Grazie a Urbiverse – la piattaforma di simulazione AI di SWITCH – abbiamo progettato e ottimizzato virtualmente un ipotetico servizio di ride-hailing con veicoli elettrici (EV), basandoci su dati GPS reali. Lo strumento ha permesso di determinare con precisione le risorse necessarie per lanciare un servizio sostenibile, eliminando i rischi finanziari legati a un’implementazione fisica. La simulazione ha identificato l’esatta dimensione della flotta necessaria per garantire il 100% di completamento delle corse e ha dimostrato che il posizionamento strategico di sole 5 zone di ricarica è più efficace di un’infrastruttura estesa.
Questo case study si rivolge a pianificatori urbani, operatori della mobilità e investitori che devono prendere decisioni strategiche sulle flotte di veicoli elettrici prima di investire capitali.
In poche pagine, scoprirai come le simulazioni AI possono ridurre i rischi del lancio, ottimizzare gli investimenti infrastrutturali e garantire elevati livelli di servizio fin dal primo giorno.
Cosa imparerai all’interno:
- Come trovare la dimensione ottimale della flotta: Scopri come la simulazione ha individuato il numero esatto di veicoli (il “punto ottimale”) necessario per garantire il 100% di completamento delle corse entro una rigorosa finestra di risposta di 10 minuti, riducendo al minimo i veicoli inattivi.
- La “Regola delle 5 Zone” per l’efficienza infrastrutturale: Impara perché avere più colonnine non è sempre meglio. L’analisi ha dimostrato che 5 zone di ricarica posizionate strategicamente sono sufficienti per ridurre al minimo i tempi di fermo operativo, prevenendo investimenti eccessivi.
- Come ridurre al minimo il “chilometraggio a vuoto”: Scopri come la logica di assegnazione basata sulla prossimità e l’ottimizzazione spaziale hanno ridotto il tempo che i veicoli trascorrono guidando vuoti per prelevare passeggeri o spostarsi per la ricarica.
- Un modello per ridurre i rischi di lancio: Comprendi come il passaggio da tracce GPS grezze a insight operativi azionabili fornisca agli stakeholder della mobilità urbana un modello basato sui dati e a basso rischio.
- Come pianificare scenari futuri: Esplora come la piattaforma modulare consente di testare scenari ipotetici (“what-if”), come cambiamenti nella tecnologia delle batterie o nei modelli di domanda, supportando la pianificazione strategica a lungo termine.
