Diamo molta importanza alla protezione dei dati e quindi utilizziamo i dati che ci fornisci con la massima cura. Puoi gestire i dati che ci fornisci nel tuo cruscotto personale. Troverai le nostre regole complete sulla protezione dei dati e il chiarimento dei tuoi diritti nella nostra avviso sulla privacy. Utilizzando il sito web e le sue offerte e navigando ulteriormente, accetti le regole del nostro avviso sulla privacy e i termini e le condizioni.
Le Soluzioni BABLE sono progetti curati da esperti per realizzare in modo efficiente progetti di Smart City. Ogni Soluzione Smart City contiene informazioni dettagliate e pertinenti, oltre a linkare a casi d'uso rilevanti e prodotti innovativi.
Soluzione
La gestione intelligente dell'acqua ha l'obiettivo di guidare l'utilizzo dell'acqua in modo da raggiungere l'efficienza, la sufficienza e la sostenibilità. Per raggiungere questo obiettivo, i moderni approcci di gestione sono sostenuti dall'integrazione di tecnologie innovative, come sensori, contatori d'acqua intelligenti, sistemi informativi, acquisizione di dati e sistemi di supporto alle decisioni. Secondo Statista (2021) , entro il 2050 ben due terzi della popolazione mondiale potrebbero vivere in regioni con un accesso limitato alle risorse d'acqua dolce. Questo rapporto sostiene inoltre che la carenza d'acqua si farà sentire anche nei Paesi industrializzati, poiché il cambiamento climatico è responsabile di catastrofi meteorologiche sempre più frequenti e la crescente domanda industriale di acqua dovrebbe esercitare un'enorme pressione sull'accessibilità all'acqua dolce. Per raggiungere la sicurezza idrica, quindi, sono necessari metodi innovativi per garantire un approvvigionamento idrico pulito e costante, ottimizzando al contempo il funzionamento, la manutenzione e la gestione delle aziende di servizi idrici. I sistemi intelligenti di gestione dell'acqua sono uno degli interventi più efficaci per raggiungere la sicurezza idrica.
Soluzione
L'Internet delle cose (IoT) è un'innovazione tecnologica in continua e rapida crescita, che mira a rendere le nostre attività quotidiane sempre più connesse digitalmente. Grazie a una maggiore interconnessione e a una migliore analisi dei dati, l'IoT consente una capacità decisionale più efficiente e informata. Ciò avviene rendendo gli oggetti fisici di tutti i giorni abilitati all'uso di internet, grazie alla loro combinazione con sensori, capacità di elaborazione e altri software che consentono la condivisione e lo scambio di dati. Questo processo promette di "trasformare il nostro modo di lavorare, vivere e giocare" (Singhania, 2015). Questa fusione tra fisico e virtuale consente di fornire soluzioni smart city più innovative ai problemi urbani del mondo reale. In prima linea nella trasformazione digitale, l'IoT può aiutare in ogni tipo di scenario, dalla congestione del traffico al monitoraggio delle case intelligenti, dall'efficienza energetica a un'ampia gamma di questioni legate alla sicurezza. Attualmente, però, sebbene sul mercato esistano numerosi dispositivi abilitati all'IoT, molti dei quali sono stati implementati per contribuire al miglioramento delle infrastrutture comunali, il potenziale della tecnologia spesso non viene raggiunto. Ciò è dovuto all'esistenza di diversi standard di rete e di dispositivi, che limitano la capacità dei dispositivi che non condividono tali standard di interconnettersi, parlare tra loro e quindi condividere i dati per ottimizzare la capacità della rete. La risposta a questo problema è l'IoT potenziato o interoperabile, che consente un'integrazione e un'interconnessione perfetta dei dispositivi abilitati all'IoT, ampliando enormemente il potenziale di utilizzo di questa tecnologia per la risoluzione dei problemi delle città intelligenti. Molte soluzioni tecnologiche urbane possono funzionare meglio e in modo più efficace quando lavorano insieme all'interno di un sistema connesso. Ad esempio, i pendolari potrebbero trarre vantaggio dal sapere quale sia il percorso migliore da seguire grazie alle informazioni aggiornate sul traffico e allo stesso tempo conoscere lo stato attuale dei parcheggi. Senza il feedback dei dati da parte di tutti i dispositivi coinvolti, queste informazioni non possono essere fornite in modo affidabile. Tuttavia, non esiste uno standard universale per i dispositivi abilitati all'IoT a causa della relativa novità della tecnologia. Questo riduce la capacità dei dispositivi di connettersi tra loro e di condividere i dati, limitando essenzialmente la capacità delle soluzioni IoT. Questo problema deve essere risolto per sfruttare il vero potenziale delle tecnologie abilitate a Internet. Uno dei vantaggi dell'IoT è quello di monitorare l'utilizzo dei dispositivi attraverso l'analisi dei dati. Questo può aiutare a limitare l'inefficienza energetica dei dispositivi utilizzati in un'ampia gamma di attività. Senza i dispositivi connessi a internet o senza quelli in grado di comunicare tra loro, la condivisione di dati importanti per l'analisi delle infrastrutture cittadine è fortemente limitata. Senza tale analisi, non sarà chiaro il funzionamento delle infrastrutture urbane e delle soluzioni smart city. Fonte: Vasilov, L. (2021) Knowledge byte: Elementi costitutivi dell'architettura IOT , Cloud Credential Council . Disponibile all'indirizzo: www.cloudcredential.org/blog/knowledge-byte-building-blocks-of-iot-architecture/ (Accesso: 1 novembre 2022).
