Le Smart City stanno trasformando il modo in cui concepiamo e viviamo le città.
Grazie all’integrazione di tecnologie avanzate e sistemi data-driven, queste realtà urbane hanno introdotto un nuovo approccio alla vita cittadina, migliorando la qualità della vita dei cittadini e le performance delle amministrazioni, maggiormente capaci di soddisfare, e in alcuni casi di anticipare, i desideri delle persone.
Le città smart sono infatti in grado anche di agire in maniera preventiva, ottimizzando le risorse scarse, equalizzando i picchi di domanda, rendendo fluida la fruizione dei servizi, in particolare per le fasce più svantaggiate della popolazione.
Rendere i servizi pubblici contemporaneamente più efficaci ed efficienti, essere capaci di intervenire tempestivamente in caso di necessità o addirittura di anticipare i problemi, favorire il miglioramento della sostenibilità ambientale e garantire il pieno accesso ai servizi rappresentano gli obiettivi dei modelli di gestione data-driven dei servizi urbani.
Come team Data & AI di P4I lavoriamo con diverse amministrazioni pubbliche, locali e centrali, per rendere disponibili anzitutto i dati provenienti dalle più svariate fonti e per poterli elaborare e usare in piena sicurezza e nel rispetto delle norme, applicando poi algoritmi di machine learning e deep learning per offrire insights utili al ridisegno dei servizi, delle piattaforme, delle interfacce, delle modalità di relazione con il singolo cittadino.
L’obiettivo ultimo, nei contesti in cui ci troviamo ad operare e dove il Comune di Milano costituisce un esempio particolarmente virtuoso, è proprio l’evoluzione verso una città più intelligente e vicina alle persone; in pratica, la trasformazione in una smart city.
Figura 1: immagine di una smart city del futuro creata con un prompt con Dall-e
In questo articolo, partendo dalla definizione, esploriamo ambiti di applicazione, tecnologie, metodologie, esempi notevoli, con l’obiettivo di fornire una prima bussola per orientarsi nel contesto della progettazione delle smart cities e in particolare nell’utilizzo dell’intelligenza artificiale applicata al contesto.
Cosa sono le Smart Cities
Le smart cities sono città che si basano su un modello di sviluppo urbano che integra tecnologie avanzate, quali intelligenza artificiale (IA), Big Data e l’Internet of Things (IoT), perseguendo obiettivi quali l’efficientamento delle risorse, la riduzione dell’impatto ambientale, il miglioramento del benessere dei cittadini e delle performance economiche e finanziarie dell’amministrazione.
Il valore di una smart city, tuttavia, non risiede tanto nell’impiego di tecnologie avanzate, quanto nella capacità di creare un ecosistema armonico, dove infrastrutture, cittadini e servizi collaborano per una visione condivisa della città e della vita urbana.
Una delle missioni più rilevanti per le smart cities è il miglioramento della sostenibilità ambientale, ovvero l’avvio di progetti che perseguono la riduzione di emissioni di CO2, l’ottimizzazione nell’utilizzo delle risorse energetiche, il miglioramento della manutenzione e della cura del verde e degli ecosistemi presenti in area urbana.
Oltre alla sostenibilità ambientale, le smart cities investono per un utilizzo migliore delle risorse che ne incrementi anche la sostenibilità sociale, rendendo i servizi accessibili a tutti e agendo anche in modalità proattiva e predittiva per assistere le fasce di popolazione più deboli, che solitamente hanno maggiori difficoltà anche nell’accedere ai servizi di cui hanno diritto.
Le tecnologie abilitanti
Le smart cities, come detto, utilizzano in maniera consapevole le più avanzate tecnologie digitali, con l’obiettivo di semplificare la vita dei cittadini, migliorare i servizi, snellire la burocrazia e velocizzare la capacità di azione e reazione. Nel seguito, descriviamo le più rilevanti.
