Il rapido processo di urbanizzazione rende sempre più urgente una gestione efficiente della mobilità urbana. Congestione del traffico, scarsità di parcheggi, inquinamento e inefficienze nei trasporti penalizzano la qualità della vita dei cittadini e richiedono strumenti capaci di integrare tecnologia e pianificazione.

A proporre un approccio innovativo arriva la ricerca dell’Università di Napoli Federico II, pubblicata su Nature Communications, che unisce intelligenza artificiale e pianificazione urbana per ottimizzare la sosta e i flussi di traffico.

Un gemello digitale per la città di Caserta

Il progetto, coordinato dal professor Francesco Piccialli, ha portato alla creazione di un gemello digitale urbano: una replica virtuale della città capace di simulare, prevedere e migliorare la mobilità reale.

Il sistema integra dati storici e in tempo reale provenienti da parcometri, sensori di occupazione, agenti di controllo, condizioni meteo, qualità dell’aria ed eventi cittadini. Grazie a sofisticati algoritmi di machine learning e intelligenza generativa, il modello analizza i comportamenti di sosta e prevede la domanda, offrendo alle amministrazioni strumenti per prendere decisioni basate sui dati.

Come funziona il modello

Il gemello digitale combina tre elementi principali:

  • Analisi statistica, per individuare modelli, tendenze e anomalie nei comportamenti di parcheggio;

  • Previsioni predittive, per stimare domanda di parcheggio, flussi di traffico e ricavi;

  • Motore generativo, basato su intelligenza artificiale generativa (CVAE-WGAN), capace di simulare scenari come piogge prolungate, chiusure stradali o la costruzione di nuovi parcheggi multipiano.

Risultati concreti per città più efficienti

I risultati mostrano come il gemello digitale riesca a rappresentare fedelmente la complessità urbana, fornendo strumenti pratici per ottimizzare la distribuzione dei parcometri, gestire in modo equo i turni degli agenti, prevedere l’impatto di eventi o variazioni infrastrutturali e ridurre le emissioni legate al traffico da ricerca di parcheggio, come nel caso di mobilità urbana e grandi eventi.

Lo studio sottolinea anche l’importanza della scalabilità e della modularità del modello, che può essere adattato ad altre città e integrato con dati su trasporti pubblici, energia e mobilità condivisa. Pur essendo concepito come strumento di supporto decisionale – non ancora pienamente automatizzato – il sistema introduce un approccio predittivo e sostenibile alla pianificazione urbana, in grado di migliorare la qualità della vita e orientare politiche pubbliche più consapevoli.

Verso città predittive e sostenibili

Il gemello digitale, unito all’intelligenza artificiale generativa, può essere facilmente adattato ad altre realtà urbane, integrandosi con sistemi di trasporto pubblico, mobilità condivisa o gestione energetica. Una prospettiva che apre la strada a una nuova generazione di “smart city”, in cui anche la sosta diventa parte attiva di un ecosistema interconnesso, che trasforma la gestione della mobilità urbana da reattiva a predittiva e strategica.