Social digital twin: cos’è e perché cambia la pianificazione urbana

Il gemello digitale sociale segna un cambio di paradigma: dai modelli fisici deterministici a sistemi socio-tecnici capaci di rappresentare comunità, mercati e comportamenti umani nelle città.

La svolta socio-tecnica nella tecnologia per il gemello digitale

La traiettoria del gemello digitale (digital twin, DT) è stata storicamente definita dall’ingegneria di alta precisione di beni fisici. Originario dell’industria aerospaziale sotto la guida della NASA per rispecchiare le prestazioni dei veicoli spaziali¹, e successivamente adottato dalla produzione per il monitoraggio di turbine e motori², il gemello digitale classico è un sistema deterministico. Si basa sulle leggi della fisica, della scienza dei materiali e della termodinamica per prevedere il guasto di un cuscinetto o lo stress su un ponte. Tuttavia, il moderno ambiente urbano e i sistemi macroeconomici che lo sostengono non sono governati unicamente dalla fisica ma sono governati dai comportamenti caotici, non lineari e adattivi degli esseri umani. Man mano che le città e le economie subiscono la trasformazione digitale, la limitazione dei gemelli puramente fisici è diventata chiaramente evidente: essi modellano l’hardware della città, gli edifici, le strade e le reti elettriche, ignorando il software, i cittadini, le comunità e i mercati che in realtà guidano le dinamiche urbane³.

Questa consapevolezza ha indotto un cambio di paradigma verso il gemello digitale sociale (social digital twin, SDT). A differenza dei suoi predecessori industriali, l’SDT cerca di replicare fedelmente i sistemi sociali, le comunità e i processi sociali del mondo reale⁴. È un costrutto socio-tecnico che integra la geometria semantica dell’ambiente urbano con la complessità comportamentale della modellazione basata su agenti (agent-based modeling, ABM)⁵. Rappresentando gli individui non come statistiche aggregate ma come agenti autonomi ed eterogenei con distinte psicografie, vincoli economici ed euristiche decisionali, l’SDT crea un ambiente di simulazione dal basso verso l’alto. Questo ambiente permette ai decisori politici di testare scenari what-if, dall’aggiustamento dei tassi di interesse ai lockdown pandemici, in un laboratorio in-silico privo di rischi prima dell’implementazione nel mondo reale⁶.

L’urgenza di questa transizione è sottolineata dai fallimenti della modellazione macroeconomica tradizionale. La crisi finanziaria del 2008 ha esposto le inadeguatezze dei modelli del tipo “Equilibrio generale stocastico dinamico” (DSGE) che, basandosi sulla fallacia dell’agente rappresentativo, non sono riusciti a prevedere il collasso sistemico derivante da complesse interdipendenze⁸. Al contrario, i gemelli digitali guidati dall’ABM possono catturare l’emergere di cicli di leva finanziaria, bolle immobiliari e disordini sociali come fenomeni aggregati derivanti da interazioni locali⁹.

In Fig. 1 viene mostrato un esempio di confronto tra le simulazioni del PIL effettuate utilizzando le diverse strategie di modellazione, DSGE e ABM, per un sistema macroeconomico che subisca uno shock esterno di tipo socio-economico. È evidente quanto DSGE sottostimi l’effetto di panico da bancarotta generato dalla psicologia collettiva.

Questo articolo fornisce un’analisi delle implementazioni pratiche di questi sistemi attraverso l’esame di casi esemplari, riguardo le architetture tecniche, le applicazioni economiche e le profonde sfide di governance etica che accompagnano la digitalizzazione della società umana.

Quadro teorico e sfide ontologiche

La distinzione tra un gemello digitale urbano (urban digital twin, UDT) e un gemello digitale sociale (SDT) è fondamentale. Gli UDT si sono diffusi nella gestione delle smart city e si concentrano prevalentemente su beni fisici, monitorando il consumo energetico negli edifici, il flusso del traffico sulle strade o i livelli dell’acqua nei canali³.

Definizione del gemello digitale sociale

Questi sistemi trattano l’elemento umano come una variabile ambientale passiva o una fonte di rumore della domanda.

Lo SDT, al contrario, pone l’attore umano al centro dell’ontologia. Integra le dimensioni sociali nel gemello digitale per colmare il divario tra i sistemi tecnologici e l’esperienza urbana vissuta³. Ciò richiede la modellazione di:

1. geo-individui, agenti con specifiche coordinate spaziali, profili demografici e catene di attività quotidiane (patterns of life)³;
2. geo-sociali, le reti di interazione tra gli agenti, comprese le unità familiari, le gerarchie professionali e i cluster di influenza sociale¹¹;
3. norme istituzionali, le regole del gioco che vincolano il comportamento degli agenti, come le leggi sul lavoro, le normative urbanistiche e i tabù culturali¹².

La sfida del divario della realtà e dei mondi paralleli disconnessi

Un rischio teorico critico nello sviluppo degli SDT è il divario della realtà. I critici sostengono che l’affidamento ai dati dei sensori e alle caratteristiche misurabili porta spesso a una semplificazione della complessità urbana, trascurando importanti dimensioni socio-ambientali e cognitive¹³. Se il gemello digitale non riesce a catturare l’irrazionalità, l’emotività o l’adattabilità dei soggetti umani, rischia di diventare un “mondo parallelo disconnesso”, una simulazione che è internamente coerente ma diverge catastroficamente dalla realtà quando sottoposta a stress¹⁴.

