Milano ha un digital twin. Bologna ne sta costruendo uno tra i più avanzati d’Europa. Firenze, Modena, Venezia stanno lavorando a progetti simili, quasi tutti finanziati con fondi PNRR e fondi strutturali europei, con investimenti che si misurano in milioni di euro per città.
Sono investimenti giusti. Il problema è cosa questi sistemi sanno fare, e cosa no.
Se chiedete al gemello digitale di una città quante persone hanno usato il car sharing ieri mattina in un certo quartiere, o dove si è concentrata la domanda di monopattini durante un grande evento, la risposta è che non lo sa.
Conosce nel dettaglio la geometria delle strade, la posizione di ogni semaforo, l’altezza dei marciapiedi. Non conosce i flussi di persone e veicoli che quelle strade le attraversano ogni giorno.
Il digital twin che le città italiane stanno costruendo è un’infrastruttura geospaziale. Non un simulatore di mobilità operativa. E la differenza tra le due cose decide cosa ci potremo fare nei prossimi dieci anni.
Indice degli argomenti
Digital twin mobilità urbana, due modi diversi di intendere lo stesso strumento
Un digital twin, in teoria, è la copia digitale di un sistema fisico che si aggiorna con i dati reali e permette di simulare scenari prima di applicarli. La definizione è ampia. Il modo in cui la si riempie cambia tutto.
Il gemello digitale di Milano è il risultato di un lavoro imponente di rilevamento: rilievi LiDAR aerei con sensore ibrido su circa 1.575 km² e 133 comuni, immagini nadirali e oblique, mobile mapping terrestre, un database di 22 categorie di oggetti urbani dai semafori alla segnaletica alle sedute all’aperto. È un patrimonio conoscitivo di enorme valore per chi deve pianificare infrastrutture, approvare varianti urbanistiche, programmare manutenzioni. Serve a rispondere a domande sulla struttura fisica della città.
Bologna ha impostato le cose in modo diverso. Il suo Gemello Digitale, avviato nel 2023 con 7 milioni di euro di fondi PON Metro, nasce da un consorzio che mette insieme la Fondazione Bruno Kessler come coordinatore tecnico, l’Università di Bologna, Cineca e la Fondazione Innovazione Urbana, con la partnership della città di Barcellona. I tre ambiti scelti come casi d’uso iniziali sono mobilità, energia e cambiamenti climatici. La piattaforma è pensata esplicitamente per supportare processi decisionali attraverso funzioni di analisi e previsione: l’idea è poter testare l’impatto di una scelta sul modello prima di applicarla in strada.
È l’esperimento più ambizioso che l’Italia abbia in questo campo. E anche il più utile per capire dove sta il vero collo di bottiglia.
Il dato che manca al gemello digitale non è un dettaglio
Chi gestisce la mobilità urbana lo sa: la domanda non è mai ferma. Cambia di ora in ora, di quartiere in quartiere, in funzione del meteo, degli eventi, delle scuole aperte, dei cantieri. Un digital twin che vuole simulare l’effetto di una scelta sulla mobilità deve avere dentro questa dinamica, non solo la fotografia della città fisica.
Per averla, servono i dati operativi di chi la mobilità la produce ogni giorno: posizioni in tempo reale dei veicoli in servizio, domanda rilevata istante per istante, tempi di attesa effettivi, anomalie di copertura. Sono dati che esistono, che vengono raccolti di continuo, e che quasi sempre restano nei sistemi proprietari degli operatori privati.
Va riconosciuto un lavoro importante fatto in Italia. Il programma MaaS for Italy, promosso dal Dipartimento per la trasformazione digitale con il Ministero delle Infrastrutture e dei Trasporti e finanziato con 56,9 milioni tra PNRR e Fondo Complementare, ha costruito il DSRM, una piattaforma pubblica nazionale attiva dal 2023 che raccoglie e uniforma i dati degli operatori secondo gli standard europei NeTEx e SIRI. La sperimentazione si è chiusa a giugno 2026 con quasi 950.000 viaggi multimodali in 13 territori, superando gli obiettivi PNRR.