Soluzione
Un automobilista medio trascorre 6-14 minuti alla ricerca di un parcheggio e nelle grandi città il tempo sale a 18-20 minuti. Si stima che il tempo trascorso alla ricerca di un parcheggio rappresenti il 30% della congestione delle strade cittadine. Un sistema di parcheggio intelligente utilizza sensori o altre tecnologie per determinare la disponibilità di parcheggi nelle città. Queste informazioni possono essere condivise con gli automobilisti, riducendo i tempi di ricerca del parcheggio e quindi la congestione del traffico. Inoltre, il parcheggio intelligente può essere utilizzato per migliorare la fruibilità del parcheggio stesso. Le tariffe dei parcheggi fanno già parte delle entrate delle città. L'implementazione di un sistema di parcheggio intelligente consente alle città di controllare meglio il traffico, di applicare tariffe diverse a seconda delle aree e degli orari e di utilizzare tariffe al minuto, anziché tariffe forfettarie, grazie a nuovi modelli di fatturazione. (Shoup, 2007; Shoup, 2008 ; IBM, 2011 ) I sistemi di Smart Parking e le loro funzioni possono avere diversi effetti a sostegno degli obiettivi del comune o degli utenti. Il seguente diagramma mostra come i diversi aspetti siano interconnessi. Benefici essenziali dello Smart Parking ( Anke, Scholle, 2016, tradotto ) Problemi da risolvere? Cattiva qualità dell'aria Congestione del traffico Spazio di parcheggio sottoutilizzato Trasgressori del parcheggio Incidenti/ collisioni
Soluzione
Per ridurre il consumo di energia fossile, la mobilità elettrica è una componente fondamentale per creare un trasporto sostenibile. Non solo il settore dei trasporti è responsabile del 30% delle emissioni totali di CO2 dell'UE (il 72% delle quali proviene dal trasporto su strada), ma il ritmo di riduzione delle emissioni è anche rallentato. Altri settori, come l'energia, l'agricoltura, la silvicoltura, la pesca e l'edilizia abitativa, hanno ridotto in modo significativo le loro emissioni di CO2 dal 1990, mentre le emissioni di CO2 del settore dei trasporti sono oggi più elevate rispetto al 1990 a causa del ruolo sempre più importante della mobilità nelle nostre vite (Parlamento Europeo, 2019). Una soluzione per ridurre le emissioni di CO2 legate ai trasporti è la mobilità elettrica. Grazie alla loro maggiore durata e ai minori costi operativi, i veicoli elettrici possono essere economicamente vantaggiosi. Le soluzioni per le flotte facilitano la diffusione dei veicoli elettrici sul mercato in modo rapido e proficuo. Inoltre, le strutture per la ricarica dei veicoli elettrici sono obbligatorie (Proff, Fojcik 2016, p. 128). L'obiettivo principale è quello di diffondere la mobilità elettrica per motivi ambientali. La popolazione complessiva di veicoli può essere ridotta grazie alla creazione di flotte elettriche. Inoltre, l'utilizzo di flotte elettriche offre alle aziende e alle città l'opportunità di creare un'immagine innovativa e di testare nuove tecnologie. L'autonomia limitata dei veicoli a trazione elettrica è spesso un problema minore per i veicoli gestiti dalle aziende e dalle città, in quanto vengono coperte principalmente distanze più brevi. Le applicazioni in flotta offrono eccellenti opportunità per una diffusione rapida e di successo dei veicoli elettrici sul mercato, soprattutto perché, ad esempio, circa il 60% delle immatricolazioni annuali di auto nuove in Germania è rappresentato da aziende e lavoratori autonomi. Dopo il primo utilizzo commerciale, i veicoli vengono solitamente trasferiti al mercato delle auto usate dopo pochi anni. Le flotte elettriche per le aziende sono quindi un catalizzatore per la più ampia diffusione potenziale del mercato dei veicoli elettrici.
