SWITCH “Mobility Data Maturity Index”: i dati sulla mobilità in Europa

SWITCH, startup innovativa che sta rivoluzionando la logistica e la mobilità urbana attraverso soluzioni basate sull’intelligenza artificiale, presenta Mobility Data Maturity Index, una mappa strategica che mostra la maturità delle capitali europee in termini di dati di mobilità disponibili, per rendere più efficienti le Smart Cities attraverso informazioni strategiche che permettono di ottimizzare corse e flotte e analizzare più accuratamente le necessità di spostamento e pianificare l’offerta di servizi in base alla domanda e alle caratteristiche del tessuto urbano.

Nel settore Mobility as a Service (MaaS), la realtà è spesso frammentata e complessa: dati disparati, feed mancanti, standard disomogenei rendono la pianificazione e la gestione della mobilità urbana una sfida enorme per operatori di flotte e municipalità. Tuttavia, la crescente disponibilità di dati rappresenta oggi una straordinaria opportunità per le città, anche grazie all’intelligenza artificiale, che permette una capacità senza precedenti di trasformare queste informazioni in insight predittivi, ottimizzare i flussi di traffico e migliorare l’esperienza degli utenti. Garantire un accesso completo, standardizzato e sicuro ai dati, resta una sfida cruciale e condizione indispensabile per permettere all’AI di esprimere tutto il suo potenziale nella mobilità urbana.

Lo studio di SWITCH ha analizzato la disponibilità pubblica nelle capitali europee di feed GBFS (General Bikeshare Feed Specification) – ovvero uno standard aperto per condividere in tempo reale dati pubblici sulla disponibilità e posizione di veicoli condivisi come bici, scooter e car sharing, facilitando l’integrazione e l’accesso ai servizi di micromobilità – e feed GTFS (General Transit Feed Specification) – ovvero uno standard di dati aperto e comune che rappresenta orari, percorsi, fermate e informazioni geografiche del trasporto pubblico, permettendo a operatori e applicazioni di pianificare viaggi e analizzare il servizio offerto.

La ricerca mostra che oltre 20 capitali europee hanno attualmente reso pubblici dati da feed GTFS, mentre circa la metà delle capitali hanno terminali GBFS attivi. Le città che si distinguono per una maggiore disponibilità di dati, sono Copenhagen, Berlino, Parigi, Madrid e Helsinki.

Il Mobility Data Maturity Index di SWITCH classifica le città secondo quattro livelli, ognuno con sfide strategiche e opportunità peculiari per gli operatori della mobilità urbana, pubblici e privati, e per l’applicazione di tecnologie basate su intelligenza artificiale a supporto della pianificazione.

Livello 0: Città senza dati GBFS o GTFS
Città come Monaco, San Marino e Belgrado, dove la pianificazione della micromobilità è ancora agli inizi. Per gli operatori del settore della mobilità, l’ingresso in queste città è molto rischioso alla luce della scarsità di informazioni per pianificare, seppur presenta l’opportunità di muoversi in un mercato senza competizione diretta e portare una significativa innovazione con l’introduzione dei primi feed. Senza dati disponibili pubblicamente, in questi contesti l’AI deve sfruttare dati alternativi (come mappe OSM, POI, meteo, dati demografici) per prevedere la domanda e supportare il lancio di servizi basati su analisi predittive, riducendo così rischi e costi operativi.

Livello 1: Città emergenti
Città come Bucharest, Sofia e Atene, Sofia con uno due feed, spesso solo GTFS, dove l’ecosistema è presente ma non complesso, spesso gestito da un solo operatore. Per gli operatori della mobilità, l’abilitatore fondamentale è l’accesso a un feed standard per avere visibilità sui dati. In queste città, l’AI consente simulazioni strategiche per testare scenari di pricing e posizionamento flotta e analizzare la competizione, calcolando e massimizzando il ritorno sull’investimento.

Livello 2: Ecosistemi prevalentemente GTFS
Capitali come Varsavia, Lisbona e Amsterdam, dove esistono diversi feed GTFS, ma la sfida principale è la presenza di pochi feed GBFS e dati storici. In questo caso, l’integrazione di nuovi feed GBFS può permettere di portare l’ecosistema di dati esistenti a un nuovo livello di maturità e abilitare l’utilizzo di intelligenza artificiale per orchestrare in tempo reale i flussi di veicoli, ottimizzarne il bilanciamento e garantire un servizio efficiente anche in caso di imprevisti.

Livello 3: Ecosistemi maturi
Città come Copenhagen, Berlino, Parigi, Madrid, Helsinki e anche Roma, con ecosistemi vasti e maturi e feed di diverso tipo che includono categorie di veicoli condivisi, spesso con uno storico consolidato e molti operatori integrati. Queste città rappresentano permettono agli operatori della mobilità analisi avanzate dei dati, simulazioni e studi di accessibilità multimodale, mentre presentano sfide competitive. L’efficienza operativa diventa cruciale e l’AI può abilitare sistemi avanzati per permettere ad amministrazioni e operatori di simulare l’impatto delle politiche urbane (ZTL, piste ciclabili) o l’introduzione di nuovi tipi di veicoli, pianificando il futuro con una precisione senza precedenti.

«La vera sfida non è la frammentazione dei dati, ma la capacità di utilizzare questa materia prima per generare intelligenza predittiva», dichiara Matteo Forte, CEO e Founder di SWITCH. «Le nostre soluzioni Urban CoPilot e Urbiverse integrano feed multipli, dati alternativi e simulazioni AI per fornire informazioni operative e strategiche che migliorano drasticamente efficienza, sostenibilità e esperienza utente nella gestione delle flotte in tutte le città europee».

SWITCH ha già elaborato oltre 5 milioni di corse in diversi Paesi, dimostrando come la tecnologia AI possa ridurre costi, prevedere la domanda e aumentare la sostenibilità urbana. Supportata da un round pre-seed da 946.000 euro, la startup collabora con città come Torino, Bologna, Roma e aziende di shared mobility, car sharing, logistica ed operatori di flotte in tutta Europa, per rendere concreto un futuro di mobilità intelligente e condivisa.

Articolo inviato da:

Eleventh Agency

[email protected]