In Italia parliamo spesso di mobilità sostenibile come se fosse una somma di interventi separati: più autobus, più piste ciclabili, più elettrico, più sharing. Sono tutti pezzi necessari, ma non sufficienti. La vera transizione è il passaggio da una mobilità tradizionale a un ecosistema integrato, capace di adattarsi alla domanda reale delle persone, nel tempo e nello spazio.
Questo tema è particolarmente urgente in un Paese dove la densità di auto private ha raggiunto livelli record: 701 vetture ogni 1.000 abitanti, il dato più alto dell’Unione europea, quasi 125 in più rispetto alla media UE di 578 (ISTAT, 2024). E la tendenza è in controtendenza con il resto d’Europa: mentre Germania, Spagna e Francia restano sostanzialmente stabili, l’Italia cresce in media dell’1,3% l’anno dal 2018. Un dato che non è solo culturale, è la conseguenza pratica di alternative spesso troppo rigide, poco affidabili e non coordinate tra loro.
I numeri confermano che il sistema di mobilità collettiva non riesce ancora a invertire la rotta. Il trasporto pubblico locale non ha recuperato i livelli pre-pandemia: nel 2019 copriva il 15% degli spostamenti, nel 2023 la quota è scesa al 12% (Osservatorio Sharing Mobility su dati Audimob). Nel frattempo, tra il 2019 e il 2024, il traffico automobilistico urbano è salito in media del 7,3%, con picchi sorprendenti: +23% a Milano, +14% a Roma, +10% a Torino (Osservatorio Sharing Mobility, 2025). Dati che ribaltano la narrativa dominante: l’espansione di sharing mobility e ciclabilità non è ancora riuscita a scalfire la dipendenza strutturale dall’auto.
Indice degli argomenti
Perché la mobilità sostenibile non ha ancora ridotto l’uso dell’auto
Se guardiamo con onestà ai comportamenti quotidiani, emerge un punto chiave: molte persone non scelgono l’auto perché la preferiscono in assoluto, la scelgono perché è l’unica opzione che garantisce controllo, prevedibilità e continuità. L’auto privata vince quando il sistema pubblico non riesce a coprire tre elementi fondamentali: primo e ultimo miglio, variabilità della domanda, sincronizzazione tra servizi. Il problema si amplifica proprio dove la città è più “asimmetrica”: nelle periferie, nei comuni medi, nelle aree a bassa densità, nei collegamenti serali, nei giorni festivi, nei corridoi in cui il flusso cambia rapidamente in base a meteo, eventi, lavoro ibrido, stagionalità.
Il DRT come strato adattivo della rete
Il Demand Responsive Transport (DRT) è, in sostanza, trasporto collettivo flessibile. Non è un taxi, non è un autobus tradizionale: è un servizio che adatta percorsi e orari alla domanda, mantenendo una logica pubblica o parapubblica, con obiettivi di accessibilità e copertura. Può operare con minibus, van, navette, e soprattutto può essere progettato per connettere persone a nodi di rete, stazioni metro, capolinea bus, stazioni ferroviarie, hub di micromobilità.
In Italia il settore è in crescita rapida ma ancora concentrata geograficamente: nel 2024 i progetti DRT attivi hanno raggiunto quota 52, con un incremento del 40% rispetto ai primi mesi del 2024 rispetto al 2023 triplicati tra il 2022 e il 2023. La distribuzione territoriale è tuttavia fortemente squilibrata: il 87% dei servizi si trova al Nord, con Veneto e Lombardia in testa. Sud e Centro restano marginali, rispettivamente il 10% e il 4% del totale, proprio nelle aree dove la dipendenza dall’auto è più elevata e il bisogno di alternative è più acuto.
Il ruolo concreto dell’intelligenza artificiale nel DRT
La flessibilità del DRT senza capacità di calcolo diventa rapidamente caos. Qui l’intelligenza artificiale non è un termine di marketing: è l’abilitatore industriale che rende scalabile ciò che altrimenti resterebbe un servizio artigianale. In concreto, i sistemi AI applicati al DRT operano su tre livelli distinti:
Previsione della domanda
Previsione della domanda. Modelli di machine learning addestrati su dati storici di biglietteria, flussi di passeggeri, meteo, eventi e calendari scolastici stimano dove e quando si formeranno picchi. Questo permette il posizionamento anticipato dei veicoli, non reattivo ma predittivo, riducendo i tempi di attesa prima ancora che la prenotazione arrivi.
