City Futures - Research Lab

L’attività progettuale di ricerca mira ad esplorare contesti e soluzioni alternative di mobilità e logistica col fine di generare valore e trasferire nuove conoscenze.

Il team di MIC-HUB collabora con enti pubblici, università e società private interdisciplinari, affrontando diverse tematiche in progetti di ricerca.

Partendo dalle diverse necessità di comprendere in dettaglio le diverse esigenze progettuali, MIC-HUB sviluppa applicativi digitali, come dashboard per la visualizzazione e analisi dei dati e soluzioni per la cittadinanza attiva nei processi progettuali, consentendo ai soggetti coinvolti una inedita comprensione della complessità.

Adottiamo un approccio ‘lean’ per sviluppare soluzioni digitali efficaci su misura per incontrare esigenze e risorse, combinando competenze tecnologiche e conoscenze specialistiche nel campo della pianificazione della mobilità e trasporti.

I rapidi progressi tecnologici, insieme ai cambiamenti demografici e alle crescenti esigenze degli utenti della strada, stanno progressivamente cambiando il modo in cui ci spostiamo nelle città.

MIC-HUB progetta sfruttando tecnologie e modelli emergenti in settori come automotive, micro-mobilità e mobilità intelligente.

MIC-HUB sviluppa algoritmi e modelli di machine learning (ML) per analizzare i fenomeni di mobilità urbana e la loro interazione con l’ambiente costruito, fornendo strumenti predittivi a supporto delle decisioni e della pianificazione sostenibile. Attraverso l’analisi di big data provenienti da sensori, GPS, social media e simulazioni, i modelli di MIC-HUB prevedono flussi di traffico, comportamenti di viaggio e livelli di rischio stradale, contribuendo a migliorare efficienza, sicurezza e sostenibilità dei sistemi di trasporto.

Gli algoritmi di ML aiutano a decodificare le interazioni tra mobilità e ambiente costruito, come densità urbana, uso del suolo e disegno urbano, rivelando come questi fattori influenzano le scelte di viaggio, le distanze, le modalità oltreché esternalità come l’incidentalità e i livelli di emissioni.

MIC-HUB utilizza approcci ed algoritmi di apprendimento automatico con supervisione (reti neurali) per la costruzione di modelli predittivi per valutare i flussi di traffico, le velocità reali in rete e livelli di incidentalità stradale, in relazione ai caratteri urbani e sociodemografici dell’area di studio.

Le tecniche di apprendimento automatico non supervisionato, identificano pattern non noti attraverso analisi di cluster e la riduzione della dimensionalità. Queste analisi aiutano a scoprire strutture nascoste dalla intersezione di dati complessi ed eterogenei di mobilità e di altri caratteri urbani, come ad esempio la costruzione delle catene degli spostamenti delle persone.