Per mitigare ciò, gli SDT si stanno muovendo sempre più verso la simulazione simbiotica, dove il modello non è solo un predittore statico ma un sistema dinamico che assimila continuamente dati in tempo reale per correggere il suo stato interno¹⁵. Questo approccio si allinea con il concetto di gemello “incentrato sull’uomo”, che cattura esplicitamente le dinamiche sociali per evitare i punti ciechi inerenti ai modelli puramente tecnocratici⁴. L’obiettivo è andare oltre la previsione dei parametri fisici, all’anticipazione dei comportamenti emergenti, risultati che non possono essere previsti analizzando le parti del sistema in isolamento, come la formazione improvvisa di un flash mob, una corsa agli sportelli o un rapido cambiamento nel sentimento pubblico riguardo a una politica¹⁶.

Architettura computazionale

L’implementazione di un SDT su scala cittadina o nazionale richiede una complessa pila tecnologica in grado di gestire milioni di agenti autonomi, terabyte di dati geospaziali e flussi di sensori in tempo reale.

Generazione di popolazione sintetica

La base di ogni gemello digitale sociale è la popolazione sintetica. A causa delle leggi sulla privacy (come il GDPR in Europa), è legalmente ed eticamente impossibile popolare un gemello digitale con individui reali identificabili. Invece, i ricercatori generano una popolazione sintetica che è statisticamente identica alla popolazione reale ma composta da entità artificiali¹⁷.

Il processo di generazione utilizza tipicamente microdati censuari, registri amministrativi e open data. La libreria genstar, integrata nella piattaforma GAMA, funge da strumento primario per l’integrazione di queste fonti. Utilizza algoritmi come l’adattamento proporzionale iterativo (iterative proportional fitting) e l’ottimizzazione combinatoria per fondere insiemi di dati disparati (ad esempio, indagini sulle famiglie e mappe sull’uso del suolo) in una popolazione coerente di agenti con attributi specifici: età, reddito, stato occupazionale e composizione familiare¹⁸.

Le metodologie avanzate si stanno muovendo oltre il semplice adattamento statistico. Le architetture di deep learning, come i variational autoencoders (VAE) e le graph neural networks (GNN), vengono utilizzate per prevedere gli archi (relazioni) tra i nodi (persone). Ciò consente la sintesi di strutture familiari e reti sociali realistiche, assicurando che gli agenti nel gemello rispecchino la connettività del mondo reale²⁰.

Nel Regno Unito, il progetto SIPHER ha dimostrato la scala di questa tecnologia creando una popolazione sintetica per l’intera Gran Bretagna, oltre 52 milioni di agenti. Questo set di dati è arricchito con attributi sanitari e socio-economici, creando un gemello digitale del pubblico britannico specificamente progettato per testare gli interventi politici relativi alla crescita economica inclusiva¹⁷.

Modellazione delle traiettorie e patterns of life

Una popolazione di agenti è inutile se è statica. Per modellare le dinamiche economiche e sociali, gli agenti devono muoversi, lavorare, consumare e interagire. Ciò richiede la generazione di patterns of life (modelli di vita).

La fonte primaria per calibrare la mobilità degli agenti sono i dati dei telefoni cellulari. Analizzando i ping aggregati e anonimizzati delle torri, i ricercatori possono inferire matrici origine-destinazione (OD). Tecniche come quelle di digital twin travellers utilizzano modelli di Markov modificati per convertire questi istogrammi aggregati in programmi individuali degli agenti (ad esempio il tipico percorso da pendolarismo: casa, lavoro, negozio, casa) senza compromettere la privacy degli abbonati mobili originali²¹.

La scienza sociale generativa inversa è una tecnica di validazione avanzata che utilizza algoritmi evolutivi per far evolvere le regole comportamentali degli agenti fino a quando i macro-pattern della simulazione corrispondono alla realtà osservata. Ciò va oltre la calibrazione manuale, permettendo al gemello di scoprire la logica comportamentale della popolazione²³.

Piattaforme di simulazione e interoperabilità

L’esecuzione di questi modelli massivi si basa su High-Performance Computing e kernel di simulazione specializzati. Nella seguente tabella sono elencati alcuni dei modelli più utilizzati.

Un ostacolo importante è l’isolamento di questi modelli. Un gemello di trasporto in MATSim non può facilmente comunicare con un modello di inondazione in un solutore idrologico. Per affrontare questo problema, l’Open Geospatial Consortium sta sviluppando una suite di standard per i gemelli digitali urbani.

Implementazioni macro-economiche

L’applicazione dell’ABM in macroeconomia rappresenta uno degli usi più sofisticati della tecnologia del gemello digitale. Simulando l’economia dal basso verso l’alto, transazione per transazione, questi gemelli consentono alle banche centrali e ai governi di sottoporre a stress test le decisioni in un modo che i modelli aggregati non possono fare.

Il gemello del mercato immobiliare della Banca d’Inghilterra

La Banca d’Inghilterra (BoE) ha aperto la strada all’uso dell’ABM per selezionare opzioni di tipo macro-prudenziale, riconoscendo che il mercato immobiliare è guidato dalle interazioni eterogenee di distinti tipi di agenti.

La struttura del modello utilizzato dalla BoE popola il mercato immobiliare del Regno Unito con agenti che rappresentano i primi acquirenti, i proprietari di case, gli investitori buy-to-let e infine gli affittuari. Modella anche il settore bancario come un agente che stabilisce le condizioni di credito³⁰.

Il modello è rigorosamente calibrato utilizzando microdati del Wealth and Assets Survey per garantire che la distribuzione del reddito e degli asset tra gli agenti sintetici corrisponda alla popolazione del Regno Unito³¹.

Il gemello è stato utilizzato per testare l’efficacia dei limiti del portafoglio Loan-to-Income (LTI), cioè il rapporto tra l’ammontare del prestito concesso e il reddito annuale netto del mutuatario. La simulazione ha rivelato che il capping dei rapporti LTI attenua significativamente i cicli dei prezzi delle case e riduce la volatilità del mercato. Inoltre, il modello ha dimostrato che un ampio settore buy-to-let non regolamentato funge da amplificatore pro-ciclico, esacerbando sia i boom che i crolli³¹.