Cloud
La scelta dei servizi cloud, possibilmente open source, rappresenta una direttrice strategica fondamentale, permettendo flessibilità, scalabilità e integrazione con altri servizi cloud difficile da raggiungere con soluzioni on-premise, soprattutto in presenza di sistemi molto customizzati, che originano legacy tecnologiche e ritardi notevoli nello sviluppo. Un altro vantaggio, nella scelta di servizi cloud e open source è la presenza di community di sviluppatori molto ampie, ricche e variegate, che permettono di ridurre la dipendenza da singoli fornitori e ampliano le possibilità di partnership, con conseguente vantaggio negoziale dal punto di vista economico e di accesso a un set più ampio di competenze presenti sul mercato.
Internet of Things
L’internet delle cose permette di rendere intelligenti e connessi, ovvero dotati di capacità di rilevazione tramite sensori, capacità computazionale tramite software embedded e connessi tramite connettività di rete, gli oggetti che popolano lo spazio urbano. L’amministrazione può raccogliere così dati dai veicoli, dai cassonetti, dai semafori, dell’illuminazione stradale, degli elementi dell’arredo urbano, dalle strade, dagli edifici, permettendo il monitoraggio da remoto, la manutenzione preventiva, l’ottimizzazione sistemica delle risorse, la gestione del verde e degli ecosistemi, la misurazione dell’inquinamento, del traffico e della congestione delle strade, l’utilizzo del suolo pubblico.
Digital Twin
La creazione copie digitali della città permette di raccogliere e analizzare dati in tempo reale, consentendo simulazioni di scenario, migliorando la pianificazione di attività e l’allocazione delle risorse, sfruttando la flessibilità e la rapidità di azione tipica del digitale, per poi trasferire nel gemello fisico le soluzioni più adatte e già validate in ambito digitale.
Pagamenti innovativi
I pagamenti innovativi rappresentano un altro tassello nella semplificazione della vita dei cittadini, migliorando anche la gestione finanziaria. Modalità di accesso ai mezzi pubblici con carte di credito e applicazioni pagamento da smartphone, accesso immediato e semplificato al pagamento delle sanzioni, delle tasse locali come la TARI, dei pedaggi come gli ingressi nelle ZTL, semplificano la vita del cittadino e ne migliorano la fedeltà fiscale, con conseguente vantaggio per le casse dell’amministrazione.
Advanced Analytics e intelligenza artificiale
La scienza dei dati e gli analytics permettono all’amministrazione di correlare una grande quantità di dati, provenienti dalle fonti amministrative, transazionali, dagli oggetti smart e di abilitare analisi descrittive e diagnostiche capaci di offrire ai decisori informazioni fondamentali nella gestione della città. Nel pieno rispetto della compliance normativa e della sicurezza dei dati sensibili dei cittadini, sono anche possibili analisi predittive, ovvero l’applicazione di algoritmi di machine learning e deep learning che permettono di agire in modalità preventiva, evitando e prevenendo i problemi o cogliendo in anticipo opportunità emergenti. La diffusione di soluzioni di intelligenza artificiale generativa amplia ulteriormente la capacità di azione dell’amministrazione, accelerando le possibilità di assistenza, guida e informazione al cittadino, facilitando contemporaneamente l’azione da parte del personale della città.
Citizen Data & Experience Platform
Nei contesti più avanzati, le amministrazioni si dotano di piattaforme per la raccolta e l’integrazione dei dati sociali e demografici del cittadino con quelli comportamentali, di accesso e fruizione dei servizi, rendendo possibile il monitoraggio e la gestione dei servizi e delle esperienze dei cittadini lungo i citizen journey in modalità integrata, preventiva, proattiva e personalizzata, migliorandone fruizione, efficienza ed efficacia.
