Modello di simulazione basato sull’intelligenza artificiale per il posizionamento ottimale di micro-hub e stazioni di ritiro per biciclette da carico

Screenshot dell'app "Location Finder" con un pannello di controllo a sinistra (selezione della città, risoluzione, selezione delle caratteristiche e pulsanti di azione) e una mappa della città di Lipsia a destra. Etichette aggiuntive spiegano le funzioni e una scala cromatica mostra le categorie di valutazione.
Screenshot dell'app "Location Finder" con un pannello di controllo a sinistra e una mappa dei risultati codificata a colori a destra. Il pannello mostra i criteri selezionati con i relativi pesi, mentre sulla mappa è selezionato un esagono che visualizza dati dettagliati sulla posizione in un popup.
Screenshot dell'app "Location Finder" con un pannello di selezione a sinistra (città di Merano selezionata, criteri con pesi) e una mappa codificata a colori a destra che usa esagoni per mostrare l'idoneità delle diverse aree.
Sezione di mappa con analisi a esagoni codificata a colori intorno a Merano. Un popup aperto mostra dati dettagliati di valutazione e localizzazione per un'area selezionata.

A chi è destinato lo strumento?

A chi è destinato?

• Autorità urbane
• Fornitori di servizi logistici
• Rivenditori

Tipo di soluzione

Tipo di soluzione

• Basato su software
• Infrastruttura

Obiettivo

Obiettivo

• Accessibilità fin dalla progettazione

Livello di maturità

• Pilota

Perché viene utilizzato?

  • La pianificazione urbana intende individuare potenziali localizzazioni prive di barriere nelle aree urbane periferiche per determinate strutture.
  • Un fornitore di servizi logistici urbani intende individuare potenziali localizzazioni per un micro-hub o un punto di ritiro accessibile in un’area periferica.

Come viene utilizzato lo strumento dai destinatari?

  • Individuazione dei problemi nelle aree urbane periferiche (D2.1, D2.2, D2.3)
  • Individuazione delle fonti di dati aperti disponibili
  • Individuazione delle esigenze dei clienti

Quale problema viene risolto?

L’obiettivo è sviluppare un modello di supporto alle decisioni orientato all’utente e basato sulla simulazione, con un focus sulle aree scarsamente popolate e sull’accessibilità.

Link a ulteriori informazioni

Quali partner hanno sviluppato lo strumento?

Università di Lipsia, Logistics Living Lab

Come è stato sviluppato lo strumento?

  • Individuazione dei problemi nelle aree urbane periferiche (D2.1, D2.2, D2.3) 
  • Individuazione delle fonti di dati aperti disponibili
  • Individuazione delle esigenze dei clienti
Torna alla panoramica
Torna in alto