Ottimizzazione del routing in tempo reale
Ottimizzazione del routing in tempo reale. Algoritmi di vehicle routing problem (VRP) con vincoli dinamici aggregano le richieste in arrivo minimizzando contemporaneamente i chilometri percorsi, il tempo di attesa per passeggero e il numero di veicoli necessari. La sfida è che ogni nuova prenotazione modifica il problema: i migliori sistemi ricalcolano la soluzione ottimale in millisecondi, garantendo affidabilità senza esplodere i costi operativi.
Integrazione con la rete principale
Integrazione con la rete principale. La funzione più critica è la sincronizzazione con treni e bus di linea. Un sistema AI ben configurato garantisce le coincidenze: se il DRT è il primo miglio verso una stazione ferroviaria, deve sapere in tempo reale se il treno è in ritardo e adattare di conseguenza l’orario di pickup, evitando che un disallineamento di cinque minuti distrugga l’intero viaggio.
I limiti del Demand Responsive Transport
Sarebbe disonesto, però, presentare il DRT come soluzione universale. Ha limiti strutturali che chi lo progetta deve conoscere. Il primo è economico: il costo per passeggero del DRT è tipicamente più alto di quello di una linea fissa ad alta frequenza. Il servizio è efficiente nelle aree e nelle fasce orarie a domanda debole e variabile; diventa antieconomico dove la domanda è strutturalmente alta e prevedibile. Introdurre DRT in sostituzione, anziché in complemento, di linee forti è un errore costoso.
Il secondo limite è la dipendenza dai sussidi. Il caso tedesco è paradigmatico: la Germania è stata tra i pionieri del DRT, con decine di servizi avanzati. Ma quando i finanziamenti europei, federali e statali sono stati ridotti o interrotti, molti servizi si sono fermati. La crescita netta del settore in Germania si è dimezzata in un solo anno proprio per questo motivo. È un segnale chiaro: un DRT progettato senza un modello di sostenibilità economica di lungo periodo non è un’infrastruttura, è un pilota permanente.
Il terzo limite è il rischio di esclusione digitale. Un DRT che si prenota solo via app, con finestre di prenotazione rigide e interfacce complesse, può paradossalmente servire meglio chi è già mobile e digitale, escludendo anziani, persone con disabilità o bassa familiarità con la tecnologia, esattamente coloro che avrebbero più bisogno di alternative all’auto.
Governance e finanziamenti della mobilità adattiva
Il punto più delicato, e spesso il meno discusso, è chi paga, chi regola e chi coordina. In Italia la governance del trasporto pubblico è frammentata per definizione: le Regioni programmano, i Comuni integrano, le aziende di TPL erogano, e i Comuni stessi spesso finanziano servizi aggiuntivi con risorse proprie. In questo contesto, aggiungere uno strato DRT richiede accordi tra enti che non sempre hanno incentivi a cooperare, e modelli tariffari integrati che nessuna delle parti ha interesse a cedere.
La domanda concreta è: chi finanzia il DRT nelle ore serali di un comune di 30.000 abitanti? La Regione con fondi strutturali? Il Comune con entrate proprie? Un operatore privato in concessione? La risposta cambia radicalmente il modello di servizio, i criteri di accesso, l’orario di operatività e la garanzia di continuità. Senza una risposta esplicita a questa domanda, il DRT rischia di restare un progetto pilota rinnovato ogni tre anni, mai strutturale.
Un modello percorribile, già sperimentato in alcune realtà europee, è quello del contratto di servizio a obiettivi: l’ente pubblico definisce i target (copertura territoriale, fasce orarie, tempo massimo di attesa, accessibilità per categorie fragili), l’operatore è remunerato in parte a servizio erogato e in parte al raggiungimento di quei target. In questo modo l’AI smette di essere un costo e diventa uno strumento di ottimizzazione con un ritorno misurabile in termini pubblici.
