L’ecosistema della mobilità sta attraversando una trasformazione strutturale, caratterizzata dal passaggio da una concezione dell’infrastruttura viaria come manufatto civile prevalentemente statico a una configurazione sempre più prossima a un sistema cyber-fisico, nel quale componenti, sensori, piattaforme digitali e servizi informativi operano in modo integrato [1].
Nel contesto italiano, tale evoluzione trova il proprio riferimento regolatorio nel D.M. 28 febbraio 2018, n. 70, che disciplina le modalità attuative e gli strumenti operativi della sperimentazione su strada delle soluzioni di Smart Road e di guida connessa e automatica [2], prevedendo altresì l’istituzione di un Osservatorio tecnico di supporto incaricato di monitorare il processo di trasformazione digitale delle infrastrutture viarie e lo sviluppo dei veicoli connessi e a guida autonoma [3].
Il quadro nazionale si inserisce, inoltre, nel più ampio contesto europeo degli ITS, rafforzato dalla Direttiva (UE) 2023/2661, che aggiorna la direttiva 2010/40/UE al fine di accelerare la disponibilità di dati digitali, l’interoperabilità dei servizi e l’integrazione della mobilità connessa e automatizzata nella rete stradale europea [4].
Indice degli argomenti
Dalla strada statica alla piattaforma data-driven
In questa prospettiva, l’infrastruttura stradale non può più essere considerata esclusivamente come un bene fisico da ispezionare e manutenere in modo episodico, ma come una piattaforma sensorizzata e data-driven, capace di raccogliere dati sul traffico, sulle condizioni ambientali e sullo stato degli asset, di elaborarli in tempo quasi reale e di restituirli sotto forma di informazioni utili alla gestione operativa, alla sicurezza e alla comunicazione con i veicoli connessi. La recente certificazione della Tangenziale di Napoli come prima Smart Road italiana mostra, in termini concreti, come tale passaggio si traduca in tecnologie per il monitoraggio degli asset, la gestione intelligente della mobilità e il dialogo infrastruttura-veicolo [5].
Sotto questo profilo, la digitalizzazione della strada modifica non soltanto l’assetto tecnologico dell’infrastruttura, ma anche il modello di esercizio e di governo della rete: la rilevazione precoce delle anomalie, la riduzione della latenza informativa e l’integrazione con sistemi di supporto alle decisioni rendono possibile il passaggio da una gestione prevalentemente reattiva a forme più avanzate di monitoraggio continuo, allerta preventiva e gestione predittiva del rischio infrastrutturale [6].
La convergenza tra IT e OT mira a rendere l’infrastruttura stradale più sicura, interconnessa e capace di supportare una gestione più efficiente della mobilità, attraverso l’acquisizione e l’elaborazione continua di dati su traffico, condizioni ambientali e stato degli asset. Tale evoluzione, tuttavia, non produce soltanto effetti sul piano tecnologico, ma implica anche una ridefinizione dei modelli organizzativi, delle catene decisionali e dei profili di responsabilità in capo agli enti proprietari, ai gestori e ai concessionari dell’infrastruttura [7]. In questo quadro, il tema della Smart Road non si esaurisce nella dimensione tecnologica, ma investe più ampiamente il rapporto tra infrastruttura, dato, rischio e decisione pubblica, che costituisce l’oggetto del presente lavoro.
L’architettura tecnologica della Smart Road
La materializzazione del paradigma Smart Road si fonda su un’architettura distribuita, costituita da dispositivi di campo, reti di comunicazione e piattaforme centrali di elaborazione, progettata per acquisire, integrare e restituire informazioni utili alla gestione della mobilità e dell’infrastruttura in tempi compatibili con l’esercizio operativo. In questo assetto, la convergenza tra sensoristica stradale, connettività C-ITS (Cooperative Intelligent Transport Systems) e piattaforme di supervisione rende possibile lo scambio informativo bidirezionale tra infrastruttura e veicoli connessi, secondo logiche V2I (Vehicle-to-Infrastructure) e I2V (Infrastructure-to-Vehicle), in coerenza con il quadro europeo ITS e con l’evoluzione normativa orientata alla disponibilità e interoperabilità dei dati di traffico in tempo reale [8].
Il caso della Tangenziale di Napoli
Un caso applicativo di particolare rilievo è rappresentato dalla Tangenziale di Napoli, cui il MIT ha rilasciato il 4 giugno 2026 la certificazione di prima Smart Road italiana ai sensi del D.M. 70/2018. La soluzione tecnologica implementata lungo i circa 22 km del tracciato costituisce un esempio significativo della densità infrastrutturale richiesta da un sistema stradale data-driven: secondo la documentazione tecnica di progetto, l’ecosistema comprende 217 telecamere, 15 portali di rilevamento, 8 stazioni meteorologiche e 40 antenne distribuite lungo l’asse, con tecnologie ITS-G5 e Cellular V2X a supporto della comunicazione cooperativa [9].