Soluzione
Negli ultimi 70 anni, l'intelligenza artificiale è stata un campo in rapida crescita e oggi viene applicata in una vasta gamma di applicazioni. L'intelligenza artificiale (AI) svolge un ruolo cruciale nel potenziamento delle iniziative di smart city, offrendo numerosi vantaggi come una migliore distribuzione dell'acqua, una gestione efficiente dell'energia, una migliore gestione dei rifiuti e una riduzione degli ingorghi, del rumore e dell'inquinamento. Gli sforzi principali nello sviluppo delle smart city si sono concentrati sulla generazione di dati e sull'acquisizione di nuove conoscenze sulla natura intricata e dinamica degli ambienti urbani. (H.M.K.K.M.B. & Mittal, 2022). Dal 2008, le città hanno incorporato l'intelligenza artificiale (AI) per migliorare i processi decisionali e contribuire al raggiungimento degli Obiettivi di Sviluppo Sostenibile (SDGs). (Ingwersen & Serrano-López, 2018) Che cos'è l'IA? L'Intelligenza Artificiale (IA) si riferisce allo sviluppo di sistemi informatici in grado di eseguire compiti che tipicamente richiedono l'intelligenza umana, come la percezione visiva, il riconoscimento vocale e l'elaborazione del linguaggio naturale. Le tecnologie di IA coinvolgono varie tecniche, tra cui l'apprendimento automatico, l'apprendimento profondo e l'elaborazione del linguaggio naturale, per consentire alle macchine di apprendere ed eseguire compiti senza una programmazione esplicita. In sostanza, l'intelligenza artificiale (AI) è una tecnologia progettata per generare risultati finalizzati al raggiungimento di un obiettivo specifico. Questo obiettivo è uno scopo ideato dall'uomo e trasformato in un formato matematico. I risultati generati dall'IA possono includere previsioni, suggerimenti o scelte. (OCSE, 2023). I concetti di algoritmo, sistema di IA, ecosistema di IA e IA rappresentano diversi livelli di scala e complessità. Un algoritmo si colloca al livello più dettagliato, agendo come un insieme di istruzioni che trasformano gli input in output. Un sistema di intelligenza artificiale si riferisce a una singola applicazione che elabora input specifici per generare un output unico. Un ecosistema di IA descrive una rete complessa di sistemi di IA interconnessi che comunicano e interagiscono tra loro. Infine, AI è il termine più generale, che comprende l'intero spettro di tecnologie, metodologie e sistemi del settore. (Leal, et al., 2022) Esistono due categorie principali di sistemi di IA: simbolici e statistici. L'IA simbolica opera sulla base di regole e logiche esplicite per giungere a conclusioni, mentre l'IA statistica, al contrario, apprende da schemi nei dati, utilizzando l'induzione piuttosto che la deduzione da regole prestabilite. Ogni metodo ha i suoi punti di forza, a seconda dell'applicazione. Tuttavia, la recente impennata delle capacità dell'IA e la sua adozione diffusa possono essere attribuite principalmente a un sottoinsieme dell'IA statistica chiamato machine learning (ML). (AI per il cambiamento climatico, 2021) L'IA per le città intelligenti I potenziali benefici dell'IA per la pianificazione e la gestione delle città sono molteplici. L'IA offre nuovi strumenti e metodi per l'analisi, la modellazione e la simulazione di sistemi urbani complessi, consentendo di creare città intelligenti più sostenibili, resilienti e vivibili per i cittadini. Monitorando e analizzando i dati, i sistemi di intelligenza artificiale possono fornire raccomandazioni per migliorare l'utilizzo delle risorse, contribuire a ridurre la congestione e migliorare il flusso del traffico, individuare potenziali minacce alla sicurezza, ridurre il consumo energetico, promuovere la riduzione dei rifiuti, ecc. I sistemi basati sull'intelligenza artificiale possono anche fornire servizi personalizzati ai cittadini, come raccomandazioni personalizzate per ristoranti, eventi e attività in base alle loro preferenze. Tuttavia, è importante garantire che l'IA sia implementata in modo responsabile, con particolare attenzione alla trasparenza, alla responsabilità e alla privacy. Queste tecnologie possono comunque fornire analisi accurate, pur rimanendo non invasive. L'implementazione delle tecnologie di IA potrebbe essere fondamentale per superare le sfide sociali, economiche e ambientali a livello mondiale. Sebbene ogni città abbia caratteristiche uniche, le aree urbane sono fondamentali per guidare i cambiamenti della società, soprattutto in termini di progressi digitali. Le città sono centri di aggregazione di persone, occupazione, ricerca, ricchezza e attività ricreative. Offrono un maggiore accesso alle opportunità per un segmento più ampio della popolazione, concentrando al contempo i problemi sociali e le preoccupazioni ambientali. Dato il loro ruolo nelle reti internazionali, i vantaggi e gli svantaggi dell'adozione delle tecnologie di IA hanno implicazioni che vanno ben oltre i loro limiti geografici. (Leal, et al., 2022) Poiché le aree urbane devono affrontare problemi pressanti