Il supporto di dati rilevanti e appositamente analizzati sta diventando cruciale in ogni contesto dove è necessario giustificare il proprio operato, in quanto permette di aumentare l’obiettività e la trasparenza del processo decisionale, concretizzandolo. I dati e la loro analisi sono ormai alla base dei processi decisionali di moltissime industrie, dal settore bancario alle assicurazioni, telecomunicazioni, settore medico, automotive e utilities, fino alla PA.
In particolare i dati derivati dalla mobilità (pedonale, stradale e intermodale) possono aiutare la PA a prendere decisioni intelligenti e mirate, e quindi a gestire al meglio i flussi dei mezzi, la selezione dei fornitori, la manutenzione delle infrastrutture e la pianificazione degli interventi.
L’impatto del data driven decision making
Secondo un report di McKinsey & co., il cosiddetto data driven decision making può anche aiutare le pubbliche amministrazioni a:
- 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%
Con le interazioni di cittadini, industria e infrastrutture all’interno delle Smart Cities che generano un flusso costante di informazioni relative a territorio, edifici, energia, ambiente, trasporti, mobilità, salute e benessere i dati a disposizione delle PA sono in continua crescita.
Black box sulle auto, cosa cambia dal 2024
Inoltre, dal 7 luglio 2024 le case automobilistiche saranno tenute ad installare una black box su tutte le auto di nuova immatricolazione, rendendo di fatto ogni automobile una fonte di dati di mobilità da utilizzare per informare le visioni, scelte e strategie della pubblica amministrazione. Queste black box abilitano la tecnologia V2X (Vehicle-to-Everything) che infatti connette ogni veicolo con altri veicoli, infrastrutture, arredo urbano, pedoni, sensori o device. L’obiettivo principale della tecnologia V2X è quello di ridurre gli incidenti stradali e fornire sicurezza stradale, migliore efficienza del traffico e risparmio energetico. Creando una mappa virtuale aggiornata in tempo reale delle immediate vicinanze del veicolo, la tecnologia V2X potrebbe fornire al conducente informazioni su posizione, velocità e direzione di altri veicoli nelle vicinanze, ma anche su incidenti stradali o veicoli di emergenza in avvicinamento.
Perché i dati storici sono importanti per la PA
Ad oggi, una importantissima ma sottoutilizzata fonte di informazioni per la pubblica amministrazione sono i dati storici. Incrociando questi ultimi con dati provenienti da diversi sistemi, per esempio dati geo-sismici, idrici, o relativi ad incidenti ed infrazioni stradali, permette alle PA di avere una visione completa del contesto urbano e del territorio, e di agire con interventi mirati per, ad esempio, ridurre la congestione e gli incidenti stradali in determinate aree, aumentare i parcheggi disponibili, far defluire il traffico, ridurre le emissioni di CO2, ma anche giustificare misure impopolari come l’installazione autovelox e la creazione ZTL, dimostrandone la necessità ed efficacia.
Avere accesso al quadro completo fornito da dati presenti e passati, soprattutto in merito a incidenti, flussi di traffico e viabilità, permette inoltre alle pubbliche amministrazioni di gestire la nuova realtà della viabilità urbana. La popolarità di servizi di eBike, eScooter e Bike sharing stanno infatti mettendo a dura prova la viabilità urbana, che deve ancora adattarsi al nuovo mix di veicoli circolanti, che aumenta i rischi per pedoni, automobilisti e scooteristi. L’analisi dei dati di mobilità diventa quindi indispensabile non solo per implementare le giuste misure per rendere le strade più sicure riducendo la probabilità di incidenti, ma anche per identificare lacune strutturali, come la mancanza di un’adeguata rete di piste ciclabili, percorsi pedonali e corsie dedicate ai nuovi mezzi in sharing.
L’analisi dei dati permette anche di prioritizzare e pianificare accuratamente gli interventi in aree urbane, dalla manutenzione del manto stradale all’introduzione ed installazione di nuovi arredi urbani, che storicamente provocano non pochi disagi alla popolazione. In un contesto urbano, dare la giusta priorità agli interventi è sempre più cruciale. Grazie all’analisi sia dei dati storici, sia di quelli in tempo reale, provenienti dai sensori presenti nelle città connesse, gli amministratori possono prendere decisioni informate e pianificare gli interventi per ridurre al minimo i disagi. Ma sfruttare il potenziale dei dati storici non contribuisce solo ad evitare o ridurre viabilità modificata, aumento del traffico, code, ritardi dei mezzi pubblici e inquinamento acustico; le informazioni derivate si possono rivelare indispensabili anche per selezionare i fornitori migliori per ogni intervento, non solo in base alle informazioni e dati forniti dagli stessi al momento della gara di appalto, ma anche in relazione ad esperienze di collaborazioni passate.
Dati e trasporto pubblico
Sempre in merito all’ottimizzazione della viabilità urbana, i dati possono essere utilizzati per creare una rete di trasporto pubblico integrata ed intermodale. In un mondo dove il cittadino può ordinare qualsiasi cosa con un click, sembra ancora incredibile che pianificare un viaggio richieda l’accesso a molteplici piattaforme diverse per modalità di trasporto diverse (treni, autobus, traghetti, metro, aerei, ecc.). Avere a disposizione una rete integrata intermodale, che permette ai cittadini di pianificare ogni passo del loro viaggio senza cambiare piattaforma o interfaccia, non solo agevola l’esperienza di prenotazione ed acquisto per gli utenti, ma permette, finalmente, di ottimizzare e sfruttare al meglio la rete dei trasporti pubblici. Inoltre, i dati raccolti relativi a percorsi abituali, maggiormente richiesti e preferenze di mezzo di trasporto possono rivelarsi essenziali per decongestionare il traffico, ridurre le emissioni e perfezionare l’offerta.
L’analisi dei dati di mobilità, integrata con l’Intelligenza Artificiale, rende anche possibile la creazione di istantanee in evoluzione, modelli dinamici in grado di integrare anche dati in tempo reale che, grazie ad appositi algoritmi, permettono di prevedere la necessità di interventi, ma anche i possibili risultati degli stessi. Grazie all’AI, partendo dalle strade e dalle infrastrutture urbane sarà infatti possibile tracciare un eloquente ritratto dello stato e utilizzo tipico del suolo pubblico e della sua condivisione tra mezzi diversi e pedoni e per creare dashboard predittive o città “Gemelle Digitali”, le Digital Twin. Proprio per quanto riguarda le Digital Twin, ESI ThoughtLab prevede che la percentuale di città che effettuano grandi investimenti in merito passerà dall’11% al 31% in appena tre anni[1].
__
Note
- ESI ThoughtLab: Smart City solutions in a riskier world. (2021) ↑