I dati acquisiti sul campo – relativi ai flussi di traffico, alle condizioni ambientali, allo stato della pavimentazione e agli eventi critici di esercizio – confluiscono in una piattaforma centrale C-ITS che li integra con ulteriori fonti esterne e li trasforma in informazioni operative per il centro di controllo. Il valore ingegneristico di questa architettura non risiede soltanto nella raccolta del dato, ma nella sua elaborazione ai fini della gestione proattiva della viabilità, del monitoraggio meteo-idrogeologico e della comunicazione continua con i veicoli compatibili [10]. In questo senso, la piattaforma centrale agisce come livello di coordinamento tra analisi dei dati e supporto decisionale in tempo reale.
Su tali presupposti si innestano i servizi informativi cooperativi tipici dell’ambiente Smart Road: segnalazioni di traffico, incidenti, cantieri, condizioni meteo avverse, raccomandazioni dinamiche di velocità e, più in generale, messaggi infrastruttura-veicolo orientati a migliorare sicurezza, regolarità dei flussi e qualità dell’esercizio. La letteratura e il quadro ITS europeo mostrano che la disponibilità di dati digitali interoperabili e di servizi di informazione in tempo reale costituisce una componente essenziale della mobilità connessa e automatizzata.
Le esperienze nazionali sulla rete stradale
Questa logica non si esaurisce nel caso napoletano, ma ha trovato riscontro anche in altri interventi nazionali. La SS51 di Alemagna, sviluppata da ANAS come primo banco di prova della Smart Road in occasione di Cortina 2021, è stata dotata di fibra ottica, control room, smart pole e sistemi di comunicazione DSRC/C-V2X, con l’obiettivo di abilitare monitoraggio continuo, connettività veicolo-infrastruttura e futuri scenari di guida automatica [11]. Analogamente, la Sassari–Olbia è stata progressivamente orientata verso una configurazione Smart Road basata su sensori, fibra, pannelli a messaggio variabile, videosorveglianza e stazioni meteo, a supporto del monitoraggio del traffico e della comunicazione all’utenza [12].
Nel loro insieme, questi esempi mostrano che la Smart Road non coincide con la semplice aggiunta di dispositivi tecnologici lungo la rete, ma con la costruzione di una architettura informativa multilivello nella quale sensori, infrastrutture di telecomunicazione, piattaforme centrali e modelli di elaborazione cooperano per convertire il dato grezzo in funzioni di esercizio, sicurezza e supporto decisionale. È proprio questa trasformazione dell’infrastruttura in sistema osservabile, connesso e computabile che consente di aprire il passaggio, nei paragrafi successivi, dal monitoraggio in tempo reale alla gestione predittiva del rischio infrastrutturale.
Governo del rischio infrastrutturale e abbattimento della latenza decisionale
La profonda digitalizzazione dell’infrastruttura viaria abilita il passaggio da una gestione prevalentemente reattiva a una gestione olistica e proattiva del rischio, nella quale eventi critici non vengono più intercettati a posteriori, ma individuati nella loro fase di insorgenza attraverso il monitoraggio continuo di variabili fisiche e operative [6]. In questo quadro, le architetture Smart Road strutturano il supporto decisionale attorno a specifici vettori di rischio infrastrutturale, tradizionalmente difficili da presidiare con strumenti convenzionali.
Traffico, incidentalità e regolazione dinamica
Una prima macro area riguarda il rischio connesso al traffico e all’incidentalità. Il rilevamento continuo dei flussi veicolari, mediante telecamere intelligenti, sensori radar e sistemi di analisi video, consente l’identificazione tempestiva di anomalie cinematiche, congestioni improvvise, veicoli contromano o arresti anomali. L’integrazione di tali informazioni nei sistemi C ITS abilita funzionalità avanzate di regolazione dinamica del traffico, tra cui i limiti di velocità dinamici (Dynamic Speed Limit). Una sperimentazione condotta nel tratto tra Vomero e Fuorigrotta sulla Tangenziale di Napoli ha mostrato come un veicolo a guida autonoma possa adattare automaticamente la propria velocità in funzione delle istruzioni ricevute dalla control room infrastrutturale, riducendo il rischio di collisioni associate a brusche variazioni di velocità e contribuendo alla stabilizzazione dei flussi veicolari.
Rischio meteorologico e idrogeologico
Una seconda macro area concerne il rischio meteorologico e idrogeologico, particolarmente rilevante nel contesto orografico italiano. Reti di sensori ambientali e dispositivi IoT rilevano in tempo reale parametri critici quali precipitazioni intense, formazione di ghiaccio, condizioni della pavimentazione, livelli idrometrici e instabilità dei versanti. Il presidio continuo di tali variabili consente di monitorare i precursori fisici di eventi franosi o alluvionali, attivando tempestivamente procedure di allerta per l’utenza e per i servizi di emergenza, e riducendo l’esposizione dell’infrastruttura e degli utenti a eventi improvvisi ad alto impatto.