legati all'allocazione delle risorse, alle complessità della governance, alle disparità socio-economiche e ai rischi ambientali, l'innovazione diventa essenziale per affrontare queste sfide in evoluzione. (Yigitcanlar, et al., 2021). Per massimizzare il potenziale dell'IA per il miglioramento urbano, le amministrazioni comunali devono creare le condizioni per sostenere una crescita sostenibile e inclusiva. La governance dell'IA mira a supervisionare lo sviluppo di queste condizioni, garantendo un approccio equilibrato per sfruttare le opportunità e mitigare i rischi. Limiti dell'IA Nel regno dell'intelligenza artificiale, l'uso responsabile è fondamentale, ma comporta delle sfide intrinseche. Questi sistemi, riflettendo i pregiudizi e le ipotesi presenti nei loro dati di formazione e nella loro progettazione, spesso rispecchiano i pregiudizi della società, influenzando i loro processi decisionali. Questo fenomeno sottolinea la necessità cruciale di vigilare nella fase di sviluppo dell'IA per evitare di codificare presupposti negativi. Inoltre, l'IA non ha la capacità intrinseca di valutare la propria efficacia, operando all'interno di un insieme ristretto di obiettivi predefiniti senza la capacità di giudizio umana. Questa limitazione evidenzia la fallacia di percepire l'IA come capace di pensiero indipendente o imparziale, rendendo necessaria una continua supervisione umana per garantire l'allineamento con i valori più ampi della società. Inoltre, il fondamento dell'IA sui principi matematici ne limita la comprensione a metriche quantificabili, faticando a comprendere le sfumature qualitative che definiscono gli obiettivi umani. In sintesi, queste limitazioni sottolineano la necessità di un'attenta considerazione nella progettazione, nell'implementazione e nella supervisione dei sistemi di IA per garantire che servano a scopi umani senza perpetuare i pregiudizi esistenti o trascurare la complessità dei valori umani. (Leal, et al., 2022) Governance dell'IA L'intelligenza artificiale (IA) non solo riflette pregiudizi intrinseci, ma ha anche un impatto significativo sulle società in base al contesto in cui viene utilizzata. Le amministrazioni locali devono capire come i valori siano integrati nell'IA, orientandone lo sviluppo verso l'inclusività e la sostenibilità. Ciò comporta un'immersione profonda nella governance dell'IA, che non si limita alla supervisione digitale ma include linee guida etiche, regolamenti legali, norme sociali e pratiche. La governance è un concetto ampio, pensato per catturare diverse interpretazioni e concentrarsi sul processo decisionale e sulle interazioni sociali. (Leal, et al., 2022) Nonostante le linee guida nazionali sull'IA, le città si trovano ad affrontare sfide all'interno di un sistema di governance multilivello, evidenziando la necessità di un approccio sfumato che permetta loro di sfruttare le loro posizioni uniche. (Schmitt, 2022) (Taeihagh, 2021) L'IA pone anche problemi di responsabilità, richiedendo quadri solidi per bilanciare rischi e opportunità durante il ciclo di vita dell'IA. Un ostacolo significativo è rappresentato dalla limitata capacità delle città di orientarsi nel panorama della governance dell'IA, a fronte di un'elevata richiesta di specialisti in informatica e IA. Questa sfida può essere affrontata attraverso partnership intersettoriali e un'attenzione particolare allo sviluppo dei talenti locali, garantendo che i valori fondamentali delle città guidino le iniziative di IA verso un futuro più inclusivo e sostenibile. Per questo motivo, la Commissione europea ha sviluppato il primo quadro giuridico sull'IA, l'AI Act. Questa proposta iniziale, elaborata dalla Commissione europea, è stata concepita per fornire chiarezza e indicazioni agli sviluppatori e agli utenti dell'IA, riducendo al minimo gli oneri, in particolare per le piccole e medie imprese (PMI). Gli elementi chiave della proposta comprendevano una struttura di governance a livello europeo e nazionale per affrontare i rischi dell'IA e una classificazione dei sistemi di IA in quattro categorie. Le norme più severe sono state riservate alle pratiche di IA che si ritiene presentino rischi inaccettabili, come il social scoring da parte dei governi. Le applicazioni ad alto rischio, in particolare quelle per le infrastrutture critiche o le forze dell'ordine, sono state sottoposte a rigorosi requisiti pre-commercializzazione, tra cui valutazioni complete del rischio, controllo della qualità dei dati, tracciabilità e supervisione umana obbligatoria. Al contrario, i sistemi di IA a rischio limitato sono stati obbligati a mantenere la trasparenza per consentire interazioni informate con il pubblico, come la chiara identificazione dei contenuti generati dall'IA e la divulgazione dei chatbot. Alle applicazioni meno rischiose, come i videogiochi o i filtri antispam, è stata concessa una maggiore libertà operativa, che riflette il loro utilizzo benevolo in tutta l'UE. Il 6 marzo, questa