Le motivazioni che spingono a spostarsi e a propendere per un certo tipo di mezzo dipendono da diversi fattori: geografici, economici, anagrafici, “propensionali”. Nella pianificazione di servizi ottimizzati non è dunque sufficiente utilizzare informazioni “tradizionali” come le matrici origine-destinazione, ma è necessario unire la creatività della data science a strumenti di analisi avanzata. E mettere nel gioco anche altri dati, ampiamente disponibili, ma raramente capitalizzati.
Attraverso la fusione di questi dati è possibile segmentare ulteriormente la domanda; e scoprire che alcune categorie si spostano col bus la mattina, ma optano per l’auto nel pomeriggio. E che ci sono precise ragioni per questo comportamento.
Non solo nella pianificazione dei servizi, ma anche per indurre uno spostamento modale – verso modalità più sostenibili, ad esempio – bisogna agire sulle motivazioni. E per questo bisogna conoscerle.
Disponibilità di dati, Advanced analytics e Intelligenza artificiale supportano questa conoscenza e possono essere utilizzati anche per estenderla ulteriormente. Il conteggio di veicoli utilizzando videocamere e computer vision o l’analisi predittiva dei dati delle telco per intercettare frequentazione e pattern di spostamento delle persone sono due esempi di analisi che SAS abilita e che permettono una conoscenza aumentata degli spostamenti e sono alla base non solo per servizi di mobilità, ma anche per la comprensione e predizione di diversi fenomeni urbani e suburbani: sicurezza fisica, incidentalità, sostenibilità ambientale, economica e sociale.