subito sostanziali cambiamenti nel tempo.

Negli ultimi anni diverse tecnologie abilitanti dell’industria 4.0 sono state applicate al settore automotive e i veicoli stanno diventando sempre più connessi e intelligenti. Queste innovazioni tecnologiche permetteranno in futuro di raggiungere il massimo livello di guida autonoma che arriverà ad eliminare del tutto l’intervento umano. Tuttavia, molti esperti suggeriscono che la diffusione della guida autonoma, se applicata al presente modello di mobilità basato sulle auto private, potrebbe ulteriormente peggiorare la congestione del traffico. È necessario, pertanto, rivoluzionare l’attuale modello di mobilità.

Servitizzazione, sharing economy e multimodalità: il nuovo modello di mobilità come servizio

Le nuove tecnologie, in questo senso, non rendono solo i veicoli connessi e sempre più autonomi, ma permettono anche lo sviluppo e la diffusione di un nuovo modello di mobilità: il Mobility as a Service (MaaS), la “mobilità come servizio”. Secondo questo modello, che si basa sulla sempre più diffusa servitizzazione e sulla sharing economy, la mobilità non è più legata al possesso del bene – il veicolo – ma diventa un servizio, o meglio la possibilità di accedere a tanti servizi interconnessi. I concetti fondamentali su cui si basa il MaaS sono infatti l’integrazione e la multimodalità: lo spostamento che si deve compiere può essere effettuato utilizzando in sequenza diversi servizi di mobilità tra quelli messi a disposizione dell’utente. Al tradizionale servizio di trasporto pubblico che costituisce la “spina dorsale” del sistema devono integrarsi in modo efficiente e in ottica di ottimizzazione delle risorse nuovi servizi di mobilità condivisa, come ad esempio il vehicle sharing o il ride sharing, per ampliare l’offerta.

I servizi di vehicle sharing (car sharing, bike sharing, scooter sharing) permettono a più utenti diversi di utilizzare a turno per un breve periodo di tempo un veicolo (auto, bici o monopattino) senza la necessità di possederlo. Per poter essere utilizzati tali veicoli devono essere connessi ad una piattaforma digitale di gestione, sia per comunicare i dati su posizione, consumi e tempi di utilizzo per la fatturazione, che per ricevere i dati relativi ai noleggi prenotati.

Il ride sharing, invece, consiste nel condividere uno spostamento effettuato con un veicolo; in questo caso i dati necessari per condividere un viaggio sono l’orario, l’origine e la destinazione dello spostamento. Tali dati permettono di aggregare tragitti compatibili tramite software di ottimizzazione, riducendo così il numero di veicoli in movimento. L’aggregazione dei viaggi in alcuni casi viene anche utilizzata dai servizi taxi per offrire corse condivise a tariffe più convenienti.

I dati per la gestione della mobilità: sfide e opportunità per le aziende ICT

Per poter valutare la possibilità di attivare nuovi servizi di mobilità secondo un approccio data-driven sia gli enti pubblici che gli operatori privati necessitano di analisi molto dettagliate. Attualmente nella maggior parte dei casi le analisi sulla mobilità vengono ancora svolte in modo tradizionale, tramite questionari somministrati ad una piccola percentuale della popolazione a cui viene chiesto di indicare gli spostamenti effettuati in una determinata giornata o nella “giornata tipo”; alle volte ci si limita alle ore di punta o addirittura al solo primo spostamento della giornata. Tuttavia, le abitudini acquisite durante la pandemia, come ad esempio lo smart working, continuano a perdurare, producendo come effetto la diminuzione della mobilità sistematica e rendendo poco efficaci i metodi di analisi tradizionali. I telefoni cellulari, invece, generano continuamente dati e la loro connessione alle antenne permette di analizzare gli spostamenti nel territorio di una percentuale molto maggiore di persone durante tutto l’arco della giornata. Questa metodologia di analisi non viene adottata perché spesso ritenuta troppo costosa, ma, considerato il maggior numero di persone analizzabile, risulta essere addirittura più conveniente se si guarda al prezzo per utente monitorato. Altri dati che permettono di monitorare la mobilità sul territorio sono le tracce GPS generate da dispositivi IoT come wearables o veicoli connessi. La maggior criticità per l’utilizzo di tali dati consiste nei problemi di tutela della privacy; per risolvere questo problema i dati devono venire anonimizzati, solitamente tramite aggregazione, oppure, per le tracce GPS, tramite l’eliminazione di una parte dello spostamento. L’anonimizzazione porta inevitabilmente ad una perdita di informazioni e per ovviare a questo inconveniente la tecnologia attualmente più promettente è costituita dell’utilizzo dei dati sintetici, dati “finti” perché non riferiti a nessuna persona reale, generati da algoritmi di intelligenza artificiale sulla base dei dati reali. Inoltre, per effettuare queste analisi bisogna essere in grado di gestire ed elaborare big data. Questi strumenti di analisi possono essere molto utili, ad esempio, per gli operatori di servizi di vehicle sharing che li possono sfruttare, anche in modo predittivo tramite tecniche di machine learning, per ottimizzare le proprie operations nella redistribuzione dei veicoli all’interno dell’area in cui viene fornito il servizio.