Latenza decisionale e risposta operativa
Il principale dividendo operativo di questo ecosistema tecnologico è rappresentato dalla drastica riduzione della latenza decisionale. Nei modelli tradizionali di gestione stradale, il tempo intercorrente tra il verificarsi di un evento avverso, la sua rilevazione e l’attivazione delle contromisure costituisce una zona critica di vulnerabilità. Nell’architettura Smart Road, il superamento di soglie di allarme nei modelli fisici e nei sistemi di monitoraggio attiva protocolli di risposta quasi istantanei, supportando l’operatore nella gestione dell’evento e riducendo l’impatto dell’errore umano.
In questo senso, la Smart Road non elimina il rischio, ma ne anticipa l’emersione, trasformando l’infrastruttura in un sistema capace di intercettare l’emergenza nella sua fase embrionale e di supportare una gestione preventiva, informata e proporzionata del rischio infrastrutturale.
Dal dato alla simulazione: Digital Twin e manutenzione predittiva delle infrastrutture stradali
Il salto evolutivo dalla mera visualizzazione storica dei dati alla simulazione predittiva si concretizza attraverso l’adozione del Digital Twin. In ambito infrastrutturale, il Digital Twin non coincide con un semplice modello tridimensionale statico – come il BIM –, ma si configura come una replica digitale dinamica dell’asset fisico, alimentata da dati acquisiti in continuo tramite sensori, sistemi IoT, piattaforme di monitoraggio e modelli computazionali. La letteratura recente sulle infrastrutture di trasporto evidenzia infatti che il Digital Twin consente di integrare modellazione fisica, dati operativi e analisi predittive lungo l’intero ciclo di vita di strade, ponti, gallerie e nodi infrastrutturali [13].
Digital Twin e Decision Support System
L’integrazione tra Digital Twin e Decision Support System (DSS) rappresenta uno degli snodi principali per spostare la manutenzione stradale verso logiche di Predictive Maintenance. Nei modelli tradizionali, la gestione di pavimentazioni, viadotti e opere d’arte si è spesso fondata su ispezioni periodiche, rilievi visivi, soglie prestazionali predefinite e modelli statistici calibrati su carichi medi o condizioni standardizzate. Tali approcci restano utili, ma mostrano limiti quando il degrado dipende da interazioni non lineari tra traffico pesante, temperatura, umidità, fatica dei materiali, stato della pavimentazione e condizioni ambientali locali. Le review recenti sul Digital Twin applicato allo Structural Health Monitoring (SHM) mostrano invece come l’integrazione tra dati in tempo reale, modelli fisici e algoritmi di apprendimento possa migliorare damage detection, monitoraggio dinamico e manutenzione predittiva [14].
L’evoluzione più promettente è rappresentata da soluzioni ibride che combinano machine learning e Physics-Based Models, inclusi modelli agli elementi finiti e modelli ridotti. I modelli fisici garantiscono coerenza meccanica e interpretabilità ingegneristica, mentre i modelli data-driven consentono di assimilare grandi quantità di osservazioni reali e aggiornare le previsioni al variare delle condizioni operative [15]. In tale contesto, i Reduced Order Models (ROM) assumono un ruolo rilevante perché permettono di approssimare il comportamento strutturale dell’asset con costi computazionali inferiori rispetto a un modello full-scale agli elementi finiti, rendendo più praticabile l’uso del Digital Twin in scenari semi-real-time o real-time.
Dati WIM, pavimentazione e degrado
Nel caso delle infrastrutture stradali, il Digital Twin può essere alimentato da dati provenienti da sensori Weigh-in-Motion (WIM), sonde termiche, stazioni meteo, sistemi video e rilievi periodici della pavimentazione. I sistemi WIM consentono di rilevare carichi assiali, masse veicolari, configurazioni di traffico pesante e frequenze di passaggio, cioè variabili decisive per stimare l’evoluzione di fatica, fessurazione e deformazione permanente delle pavimentazioni. Studi recenti mostrano che l’integrazione tra dati WIM, sensori nella pavimentazione e modelli di machine learning può migliorare la previsione del deterioramento, includendo effetti legati ai sovraccarichi, agli spettri di carico assiale e alle condizioni ambientali [16].
Questo substrato analitico trasforma la piattaforma digitale in uno strumento predittivo capace non solo di rappresentare lo stato corrente dell’infrastruttura, ma anche di stimare l’evoluzione futura del degrado e la vita utile residua dell’asset. In luogo di intervenire solo dopo la manifestazione visibile del danno, il gestore può valutare scenari di deterioramento, identificare soglie critiche, programmare interventi condition-based e stimare il momento economicamente più efficiente per la manutenzione. Tale impostazione è coerente con l’approccio life-cycle cost, secondo cui le decisioni nel settore infrastrutturale devono considerare non soltanto il costo iniziale di costruzione, ma anche costi di ispezione, manutenzione, riparazione, esercizio e conseguenze del degrado lungo l’intero ciclo di vita.