Come usano i dati le smart cities italiane
Le smart city sono in grado di sfruttare dati e tecnologie digitali in diversi ambiti, ottenendo diversi benefici tangibili. Nel seguito sono riportati i dati dell’Osservatorio Smart City della School of Management del Politecnico di Milano, pubblicati a maggio del 2024, che mostrano come le città italiane utilizzano i dati disponibili. Per approfondimenti è possibile accedere alla ricerca completa sul sito degli Osservatori. Qui di seguito, i principali ambiti di utilizzo dei dati nei progetti di Smart City.ù
Figura 2. Un estratto dalla ricerca pubblicata a maggio 2024 dell’Osservatorio Smart City del Politecnico di Milano, effettuata su un campione di 535 referenti Smart City e responsabili per la trasformazione digitale, interrogati tramite una survey online CAWI online nell’autunno del 2023. Fonte: Osservatori Politecnico di Milano.
- Supporto decisionale: il 35% delle amministrazioni utilizza i dati per decisioni di politica pubblica più informate, migliorando l’efficacia e la trasparenza della governance urbana.
- Efficienza operativa: il 31% dei dati raccolti è utilizzato per ottimizzare processi interni, come la gestione dei trasporti e delle infrastrutture.
- Coinvolgimento dei cittadini: un altro 18% dei dati è messo a disposizione di cittadini e imprese, che possono partecipare attivamente, conoscendo e monitorando lo stato dei servizi pubblici e l’impiego delle risorse.
- Innovazione dei servizi: il 17% delle amministrazioni sfrutta i dati direttamente per sviluppare nuovi servizi, come applicazioni per la mobilità intelligente o strumenti per la gestione dell’energia, oppure li mette a disposizione di soggetti abilitati all’erogazione degli stessi.
Esempi notevoli di Smart City
Tra i principali Paesi europei impegnati nello sviluppo di Smart City, secondo l’Osservatorio Smart City del Politecnico di Milano che ha censito i progetti attivati nell’ambito di Horizon Europe, Spagna, Italia e Germania si distinguono per il numero di progetti coordinati, dimostrando un forte impegno nella trasformazione delle proprie città. D’altro canto, Paesi come Estonia e Lussemburgo, mostrano il tasso più alto di progetti relativamente alla popolazione.
Conoscere i più importanti esempi di smart city è importante, per la capacità di ispirare anche le altre città, rafforzando il cambiamento e l’innovazione.
Figura 3. Virtual Singapore. Fonte: https://www.thalesgroup.com/en/worldwide-digital-identity-and-security/iot/magazine/singapore-worlds-smartest-city
Singapore
Come mostra questa ricerca di Thales, la città-stato di Singapore è un esempio di eccellenza globale nell’ambito delle smart cities. Tra gli aspetti più significativi, oltre alla digitalizzazione pervasiva che spazia dai trasporti alla sanità, c’è un utilizzo molto avanzato dei Digital Twin. Attraverso una replica virtuale della città, Singapore monitora e simula scenari in tempo reale, migliorando la gestione del traffico, l’energia e la pianificazione urbanistica. Questo “gemello digitale” integra dati in tempo reale provenienti da sensori, immagini satellitari e sistemi informativi geografici, offrendo una rappresentazione accurata e dinamica dell’ambiente urbano.
Figura 4: uno screenshot dalla piattaforma https://amsterdamsmartcity.com/updates/opportunity
Amsterdam
Amsterdam è all’avanguardia nella creazione di una piattaforma aperta e collaborativa per la co-creazione della smart city del futuro. Tra i vari titoli di merito, Amsterdam si distingue per la gestione intelligente dell’energia. Le smart grid permettono di bilanciare il consumo energetico e incentivano l’uso di fonti rinnovabili, coinvolgendo direttamente i cittadini nella gestione. Gli utenti non sono più semplici consumatori passivi, ma diventano prosumer (produttori-consumatori), in grado di produrre energia attraverso impianti domestici come pannelli fotovoltaici e di immettere l’energia in eccesso nella rete.
Barcellona
Anche Barcellona è una città che è stata capace di costruire servizi fortemente digitalizzati e intelligenti. Come mostrato, esempio tra i tanti, da questa survey di Edison Next. Un aspetto interessante del progetto Barcellona è dato dall’implementazione di una rete di sensori intelligenti per ottimizzare la raccolta dei rifiuti e ridurre i consumi energetici nell’illuminazione pubblica. In città, sono stati installati oltre 35.000 cassonetti dotati di tecnologia RFID, che comunicano il loro livello di riempimento alla centrale operativa, ottimizzando i percorsi di raccolta e migliorando l’efficienza del servizio. Un modello ha reso Barcellona un esempio di sostenibilità e innovazione urbana.
