Dove installare Micromobility Hubs: Caso studio a Torino

Un caso reale: come usare i dati della micromobilità per decidere dove installare (o spostare) i parcheggi per bici e monopattini

Update: Torino è vincitrice del Premio Innovazione SMAU grazie a questo progetto. Read More

Executive Summary

• Problema: Dato il network delle rastrelliere esistente, c’è la necessità di calcolare l’efficienza della disposizione delle rastrelliere ed individuare con carenza di infrastruttura; budget e spazio pubblico limitati; l’attuale rete non sempre intercetta la domanda.
• Approccio: leggere la città attraverso i dati reali di utilizzo della micromobilità per capire dove si accumulano e con quale frequenza.
• Metodo: griglia cittadina + due indicatori semplici (Parking Index 1 = intensità dei picchi; Parking Index 2 = frequenza degli accumuli) + confronto con la rete esistente di rastrelliere.
• Risultato: emerse 4 aree ad alta priorità dove l’offerta di parcheggi è oggi insufficiente rispetto all’uso reale.
• Impatto atteso: meno sosta disordinata, marciapiedi più liberi, uso migliore dei fondi, decisioni trasparenti e difendibili.

Contesto: perché serviva un metodo oggettivo

Torino, come molte città europee, ha investito su ciclabilità e micromobilità. Nonostante questo, i parcheggi dedicati (rastrelliere e stalli) non sempre sono dove servono. Il risultato:

• mezzi lasciati in punti sensibili (passaggi pedonali, fermate, accessi);
• conflitto tra utenti, residenti e commercianti;
• richieste di “metterne di più” senza un criterio condiviso.

L’idea guida: i dati raccontano la domanda reale

I mezzi di micromobilità (privati e in sharing) si muovono e si fermano ogni giorno in migliaia di punti. Dove si fermano più spesso è un segnale (proxy) di domanda di sosta.

Se in una zona vediamo accumuli ripetuti di mezzi, è probabile che manchino punti di sosta ordinata in quel raggio.

Usando questi dati, possiamo mappare la pressione reale e confrontarla con la rete attuale di rastrelliere: così emergono i gap (zone scoperte) e le ridondanze (zone già ben servite, o addirittura con più capacità del necessario).

Metodologia, spiegata semplice

Dati in ingresso

• Posizioni e orari di sosta dei mezzi di micromobilità (aggregati e anonimi);
• Mappa delle rastrelliere esistenti (posizione e capacità);
• Griglia cittadina: il territorio è suddiviso in quadranti regolari (celle) per confronti omogenei.

Lo strumento: Urbiverse di SWITCH

Per evitare decisioni “a sentimento”, Urbiverse analizza automaticamente i pattern di sosta a livello di micro-cella urbana e individua gli “accumuli” che indicano domanda non servita di parcheggio bici. La piattaforma calcola due indici comparabili sull’intera città (PI1 = intensità, PI2 = frequenza), classifica le celle critiche in modo parametrico e produce mappe, gap analysis rispetto alla rete esistente e un elenco priorizzato di interventi con posizioni suggerite e capacità consigliata. Il flusso è replicabile, con soglie e layer configurabili, ed è esportabile via API/GIS per integrare i processi operativi.

Come Urbiverse individua gli “accumuli”

Urbiverse elabora i dati di sosta/posizione e, per ogni cella della griglia urbana, calcola due indicatori normalizzati sulla baseline cittadina:

• Parking Index 1 – PI1 (intensità): quanto è alto il picco di mezzi parcheggiati nello stesso momento rispetto al resto della città. Evidenzia le aree con i peggiori fenomeni di affollamento.
• Parking Index 2 – PI2 (frequenza): quanto spesso la cella presenta accumuli rispetto alla città. Evidenzia le aree ricorrenti.
  

Definizione di zona critica
Per impostazione predefinita, Urbiverse classifica una cella come critica quando PI1 > 0,5 e PI2 > 0,5 (accumuli forti e frequenti). Le soglie sono configurabili secondo le policy dell’ente.

Dal segnale alla decisione

1. Mappatura delle celle critiche
   Urbiverse genera e aggiorna la heatmap delle celle con alto PI1 & PI2. 
2. Data Fusion con l’esistente
   La piattaforma mostra e sovrappone lo strato “Rastrelliere esistenti” (open data, inventari comunali, rilievi) per una vista unificata domanda-offerta. 
3. Gap analysis guidata dagli indici
   Urbiverse calcola il mismatch tra domanda (PI1/PI2) e offerta (capacità/posizionamento rastrelliere), producendo per ogni cella un indice di saturazione e una stima del beneficio atteso da installazione o potenziamento. 
4. Prioritizzazione operativa
   La piattaforma restituisce un elenco ordinato di micro-aree d’intervento con:
   • coordinate suggerite,
   • priorità (score),
   • numero stimato di posti consigliati,
   • motivazioni (feature che hanno pesato sullo score) per massima trasparenza. 
5. Output pronti all’uso
   Export di report e mappe, integrazione API/GIS e formati interoperabili per l’operatività.

Nota tecnica: per distinguere fenomeni regolari da episodici usiamo modelli AI specifici, ma l’output è una mappa semplice con semafori (alto/medio/basso) e una lista prioritaria per favorire l’interpretabilità e l’azionabilità dei risultati.