In tal senso, il Digital Twin costituisce il livello superiore dell’architettura Smart Road: non solo una piattaforma di monitoraggio, ma un ambiente computazionale nel quale dati, modelli fisici, algoritmi predittivi e sistemi di supporto alle decisioni convergono per orientare la manutenzione, ridurre la latenza decisionale e migliorare la capacità del gestore di governare il rischio infrastrutturale.
Profili giuridici e ripartizione delle responsabilità: dalla circolazione del veicolo alla custodia dell’infrastruttura connessa
La trasformazione cyber-fisica dell’infrastruttura viaria produce effetti rilevanti anche sul piano della responsabilità civile, poiché modifica il rapporto tra infrastruttura, veicolo, gestore della rete e utente. Nel modello tradizionale, il sinistro stradale è prevalentemente ricondotto alla disciplina della circolazione dei veicoli di cui all’art. 2054 c.c., fondata sulla responsabilità del conducente e, in via solidale, del proprietario del veicolo, salvo prova liberatoria [17]. L’avvento dei veicoli connessi e a guida automatizzata, tuttavia, rende più complessa l’imputazione del danno, poiché alla condotta del conducente si affiancano componenti algoritmiche, sistemi di bordo, piattaforme di comunicazione e dati provenienti dall’infrastruttura.
In questo scenario, il problema non riguarda soltanto l’industria automobilistica o il regime della responsabilità da circolazione, ma investe anche la posizione degli enti proprietari, dei concessionari e dei gestori dell’infrastruttura. La letteratura sul tema evidenzia come la mobilità connessa richieda una ridefinizione delle responsabilità tra veicolo, infrastruttura e centro di controllo, con particolare attenzione agli aspetti di sicurezza, regolazione e gestione del rischio [18].
Art. 2051 c.c. e custodia dell’infrastruttura
Sotto questo profilo, il riferimento centrale diviene l’art. 2051 c.c., secondo cui ciascuno è responsabile del danno cagionato dalle cose che ha in custodia, salvo che provi il caso fortuito. La norma, nel caso delle infrastrutture stradali, trova applicazione nei confronti dell’ente proprietario o del concessionario quando il danno sia causalmente riconducibile alla struttura, alle pertinenze o agli elementi accessori della strada. La giurisprudenza più recente conferma, infatti, che la responsabilità per cosa in custodia è configurabile anche rispetto alle strade pubbliche, indipendentemente dall’estensione della rete, purché sussista un potere effettivo di controllo e gestione sulla cosa [19].
La Smart Road non crea ex novo tale responsabilità, ma ne modifica il contenuto tecnico-operativo. La disponibilità di sensori, sistemi IoT, piattaforme C-ITS, modelli previsionali e flussi informativi in tempo reale incide infatti sulla valutazione della prevedibilità e della prevenibilità dell’evento dannoso. In un’infrastruttura tradizionale, l’ente gestore può talvolta invocare la difficoltà di controllo capillare della rete; in una infrastruttura digitalizzata, invece, la presenza di sistemi di monitoraggio continuo rende più stringente l’onere di dimostrare che l’evento fosse effettivamente imprevedibile, inevitabile e non neutralizzabile mediante le tecnologie disponibili.
Caso fortuito e diligenza tecnica
Ne consegue che il caso fortuito, quale prova liberatoria ex art. 2051 c.c., deve essere valutato alla luce del nuovo livello informativo e operativo dell’infrastruttura [20]. Una frana improvvisa, un banco di nebbia, il ghiaccio sulla carreggiata o un ostacolo presente in corsia potranno continuare, in astratto, a integrare eventi fortuiti; tuttavia, tale qualificazione diviene più difficile quando i sensori, le previsioni meteo, i sistemi di monitoraggio ambientale o le comunicazioni infrastruttura-veicolo avrebbero potuto rilevare tempestivamente il rischio e attivare misure di allerta, regolazione del traffico, riduzione dinamica della velocità o chiusura preventiva del tratto.
In tale prospettiva, la Smart Road determina un innalzamento del parametro di diligenza tecnica richiesto al gestore [21]. La responsabilità non discende automaticamente dalla mera disponibilità della tecnologia, ma dalla mancata attivazione, gestione o manutenzione dei sistemi destinati a ridurre il rischio prevedibile. Il baricentro della valutazione si sposta quindi dalla sola manutenzione fisica della strada alla governance integrata del sistema strada-dato, includendo affidabilità dei sensori, continuità delle comunicazioni, corretto funzionamento della piattaforma centrale, qualità degli algoritmi di allerta e tempestività delle decisioni assunte dal centro di controllo.