Figura 5: il concept della città futuristica Toyota Woven City. Fonte: https://www.woven-city.global/
Toyota Woven City
Le città con una stratificazione storica hanno la necessità di integrare le tecnologie digitali in un contesto nati in epoche storiche del tutto diverse per materiali, strutture, topografia. Se si dovesse progettare una città da zero oggi, come la si realizzerebbe? Prova a rispondere a questa domanda il progetto Toyota Woven City, in cui Toyota ha avviato la costruzione di una città nativamente digitale, iperconnessa e sostenibile, che permette di testare l’efficacia dei servizi digitali in ambito urbano su scala 1-1.
Le condizioni per il successo delle Smart Cities
La creazione di una Smart City richiede un approccio ben pianificato e integrato, basato su una serie di leve strategiche. Anche in questo caso, l’Osservatorio Smart City del Politecnico di Milano e il programma Horizon Europe offrono linee guida molto rilevanti.
Anzitutto, emerge l’importanza di un una visione strategica chiara e condivisa, capace di essere tradotta in una roadmap progettuale che definisca obiettivi a lungo termine, come la sostenibilità ambientale, l’inclusività sociale e l’innovazione tecnologica.
Una visione resa concreta da investimenti mirati in infrastrutture digitali, come sensori IoT, reti 5G e piattaforme cloud, per garantire una gestione efficiente e analitica dei servizi urbani. La collaborazione tra settore pubblico e privato riveste un ruolo cruciale, coinvolgendo aziende tecnologiche e realtà innovative per accelerare l’introduzione di soluzioni innovative. Allo stesso tempo, è indispensabile sviluppare competenze specialistiche coinvolgendo esperti e formando il personale interno in ambiti chiave come la data science, la cybersecurity e la governance digitale.
Infine, risulta essere un fattore critico di successo il coinvolgimento diretto dei cittadini: la creazione di piattaforme che favoriscano la partecipazione attiva e garantiscano trasparenza permette di costruire un ecosistema urbano più inclusivo e collaborativo.
Smart City: dai City Analytics alle applicazioni di intelligenza artificiale
Premessa fondamentale per la creazione delle smart cities è anzitutto la raccolta di dati e l’adozione di processi decisionali analitici e data-driven. Proprio con questi obiettivi sono state concepite e realizzate le piattaforme di City Analytics, che raccolgono e analizzano dati provenienti da diverse fonti, rendendo disponibili analisi a supporto del processo decisionale e dell’implementazione di singole azioni e applicazioni specifiche.
Per un pieno sfruttamento dei City Analytics, risulta fondamentale la capacità di integrare dati di formati diversi e provenienti da fonti eterogenee, in maniera flessibile e adattiva. Solo approcci pronti al cambiamento continuo sono in grado di garantire la sostenibilità e l’efficienza delle città del futuro, governate con l’utilizzo estensivo di dati e advanced analytics. Le fonti dati che alimentano i City Analytics sono ampie e variegate: nel seguito si esplorano alcune delle più rilevanti.
- Veicoli connessi, attraverso cui raccogliere dati e informazioni sul traffico, sulla velocità dei diversi veicoli nelle diverse zone, sulla fluidità del traffico, sui flussi e gli spostamenti. Dati fondamentali per prevedere interventi sulla viabilità, governare le decisioni in termini di parcheggi, ZTL, pedaggi, revisioni della circolazione, ecc.
- Infrastrutture urbane intelligenti, che integrano dati provenienti dai sensori installati su edifici, strade, ponti, reti di illuminazione, energia, trasporto per raccogliere informazioni dall’ambiente e prendere decisioni mirate. Grazie alle infrastrutture intelligenti è possibile realizzare la manutenzione predittiva, oppure avviare interventi tempestivi in caso di emergenza, o di monitorare e prevenire il degrado e la perdita di centralità e attrattività di aree periferiche e dismesse.