A differenza dei modelli precedenti, l’ABM ha permesso alla Banca di analizzare gli effetti distributivi della politica, identificando esattamente quali gruppi demografici (ad esempio, giovani affittuari contro ricchi investitori) sarebbero stati esclusi o bloccati in diversi scenari normativi³².

4.2 Dinamiche del mercato del lavoro, WorkSim

In Francia, il modello WorkSim funge da gemello digitale del mercato del lavoro nazionale. È progettato per catturare l’attrito e i flussi tra occupazione, disoccupazione e inattività. WorkSim modella le complessità specifiche della legge sul lavoro francese, inclusa la distinzione tra contratti a tempo determinato e a tempo indeterminato. Considera pure la razionalità limitata dei datori di lavoro, che devono prendere decisioni di assunzione basate su anticipazioni imperfette della domanda futura¹².

Il modello consente ai decisori politici di simulare riforme strutturali, come la modifica dei costi di licenziamento o della durata dei sussidi di disoccupazione. Eseguendo migliaia di simulazioni parallele, il governo può stimare l’impatto di queste riforme sul tasso di disoccupazione strutturale e sulla segmentazione del mercato del lavoro prima che venga approvata una singola legge¹².

Gemelli nella logistica e nella catena di approvvigionamento

Il gemello digitale economico si estende anche al flusso fisico delle merci. Nella logistica, l’ABM viene utilizzato per creare gemelli digitali sincromodali. Ciò comporta il cambio in tempo reale delle modalità di trasporto (ad esempio, dal camion al treno) in base alle condizioni attuali della rete. Gli agenti che rappresentano gli spedizionieri prendono decisioni dinamiche basate su costi, velocità ed emissioni di carbonio³³.

È stato sviluppato un gemello digitale sulla disposizione della manodopera portuale di Vancouver per modellare i requisiti di forza lavoro a lungo termine del porto. Simulando l’adozione di tecnologie di automazione e i cambiamenti demografici, il gemello ha permesso all’associazione dei datori di lavoro marittimi di ottimizzare le proprie strategie di reclutamento e formazione con anni di anticipo²⁷.

Il gemello digitale dell’economia

Startup emergenti e gruppi di ricerca stanno tentando di integrare questi modelli settoriali in gemelli digitali olistici che comprendano l’intera attività economica. Il gruppo di lavoro Lucidminds sviluppa simulatori sulla “pianificazione urbana verde” che utilizzano l’ABM per modellare i compromessi economici dei progetti ambientali. La loro piattaforma consente ai pianificatori urbani di esplorare lo spazio delle possibilità generato dall’interazione di agenti umani e meccanismi di mercato, fungendo efficacemente da simulatore per una politica economica sostenibile⁶.

Nel settore privato, invece, le aziende utilizzano l’ABM per creare gemelli digitali di mercati specifici. Popolando una simulazione con migliaia di consumatori virtuali basati su dati di segmentazione, le aziende possono testare strategie di prezzo, lanci di prodotti e risposte competitive con rischio finanziario minimo³⁵.

In Fig. 2 viene mostrato un esempio di confronto tra tre diverse politiche di spesa pubblica (Universal Basic Income, austerità, investimento in infrastrutture) rispetto agli effetti sui macroeconomici attesi (equità, stabilità dei prezzi, crescita del PIL, fiducia, solidità fiscale). Il modello ABM è preferibile al modello economico standard, in cui l’UBI potrebbe sembrare un semplice trasferimento di ricchezza.

L’ABM, al contrario, introduce effetti bottom-up, quali: shock dell’offerta di lavoro, se gli agenti smettono di lavorare quando ricevono l’UBI; psicologia inflazionistica, se le imprese aumentano i prezzi perché sanno che gli agenti hanno più denaro; effetto moltiplicatore, se l’aumento della velocità di spesa rilancia le imprese locali. Il Digital Twin quindi permette ai decisori politici di verificare, prima di implementare effettivamente la politica macroeconomica, se il rischio di inflazione, per esempio, è eccessivo rispetto al potenziale beneficio di maggiore equità.

Previsione delle dinamiche sociali

Il gemello digitale sociale (SDT) di nuova generazione eccelle nel prevedere fenomeni che sono intrinsecamente non lineari e guidati dal contagio, che quel contagio sia biologico (un virus), sociale (una rivolta) o comportamentale (acquisto da panico).

Crisi umanitarie e previsione delle migrazioni

Una delle applicazioni più impattanti della tecnologia SDT è stata nella gestione della migrazione forzata e delle crisi umanitarie.

Ad esempio, a seguito dell’aggressione russa contro l’Ucraina, i ricercatori hanno sviluppato un quadro basato su agenti e guidato dai dati per prevedere i flussi di rifugiati. Come popolazione sintetica è stato generato un set di dati di 46 milioni di individui sintetici per rappresentare la popolazione ucraina³⁶. Gli agenti sono stati programmati con regole comportamentali derivate dalle teorie sociali della migrazione, incorporando soglie decisionali basate sull’intensità del conflitto, la struttura familiare e la disponibilità di risorse. Il modello ha previsto con successo il volume e la direzione dei flussi migratori durante la fase iniziale della guerra. Questo gemello digitale della crisi ha permesso alle agenzie umanitarie e ai decisori politici di posizionare le risorse e i centri di accoglienza in modo più efficace, riducendo l’incertezza in un ambiente caotico³⁶.