Il passaggio dall’art. 2054 c.c. all’art. 2051 c.c. non va dunque inteso come sostituzione netta di un regime all’altro, ma come progressiva emersione di una responsabilità multilivello. Nei sinistri che coinvolgono veicoli connessi o automatizzati, potranno coesistere profili di responsabilità del conducente o proprietario del veicolo, del produttore o sviluppatore del sistema di guida, e del gestore dell’infrastruttura qualora il danno sia riconducibile al malfunzionamento, alla mancata manutenzione o al mancato utilizzo delle capacità informative e preventive della Smart Road.
Guida automatizzata e responsabilità da prodotto difettoso nell’ecosistema Smart Road
La digitalizzazione dell’infrastruttura stradale si intreccia con l’evoluzione tecnica dell’automotive e con il progressivo rafforzamento del quadro regolatorio europeo in materia di sicurezza dei veicoli. Il Regolamento (UE) 2019/2144 ha introdotto requisiti obbligatori di sicurezza avanzata per i veicoli di nuova omologazione, includendo sistemi quali l’Intelligent Speed Assistance (ISA), il rilevamento della stanchezza e dell’attenzione del conducente, la frenata automatica di emergenza, i sistemi di mantenimento della corsia, il registratore di dati evento e altri dispositivi di assistenza alla guida [22]. Tali tecnologie non determinano ancora, di per sé, il passaggio alla piena guida autonoma, ma innalzano progressivamente il livello di automazione del veicolo e modificano il rapporto tra conducente, sistema di bordo e infrastruttura connessa.
Sul piano regolatorio, il quadro europeo ha inoltre introdotto specifiche tecniche per l’omologazione dei sistemi di guida automatizzata dei veicoli pienamente automatizzati, come previsto dal Regolamento di esecuzione (UE) 2022/1426, adottato in attuazione del Regolamento (UE) 2019/2144 [23]. In Italia, la sperimentazione dei veicoli a guida automatica su strada pubblica resta invece ancorata al D.M. 70/2018, che richiede una specifica autorizzazione ministeriale, il coinvolgimento dell’ente gestore della tratta interessata, la valutazione dei rischi e la definizione delle relative contromisure di sicurezza.
In questo scenario, il modello tradizionale della responsabilità da circolazione, fondato sull’art. 2054 c.c. e sulla centralità del conducente umano, diventa progressivamente meno sufficiente a descrivere la complessità dei sinistri che coinvolgano veicoli connessi, sistemi ADAS o funzioni automatizzate. Il danno può infatti derivare non solo dalla condotta del conducente, ma anche dall’interazione tra software di bordo, sensori, mappe digitali, algoritmi decisionali, dati trasmessi dall’infrastruttura e servizi C-ITS.
Responsabilità multilivello tra veicolo, infrastruttura e software
Ne deriva una possibile pluralità di profili di responsabilità. Il conducente o supervisore potrà continuare a rispondere ai sensi dell’art. 2054 c.c. nei casi in cui il sistema richieda il suo intervento o il suo subentro manuale; il gestore dell’infrastruttura potrà essere chiamato a rispondere, ai sensi dell’art. 2051 c.c., qualora il danno sia riconducibile a carenze nella custodia, nel monitoraggio, nella manutenzione o nella trasmissione di informazioni infrastruttura-veicolo; il costruttore del veicolo, il produttore di componenti o lo sviluppatore del software potranno invece essere coinvolti sul piano della responsabilità da prodotto difettoso, specie quando il sinistro sia riconducibile a un malfunzionamento del sistema, a un errore di progettazione algoritmica, a un difetto di aggiornamento o a vulnerabilità cyber.
La Direttiva (UE) 2024/2853 sulla responsabilità da prodotto difettoso rafforza questa prospettiva, poiché aggiorna il regime europeo alla luce delle tecnologie digitali, includendo nel perimetro del prodotto anche la nozione di software [24]. Questo dato è particolarmente rilevante per i veicoli connessi e automatizzati, nei quali il software non è una componente funzionale essenziale della sicurezza del veicolo e della sua interazione con l’ambiente stradale.
Un esempio chiarisce la complessità del nuovo quadro: se un veicolo connesso interpreta erroneamente un limite di velocità dinamico, oppure riceve un’informazione non corretta da un portale stradale o da una piattaforma C-ITS, la ricostruzione causale del sinistro non potrà esaurirsi nella sola condotta del conducente. Occorrerà verificare la qualità del dato trasmesso, l’affidabilità del canale di comunicazione, la correttezza dell’elaborazione algoritmica, il comportamento del sistema di bordo e l’eventuale possibilità di intervento umano. Il sinistro diventa quindi il risultato potenziale di una catena tecnico-informativa multilivello, nella quale possono concorrere responsabilità del conducente, del gestore dell’infrastruttura, del fornitore C-ITS, del costruttore del veicolo e dello sviluppatore software.