Il DSRM non raccoglie solo orari e percorsi: usa il protocollo SIRI, che serve proprio per i dati in tempo reale del trasporto pubblico. Il punto è il perimetro. Copre i servizi integrati nel viaggio multimodale, in prevalenza TPL, taxi e gli operatori che hanno aderito alla sperimentazione. Non contiene i dati operativi granulari di una flotta di car sharing che non ha aderito, né le posizioni in tempo reale delle migliaia di monopattini di un operatore che non ha firmato l’accordo. Quel livello di dato, che è esattamente quello che servirebbe a un digital twin per simulare la mobilità reale, resta fuori.
Perché non basta chiedere i dati agli operatori
Si potrebbe pensare che il problema si risolva chiedendo agli operatori di condividere. In parte succede già: molte città ricevono dati aggregati in sede di concessione. Ma sono fotografie periodiche, non flussi continui, e arrivano quando e come l’operatore decide.
La ragione è comprensibile. Per un operatore privato il dato operativo è un asset competitivo: sapere dove si forma la domanda, come si sposta, con quale velocità, è parte del vantaggio su cui costruisce il servizio. Condividerlo in tempo reale con la città, e quindi potenzialmente con i concorrenti, non è nel suo interesse immediato.
Il Data Act europeo, applicabile da settembre 2025, apre un canale, ma stretto. L’articolo 15 consente alle pubbliche amministrazioni di richiedere dati agli operatori solo in caso di “necessità eccezionale”: un’emergenza pubblica, oppure un compito di interesse pubblico esplicitamente previsto dalla legge, per lo più su dati non personali e solo dopo aver esaurito gli altri modi per procurarseli. La Commissione cita proprio i dati di mobilità come esempio possibile, dati GPS aggregati e anonimizzati per ottimizzare i flussi di traffico. Ma resta un accesso eccezionale e limitato nel tempo, non un diritto ordinario e continuo. Il flusso quotidiano che servirebbe a un digital twin operativo è fuori dal perimetro.
Digital twin e mobilità urbana, da dove si comincia davvero
La buona notizia è che non serve aspettare una riforma normativa nazionale. Le città hanno già in mano tre leve, e nessuna richiede tecnologie da inventare.
La concessione come leva amministrativa
La prima è la concessione. Ogni Comune autorizza gli operatori di sharing a usare il suolo pubblico. Quel provvedimento è il punto naturale in cui inserire l’obbligo di un feed dati in tempo reale come condizione di accesso, esattamente come si prescrivono già numero massimo di veicoli, aree di sosta, obblighi di rimozione. Non è un esproprio: è la contropartita informativa per l’uso di una risorsa pubblica scarsa. Il modello esiste già in altri settori a rete. Terna riceve in tempo reale i dati di produzione e consumo di tutti gli operatori connessi non per accordo volontario, ma perché la connessione alla rete comporta per legge l’obbligo di condividere i dati necessari al bilanciamento del sistema. La strada, in fondo, è una rete: solo che la trattiamo come se non lo fosse.
Gli standard già disponibili per la mobilità condivisa
La seconda sono gli standard, che esistono già. Per la micromobilità e i veicoli condivisi il riferimento è il GBFS, standard aperto de facto dal 2015, usato in centinaia di città, e soprattutto l’MDS, la Mobility Data Specification della Open Mobility Foundation, adottata da oltre novanta agenzie pubbliche nel mondo e nata proprio per regolare l’uso dello spazio pubblico: consente a una città di fissare tetti di flotta, verificare il rispetto delle regole di sosta, comunicare policy digitali agli operatori e riceverne indietro i dati di conformità. Non è un formato da progettare: è uno strumento regolatorio già scritto, con linee guida dedicate all’applicazione in contesto GDPR. Un’analisi sulla disponibilità di feed nelle capitali europee mostra che poco più della metà ha terminali GBFS attivi, con Copenaghen, Berlino, Parigi, Madrid e Helsinki in testa. Non è una questione di maturità tecnologica: è una questione di scelte amministrative.