Un altro esempio è l’iniziativa Global Pulse della Nazioni Unite che ha applicato una tecnologia simile alla micro-scala di un insediamento di rifugiati. È stato costruito un gemello digitale di un insediamento con 700.000 abitanti per modellare la diffusione del COVID-19. La simulazione ha mappato specifici punti di mescolamento, pompe dell’acqua, centri di distribuzione alimentare e scuole. Simulando le routine quotidiane degli agenti rifugiati, il modello ha permesso all’ONU di testare interventi non farmaceutici come lo sfalsamento degli orari di distribuzione alimentare o l’implementazione di obblighi di mascherina. Ciò ha fornito una base scientifica per la gestione dei rischi sanitari in contesti ad alta densità e con scarsità di risorse³⁸.

Sanità Pubblica

La pandemia di COVID-19 ha catalizzato l’adozione di ABM su scala cittadina per le previsioni epidemiologiche.

È interessante il caso del gemello digitale della città di Pune, che è stato sviluppato per simulare la trasmissione virale in una complessa città in via di sviluppo. Il modello ha catturato le specifiche caratteristiche di movimento della popolazione, comprese le aree di slum ad alta densità e le famiglie multigenerazionali. È stato utilizzato per prevedere il carico sui letti ospedalieri e sulle strutture di quarantena in vari scenari di lockdown, consentendo alle autorità di bilanciare la salute pubblica con l’interruzione economica⁷.

Un altro esempio è la piattaforma open-source CitySEIRCast, che ha dimostrato la scalabilità di questi sistemi, simulando una popolazione di un milione di agenti in pochi secondi. È stata utilizzata per convalidare i tassi di ammissione in terapia intensiva nel Regno Unito e ha permesso il test granulare vari pacchetti dinamici di interventi³⁹.

Invece, livello individuale, i ricercatori stanno combinando l’ABM con l’assimilazione dei dati per creare gemelli digitali medici dei pazienti (Medical Digital Twins). Questi modelli si calibrano ai dati fisiologici specifici del paziente per prevedere la progressione della malattia e la risposta al trattamento, provando a colmare il divario tra i macrostati clinici e i microstati cellulari⁴⁰.

Disuguaglianza, segregazione e gentrificazione

Gli SDT sono strumenti potenti per visualizzare le manifestazioni spaziali della disuguaglianza sociale e le conseguenze non intenzionali dello sviluppo urbano.

Il caso del modello di segregazione di Thomas Schelling è l’antenato teorico dei moderni ABM sociali. Gli SDT contemporanei lo hanno scalato a città del mondo reale per prevedere come le preferenze minori per vicini simili portano alla segregazione a livello macro. La convalida di questi modelli rispetto alla realtà è cruciale. Uno studio nella California meridionale ha utilizzato l’indice di Moran e gli indicatori locali di associazione spaziale (LISA) per convalidare un ABM dell’opposizione dei cittadini ai cambiamenti nell’uso del suolo. Il modello ha previsto con successo il raggruppamento dell’opposizione in 5 su 6 aree di censimento, dimostrando che il sentimento sociale ha una struttura spaziale prevedibile⁴².

A proposito delle dinamiche di gentrificazione, ricerche recenti hanno utilizzato l’ABM per simulare la gentrificazione come proprietà emergente della mobilità ad alto reddito. Questi modelli trattano i flussi di trasferimento come archi che variano nel tempo in una rete temporale. Le simulazioni rivelano che la gentrificazione è spesso catalizzata dai modelli di mobilità specifici degli agenti ad alto reddito, una dinamica che può essere identificata e potenzialmente mitigata attraverso interventi politici modellati nel gemello⁴³.

Crimine, sicurezza e disordini civili

L’uso degli SDT per le applicazioni di sicurezza è un campo in crescita, sebbene controverso. Ad esempio, il sistema CARESim (Crime Analysis and Risk Estimation Simulation) genera macro-pattern di crimine simulando le interazioni quotidiane di cittadini e potenziali trasgressori. Utilizza una tecnica di riconoscimento facciale con esperti del settore per garantire che la logica comportamentale del modello si allinei con la teoria criminologica⁴⁴.

Sono state progettate anche simulazioni per indagare il potenziale del nudging e della sorveglianza nel sopprimere la violenza civile. Questi modelli integrano telecamere e sensori indossabili nel gemello, testando come diverse pratiche di gestione della folla influenzano l’emergere di rivolte. I risultati forniscono spunti per le forze dell’ordine ma sollevano anche significative preoccupazioni sul potenziale di controllo sociale autoritario⁴⁵.

Pianificazione urbana integrata, dalla tecnocrazia alla democrazia

Le implementazioni più mature degli SDT si trovano nella pianificazione urbana. Questi casi di studio illustrano uno spettro di modelli di governance, dalla gestione top-down alla partecipazione bottom-up.

Singapore Virtuale

Virtual Singapore è ampiamente considerato il gemello digitale più avanzato al mondo di una nazione. È un’iniziativa da 73 milioni di dollari guidata dalla National Research Foundation, dal Singapore Land Authority e dal GovTech. Incorpora un modello 3D semantico dell’intera isola utilizzando lo standard CityGML⁴⁷. È una piattaforma multi-agenzia utilizzata per la simulazione dettagliata di vari aspetti dell’isola. Le varie agenzie la utilizzano per analizzare le aree a rischio di inondazione, per ottimizzare l’installazione di pannelli solari e per pianificare le infrastrutture sotterranee. Integra dati in tempo reale dalla rete di sensori Smart Nation per modellare il traffico e le condizioni ambientali⁴⁸.

Il gemello consente la sperimentazione virtuale sulle leggi di zonizzazione e sui percorsi di trasporto. Può simulare gli effetti di una galleria del vento di un nuovo grattacielo o l’impatto del flusso pedonale di una nuova stazione MRT prima che la costruzione inizi, ottimizzando le limitate risorse territoriali della città-stato⁵⁰.