proposta fondamentale è stata trasformata in legge esecutiva con l'approvazione da parte del Parlamento europeo della Legge sull'Intelligenza Artificiale. La legge, che è stata perfezionata attraverso i negoziati con gli Stati membri a partire dal dicembre 2023, ha ricevuto un forte sostegno da parte degli eurodeputati, passando con 523 voti a favore, 46 contrari e 49 astensioni. La legge ratificata continua a proteggere i diritti fondamentali, la democrazia, lo stato di diritto e la sostenibilità ambientale, mettendoli al riparo dai rischi associati alle tecnologie AI ad alto rischio. L'obiettivo è quello di promuovere l'innovazione e garantire la leadership europea nel campo dell'IA stabilendo obblighi personalizzati in base al livello di rischio e di impatto dei diversi sistemi di IA. La legge vieta specificamente le applicazioni di IA che potrebbero violare i diritti dei cittadini, come la categorizzazione biometrica basata su caratteristiche sensibili, lo scraping indiscriminato di immagini facciali per i database di riconoscimento, il riconoscimento delle emozioni nei luoghi di lavoro e nelle scuole, il social scoring, la polizia predittiva basata sulla profilazione e qualsiasi IA che manipoli il comportamento umano o sfrutti le vulnerabilità. L'uso dei sistemi di identificazione biometrica da parte delle forze dell'ordine, sebbene generalmente vietato, è consentito in circostanze strettamente definite e applicabili, come la localizzazione di una persona scomparsa o la prevenzione di attentati terroristici, nel rispetto di rigorosi vincoli temporali, geografici e di approvazione. I sistemi di IA ad alto rischio sono ora soggetti a obblighi rigorosi per quanto riguarda la valutazione e la mitigazione dei rischi, la trasparenza, la supervisione umana e la registrazione dell'utilizzo. I sistemi di IA generici sono tenuti ad aderire a standard di trasparenza, tra cui il rispetto delle leggi sul copyright dell'UE e la pubblicazione di sintesi dettagliate dei loro contenuti di formazione. Tra le innovazioni degne di nota vi sono l'introduzione di requisiti di etichettatura per i contenuti manipolati, noti come "deepfakes", e l'istituzione di sandbox regolamentari a livello nazionale per favorire lo sviluppo di tecnologie di IA innovative. Nel momento in cui la legge si avvia verso l'adozione formale e l'attuazione, essa incarna i principi e le raccomandazioni della Conferenza sul Futuro dell'Europa, con l'obiettivo di creare una società competitiva, sicura e degna di fiducia con un uso trasparente e responsabile dell'IA, migliorando al contempo l'accessibilità digitale per tutti, compresi i disabili. Questa pietra miliare legislativa segna l'inizio di una nuova era nella governance dell'IA, allineandosi strettamente ai valori e alle ambizioni strategiche europee. (Commissione Europea, 2024). Il ciclo di vita dell'IA Lo sviluppo di un sistema di intelligenza artificiale (AI) è suddiviso in cinque fasi interconnesse che ne delineano l'interazione con l'ambiente esterno. Questo modello aiuta a comprendere l'architettura dell'IA e la sua progressione, promuovendo l'analisi strategica. Le fasi formano un ciclo, ognuna collegata alle altre, che influenza aspetti che vanno dalla creazione dell'algoritmo all'implementazione finale. Fase iniziale Il viaggio inizia con la fase iniziale, incentrata sull'identificazione del problema. Questa fase iniziale getta le basi per il resto, poiché tutto ciò che segue è legato al problema originale identificato. Include valutazioni critiche e l'identificazione di potenziali rischi nell'uso previsto del sistema di intelligenza artificiale. Fase di progettazione La fase di progettazione si concentra sulla pianificazione della struttura dell'algoritmo prima dell'inizio della codifica. Si basa sulle basi gettate nella fase iniziale, prendendo in considerazione le dinamiche del team e il potenziale impatto dell'introduzione dell'IA, come i cambiamenti nelle dinamiche di potere e gli impatti economici. Fase di creazione tecnica La fase di creazione tecnica si sposta sull'aspetto pratico dello sviluppo dell'IA, concentrandosi sulle specifiche dell'algoritmo e sulle decisioni tecniche da prendere. Fase di implementazione Dopo lo sviluppo, la fase di implementazione consente di passare l'algoritmo da un ambiente controllato alla sua applicazione nel mondo reale. Questa fase è fondamentale perché espone l'algoritmo alle complessità dell'ambiente operativo. Fase di manutenzione Infine, la fase di manutenzione si concentra sul periodo successivo all'implementazione del sistema di intelligenza artificiale, fino alla sua dismissione. Questa fase è fondamentale per garantire l'efficacia e la rilevanza dell'algoritmo attraverso aggiornamenti e manutenzioni regolari. Nei contesti urbani, i sistemi di IA funzionano tipicamente all'interno di un ecosistema complesso, che richiede l'identificazione e la gestione proattiva dei rischi. L'integrazione delle fasi di sviluppo dell'IA con i