Centro Nazionale di Ricerca in High Performance Computing Big Data e Quantum Computing (ICSC), progetto finanziato dall’Unione Europea – NextGenerationEU – e dal Piano Nazionale Ripresa e Resilienza (PNRR) – Missione 4 Componente 2.
Obiettivi
L’obiettivo principale è semplificare e personalizzare l’esperienza di viaggio integrando diversi servizi di mobilità, come il trasporto pubblico e i servizi di condivisione. MIA, il Modal Interchange Assistant, mira a fornire piani di viaggio flessibili che si adattano in tempo reale ai cambiamenti, come ritardi o code, e a migliorare i tempi di attesa offrendo attività personalizzate. Inoltre, il progetto mira a raccogliere feedback dagli utenti per migliorare continuamente il servizio e contribuire alla promozione di una mobilità urbana più sostenibile e accessibile, incoraggiando la transizione dall’uso dell’auto privata al trasporto pubblico. Con la sua capacità di personalizzare i viaggi in base alle esigenze specifiche degli utenti e di adattarsi alle loro preferenze, MIA mira a rendere il trasporto pubblico un’opzione più attraente e accessibile per tutti.
Sfida iniziale
MIA è stato creato per affrontare la complessità e il dinamismo degli spostamenti urbani con i mezzi pubblici. Affrontando i problemi della moderna pianificazione dei viaggi, come i ritardi o la congestione, propone di adattarsi in tempo reale a tali cambiamenti e di integrare diverse opzioni di mobilità, compresi i servizi di condivisione e il trasporto pubblico.
Soluzione
MIA combina diversi servizi di trasporto, come autobus, treni, servizi di mobilità condivisa e taxi, offrendo agli utenti un piano di viaggio completo e personalizzato. Il sistema si adatta dinamicamente alle condizioni del traffico e ad altri fattori imprevisti, aggiornando i piani di viaggio in tempo reale per ridurre al minimo ritardi e disagi. Offre inoltre suggerimenti personalizzati durante i tempi di attesa, migliorando l’esperienza complessiva del viaggiatore e promuovendo un uso più sostenibile del trasporto pubblico.
Benefici
- I piani di viaggio sono ottimizzati e personalizzati, tenendo conto di diversi fattori quali tempo, costi e preferenze personali.
- Si adatta rapidamente ai cambiamenti in tempo reale, come ritardi nei trasporti o problemi di traffico, riducendo lo stress e l’incertezza per l’utente.
- Combina diverse modalità di trasporto, tra cui il trasporto pubblico e i servizi di mobilità condivisa, per una migliore accessibilità e convenienza.
- Migliora l’esperienza di attesa con suggerimenti personalizzati per attività e servizi nelle vicinanze.
- Semplifica l’acquisto e la convalida del biglietto per tutti i segmenti del viaggio.
- Promuove l’uso del trasporto pubblico, contribuendo alla riduzione dell’impatto ambientale e al decongestionamento del traffico urbano.
- Utilizza il feedback degli utenti per migliorare continuamente i servizi offerti, adattandosi all’evoluzione delle esigenze e delle preferenze.
Il ruolo di IFAB
IFAB ha contribuito allo sviluppo e all’integrazione delle infrastrutture dati e degli strumenti di analisi necessari per realizzare un assistente evoluto alla mobilità, capace di semplificare e personalizzare l’esperienza di viaggio multimodale e di incentivare il passaggio dall’auto privata ai trasporti pubblici.
Il contributo tecnico di IFAB ha coperto l’intero ciclo funzionale dell’assistente. Sul fronte dell’acquisizione dei dati, sono stati raccolti, integrati e armonizzati dati eterogenei provenienti dai diversi servizi di mobilità urbana — trasporto pubblico e sharing — costruendo un ecosistema informativo interoperabile a supporto della pianificazione dei viaggi. A questa base statica si affianca un layer di elaborazione in tempo reale, sviluppato per acquisire e processare informazioni dinamiche come lo stato del traffico e le condizioni meteorologiche, consentendo all’assistente di adattare i piani di viaggio a cambiamenti improvvisi quali ritardi o intasamenti.
Il cuore del sistema è costituito dal motore di pianificazione e raccomandazione personalizzata, progettato per generare suggerimenti di viaggio calibrati su un elevato numero di variabili legate alle esigenze e alle preferenze dell’utente. Il ciclo si chiude con i meccanismi di raccolta ed elaborazione dei feedback, pensati per alimentare un processo di miglioramento continuo del servizio. La partecipazione a MIA ha consentito a Fondazione IFAB di consolidare competenze all’intersezione tra ingegneria dei dati, elaborazione in tempo reale e sistemi di raccomandazione personalizzata applicati alla mobilità urbana sostenibile.
Partners
Spoke coinvolti
Per informazioni rivolgersi a: projects@ifabfoundation.org