Herrenberg, Germania

In contrasto con il modello guidato dagli esperti di Singapore, il gemello digitale di Herrenberg (una città medievale tedesca di 30.000 abitanti) si concentra sulla democratizzazione e sul coinvolgimento dei cittadini. Il gemello integra informazioni geografiche volontarie e feedback soggettivi dei cittadini riguardo alle loro risposte emotive a diverse aree urbane (ad esempio, “questa strada sembra insicura” oppure “questo parco è rumoroso”)⁴. Utilizza l’analisi della sintassi spaziale per modellare l’accessibilità pedonale e l’integrazione della rete stradale, combinandola con simulazioni di fluidodinamica per vento ed emissioni⁵¹. La città impiega anche la realtà virtuale per consentire ai cittadini di abitare il gemello digitale. Questo approccio si inserisce nella scala di partecipazione dei cittadini (Arnstein), muovendo i residenti da soggetti passivi a co-progettisti attivi. Il gemello è utilizzato dal consiglio comunale per visualizzare l’impatto delle decisioni e ha persino generato applicazioni per il turismo virtuale⁵¹.

Dublin Docklands

Le iniziative di gemello digitale di Dublino sono incentrate sulla resilienza ambientale e sulla chiusura del ciclo di feedback tra la città e i suoi residenti. Data la vulnerabilità di Dublino ai cambiamenti climatici, il gemello integra modelli idrologici con il tessuto urbano in 3D. Simula scenari di inondazione per analizzare gli effetti a cascata sulle reti di trasporto e sulle infrastrutture critiche, supportando il processo decisionale basato su dati concreti per la risposta ai disastri⁵³.

Il gemello digitale del Docklands (la vecchia zona portuale di Dublino) consente agli utenti di interagire con il modello tramite interfacce web per visualizzare gli sviluppi pianificati. Funge da strumento di comunicazione bidirezionale, dove i cittadini possono segnalare problemi o fornire riscontri sui cambiamenti dello skyline direttamente all’interno del contesto digitale⁵⁵.

CityScope Andorra

Il progetto CityScope del MIT Media Lab ad Andorra dimostra come gli ABM complessi possano essere resi accessibili agli stakeholder non tecnici. L’economia di Andorra si basa fortemente sul turismo. Il gemello utilizza dati anonimizzati dei telefoni cellulari per tracciare il flusso di milioni di visitatori durante grandi eventi come il Tour de France o il Cirque du Soleil⁵⁶. La simulazione viene proiettata su un tavolo fisico con mattoncini tipo LEGO che rappresentano gli edifici. Quando un decisore politico sposta un mattoncino (ad esempio, aggiungendo un nuovo locale), l’ABM aggiorna automaticamente le proiezioni del traffico e del flusso pedonale in tempo reale. Questa interazione tattile demistifica l’algoritmo, favorendo la decisione collaborativa tra gli stakeholder⁵⁶.

Visualizzazione e interazione, come colmare il divario cognitivo

Affinché un gemello digitale sia efficace, i suoi complessi output devono essere comprensibili ai decisori umani. Ciò ha portato alla convergenza della simulazione scientifica con le tecnologie dei videogiochi.

Motori grafici come frontend di visualizzazione

L’industria sta adottando sempre di più i motori grafici come Unity e Unreal Engine 5, nati per i videogames, come livelli di visualizzazione standard per i gemelli digitali.

Aziende come WWT e 51World utilizzano il rendering ad alta fedeltà di Unreal Engine per creare gemelli fotorealistici. La capacità del motore di gestire geometrie massive e illuminazione in tempo reale consente la visualizzazione di intere città con distinti dettagli viventi. Questi motori non sono solo per la visualizzazione, possono integrare flussi di dati IoT per cambiare lo stato visivo della città (ad esempio, semafori che cambiano o livelli dell’acqua che salgono) in tempo reale⁵⁹.

Invece,Unity è ampiamente utilizzato per integrare le fonti di dati più disparate. In contesti industriali e urbani, si collega ad API di gemelli digitali basate su cloud per visualizzare i dati dei sensori (ad esempio, temperatura, pressione o occupazione) sovrapposti al modello 3D. Questa visualizzazione dei dati in tempo reale è fondamentale per il monitoraggio operativo⁶¹.

Interfacce immersive e tangibili

La realtà virtuale (VR) consente la pianificazione esperienziale. Nel caso di Herrenberg, gli stakeholder potevano camminare attraverso una futura versione della piazza cittadina per valutare l’impatto visivo di un nuovo sviluppo. Ciò sposta la pianificazione dalle mappe astratte 2D all’esperienza umana in scala 1:1,51.

Le applicazioni di realtà aumentata (AR) consentono ai lavoratori sul campo o ai cittadini di sovrapporre i dati del gemello digitale al mondo fisico, vedendo tubi sotterranei attraverso il pavimento o visualizzando i futuri livelli di inondazione sulla facciata di un edificio.

Etica, governance e modalità di fallimento

L’implementazione dei gemelli digitali sociali non è solo una sfida tecnica ma è un profondo campo minato etico. La capacità di simulare e prevedere il comportamento umano comporta il rischio di sorveglianza, manipolazione e l’erosione della privacy.

La debacle di Sidewalk Labs

Il fallimento di Sidewalk Labs (una società Alphabet/Google) nel costruire un quartiere intelligente a Toronto funge da caso di studio definitivo sui rischi di governance dei gemelli digitali. La Sidewalk Labs propose un distretto costruito da internet in su, con sensori onnipresenti, marciapiedi riscaldati e un livello digitale che avrebbe ottimizzato ogni cosa, dalla raccolta dei rifiuti al flusso del traffico⁶².