Il livello di dettaglio dei dati operativi
La terza è il livello di dettaglio. Qui si gioca la differenza tra una richiesta ragionevole e una che gli operatori combatteranno. Un digital twin non ha bisogno dei viaggi individuali dei singoli utenti, che sarebbero peraltro un problema di privacy prima che di concorrenza. Ha bisogno di flussi aggregati per area e fascia oraria, stati di disponibilità della flotta, tempi di risposta, densità della domanda. Sono dati che si possono conferire già anonimizzati, con accessi differenziati per livelli, e che possono alimentare il modello senza uscirne in forma riutilizzabile da terzi. La distinzione tra dato utile alla governance e dato che espone il vantaggio competitivo è tecnicamente netta. Confonderla è il modo più rapido per bloccare il negoziato.
Tre leve amministrative, nessuna nuova tecnologia. Quello che manca non è la capacità: è la decisione di usarle.
Dove entra l’intelligenza artificiale nel digital twin urbano
Su questo terreno si inseriscono gli agenti AI applicati alla mobilità, sistemi capaci di prendere decisioni operative in autonomia, dal riposizionamento delle flotte alla risposta ai picchi di domanda. Funzionano bene quando hanno accesso a dati operativi ricchi e continui: per un operatore privato che li usa sulla propria flotta, vedono i propri dati e ottimizzano i propri obiettivi.
Un agente che lavora su un digital twin urbano eredita però i limiti del gemello. Può decidere solo su ciò che il modello conosce. Se il twin sa tutto della geometria stradale ma non sa dove sono i veicoli in servizio adesso, l’agente potrà ottimizzare la forma della rete, non il flusso che la percorre.
È qui che si capisce perché la questione dei dati viene prima di quella della tecnologia. La promessa più interessante del digital twin per la governance della mobilità, testare una decisione prima di prenderla, si realizza solo se il simulatore contiene i dati giusti. Altrimenti restituisce risposte precise su un modello che non coincide con la città.
La finestra per i digital twin delle città italiane è adesso
Nei prossimi due anni molte amministrazioni italiane completeranno o avvieranno i loro progetti di digital twin, quasi sempre con fondi pubblici già stanziati. È in questa fase, spesso senza deciderlo esplicitamente, che si stabilisce cosa quei sistemi potranno fare per il decennio successivo. Un gemello progettato senza prevedere il livello dei dati operativi si potrà aggiornare, ma difficilmente ripensare dall’interno.
Bologna sta provando a costruire un laboratorio virtuale per le decisioni urbane, ed è la direzione giusta. Per arrivare fino in fondo, però, la domanda da sciogliere non è quale software adottare. È a chi appartengono i dati di mobilità generati su suolo pubblico, e chi ha il diritto di usarli per governare la città.
Finché quella domanda resta aperta, continueremo a costruire mappe bellissime di città che non riusciamo a capire.
Fonti e riferimenti
[1] CGR SpA, “Milano Digital Twin”, progetto di mappatura urbana della Città Metropolitana di Milano – https://cgrspa.com/progetti/digital-twin-milano/
[2] Comune di Milano, Portale del Dato, “Il gemello digitale del Comune di Milano” – https://dati.comune.milano.it/web/portale-del-dato/w/il-gemello-digitale-del-comune-di-milano
[3] Comune di Bologna, comunicato “Gemello digitale di Bologna, al via il progetto”, settembre 2023, e Fondazione Innovazione Urbana – http://fondazioneinnovazioneurbana.it/progetto/gemellodigitale
[4] Dipartimento per la Trasformazione Digitale, “Mobility as a Service for Italy” – https://innovazione.gov.it/progetti/mobility-as-a-service-for-italy/
[5] MIT/DTD, White Paper “MaaS for Italy”, giugno 2026 – https://www.mit.gov.it/comunicazione/news/maas-italy-pubblicato-il-white-paper-sul-primo-programma-nazionale-di-mobilita
[6] Regolamento (UE) 2023/2854 (Data Act), Capo V, artt. 14-15, applicabile dal 12 settembre 2025 – https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX:32023R2854
[7] Open Mobility Foundation, Mobility Data Specification – https://www.openmobilityfoundation.org/about-mds/
[8] MobilityData, GBFS e politiche pubbliche per le città europee – https://mobilitydata.org/
[9] SWITCH, Mobility Data Maturity Index, novembre 2025, analisi sulla disponibilità di feed GTFS e GBFS nelle capitali europee
Partecipa alla community