Nonostante alcuni miglioramenti, le 14 città metropolitane italiane presentano ancora livelli di inquinamento nettamente superiori alle raccomandazioni dell’Oms. L’AI, grazie all’elaborazione in tempi molto brevi di big data da fonti eterogenee, può contribuire a rendere molto più efficiente e sostenibile il nostro sistema di mobilità, tra le prime cause di inquinamento cittadino. La sua capacità di individuare configurazioni mobili di rete e di andamento del servizio, modificandole in base alla mutazione delle circostanze consentirebbe infatti di raggiungere obiettivi di interesse collettivo, non solo dal punto di vista ecologico ma anche a livello di qualità della vita in città.
Nonostante alcuni miglioramenti, il rapporto Mobilitaria 2023 ha rilevato livelli di emissioni inquinanti nelle 14 città metropolitane italiane ancora nettamente superiori alle raccomandazioni dell’Oms, con un generale incremento di particolato che non rispetta il limite stabilito dalle normative. A contribuire alla cattiva qualità dell’aria è la mobilità, con il mercato dei veicoli privati in crescita, ancora dominato dalla benzina e cifre totali che sfiorano i 40 milioni di auto circolanti. La riduzione del traffico in città appare quindi fondamentale per migliorare la salute collettiva, e per ottenere questo obiettivo una strategia efficace può essere rappresentata dall’intelligenza artificiale.
Il supporto dell’AI nella mobilità
L’AI, infatti, elaborando rapidamente big data provenienti da fonti eterogenee – come i dati anonimizzati relativi agli spostamenti provenienti dai cellulari e dai semafori – può contribuire a rendere molto più efficiente e sostenibile la mobilità. La decarbonizzazione dei trasporti, infatti, passa anche per una riduzione degli spostamenti motorizzati con mezzi privati nelle città e aree metropolitane, in modo che non superino il 35% del totale.
La capacità dell’AI di individuare configurazioni mobili di rete e di andamento del servizio, modificandole in base alla mutazione delle circostanze, consentirebbe infatti di raggiungere traguardi di interesse pubblico.
Può farlo, innanzitutto, tramite la fluidificazione del traffico, coordinando per esempio accensione e spegnimento dei semafori per evitare troppi rallentamenti, come si fa da alcuni anni tramite sensori, che sarebbero così rimodulati in base a eventuali incidenti, alluvioni o altri eventi. Punta su questo il recente progetto Green Light di Google, che usa l’AI per analizzare i flussi di traffico e le tendenze di guida di Google Maps, ottenendo un modello di interazione tra i semafori urbani che consentirebbe, secondo le proiezioni, di ridurre fino al 30% le fermate inutili al semaforo e del 10% le emissioni carboniche.
Tempi di percorrenza più brevi, specialmente negli orari di punta, significano anche meno stress per i cittadini e più salute grazie al miglioramento della qualità dell’aria, ma non solo, dato che lo stress stesso, intervenendo sul sistema immunitario, è tra i fattori predisponenti per diverse patologie, da quelle cardiache all’ictus, fino all’insonnia. L’attività fisica, resa possibile grazie a intermodalità e percorsi sicuri per le biciclette, poi, ha un effetto positivo sull’umore. Un piccolo aiuto per migliorare i livelli di stress correlato al traffico quotidiano arriva ancora una volta da una nuova funzionalità di Google Maps – in fase di sperimentazione da parte di molti colossi tecnologici – in grado di tracciare dei “Percorsi Ecosostenibili”. Sfruttando le potenzialità dell’AI, infatti, l’aggiornamento suggerisce all’utente percorsi con meno salite, meno traffico e velocità costante, minimizzando i consumi del mezzo e, quindi, l’impatto ambientale. Si stima che questa funzionalità abbia già contribuito a evitare più di 2,4 milioni di tonnellate di emissioni di CO”, corrispondenti al consumo annuale di circa 500mila auto. E ora si sta pensando di includere anche percorsi a basso consumo di carburante per i motocicli. Una soluzione simile è stata utilizzata l’anno scorso da un progetto pilota svizzero della compagnia ferroviaria BLS nella regione di Berna, che individuava già in fase di progettazione le tratte migliori per il trasporto pubblico, rendendo più efficace ed ecologica la rete e quindi incentivando gli utenti.
Gli effetti sui trasporti pubblici locali
In modo analogo si può intervenire sui trasporti pubblici locali, per convincere più cittadini a utilizzarli, mentre, garantendo percorsi sicuri per la micromobilità individuale, l’AI può contribuire ad abbattere il rischio di incidenti – che oggi rendono l’Italia il Paese europeo più pericoloso per i ciclisti – e, quindi, ancora una volta, a incentivare l’uso di questi mezzi ecologici, che migliorano la qualità della vita di tutti. Percorsi ciclabili e pedonali, insieme a una riduzione complessiva del traffico, infine, possono dare più spazio alle aree verdi che a loro volta favoriscono la vivibilità cittadina.
È chiaro, dunque, che l’AI permette di intervenire su aspetti chiave della sostenibilità del settore, dai trasporti pubblici all’intermodalità, alla decarbonizzazione, individuando per esempio percorsi ad hoc e attuando altri interventi in linea con gli intenti e la flessibilità della smart mobility, con effetti positivi a più livelli. Si tratta di un ausilio prezioso per viabilità e urbanistica, che consente di applicare soluzioni flessibili modellate sulle caratteristiche specifiche delle diverse città, rendendo gli spostamenti più puliti, fluidi e brevi. A guadagnarci, in definitiva, è il benessere delle nostre città e di tutti coloro che le abitano.