Il progetto è crollato a causa di un’intensa reazione pubblica e politica riguardo alla privacy dei dati e alla proprietà intellettuale. Non esisteva un quadro giuridico stabilito per il proposto Urban Data Trust e i cittadini temevano come i loro movimenti e le loro interazioni quotidiane sarebbero stati raccolti da una società privata a scopo di lucro⁶³.

L’autorizzazione a operare è tanto critica quanto la tecnologia. Gli SDT devono essere governati da istituzioni trasparenti e democratiche. La proprietà del gemello e dei dati che lo alimentano deve risiedere nel pubblico, non nei fornitori privati⁶⁵.

Bias algoritmico

Il regolamento generale sulla protezione dei dati (GDPR) in Europa impone severe limitazioni al processo decisionale automatizzato e alla profilazione. Gli SDT che prevedono rischi individuali (ad esempio, identificando agenti “ad alto rischio di criminalità” o individui “a rischio sanitario”) possono violare i diritti fondamentali se i dati non sono rigorosamente anonimizzati e gli algoritmi non sono spiegabili⁶⁶.

Oltretutto se i dati storici utilizzati per addestrare gli agenti sono distorti (ad esempio, se i dati sugli arresti che riflettono un’eccessiva sorveglianza dei quartieri minoritari), il gemello digitale imparerà e amplificherà questi bias. Un gemello utilizzato per l’allocazione delle risorse di polizia potrebbe così creare un ciclo di feedback di ingiustizia automatizzata, giustificando matematicamente pratiche discriminatorie⁶⁸.

La città panottica

C’è anche il timore che gli SDT possano abilitare uno stato di sorveglianza panottica. Le simulazioni che testano i comportamenti di nudging (spinta gentile), manipolando sottilmente l’ambiente per controllare le folle o sopprimere i disordini civili, sollevano lo spettro del controllo sociale autoritario. La ricerca ha dimostrato che, sebbene questi strumenti possano sopprimere efficacemente la violenza nelle simulazioni, pongono “rischi imminenti per gli individui e le società democratiche” se all’apparato di sorveglianza viene data l’autonomia di attivare attuatori nel mondo reale⁴⁵.

Conclusione

L’implementazione pratica dei modelli basati su agenti IA per i gemelli digitali sociali è passata dall’esplorazione teorica all’implementazione operativa in ambienti ad alto rischio. Dalle simulazioni macro-prudenziali sul mercato immobiliare della Banca d’Inghilterra all’infrastruttura di pianificazione nazionale di Virtual Singapore e alla risposta umanitaria in Ucraina, questi sistemi stanno dimostrando il loro valore nel prevedere le proprietà emergenti di complessi sistemi socio-economici.

Il settore ha superato significativi ostacoli tecnici. La capacità di generare popolazioni sintetiche indistinguibili dai dati censuari, lo sviluppo di standard di interoperabilità e la disponibilità di massicce potenze di calcolo hanno reso la simulazione su scala cittadina una realtà. Le applicazioni economiche sono robuste e offrono la possibilità di simulare scenari realistici, il che consente ai governi di testare riforme del lavoro, regolamenti edilizi e investimenti nei trasporti minimizzando i rischi sull’economia reale.

Tuttavia, il gemello digitale sociale rimane un costrutto fragile. La sfida di riuscire a calibrare il modello affinché rifletta anche la realtà sfumata e irrazionale del comportamento umano invece di un’approssimazione riduttiva, rimane una frontiera della ricerca. Ancora più importante, i quadri etici e di governance sono pericolosamente in ritardo rispetto alla tecnologia. Il fallimento di Sidewalk Labs dimostra che un approccio tecnocratico che ignora la privacy, la sovranità dei dati e la supervisione democratica è destinato a fallire.

Il futuro del gemello digitale sociale risiede nella simulazione simbiotica, sistemi che sono continuamente calibrati da dati in tempo reale, ma governati da rigorosi protocolli etici. Questi gemelli devono essere progettati non solo per ottimizzare l’efficienza, ma per migliorare l’equità, la resilienza e la partecipazione dei cittadini. Solo allora potranno adempiere alla loro promessa come strumenti per navigare la complessità della società del XXI secolo, invece di essere considerati come strumenti di sorveglianza e controllo.