- Mappe e sistemi di navigazione. Grazie a dati geografici e geospaziali, le città possono oggi migliorare la pianificazione dei trasporti, il governo della viabilità, la pianificazione dei mezzi pubblici, ecc.
- Applicazioni mobili: attraverso dispositivi mobili e interfacce o piattaforme dedicate, i cittadini possono condividere in tempo reale anomalie e problemi che incontrano nella fruizione della città e dei suoi servizi. Grazie a queste applicazioni possono anche essere raccolti dati di utilizzo e compresi i tassi di adozione delle soluzioni messe a disposizione della cittadinanza e del personale interno, attuando iniziative di miglioramento e progettando aggiornamenti ed evolutive.
- Open Data. Le città intelligenti mettono a disposizione una grande mole di dati che possono essere utilizzati anche da soggetti privati o enti partecipati per integrare e arricchire analisi e offrire specifici servizi, ovvero indirizzare azioni di coinvolgimento della popolazione e di adozione.
Figura 6: la piattaforma Open Data del Comune di Milano: https://dati.comune.milano.it/
Le competenze necessarie alla piena valorizzazione dei dati della smart city
Il primo set di competenze necessarie per valorizzare i dati all’interno delle smart cities, sono proprio quelli degli esperti di data analysis e data modeling.
I data analyst forniscono insights e spiegazioni dei fenomeni passati osservando i dati raccolti e integrati, attraverso analisi descrittive e diagnostiche rese disponibili attraverso piattaforme di controllo e gestione.
In aggiunta all’analisi aggregata del passato e sempre nel rispetto della compliance normativa, della sicurezza e della privacy, i data analyst sono affiancati da data scientist e machine learning engineer, che, a loro volta si appoggiano a sviluppatori software e cloud per integrare in produzione all’interno dello stack applicativo delle amministrazioni le applicazioni basate su machine learning e deep learning.
Tramite machine learning e deep learning è possibile identificare le aree di congestione del traffico, e suggerire strade alternative, prevedere l’occupazione dei parcheggi e scoraggiare l’utilizzo di auto private in determinate condizioni e in certe aree; ottimizzare i percorsi di raccolta dei rifiuti e la qualità della raccolta differenziata.
Allargando lo sguardo, sono necessarie competenze di data strategy e data governance, per indirizzare la valorizzazione dei dati e per gestire lungo l’intero ciclo di gestione del dato, incluse la qualità, la sicurezza e la compliance normativa.
A queste, occorre senz’altro affiancare persone esperte di service e user experience design, per riprogettare i servizi che, facendo perno sui dati, trasformano il concetto stesso di città.
Per la progettazione delle smart cities, ovviamente, le competenze vanno molto oltre questo perimetro, abbracciando uno spettro molto ampio che comprende legislatori, politici, sociologi, tecnologi e ingegneri, architetti e urbanisti, ecc., ma che va al di là degli scopi di questo articolo.
Le applicazioni dell’intelligenza artificiale nel contesto delle smart cities
Molteplici sono gli ambiti di applicazioni dell’intelligenza artificiale nella trasformazione dei servizi delle città. La mappatura dell’Osservatorio Smart City del Politecnico di Milano identifica i principali contesti di utilizzo:
- gestione del traffico, semafori intelligenti, mobilità e trasporti;
- sicurezza pubblica;
- gestione energetica;
- gestione dei rifiuti;
- monitoraggio ambientale e del territorio;
- amministrazione e servizi;
- pianificazione urbana.
Interessante notare come in ciascuno di questi ambiti, l’intelligenza artificiale permetta di far fare un salto generazionale al modo di concepire e regolare i servizi.
