Le città, in particolare quelle di grandi dimensioni, devono affrontare sfide inedite: da quelle scontate come il traffico che ha ampiamente superato i limiti architettonici alla mobilità sostenibile, alla gestione delle acque derivante anche dal cambiamento climatica. Queste nuove sfide richiedono un approccio innovativo alla pianificazione urbana, che possa sfruttare anche le opportunità offerte dalla digitalizzazione.
Il Digital Twin abilita la pianificazione urbana intelligente e sostenibile
Per capire meglio come l’innovazione tecnologica possa supportare lo sviluppo moderno delle città abbiamo chiesto l’aiuto di Mauro Lenzi, Business Development Manager di Present, che da tempo si occupa di soluzioni avanzate per la pianificazione urbana. Tema che, oggi, si lega a doppio filo con il concetto di Smart City, nel quale l’innovazione gioca un ruolo fondamentale e che sta vedendo il mercato crescere a doppia cifra già da alcuni anni.
“Il Digital Twin rappresenta per molti versi una ulteriore evoluzione della smart city – spiega Lenzi – in cui i dati non solo possono essere usati per le analisi, ma anche per effettuare simulazioni di scenario”. Il tema è già noto e ampiamente applicato in altri campi: più gli errori nel mondo reale comportano costi e rischi, più la possibilità di effettuare simulazioni realistiche è di supporto. Per chiarire questo concetto possiamo fare un semplice esempio, pensando alla viabilità: come impatta il cambio di una serie di sensi unici o la modifica di una ZTL? Un tempo l’unico modo per saperlo era fidarsi dell’esperienza degli urbanisti e procedere per sperimentazioni. Oggi, con il City Digital Twin è possibile simulare l’andamento per un elevato numero di iterazioni e passare alla sperimentazione sul campo con uno scenario più solido e affidabile. Ma non è che l’inizio.
I campi di applicazione del City Digital Twin
La pianificazione urbana non è solo gestione del traffico o dei servizi, ma dovrebbe abbracciare tutto l’arco dello sviluppo cittadino. Le racconta Lenzi: “Le applicazioni dei gemelli digitali nella pianificazione urbana e in generale nella gestione di una città sono numerose: si va da temi macroscopici come l’inquinamento per arrivare ad argomenti apparentemente minori, ma che hanno un grande impatto sulla vita quotidiana delle persone, per esempio la previsione di arrivo alle fermate dei mezzi pubblici o l’avviso in caso di grandinate imminenti”.
Un Digital Twin, che ricordiamo è un modello digitale alimentato dai dati rilevati, se correttamente costruito diventa uno strumento dal valore inestimabile per supportare la pianificazione urbana e la gestione, anche ordinaria, delle città. Nasce tuttavia il problema della reperibilità dei dati, che però Present ha già affrontato. “Molto spesso i dati esistono già, anche se non in forma strutturata – afferma Lenzi -. Esistono molti dati messi a disposizione da vari enti in formato open, e quindi liberamente utilizzati, come ad esempio i dati raccolti dalle centraline che controllano la qualità dell’aria, i dati sulle previsioni metereologiche e i dati raccolti dai radar della pioggia”. Ad esempio, con la Facoltà di Fisica di Bologna di recente abbiamo fatto uno studio per integrare tutte queste font per generare modelli che possono fornire previsioni su scala urbana relativi all’inquinamento e suggerire i percorsi più confortevoli per chi si muove a piedi o in bicicletta evidenziando le zone con la qualità dell’aria migliore.
Pianificazione urbana e sicurezza: migliorare grazie all’innovazione
Se l’apporto dei Digital Twin nella gestione è già di per sé interessante, quello che si può fare nel campo della sicurezza è ancora più convincente. “Per esempio, raccogliendo i dati meteorologici è possibile creare sistemi di previsione delle piene – spiega Lenzi – che potrebbero garantire un risparmio enorme e una maggiore sicurezza”. Questo sarebbe possibile utilizzando modelli previsionali su scala urbana, più precisi di quelli generalisti utilizzati, per esempio, per la diffusione dei livelli di allerta. “Oggi, grazie a strumenti avanzati come il Machine Learning, è possibile ricavare previsioni molto precise, incrociando le serie storiche con i dati di campo” prosegue. Per poterlo fare, tuttavia, ci sono alcuni scogli da superare, primo fra tutti il digital divide: “Oggi nelle aziende il tema legato ai prerequisiti tecnologici è praticamente superato – conclude Lenzi – mentre nelle città e nei distretti urbani ci sono diversi casi in cui è necessario un lavoro preliminare sulle tecnologie abilitanti”.