Tabella comparativa dei progetti chiave

Bibliografia

1. Digital Twin Examples: Real-World Use Cases – Digi International, https://www.digi.com/blog/post/digital-twin-examples
2. Top 10 Applications & Use Cases for Digital Twins – Unity, https://unity.com/topics/digital-twin-applications-and-use-cases
3. Integrating Social Dimensions into Urban Digital Twins: A Review and Proposed Framework for Social Digital Twins – MDPI, https://www.mdpi.com/2624-6511/8/1/23
4. Towards an LLM-powered Social Digital Twinning Platform, https://arxiv.org/html/2505.10681v1
5. (PDF) Urban Digital Twin as a Socio-Technical Construct – ResearchGate, https://www.researchgate.net/publication/366408232_Urban_Digital_Twin_as_a_Socio-Technical_Construct
6. Policy simulation: How to build an economy-wide digital twin¹ | by Lucidminds AI | Medium, https://lucidmindsai.medium.com/policy-simulation-how-to-build-an-economy-wide-digital-twin
7. An Agent-Based Digital Twin for Exploring Localized Non-pharmaceutical Interventions to Control COVID-19 Pandemic – PubMed Central, https://pmc.ncbi.nlm.nih.gov/articles/PMC7845792/
8. The digital twin of the economy: proposed tool for policy design and evaluation – Real-World Economics Review, https://www.paecon.net/PAEReview/issue94/Pobuda94.pdf
9. Quantitative agent-based models: a promising alternative for macroeconomics | Oxford Review of Economic Policy, https://academic.oup.com/oxrep/article/41/2/571/8281854
10. AI Agent-Based Intelligent Urban Digital Twin (I-UDT): Concept, Methodology, and Case Studies – MDPI, https://www.mdpi.com/2624-6511/8/1/28
11. Intelligent Digital Twin for Predicting Technology Discourse Patterns: Agent-Based Modeling of User Interactions and Sentiment Dynamics in DeepSeek Discourse Case – MDPI, https://www.mdpi.com/2079-8954/13/6/451
12. WorkSim: An Agent-Based Model of Labor Markets – JASSS, https://www.jasss.org/23/4/4/4.pdf
13. Digital Twins Facing the Complexity of the City: Some Critical Remarks – MDPI, https://www.mdpi.com/2071-1050/17/7/3189
14. Social Issues with Digital Twin Computing | NTT Technical Review, https://www.ntt-review.jp/archive/ntttechnical.php?contents=ntr202009fa5.html
15. Improving Model Predictions—Integration of Real-Time Sensor Data into a Running Simulation of an Agent-Based Model – MDPI, https://www.mdpi.com/2071-1050/13/13/7000
16. Modelling, Reductionism and the Implications for Digital Twins – ResearchGate, https://www.researchgate.net/publication/384970185_Modelling_Reductionism_and_the_Implications_for_Digital_Twins
17. SIPHER Synthetic Population – University of Glasgow, https://www.gla.ac.uk/research/az/sipher/products/syntheticpopulation/
18. GENSTAR | Ummisco, http://www.ummisco.fr/wp-content/uploads/Projects%20Description/GENSTAR.pdf
19. ANRGenstar/genstar: Generation of Synthetic Populations Library – GitHub, https://github.com/ANRGenstar/genstar
20. Student project: Synthetic Population Generation – University of Oxford Department of Computer Science, https://www.cs.ox.ac.uk/teaching/studentprojects/923.html
21. Synthesising digital twin travellers: Individual travel demand from aggregated mobile phone data | Request PDF – ResearchGate, https://www.researchgate.net/publication/351411782_Synthesising_digital_twin_travellers_Individual_travel_demand_from_aggregated_mobile_phone_data
22. [2503.23147] Agent-Based Modeling and Deep Neural Networks for Establishing Digital Twins of Secure Facilities under Sensing Restrictions – arXiv, https://arxiv.org/abs/2503.23147
23. Methods That Support the Validation of Agent-Based Models: An Overview and Discussion, https://digitalcommons.odu.edu/emse_fac_pubs/209/
24. GAMA | GAMA Platform, https://gama-platform.org/wiki/Home
25. Gama Platform – MIT Media Lab, https://www.media.mit.edu/tools/gama-platform/
26. Birmingham, AL, USA – MATSim, https://matsim.org/gallery/birmingham_al/
27. Case studies – Page 7 – AnyLogic Simulation Software, https://www.anylogic.com/resources/case-studies/?PAGEN_1=7
28. UrbanSim Land Use Model at the PSRC – Puget Sound Regional Council, https://www.psrc.org/sites/default/files/2022-03/urbansim_white_paper_2012_final.pdf
29. (PDF) The Spatial Data Infrastructure of an Urban Digital Twin in the Building Energy Domain Using OGC Standards – ResearchGate, https://www.researchgate.net/publication/364457407_The_Spatial_Data_Infrastructure_of_an_Urban_Digital_Twin_in_the_Building_Energy_Domain_Using_OGC_Standards
30. Macroprudential policy in an agent-based model of the UK housing market, https://www.bankofengland.co.uk/working-paper/2016/macroprudential-policy-in-an-agent-based-model-of-the-uk-housing-market
31. INET Oxford and the Bank of England develop an agent-based model of the UK housing market, https://www.inet.ox.ac.uk/news/bank-of-england-wp
32. Heterogeneous effects and spillovers of macroprudential policy in an agent-based model of the UK housing market | Bank of England, https://www.bankofengland.co.uk/working-paper/2022/heterogeneous-effects-and-spillovers-of-macroprudential-policy-in-model-of-uk-housing-market
33. Agent-Based Digital Twin in Synchromodal Transportation – AnyLogic Simulation Software, https://www.anylogic.com/resources/articles/agent-based-digital-twin-in-synchromodal-transportation/
34. Unpacking the power of agent-based models for environmental and socio-economic impact, https://aws.amazon.com/blogs/hpc/unpacking-the-power-of-agent-based-models-for-environmental-and-socio-economic-impact/
35. How to Model a Digital Twin of a Market through Agent Based Modelling, https://www.womentech.net/video/how-model-digital-twin-market-through-agent-based-modelling
36. agent-based framework to study forced migration: A case study of Ukraine | PNAS Nexus, https://academic.oup.com/pnasnexus/article/3/3/pgae080/7624910