Esempio 1: gestione del traffico, semafori intelligenti, mobilità e trasporti
Figura 7. L’applicazione della piattaforma di gestione del traffico governata dall’AI a Phoenix, Arizona (US). Fonte: https://www.cittimagazine.co.uk/news/automation-robotics/phoenix-trials-ai-based-autonomous-traffic-management-system.html
L’intelligenza artificiale è ampiamente utilizzata per analizzare in tempo reale i dati provenienti dai mezzi di trasporto (auto, autobus, treni) e identificare schemi che possono indicare rischi per la sicurezza. Ad esempio, Phoenix ha implementato un sistema di gestione del traffico che utilizza l’AI per coordinare i semafori, riducendo del 40% i tempi di attesa dei veicoli.
Altre applicazioni sono basate su visione artificiale (Sistemi ITS – Intelligent Traffic Management System) utilizzati per classificare i veicoli, rilevare infrazioni e analizzare il flusso di traffico, migliorando la mobilità e riducendo l’inquinamento.
Un’altra tecnologia fondamentale nella gestione del traffico è la tecnologia ADR (Automatic Driver Recognition), una tecnologia, basata su sensori laser, radar e telecamere, che mantiene la distanza di sicurezza tra i veicoli, riducendo il rischio di incidenti.
Interessanti anche le applicazioni di Smart Parking, volte a ridurre il tempo speso nella ricerca dei parcheggi e a ottimizzare l’utilizzo degli stessi, applicando sensori di stallo, RFID, e ovviamente intelligenza artificiale, che permettono di prevedere situazioni di parcheggio congestionato, suggerendo soluzioni preventive. Le ricadute positive sono numerose: dalla riduzione del traffico al miglioramento della qualità dell’aria urbana.
Auto e i bus autonomi rappresentano il futuro della mobilità urbana, in cui l’AI giocherà un ruolo fondamentale di orchestratore di diverse tecnologie. Già oggi, aziende come Waymo (Alphabet Inc.) sviluppano auto senza conducente capaci di spostarsi in ambienti urbani. Sono veicoli che sfruttano algoritmi di AI per elaborare dati provenienti da sensori, telecamere e radar, ottimizzando i percorsi e riducendo gli incidenti. L’adozione su larga scala di veicoli autonomi può migliorare significativamente la gestione del traffico urbano, rendendolo più sicuro ed efficiente, migliorando ed efficientando anche l’utilizzo della flotta.
Esempio 2: sicurezza pubblica e prevenzione del crimine
L’utilizzo dell’intelligenza artificiale e in particolare anzitutto della computer vision per la riduzione o prevenzione del crimine e l’aumento della sicurezza è un tema molto delicato, che attiene, più ancora di altri contesti, il concetto stesso di libertà e che, pur animato da una finalità positiva, ovvero aumentare la sicurezza dei cittadini, rischia di accelerare l’evoluzione verso modelli di società della sorveglianza. Si vedano la rilevanza e l’eco del volume “Il capitalismo della sorveglianza” di Shoshana Zuboff, edito in Italia da Luiss University Press.
A prescindere dalle opinioni su tematiche di ordine politico o sociale, la sorveglianza video è uno strumento fondamentale nella lotta contro il crimine. La grande mole di dati non strutturati registrati dalle numerosissime telecamere installate ovunque, e messe in rete e se analizzate applicando tecnologie di video analytics e predizione può dare indicazioni fondamentali nell’evoluzione della sicurezza nelle città. l’analisi dei dati è sempre più complessa a causa dell’aumento esponenziale dei contenuti.
Un caso studio interessante da osservare è Survant, un progetto finanziato dall’Unione Europea che si pone l’obiettivo di far crescere le capacità di analisi dei sistemi di intelligenza artificiale che raccolgono un grande numero di video, provenienti da telecamere di sorveglianza per fornire indicazioni utile agli investigatori. Un sistema che dovrebbe permettere agli investigatori di risalire che anche agli autori del crimine, attraverso analisi predittive, che, ovviamente, possiedono diversi elementi di criticità.
L’analisi predittiva basata su machine learning è sempre più studiata, come si vede dal paper “Crime Prediction Using Machine Learning and Deep Learning”, che mappa oltre 150 progetti internazionali dedicati al tema che rimane ovviamente molto delicato e controverso nella sua applicazione pratica, nelle vite delle persone.