Control room, data governance e cybersecurity
Questa matrice di rischio interdipendente impone una riorganizzazione delle funzioni operative dei gestori stradali. Le control room non sono più soltanto centri di sorveglianza del traffico, ma diventano nodi di data governance, chiamati a presidiare continuità del servizio, affidabilità dei flussi informativi, cybersecurity, tracciabilità degli eventi, registrazione delle anomalie e tempestività delle decisioni operative. In tale prospettiva, l’integrità del dato trasmesso non è un profilo meramente tecnico, ma una condizione essenziale per la sicurezza dell’esercizio e per la corretta allocazione delle responsabilità in caso di evento dannoso.
La vulnerabilità delle reti di comunicazione, l’interruzione del servizio, il degrado della qualità del segnale o un attacco cyber ai sistemi ITS possono infatti trasformarsi in fattori di rischio sistemico. Per questa ragione, la Smart Road richiede non soltanto competenze infrastrutturali tradizionali, ma anche capacità di gestione algoritmica, cybersecurity, validazione dei dati e auditing dei sistemi digitali. Il gestore non diventa automaticamente responsabile di ogni evento, ma è chiamato a dimostrare di aver predisposto un’organizzazione tecnica idonea a garantire l’affidabilità, la resilienza e la sicurezza dei flussi informativi che alimentano la mobilità connessa.
Considerazioni finali
Il processo di innovazione avviato dal D.M. 70/2018 e consolidato dalle più recenti applicazioni nazionali segna il superamento della strada intesa come semplice supporto fisico della circolazione. La Smart Road configura, piuttosto, un’infrastruttura cyber-fisica, nella quale sensori, piattaforme C-ITS, comunicazioni V2X, modelli predittivi e centri di controllo concorrono alla produzione continua di informazione operativa. Il caso della Tangenziale di Napoli, prima Smart Road italiana certificata dal MIT, mostra in termini concreti come la rete viaria possa evolvere in una piattaforma capace di monitorare traffico, condizioni ambientali, stato dell’asset e interazione con i veicoli connessi.
Questa trasformazione non esaurisce i propri effetti nella dimensione tecnologica. La digitalizzazione avanzata, l’integrazione con Digital Twin e l’uso di sistemi di supporto alle decisioni spostano progressivamente il baricentro gestionale dalla reazione all’evento alla prevenzione del rischio. L’infrastruttura non si limita più a registrare l’incidente, il dissesto o la congestione, ma diventa capace di rilevare segnali precoci, elaborare scenari, attivare soglie di allerta e orientare decisioni operative in tempo utile. In questa prospettiva, la Smart Road costituisce una piattaforma di risk governance, nella quale sicurezza, manutenzione predittiva e continuità dell’esercizio dipendono dalla qualità del dato e dalla tempestività della risposta organizzativa.
Proprio tale incremento delle capacità informative impone, tuttavia, una parallela evoluzione dei profili giuridici e organizzativi. Quanto più il gestore dispone di strumenti per conoscere, prevedere e comunicare il rischio, tanto più si restringe lo spazio argomentativo dell’imprevedibilità assoluta. La disponibilità di sensori, modelli previsionali, telemetria e comunicazioni infrastruttura-veicolo non determina automaticamente responsabilità, ma innalza il livello tecnico della diligenza esigibile. Il caso fortuito ex art. 2051 c.c. resta configurabile, ma deve essere valutato alla luce delle effettive capacità di monitoraggio, allerta e intervento disponibili sull’infrastruttura.
Dati, decisioni e modello organizzativo
Ne deriva che la vera sfida di policy non consiste soltanto nel finanziare l’installazione di sensori o piattaforme digitali, ma nel costruire un modello di gestione capace di trasformare il dato in decisione informata e responsabile. Gli enti proprietari e i concessionari devono dotarsi di procedure chiare per la validazione del dato, la gestione delle soglie di allarme, la tracciabilità delle decisioni assunte dalla control room, la manutenzione dei sistemi digitali e la verifica periodica dell’affidabilità degli algoritmi. Senza questa infrastruttura organizzativa, la Smart Road rischia di rimanere una sovrastruttura tecnologica priva di piena efficacia gestionale e giuridica.
Inoltre, l’interazione tra infrastruttura connessa, veicoli dotati di ADAS e sistemi di guida automatizzata rende necessaria una ripartizione più sofisticata delle responsabilità tra conducente, gestore della strada, fornitore dei servizi C-ITS, costruttore del veicolo e sviluppatore software. Il modello tradizionale fondato sulla centralità del conducente, di cui all’art. 2054 c.c., non scompare, ma viene inserito in una catena causale più complessa, nella quale il danno può derivare da errori di percezione, trasmissione, elaborazione o interpretazione del dato. La recente evoluzione europea in materia di sicurezza dei veicoli e responsabilità da prodotto difettoso conferma la necessità di considerare il software e i componenti digitali come elementi essenziali della sicurezza complessiva del sistema mobilità.
