Eppur si muove!

La conoscenza della mobilità e dei suoi aspetti motivazionali per la pianificazione ottimale dei servizi.

Mobilità

Proponente
SAS

Sito web

Contatti

Eppur si muove!

Descrizione

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.

Obiettivi

Le risorse a disposizione delle città e dei servizi non possono più essere sprecate: pianificare servizi di mobilità ottimizzati è fondamentale. Per farlo – e per favorire il cambiamento modale – bisogna conoscere le motivazioni che spingono allo spostamento e alla scelta di una modalità di trasporto.

Elementi di innovazione

Uso di advanced analytics e tecniche di analisi statistica (come la data fusion) per utilizzare fonti di dato disponibili ma precedentemente mai utilizzate per una reale conoscenza delle diverse dimensioni della mobilità.

Impatti / Risultati attesi

Pianificazione ottimizzata dei servizi di mobilità e di servizi a valore aggiunto basati sulla conoscenza della mobilità. Maggiore sostenibilità economica, ambientale, sociale e istituzionale.

Fattibilità

Pienamente fattibile, già stato realizzato in un contesto urbano/suburbano. La disponibilità delle informazioni è molto alta, garantita da open data. Dal punto di vista economico, è prevedibile un ritorno sull’investimento decisamente alto.

Elementi di replicabilità

Il dimostratore è basato su informazioni disponibili a livello nazionale e regionale, il progetto è replicabile. Possibilità di generare un servizio ed aumentarne la replicabilità.

Stato di implementazione

Dimostratore pronto, TRL>6.

Partners

ESRI