Figura 8. L’architettura logica del sistema di Crime Prediction approfondita nel paper pubblicato su IEEE Access “Crime Prediction Using Machine Learning and Deep Learning: A Systematic Review and Future Directions” di Varun Mandalapu et. al, 2023. Fonte: https://ieeexplore.ieee.org/document/10151873
Altre applicazioni dell’intelligenza artificiale alle smart cities
Nel seguito, si fa qualche rapido cenno alle rimanenti applicazioni identificate dalla mappatura effettuata dagli Osservatori.
Il primo ambito rilevante è quello dell’energia: sono sempre più diffuse soluzioni che permettono di risparmiare energia, attraverso le Smart Grid, per l’ottimizzazione della produzione, della distribuzione e per l’incentivazione di abitudini di consumo sostenibili. Anche gli edifici possono essere smart, regolando automaticamente temperatura, illuminazione, riscaldamento, raffrescamento, utilizzo delle risorse.
Un altro ambito di grande sperimentazione e applicazione è costituito dalla raccolta dei rifiuti; un ambito in cui l’intelligenza artificiale riveste un ruolo decisivo, in particolare per il miglioramento della raccolta differenziata che, grazie ad algoritmi di computer vision sempre più avanzati, semplifica e facilita lo smistamento delle diverse tipologie di rifiuti.
Anche i sistemi di monitoraggio ambientale possono giovarsi fortemente delle tecnologie di intelligenza artificiale: tramite i sensori è possibile rilevare la salute di singole specie animali e interi ecosistemi, intervenendo tempestivamente per mantenere l’equilibro degli ecosistemi.
Per quanto riguarda i servizi, le amministrazioni smart hanno interesse a ripensare i servizi mettendo al centro i cittadini e mantenendo aperto un dialogo continuo con la cittadinanza. Fondamentale, a questo scopo, la creazione di una vista univoca del cittadino, premessa necessaria a qualsiasi politica di personalizzazione, clusterizzazione e segmentazione dell’offerta di servizi. del cittadino e con una ricaduta positiva sulla propria capacità di efficientare i servizi.
Come visto in alcuni degli esempi notevoli di smart city citati più sopra, la stessa pianificazione urbana sfrutta l’intelligenza artificiale per fare predizioni, costruendo scenari e modelli funzionanti di città tramite i digital twin, fondamentali per testare la realizzabilità e ipotizzare gli effetti delle soluzioni più innovative.
Conclusioni
Applicare con successo l’intelligenza artificiale al contesto pubblico e contribuire così alla trasformazione in senso “smart” delle nostre città, richiede il set di competenze, approcci, strumenti e condivisione degli obiettivi con coinvolgimento di tutti gli attori (e in primis dei decisori) necessari a ogni progetto di trasformazione.
Le Smart City rappresentano il futuro delle aree urbane, introducendo soluzioni innovative alle sfide più complesse, sono le uniche che sembrano bilanciare lo sviluppo alla salvaguardia del territorio, dell’ambiente e delle risorse.
Tuttavia, la piena realizzazione delle smart city non è affatto semplice. Pesa la morfologia di città pensate e progettate in epoche completamente diverse, oltre alla complessità e delicatezza degli interventi basati sui dati in ambito pubblico, la carenza di competenze specialistiche (un gap che si sta però rapidamente colmando).
Premessa fondamentale è però il coinvolgimento sia dei decisori all’interno delle amministrazioni, sia del personale operativo, sia, infine anche dei cittadini, che devono comprendere i vantaggi della digitalizzazione e abbracciare lo spirito di un nuovo modi di progettare e vivere la città.
Sitografia
https://www.osservatori.net/report/smart-city/smart-city-citta-tradizionale-citta-data-driven-report
https://apre.it/wp-content/uploads/2021/04/guida-Horizon-Europe.pdf
https://www.edisonnext.it/it/next-journal/da-amsterdam-barcellona-esempi-di-smart-city