37. An agent-based framework to study forced migration: A case study of Ukraine – PubMed, https://pubmed.ncbi.nlm.nih.gov/38505694/
38. Epidemic Simulation Modelling of COVID-19 in refugee settlements – UNHCR Innovation, https://www.unhcr.org/innovation/epidemic-simulation-modelling-of-covid-19-in-refugee-settlements/
39. CitySEIRCast: An Agent-Based City Digital Twin for Pandemic Analysis and Simulation | Request PDF – ResearchGate, https://www.researchgate.net/publication/376847374_CitySEIRCast_An_Agent-Based_City_Digital_Twin_for_Pandemic_Analysis_and_Simulation
40. Personalizing computational models to construct medical digital twins – PMC, https://pmc.ncbi.nlm.nih.gov/articles/PMC12212996/
41. Personalizing computational models to construct medical digital twins | Journal of The Royal Society Interface, https://royalsocietypublishing.org/rsif/article/22/228/20250055/235510/Personalizing-computational-models-to-construct
42. Spatial Validation of Agent-Based Models – PDXScholar, https://pdxscholar.library.pdx.edu/context/pubadmin_fac/article/1058/viewcontent/sustainability_14_16623.pdf
43. Dynamic models of gentrification – arXiv, https://arxiv.org/html/2410.18004v1
44. “Crime Prediction Using Agent-Based Modeling” by Yifei Gong – CUNY Academic Works, https://academicworks.cuny.edu/gc_etds/5738/
45. The Potentials and Limitations of Agent-Based Models for Urban Digital Twins: Insights From a Surveillance and Behavioral Nudging Simulation – IDEAS/RePEc, https://ideas.repec.org/a/cog/urbpla/v10y2025a8613.html
46. The Potentials and Limitations of Agent-Based Models for Urban Digital Twins: Insights From a Surveillance and Behavioral Nudging Simulation | Article – Cogitatio Press, https://www.cogitatiopress.com/urbanplanning/article/view/8613
47. Virtual Singapore Is More Than Just a 3-D Model, It’s an Intelligent Rendering of the City, https://www.govtech.com/fs/virtual-singapore-is-more-than-just-a-3-d-model-its-an-intelligent-rendering-of-the-city.html
48. Virtual Singapore – Singapore’s virtual twin – Observatory of Public Sector Innovation, https://oecd-opsi.org/innovations/virtual-twin-singapore/
49. Virtual Singapore – Building a 3D-Empowered Smart Nation – Geospatial World, https://geospatialworld.net/prime/case-study/national-mapping/virtual-singapore-building-a-3d-empowered-smart-nation/
50. Virtual Singapore: A Digital Gateway to Urban Innovation – Experion Technologies, https://experionglobal.com/virtual-singapore/
51. How a small German town is using an advanced digital twin – Cities Today, https://cities-today.com/how-a-small-german-town-is-using-an-advanced-digital-twin/
52. The Digital Twin – CumInCAD, https://papers.cumincad.org/data/works/att/ecaadesigradi2019_334.pdf
53. Smart cities and digital twin technology: the case of Dublin – European Data Portal, https://data.europa.eu/sites/default/files/course/Webinar%20smart%20city%20Dublin%20-%20Slides.pdf
54. City-Scale Digital Twin Framework for Flood Impact Analysis: Integrating Urban Infrastructure and Real-time Data Analytics – EarthArXiv, https://eartharxiv.org/repository/view/8768/
55. (PDF) A digital twin smart city for citizen feedback – ResearchGate, https://www.researchgate.net/publication/348382801_A_digital_twin_smart_city_for_citizen_feedback
56. CityScope Andorra Data Observatory: An Agent-Based Visualization on tourism patterns, https://www.media.mit.edu/articles/cityscope-andorra-data-observatory-an-agent-based-visualization-on-tourism-patterns/
57. Overview ‹ Andorra | Tourism – MIT Media Lab, https://www.media.mit.edu/projects/andorra-tourism/overview/
58. CityScope Andorra: A Multi-level Interactive and Tangible Agent-based Visualization – IFAAMAS, https://aamas.csc.liv.ac.uk/Proceedings/aamas2018/pdfs/p1939.pdf
59. Digital Twin – Unreal Engine, https://www.unrealengine.com/en-US/digital-twins
60. Digital Twins Made Real: From Simulation to Execution with Unreal Engine – YouTube, https://www.youtube.com/watch?v=Ra5VdD_DiAg
61. How to bring your real-time 3D digital twin data into Unity, https://unity.com/resources/workshop-4-how-to-bring-realtime-3d-data-into-unity
62. Lessons From a Failed Tech Urbanist Dream – Governing Magazine, https://www.governing.com/urban/lessons-from-a-failed-tech-urbanist-dream
63. How the Law Makes Smart Cities Unaccountable, and How to Start Making It Better: Lessons from Sidewalk Toronto – Scholarship@Vanderbilt Law, https://scholarship.law.vanderbilt.edu/cgi/viewcontent.cgi?article=1669&context=jetlaw
64. (PDF) Data Trusts and the Governance of Smart Environments: Lessons from the Failure of Sidewalk Labs’ Urban Data Trust – ResearchGate, https://www.researchgate.net/publication/352779618_Data_Trusts_and_the_Governance_of_Smart_Environments_Lessons_from_the_Failure_of_Sidewalk_Labs’_Urban_Data_Trust
65. Sidewalk Labs and Toronto Waterfront: Five lessons for smart, innovative city building, https://www.rics.org/news-insights/wbef/sidewalk-labs-and-toronto-waterfront
66. (PDF) Privacy and security challenges of the digital twin: systematic literature review, https://www.researchgate.net/publication/387488700_Privacy_and_security_challenges_of_the_digital_twin_systematic_literature_review
67. Digital Twins Under EU Law: A Unified Compliance Framework Across Smart Cities, Industry, Transportation, and Energy Systems – MDPI, https://www.mdpi.com/2079-9292/14/24/4881
68. Ethical Implications of Urban Digital Twin Governance – Prism → Sustainability Directory, https://prism.sustainability-directory.com/scenario/ethical-implications-of-urban-digital-twin-governance/
69. Ethical Issues of Digital Twins for Personalized Health Care Service: Preliminary Mapping Study – NIH, https://pmc.ncbi.nlm.nih.gov/articles/PMC8844982/
70. 5 things to know about Virtual Singapore, https://www.tech.gov.sg/technews/5-things-to-know-about-virtual-singapore