metodi di gestione dei progetti locali offre opportunità strategiche di intervento e adattamento, garantendo che i sistemi di IA siano in linea con le dinamiche e le sfide urbane. (Leal, et al., 2022) Fasi di implementazione delle soluzioni di IA nelle città intelligenti Comprendere la differenza tra IA e ML per le città intelligenti: Inizia con l'istruire le parti interessate sulle sfumature dell'IA e del ML. Comprendere le capacità di queste tecnologie è fondamentale per individuare come possono essere applicate per migliorare la vita urbana, ad esempio attraverso l'ottimizzazione dei flussi di traffico o la manutenzione predittiva delle infrastrutture. Definire le sfide e le opportunità urbane: Identifica chiaramente i problemi o le opportunità specifiche della città che l'IA può affrontare. Poni domande critiche sui risultati desiderati, sugli ostacoli esistenti, sul ruolo dell'IA nel superare queste sfide e sui dati disponibili per supportare questi sforzi. Dare priorità alle iniziative di IA orientate al valore: Seleziona i progetti di IA in base al loro potenziale di fornire benefici tangibili alla città e ai suoi residenti, concentrandoti sugli obiettivi a breve termine. Ad esempio, migliorare l'efficienza dei trasporti pubblici o aumentare la sostenibilità energetica degli edifici pubblici. Valutare le capacità e l'approccio per lo sviluppo dell'IA: Valuta se sviluppare soluzioni di IA internamente, acquistare tecnologie esistenti, collaborare con partner esterni o esternalizzare lo sviluppo, in base alle capacità interne e agli obiettivi strategici della città. Consultare gli specialisti di intelligenza artificiale delle città intelligenti: Rivolgiti a esperti del settore che hanno esperienza nell'applicazione dell'IA negli ambienti urbani. Tra questi potrebbero esserci ricercatori accademici, innovatori del settore privato e tecnologi di altre smart city. Preparare e proteggere i dati urbani: Organizza e pulisci i dati della città per assicurarti che siano pronti per le applicazioni di IA. Investire in solide misure di sicurezza per salvaguardare questi dati, rispettando la privacy e le considerazioni etiche. Iniziare in piccolo e scalare in modo ponderato: Avvia progetti pilota mirati a sfide urbane specifiche per dimostrare il potenziale dell'IA. Utilizza le conoscenze acquisite da questi sforzi iniziali per guidare l'espansione strategica delle applicazioni dell'IA in diversi ambiti urbani. (Majewski, 2023)
Soluzione
I sistemi di teleriscaldamento e teleraffreddamento distribuiscono energia termica sotto forma di vapore, acqua calda o liquidi refrigerati, da fonti di produzione centrali o decentralizzate attraverso una rete a più edifici o siti, per l'utilizzo di riscaldamento o raffreddamento degli ambienti o dei processi. Per ottenere un minore impatto ambientale, i sistemi di teleriscaldamento si basano su una combinazione di calore riciclato e rinnovabile. In seguito all'Accordo di Parigi del 2015 e all'obiettivo dell'UE di ridurre le emissioni di almeno il 40% rispetto ai livelli del 1990 entro il 2030, gli Stati membri hanno intensificato gli sforzi per promuovere il teleriscaldamento e il teleraffreddamento utilizzando fonti di combustibile alternative e tecnologie di produzione di calore a zero emissioni. Questa transizione è impegnativa in quanto il teleriscaldamento fornisce solo il 12% della fornitura di calore dell'UE, con la maggior parte dell'energia prodotta da impianti di cogenerazione alimentati a gas naturale e combustibili solidi come la lignite. Problemi da risolvere Emissioni di carbonio Fornitura di calore poco efficiente Dipendenza dai combustibili fossili Emissioni di gas serra
Soluzione
L'agricoltura mondiale ha un elevato impatto ambientale (30% delle emissioni globali). Ciò è dovuto principalmente alle lunghe catene di approvvigionamento. Attualmente, la distanza media percorsa per i prodotti agricoli è di oltre 2.400 km (Urban Farming in the City of tomorrow, 2018) . Utilizzando un approccio di Urban Farming, questa distanza può essere idealmente ridotta a meno di 10 km. Ciò offre una nuova opzione interessante per un sistema di distribuzione alimentare decarbonizzato. Inoltre, garantire l'approvvigionamento di cibo e risorse in ambito urbano sta diventando sempre più una sfida, soprattutto nelle città fortemente popolate e con un accesso limitato alle aree agricole circostanti. Pertanto, il cibo prodotto nelle aree urbane offre diverse opportunità alle città. Esistono diversi tipi di fattorie urbane, ad esempio differenziate in base al luogo in cui si trovano (tetto, finestra, serra, balcone, container, coltivazione indoor o verticale), in base al metodo di coltivazione (idroponica, aeroponica o misofonica) o in base alle persone che coltivano le piante (fattorie comunitarie, istituzionali, commerciali o personali). Le informazioni che seguono forniscono una panoramica generale, ma si concentrano principalmente sulla coltivazione indoor e verticale.