Le linee di azione per le politiche pubbliche
Sul piano delle politiche pubbliche, ciò richiede almeno quattro linee di azione. In primo luogo, occorre definire standard tecnici minimi e verificabili per sensoristica, interoperabilità, cybersecurity e continuità dei servizi C-ITS. In secondo luogo, è necessario chiarire i protocolli decisionali delle control room, distinguendo tra allerta automatica, validazione umana e adozione della misura operativa. In terzo luogo, deve essere rafforzata la tracciabilità dei flussi informativi e delle decisioni, affinché ogni evento critico possa essere ricostruito ex post lungo l’intera catena dato–algoritmo–operatore–azione. Infine, è indispensabile sviluppare competenze ibride nei gestori, capaci di coniugare ingegneria stradale, data governance, cybersecurity, responsabilità civile e gestione operativa dell’esercizio.
In conclusione, la Smart Road non rappresenta soltanto un’evoluzione tecnologica della rete viaria, ma una trasformazione del modo stesso in cui l’infrastruttura viene governata. Il valore pubblico dell’investimento non dipenderà dalla mera densità di sensori installati, bensì dalla capacità del gestore di assicurare qualità, sicurezza, interpretabilità e uso responsabile del dato. La strada intelligente sarà realmente tale solo se alla potenza computazionale dell’infrastruttura corrisponderà una pari maturità organizzativa, giuridica e decisionale. In questa convergenza tra ingegneria, diritto e policy si gioca la possibilità di trasformare la digitalizzazione stradale in un effettivo fattore di sicurezza, resilienza e responsabilità pubblica.
Bibliografia
[1] M. L. Tumminello, E. Macioszek, e A. Granà, «Emerging Cutting-Edge Technologies and Applications for Safer, Sustainable, and Intelligent Road Systems in Smart Cities: A Review», Applied Sciences, vol. 15, fasc. 21, p. 11583, gen. 2025, doi: 10.3390/app152111583.
[2] Ministero delle infrastrutture e dei trasporti, Decreto Ministeriale, 70, 28 febbraio 2018. Disponibile su: https://mit.gov.it/normativa/decreto-ministeriale-numero-70-del-2822018
[3] Ministero delle Infrastrutture e dei Trasporti, «Smart Road – Osservatorio tecnico di supporto | Ministero delle infrastrutture e dei trasporti». Disponibile su: https://www.mit.gov.it/documentazione/smart-road-osservatorio-tecnico-di-supporto
[4] DIRETTIVA (UE) 2023/2661 DEL PARLAMENTO EUROPEO E DEL CONSIGLIO del 22 novembre 2023 che modifica la direttiva 2010/40/UE sul quadro generale per la diffusione dei sistemi di trasporto intelligenti nel settore del trasporto stradale e nelle interfacce con altri modi di trasporto, 2023. Disponibile su: https://eur-lex.europa.eu/eli/dir/2023/2661/oj/eng
[5] Ministero delle infrastrutture e dei trasporti, «Autostrade: Tangenziale di Napoli certificata prima Smart Road italiana | Ministero delle infrastrutture e dei trasporti». Disponibile su: https://www.mit.gov.it/comunicazione/news/autostrade-tangenziale-di-napoli-certificata-prima-smart-road-italiana
[6] X. Gu et al., «Digital Twin Technology for Intelligent Vehicles and Transportation Systems: A Survey on Applications, Challenges and Future Directions», IEEE Communications Surveys & Tutorials, vol. 28, pp. 3235–3271, 2026, doi: 10.1109/COMST.2025.3581152.
[7] R. Gentilucci, «Intelligenza artificiale nei trasporti: chi paga in caso di incidente?», Agenda Digitale. Disponibile su: https://www.agendadigitale.eu/infrastrutture/intelligenza-artificiale-nei-trasporti-chi-paga-in-caso-di-incidente/
[8] TTS Italia, «Soluzioni per la digitalizzazione delle infrastrutture stradali», 2023. Disponibile su: https://www.ttsitalia.it/wp-content/uploads/2023/07/Position-Paper_Digitalizzazione-infrastrutture-stradali.pdf
[9] «Tangenziale di Napoli: Italy’s first Smart Road», Movyon. Disponibile su: https://www.movyon.com/en/solution/successful-projects/tangenziale-di-napoli-italys-first-smart-road/
[10] «Tangenziale di Napoli è la prima Smart Road d’Italia», Edizioni Pei. Disponibile su: https://edizionipei.it/tangenziale-di-napoli-e-la-prima-smart-road-ditalia/
[11] SITE S.p.A., «Anas Smart Road Cortina 2021: uno straordinario progetto di innovazione della mobilità su strada». Disponibile su: https://www.sitespa.it/anas-smart-road-cortina-2021-uno-straordinario-progetto-di-innovazione-della-mobilita-su-strada/
[12] «Strade, oltre 30 milioni per fare della Sassari-Olbia la prima smart road della Sardegna. Il Presidente Solinas: “Alta tecnologia al servizio degli automobilisti sardi”», Regione Autonoma della Sardegna. Disponibile su: https://www.regione.sardegna.it/notizie/433699
[13] D. Wu et al., «Digital Twin Technology in Transportation Infrastructure: A Comprehensive Survey of Current Applications, Challenges, and Future Directions», Applied Sciences, vol. 15, fasc. 4, p. 1911, gen. 2025, doi: 10.3390/app15041911.
