Per ‘leggere’, capire e gestire la realtà, oggi si possono usare i dati, i Big data. E ciò vale anche per la mobilità, i flussi di traffico e dei trasporti, e la mobilità sostenibile.

Per la rubrica ABC Future Mobility, questa volta trattiamo la lettera D: D come Dati, il nuovo ‘oro nero’ per il mondo del Ventunesimo secolo – come sono già stati definiti –, al posto del petrolio.

Con sensori, IoT (Internet of Things), Big data e Analytics si possono scandagliare e passare ai ‘raggi X’ una vasta serie di attività in settori molto diversi tra loro, dalla produzione nelle aziende (Industria 4.0) allo spostamento di persone e merci, pendolarismo, logistica e eCommerce.

Sull’argomento si può ad esempio consultare ‘The Data revolution: Big data, Open data, Data infrastructures and their consequences’, scritto da Rob Kitchin e stampato da Sage Publications, mentre Adam Greenfield nel suo ‘Tecnologie radicali’, pubblicato da Einaudi, sottolinea che “gli algoritmi sono ovunque sotto la superficie della vita contemporanea”.

Un algoritmo permette già a un’autovettura autonoma di riconoscere gli ostacoli lungo la strada, e “maggiore è la quantità di dati disponibili per l’addestramento, più un algoritmo riesce a identificare caratteristiche e indicazioni utili a funzionare sempre meglio”. In pratica, la mobilità del futuro sarà condivisa, elettrica e connessa grazie ai Big data.

I Big data come guideranno la mobilità del futuro?

Dalla possibilità di aumentare la sicurezza e ridurre gli ingorghi, permettere l’intermodalità con mezzi di trasporto diversi e meno inquinanti, creare nuovi servizi per spostarsi e informazioni ad hoc, fino alla personalizzazione delle App e dei contratti di assicurazione, le opportunità sono davvero molte.

La raccolta e l’uso dei dati e delle informazioni, provenienti da sensori e dispositivi interconnessi, permetterà di pianificare in modo più efficiente la mobilità nelle città, soprattutto in quelle aree dove si concentra la maggior parte del traffico: sapere quante macchine transitano in un determinato luogo, a una determinata ora, è sicuramente un dato fondamentale.

I Big data possono poi sviluppare soluzioni di mobilità sempre più sostenibili e intelligenti: integrato in un quadro più ampio, il sistema – fatto di informazioni e intelligenza artificiale – raccoglie e analizza i dati provenienti dalla rete stradale delle città, ottimizza tempi e costi associati al trasporto, gestisce in maniera più efficace contrattempi come ingorghi, lavori stradali, incidenti, e permette di sviluppare Sharing mobility e Mobility-as-a-service.

Con quali possibili o probabili sviluppi?

Lo scenario prospettato dai Big data si unisce a quello delle città del futuro: il prossimo passo verso l’implementazione della Smart mobility nelle Smart city è quello di far lavorare insieme non solo la tecnologia, ma anche le amministrazioni e le aziende del settore, allineando obiettivi, condividendo informazioni e plasmando la visione globale della città innovativa.

Una visione che comprende anche la creazione di nuove politiche di mobilità globale adattate alle città, che promuovano l’utilizzo del trasporto pubblico e della mobilità sostenibile, riducano l’uso di mezzi privati, offrendo alternative efficienti e adattando il trasporto pubblico alle nuove esigenze. Il tutto, per una mobilità e un sistema di trasporti più efficiente, più pratico e comodo, e meno inquinante.

Come funziona l’utilizzo dei Big data per la mobilità?

L’uso dei dati per innovare la mobilità e renderla più sostenibile si compone di quattro attività e fasi principali.

1. Raccogliere grandi quantità di fatti e informazioni che riguardano il modo di spostarsi e viaggiare;
2. Passarli al setaccio con gli algoritmi per scoprire quali modelli di utilizzo e di sviluppo siano latenti e funzionali al loro interno;
3. Ispezionare e valutare questi modelli per trovare i punti ottimali d’intervento;
4. Agire, sulla base di queste conoscenze, per rimodellare le traiettorie della mobilità, in modo che la sua futura evoluzione si avvicini il più possibile a quanto desiderato.

Per fare qualche esempio pratico?

Ad esempio, attraverso i dati ricevuti dai Gps installati sui veicoli, sistemi di intelligenza artificiale e data analytics sono in grado di studiare le percorrenze del traffico, della Sharing mobility e delle flotte aziendali.

In questo modo, si può calcolare e stabilire in modo scientifico qual è la percentuale di vetture che può essere convertita in elettriche. Si possono simulare diversi scenari valutando contemporaneamente tre parametri: grado di elettrificazione, impatto economico ed ecologico, soluzioni di ricarica.

Oppure, altri strumenti di Data science aiutano le aziende che vogliono migliorare la propria efficienza nei trasporti, ridurre i costi e offrire un servizio migliore grazie alla possibilità di tenere sotto controllo la propria flotta di mezzi. Così facendo, per esempio, si può risparmiare migliorando il consumo di carburante, attraverso l’adozione di alcune misure specifiche o l’ottimizzazione dei percorsi; si può essere più produttivi riducendo gli oneri amministrativi e avendo un maggiore controllo della flotta e, infine ma non ultimo, si può aumentare la sicurezza di chi si sposta sulle strade e nel traffico.