Un’architettura a strati per una mobilità adattiva
Dal punto di vista operativo, la strada più efficace non è contrapporre DRT e TPL tradizionale, ma disegnare un’architettura a strati. Linee portanti ad alta capacità dove la domanda è strutturale; DRT come strato di raccolta e distribuzione dove la domanda è variabile; micromobilità e sharing come ulteriore livello di flessibilità; integrazione tariffaria e informativa come collante. In questo modello, ogni servizio fa ciò per cui è più efficiente, e l’utente percepisce un unico sistema.
L’integrazione tecnologica è necessaria ma non sufficiente. Serve integrazione dell’esperienza e della governance. Una persona deve poter pianificare un tragitto senza doversi chiedere quale pezzo del sistema sta usando. Se il DRT è il primo miglio, deve essere coordinato con il bus o la metro successiva, con tempi compatibili e garanzie in caso di ritardo. Se opera in ore serali, deve essere sincronizzato con le ultime corse: altrimenti diventa una promessa che si rompe nel momento più sensibile, quando l’alternativa è chiamare un taxi o usare la propria auto.
C’è poi un punto spesso trascurato: l’auto privata è un’infrastruttura personale. Chi usa l’auto si porta dietro capacità di carico, sicurezza percepita, autonomia, e soprattutto la certezza che l’ultimo miglio esiste sempre, anche quando piove, anche quando è tardi, anche quando non c’è copertura. Per competere con questo, non basta proporre un servizio alternativo: bisogna costruire un sistema che riduca l’ansia da interruzione. Il DRT, se ben progettato e governato, può essere esattamente il pezzo che chiude le falle della rete, trasformando una rete lineare in una rete adattiva.
I risultati attesi per la mobilità italiana
Il risultato atteso di questa transizione è un cambiamento di equilibrio: quando primo e ultimo miglio sono risolti, quando i tempi sono affidabili, quando l’informazione è unificata, quando i servizi si coordinano, l’auto privata perde parte del suo vantaggio strutturale. Non sparisce, ma smette di essere l’unica risposta universale. E questo è esattamente l’obiettivo realistico di una politica di mobilità sostenibile: ridurre l’uso obbligato dell’auto, non colpevolizzare chi la usa.
Il DRT supportato da dati e AI rappresenta una delle leve più concrete per trasformare la mobilità italiana, perché agisce nel punto in cui oggi il sistema si rompe. Ma affinché diventi davvero efficace deve essere integrato, progettato come infrastruttura di rete, governato con obiettivi pubblici chiari e modelli di finanziamento espliciti, misurato con metriche di sistema, non di singolo operatore. Le tecnologie e i dati ci sono. La domanda è se avremo la capacità istituzionale di orchestrarli con una visione unica, coerente e misurabile.
Fonti e riferimenti
[1] ISTAT, “Indicatori del parco veicolare – Anno 2024”, Istituto Nazionale di Statistica, Comunicato stampa, 19 febbraio 2026, pp. 1–3 (tasso di motorizzazione, confronto UE).
[2] Osservatorio Nazionale della Sharing Mobility (Fondazione per lo Sviluppo Sostenibile, MIT, MASE), “9° Rapporto Nazionale sulla Sharing Mobility”, Osservatorio Nazionale Sharing Mobility, novembre 2025, pp. 12–18 (DRT: 52 servizi, distribuzione territoriale); pp. 34–38 (traffico urbano 2019–2024); pp. 42–44 (quota modale TPL su dati Audimob/Isfort).
[3] Isfort – Istituto Superiore di Formazione e Ricerca per i Trasporti, “21° Rapporto Audimob sulla mobilità degli italiani”, Isfort, Osservatorio Audimob, novembre 2024, pp. 8–11 (ripartizione modale degli spostamenti 2019–2023).
[4] Interreg Europe – Policy Learning Platform, “Policy Brief on Demand-Responsive Transport”, Interreg Europe, luglio 2024, pp. 4–6 (limiti del DRT, dipendenza dai sussidi, caso Germania).
Partecipa alla community