Soluzione
La maggior parte delle auto rimane parcheggiata per il 90-95% del tempo. Con il passaggio accelerato all'uso di veicoli elettrici (EV), le batterie dei veicoli elettrici offrono un enorme potenziale in termini di utilizzo della loro vasta capacità di accumulo collettivo come soluzione flessibile per supportare la rete, che può essere sottoposta a un carico di energia rinnovabile intermittente. La ricarica bidirezionale dei veicoli elettrici (V2X) si riferisce ai caricabatterie per veicoli elettrici che consentono non solo di caricare la batteria del veicolo, ma anche di prelevare l'energia dalla batteria dell'auto e di restituirla alla rete quando necessario. I principali destinatari dell'energia di un veicolo elettrico sono due: la rete (V2G) e l'elettricità di una casa o di un edificio (V2H). La ricarica bidirezionale crea una maggiore sinergia tra il settore dei trasporti puliti e le fonti di energia rinnovabile, in quanto le batterie delle auto possono immagazzinare l'energia in eccesso creata da fonti rinnovabili variabili, come l'eolico e il solare, per poi fornire energia alla rete o alle abitazioni quando la domanda è alta o la produzione di energia è bassa. In questo modo si riducono le decurtazioni, si riduce la necessità di investire in infrastrutture di rete e si favorisce una maggiore integrazione delle energie rinnovabili. Inoltre, la ricarica V2H può fungere da fonte di energia di emergenza durante le interruzioni di corrente e V2G può fornire ai proprietari dei veicoli un guadagno extra attraverso l'arbitraggio dei prezzi dell'energia variabili nel tempo. Problemi da risolvere Congestione della rete Crescente consumo di energia Generazione fluttuante di energie rinnovabili Picchi irregolari nell'utilizzo dell'energia
Soluzione
Uno spazio pubblico intelligente e connesso raccoglie dati nelle aree pubbliche e li visualizza o reagisce ad essi. I dati possono essere trasferiti in modo sicuro tramite Wi-Fi o altre tecnologie simili, ovvero combinati con un sistema centrale. I dati raccolti con i sensori possono essere dati sulla qualità dell'aria, sui movimenti e sulle persone nello spazio pubblico o informazioni rilevanti per la sicurezza. In questo caso, occorre prestare particolare attenzione al diritto alla privacy, ad esempio utilizzando sensori non intrusivi. I sottoservizi spesso implementati sono hotspot Wi-Fi o segnalatori di guida per la navigazione al buio. I display pubblici possono ad esempio fornire l'accesso a mappe locali, un registro di negozi e servizi o una pianificazione multimodale del percorso. Queste funzioni obbligatorie e aggiuntive dello spazio pubblico intelligente e connesso sono illustrate di seguito. I sensori e le tecnologie utilizzate per realizzare le diverse funzionalità possono essere collegati ai pali dell'illuminazione intelligente e sfruttare l'infrastruttura di base.