[14] Q. Wang, B. Huang, Y. Gao, e C. Jiao, «Current Status and Prospects of Digital Twin Approaches in Structural Health Monitoring», Buildings, vol. 15, fasc. 7, p. 1021, gen. 2025, doi: 10.3390/buildings15071021.
[15] F. Kopsaftopoulos, P. Zhou, Y. Zhou, e B. Ju, «A Digital Twin Framework for Structural Health Monitoring Enhanced by Physics-Based Reduced Order Modeling and Stochastic Time Series Models», in https://doi.org/10.4050/F-0079-2023-18099, The Vertical Flight Society, mag. 2023. doi: 10.4050/F-0079-2023-18099.
[16] P. Lu, D. Tolliver, X. Yang, J. Zhao, Y. Huang, e H. Wang, «Sensitivity and Accuracy Assessment of Vehicle Weigh-in-Motion System Measurement Errors Using In-Pavement Strain-Based Sensors». Disponibile su: https://rosap.ntl.bts.gov
[17] «Art. 2054 codice civile – Circolazione di veicoli», Brocardi.it. Disponibile su: https://www.brocardi.it/codice-civile/libro-quarto/titolo-ix/art2054.html
[18] M. Campaci, «PROFILI DI RESPONSABILITÀ CONNESSI ALLA DIFFUSIONE E ALLO SVILUPPO DI SISTEMI DI GUIDA AUTONOMA: UNA SOLUZIONE DALL’UNIONE EUROPEA?», GIURETA – Rivista di Diritto dell’Economia, dei Trasporti e dell’Ambiente, vol. XXIII, 2025, Disponibile su: https://www.giureta.unipa.it/2025/13_Campaci_DirNav_2025.pdf
[19] A. M. Palisi, «La responsabilità della Pubblica Amministrazione ex art. 2051 c.c.», Studio Legale Massimo Palisi Padova – Responsabilità e Risarcimento. Disponibile su: https://studiolegalepalisi.com/2024/05/05/la-responsabilita-ex-art-2051-c-c-della-pubblica-amministrazione-derivante-dal-semplice-obbligo-di-manutenzione/
[20] «Art. 2051 codice civile – Danno cagionato da cosa in custodia», Brocardi.it. Disponibile su: https://www.brocardi.it/codice-civile/libro-quarto/titolo-ix/art2051.html
[21] G. Napolitano, «Responsabilità civile e mobilità intelligente: profili giuridici dei veicoli autonomi e delle infrastrutture connesse – Studio Legale Improda». Disponibile su: https://www.studioimproda.com/responsabilita-civile-e-mobilita-intelligente-profili-giuridici-dei-veicoli-autonomi-e-delle-infrastrutture-connesse/
[22] Regulation (EU) 2019/2144 of the European Parliament and of the Council of 27 November 2019 on type-approval requirements for motor vehicles and their trailers, and systems, components and separate technical units intended for such vehicles, as regards their general safety and the protection of vehicle occupants and vulnerable road users, amending Regulation (EU) 2018/858 of the European Parliament and of the Council and repealing Regulations (EC) No 78/2009, (EC) No 79/2009 and (EC) No 661/2009 of the European Parliament and of the Council and Commission Regulations (EC) No 631/2009, (EU) No 406/2010, (EU) No 672/2010, (EU) No 1003/2010, (EU) No 1005/2010, (EU) No 1008/2010, (EU) No 1009/2010, (EU) No 19/2011, (EU) No 109/2011, (EU) No 458/2011, (EU) No 65/2012, (EU) No 130/2012, (EU) No 347/2012, (EU) No 351/2012, (EU) No 1230/2012 and (EU) 2015/166 (Text with EEA relevance), vol. 325. 2019. Disponibile su: http://data.europa.eu/eli/reg/2019/2144/oj
[23] Commission Implementing Regulation (EU) 2022/1426 of 5 August 2022 laying down rules for the application of Regulation (EU) 2019/2144 of the European Parliament and of the Council as regards uniform procedures and technical specifications for the type-approval of the automated driving system (ADS) of fully automated vehicles (Text with EEA relevance), vol. 221. 2022. Disponibile su: http://data.europa.eu/eli/reg_impl/2022/1426/oj
[24] Directive (EU) 2024/2853 of the European Parliament and of the Council of 23 October 2024 on liability for defective products and repealing Council Directive 85/374/EEC (Text with EEA relevance). 2024. Disponibile su: http://data.europa.eu/eli/dir/2024/2853/oj
Partecipa alla community