Inoltre, l’intelligenza artificiale può essere utilizzata per raccogliere dati sulla mobilità: la computer vision, ad esempio, può generarli dalle immagini di telecamere, anche quelle già installate nelle strade per la sorveglianza urbana. Si possono così monitorare in continuo i flussi di pedoni, biciclette, moto, auto e mezzi pesanti, contandone il numero e rilevando la velocità del traffico o il grado di occupazione dei parcheggi ed il tempo di sosta.

La trasformazione della mobilità in un sistema intermodale MaaS, che permetta agli utenti di pianificare un viaggio effettuato con servizi di trasporto forniti da diversi operatori pagando un unico biglietto, se da un lato porta ad un’ottimizzazione, riducendo il numero totale di chilometri percorsi e di veicoli necessari a trasportare le persone (e di conseguenza anche benefici ambientali), dall’altro aumenta la complessità di gestione. Infatti, i servizi di mobilità generalmente vengono erogati da operatori diversi che devono condividere dati e collaborare affinché il sistema integrato funzioni. A questo riguardo, nasce la necessità di implementare politiche, sia a livello comunitario, che nazionale e regionale, per definire la tipologia e la modalità di condivisione dei dati. Per la molteplicità di soggetti coinvolti in modalità peer-to-peer, una tecnologia che potrebbe contribuire a semplificare l’attuazione del sistema MaaS è la blockchain.

In questo contesto generale è ormai chiaro il ruolo centrale dei dati nella pianificazione e gestione della mobilità, sia per supportare il processo di trasformazione delle città in smart cities che per contribuire alla riduzione degli impatti del settore dei trasporti sul clima e l’ambiente. Per questo motivo, quello dell’analisi della mobilità rappresenta un settore di intervento in crescita per aziende ICT provider di soluzioni digitali, in cui è molto alta la richiesta sia da parte della Pubblica Amministrazione sia dei privati che si occupano di sviluppare proposte per le smart cities.

Il caso di Isonlab: grazie al progetto TechMOlogy la sperimentazione presso il campus di Area Science Park

Sfruttando l’occasione fornita dalla sfida industriale lanciata nell’ambito del progetto Interreg Italia-Slovenija TechMOlogy, durante il mese di marzo 2023 verrà sperimentata una soluzione sviluppata dall’azienda Isonlab per il monitoraggio dei flussi di traffico presso il campus di Area Science Park di Padriciano. La soluzione proposta consiste in un algoritmo di intelligenza artificiale che, grazie all’analisi dei dati raccolti da una telecamera e alcuni beacon che rilevano i dispositivi mobili, riconosce le diverse tipologie di veicoli, li conta, indica quante persone sono a bordo di ciascuno di essi e il numero totale di persone che si muovono in bicicletta, moto, auto o autobus ogni giorno. Questa soluzione è utile all’Ente di ricerca che deve sviluppare il Piano degli Spostamenti Casa-Lavoro (PSCL) per automatizzare la raccolta dati ed il monitoraggio della ripartizione modale. In un’ottica più ampia però nel campus di un parco scientifico-tecnologico o in un consorzio di sviluppo economico locale tale soluzione può essere molto utile anche per il facility management e la gestione dell’erogazione di servizi basati sulla presenza di persone, come ad esempio la gestione delle emergenze o l’erogazione del servizio mensa.

I risultati della sperimentazione di questa soluzione tecnologica verranno presentati nell’ambito dell’evento finale del progetto TechMOlogy che si svolgerà il 29 marzo presso la LEF di San Vito al Tagliamento (PN).

–> Nel living lab IP4FVG di Trieste (ospitato nel campus di Area Science Park a Padriciano) è possibile vedere software di simulazione ed ottimizzazione che possono aggregare gli spostamenti e ridurre le percorrenze dei veicoli. Se vuoi richiedere una visita scrivi a: trasformazionedigitale@ip4fvg.it oppure compila il form