Soluzione
La domanda di energia a livello globale è aumentata notevolmente negli ultimi dieci anni e le ragioni sono da ricercare nella crescita economica, nell'aumento della popolazione e nell'industrializzazione dei Paesi in via di sviluppo. Questa domanda di energia deve essere soddisfatta nel modo più stabile e sostenibile possibile, utilizzando le energie rinnovabili (Proton OnSite, 2016 ). La variabilità della produzione di energia elettrica è un fenomeno comune quando si tratta di risorse rinnovabili, come il vento e il sole. Di conseguenza, può verificarsi uno squilibrio tra l'energia generata e i modelli di consumo, responsabile del fatto che l'energia non viene necessariamente prodotta nel momento in cui è necessaria. Inoltre, a causa della produzione decentralizzata e diffusa di energia da fonti rinnovabili, l'energia non viene necessariamente prodotta nei luoghi in cui c'è richiesta. I sistemi di accumulo di energia disaccoppiano la produzione e il consumo di energia e, pertanto, possono aiutare a bilanciare il sistema immagazzinando l'energia disponibile al momento, che non è immediatamente necessaria, per un uso futuro (Distributed Control Methods and Cyber Security Issues in Microgrids, 2020 ). Problemi da risolvere Indiretto grazie a una maggiore integrazione delle energie rinnovabili: Produzione di energia da combustibili fossili Emissioni di carbonio Qualità dell'aria dannosa Dipendenza dai combustibili fossili Direttamente attraverso soluzioni di accumulo: Regolazione della tensione e della frequenza Instabilità della rete Squilibri geografici Riduzione dei picchi Efficienza delle rinnovabili Tasso di utilizzo della produzione rinnovabile
Soluzione
La resilienza è diventata una parola d'ordine nell'ambito della pianificazione urbana come approccio strategico per affrontare la complessità delle sfide che si pongono alle dimensioni naturali, economiche, sociali, fisiche e istituzionali delle città. La resilienza urbana si riferisce alla capacità di un sistema urbano e di tutti i suoi componenti su scale temporali e spaziali di mantenere o tornare rapidamente alle funzioni desiderate di fronte a un disturbo, di adattarsi al cambiamento e di trasformare rapidamente i sistemi che limitano la capacità di adattamento attuale o futura (Meerow, 2016 ). La resilienza richiede un'implementazione ciclica delle fasi di preparazione, risposta, recupero e mitigazione (Mackinnon, 2015 ). Questo approccio ciclico dovrebbe idealmente portare a una città con caratteristiche di resilienza. Le caratteristiche di un sistema resiliente, come suggerito da Arup (2014), sono illustrate e descritte nella figura seguente. Qualità dei sistemi resilienti ( Arup, 2014 ) Flessibile: la capacità del sistema di cambiare, evolversi e adattarsi a circostanze mutevoli attraverso l'introduzione di nuove conoscenze o l'adozione di tecnologie alternative. Ridondante: capacità di riserva creata intenzionalmente all'interno dei sistemi per far fronte a interruzioni, ad esempio un aumento della domanda o pressioni estreme. Se un componente del sistema si guasta, si possono utilizzare altri percorsi per soddisfare le esigenze funzionali essenziali. Robustezza: la capacità di resistere agli impatti di condizioni estreme e di evitare un collasso catastrofico della città a causa del guasto di un singolo elemento, grazie all'anticipazione dei guasti del sistema e alle disposizioni per massimizzare la prevedibilità e la sicurezza. Capacità di risorse: la capacità di trovare rapidamente il modo di soddisfare le esigenze in caso di shock o di stress, ad esempio investendo nella capacità di anticipare le condizioni future, di stabilire le priorità e di mobilitare e coordinare le risorse necessarie (umane, finanziarie e fisiche). Riflessivo: la volontà di accettare risultati imprevedibili e di modificare continuamente gli standard per affrontare in modo appropriato gli shock e gli stress contemporanei. Inclusivo: la volontà di consultare e coinvolgere i membri della comunità, in particolare quelli vulnerabili. Integrato: l'impegno a sostenere reciprocamente un risultato comune attraverso sistemi di feedback continui e la collaborazione tra le diverse scale operative della città.
Soluzione
Secondo la Direttiva sul rendimento energetico degli edifici (EPBD), gli edifici sono responsabili di circa il 40% del consumo energetico e del 36% delle emissioni di CO2 nell'UE. Attualmente, circa il 35% degli edifici dell'UE ha più di 50 anni e quasi il 75% del patrimonio edilizio è inefficiente dal punto di vista energetico. Gli edifici sono quindi il principale consumatore di energia in Europa e hanno un enorme potenziale di miglioramento dell'efficienza energetica. Attualmente, solo l'1% circa del patrimonio edilizio viene ristrutturato ogni anno. La ristrutturazione degli edifici esistenti può essere responsabile di un notevole risparmio energetico, in quanto potrebbe ridurre il consumo energetico totale dell'UE del 5-6% e le emissioni di CO2 di circa il 5%. Un modo per aumentare l'efficienza energetica degli edifici è quello di implementare un sistema di gestione energetica degli edifici (BEMS). I BEMS sono sistemi centralizzati basati su computer che forniscono un monitoraggio in tempo reale e un controllo integrato dei servizi e delle apparecchiature dell'edificio per ottimizzare l'uso dell'energia. In genere controllano l'illuminazione, l'energia elettrica, l'acqua calda e i sistemi HVAC (riscaldamento, ventilazione e condizionamento). Il sistema monitora le informazioni ricevute dai vari sensori presenti nell'edificio (contatori intelligenti, sensori di occupazione, di temperatura, di anidride carbonica e di umidità, ecc. Questi sistemi possono essere utilizzati anche per migliorare la salute e la sicurezza degli abitanti, controllando e monitorando l'ambiente, le risposte alle emergenze e i programmi di manutenzione regolare. La tecnologia può essere applicata sia agli edifici residenziali che a quelli commerciali e a scale diverse, da piccoli edifici indipendenti a siti complessi con più edifici. (Commissione Europea) Problemi da risolvere Consumo di energia Costo dell'energia Emissioni di gas serra Interruzioni di corrente