Cosa è emerso a Torino

• Sono emerse 4 aree con accumuli intensi e frequenti di mezzi di micromobilità;
• In queste aree la densità di rastrelliere è bassa: la rete attuale non intercetta la domanda;
• La mappa dei gap offre una roadmap: partire da quelle 4 zone, poi estendere alle altre zone.

Esempi di situazioni ricorrenti

• Pausa pranzo / orario uffici: molti arrivi in poco tempo, sosta disordinata su marciapiedi;
• Uscita scuole / università: ondate di arrivo con picchi brevi ma ripetuti;
• Nodi di interscambio (bus/tram/metro): alta rotazione, richiesta costante di stalli ordinati.

Piano operativo

Fase 1 – Raccolta dati & allineamento

• Accesso ai dati dei provider (formati base); inventario rastrelliere; criteri di policy (raggio di accessibilità, estetica, sicurezza, vincoli).

Fase 2 – Analisi & mappa priorità

• Calcolo PI1/PI2, mappa gap, lista delle prime 10–15 celle candidate; sopralluoghi mirati.

Fase 3 – Pilota in 1–2 aree

• Installazione leggera (rastrelliere modulari/temporanee) o riposizionamento di quelle sottoutilizzate; comunicazione ai quartieri.

Fase 4 – Valutazione & scaling

• Misura prima/dopo; aggiornamento mappa; estensione ad altre aree prioritarie.

Rischi & mitigazioni

• Spostamento del problema: gli accumuli migrano di 100–200 m → Mitigazione: monitoraggio continuo e micro‑aggiustamenti;
• Sottoutilizzo di nuove rastrelliere: errata posizione → Mitigazione: avvio con installazioni modulari, test A/B di micro‑spostamenti;
• Opposizione locale: timori su occupazione suolo → Mitigazione: scelta di arredi compatti/ordinati; condivisione dati e durata del pilota; alternative di riposizionamento.

Intelligenza All-in-1 di Urbiverse

• Mappe degli hotspot (intensità e frequenza);
• “Gap map”: sovrapposizione domanda vs. rete attuale;
• Lista prioritaria con motivazioni (PI1/PI2);
• Linee guida per pilota 3–6 mesi e criteri di scaling.

Perché scegliere SWITCH

• Piattaforma integrata per analisi avanzate, previsione e simulazione in un unico ambiente;
• Operatività in Italia ed Europa
• Esperienza su progetti di pianificazione e gestione della mobilità.

Risultati generali

Con pochi tipi di dati e una metodologia chiara, Torino ha ottenuto una base oggettiva per decidere dove installare (o spostare) micromobility hubs per ottenere una città più ordinata, accessibile e trasparente nelle scelte.

Vuoi la stessa elaborazione per il tuo progetto o la tua azienda? Prenota una chiamata o scrivi a info@getswitch.io

 

FAQ

Quanto tempo serve per una prima mappa? In genere 2–4 settimane dall’accesso ai dati necessari

Possiamo spostare rastrelliere esistenti invece di comprarne di nuove? Sì. La mappa evidenzia anche ridondanze: dove l’offerta è sovrabbondante, si può valutare un riposizionamento.

Se produco/installo micromobility hubs (rastrelliere smart, ricarica e-bike/e-scooter, locker), posso lavorare con voi?

Sì. Con Urbiverse puoi usare gli stessi dati e gli stessi segnali che hanno guidato questo case study per scoprire dove posizionare i tuoi hub. La piattaforma calcola automaticamente PI1 (intensità) e PI2 (frequenza) degli accumuli e restituisce mappe e liste prioritarie delle micro-aree migliori in base ai tuoi criteri.

Il metodo vale anche per i monopattini (non solo bici)? Sì. Funziona con qualunque servizio di mobilità con dati di viaggio e aree dedicate di sosta/parcheggio.

I risultati sono utilizzabili in offerte commerciali e RFP?

Sì. Gli output includono mappe, tabelle e dossier esportabili utili per proposte tecniche, stime di impatto e pianificazione delle installazioni.

Come garantite privacy e conformità? I dati sono trattati in modo aggregato e anonimo; nessuna informazione personale è usata.

Glossario

• Sharing / micromobilità: servizi a noleggio di bici/monopattini che chiunque può prendere e lasciare in città.
• Proxy: un segnale che rappresenta un fenomeno; qui, gli stalli dei mezzi rappresentano la domanda di sosta.
• Griglia (celle): il territorio diviso in quadrati regolari per analizzare zone omogenee.
• Hotspot / accumulo: punto o zona dove si concentrano molti mezzi.
• Mediana: indica il numero che occupa la posizione centrale in un insieme di numeri e rispetto al quale metà dei numeri ha valore superiore e l’altra metà ha valore inferiore.
• PI1 (intensità): indica quanto grande è stato il massimo accumulo in una zona rispetto al resto della città.
• PI2 (frequenza): indica quanto spesso in quella zona si ripetono gli accumuli, rispetto alla città.
• Gap analysis: confronto tra dove serve (domanda) e dove c’è (offerta di rastrelliere).
• Pilota: test di breve periodo in piccola scala per verificare che la soluzione funzioni prima di estenderla.