The chapter questions on how translating and adapting to the inner Italian areas experiments on sustainable mobility originally conducted in small to medium-sized cities. The study is framed within the context of the Green Deal challenges and advocates for a comprehensive, user-centric approach that strikes a balance between technological innovation and the local users’ needs understanding. Despite their inability to address the structural weaknesses of inner regions, small-scale experiments play a pivotal role in tackling numerous transport services challenges. A main National Strategy for Internal Areas (SNAI) gap is the absence of specific references to users’ characteristics and mobility needs in evaluation metrics on sustainable mobility. There are several novel bottom-up approaches, which could potentially provide solutions for sustainability. The Demand-Responsive Transport is a potential game-changer by allowing public and private operators to integrate their services with new offers. However, to integrate the services it demands for AI usually not designed for the local context. This approach underscores the importance of contextualizing AI systems within the specific socio-cultural and economic realities of the regions in which they are deployed.

Il contributo si interroga su come tradurre e adattarsi alle aree interne italiane sperimentazioni sulla mobilità sostenibile originariamente condotte in città di piccole e medie dimensioni. Lo studio si colloca nel contesto delle sfide del Green Deal e sostiene un approccio globale e incentrato sull'utente che trovi un equilibrio tra l'innovazione tecnologica e la comprensione delle esigenze degli utenti locali. Nonostante la loro incapacità di affrontare le debolezze strutturali delle regioni interne, gli esperimenti su piccola scala svolgono un ruolo fondamentale nell'affrontare numerose sfide dei servizi di trasporto. Una delle principali lacune della Strategia Nazionale per le Aree Interne (SNAI) è l'assenza di riferimenti specifici alle caratteristiche degli utenti e alle esigenze di mobilità nelle metriche di valutazione sulla mobilità sostenibile. Esistono diversi nuovi approcci dal basso verso l'alto, che potrebbero potenzialmente fornire soluzioni per la sostenibilità. Il trasporto su richiesta è un potenziale punto di svolta, in quanto consente agli operatori pubblici e privati di integrare i loro servizi con nuove offerte. Tuttavia, per integrare i servizi che richiede all'IA di solito non è progettato per il contesto locale. Questo approccio sottolinea l'importanza di contestualizzare i sistemi di IA all'interno delle specifiche realtà socio-culturali ed economiche delle regioni in cui sono implementati.

Aree interne italiane e trasporto ‘Demand-Responsive’

Giuseppe Pace
2024

Abstract

The chapter questions on how translating and adapting to the inner Italian areas experiments on sustainable mobility originally conducted in small to medium-sized cities. The study is framed within the context of the Green Deal challenges and advocates for a comprehensive, user-centric approach that strikes a balance between technological innovation and the local users’ needs understanding. Despite their inability to address the structural weaknesses of inner regions, small-scale experiments play a pivotal role in tackling numerous transport services challenges. A main National Strategy for Internal Areas (SNAI) gap is the absence of specific references to users’ characteristics and mobility needs in evaluation metrics on sustainable mobility. There are several novel bottom-up approaches, which could potentially provide solutions for sustainability. The Demand-Responsive Transport is a potential game-changer by allowing public and private operators to integrate their services with new offers. However, to integrate the services it demands for AI usually not designed for the local context. This approach underscores the importance of contextualizing AI systems within the specific socio-cultural and economic realities of the regions in which they are deployed.
2024
Istituto di Ricerca su Innovazione e Servizi per lo Sviluppo - IRISS
978-88-8080-629-5
Il contributo si interroga su come tradurre e adattarsi alle aree interne italiane sperimentazioni sulla mobilità sostenibile originariamente condotte in città di piccole e medie dimensioni. Lo studio si colloca nel contesto delle sfide del Green Deal e sostiene un approccio globale e incentrato sull'utente che trovi un equilibrio tra l'innovazione tecnologica e la comprensione delle esigenze degli utenti locali. Nonostante la loro incapacità di affrontare le debolezze strutturali delle regioni interne, gli esperimenti su piccola scala svolgono un ruolo fondamentale nell'affrontare numerose sfide dei servizi di trasporto. Una delle principali lacune della Strategia Nazionale per le Aree Interne (SNAI) è l'assenza di riferimenti specifici alle caratteristiche degli utenti e alle esigenze di mobilità nelle metriche di valutazione sulla mobilità sostenibile. Esistono diversi nuovi approcci dal basso verso l'alto, che potrebbero potenzialmente fornire soluzioni per la sostenibilità. Il trasporto su richiesta è un potenziale punto di svolta, in quanto consente agli operatori pubblici e privati di integrare i loro servizi con nuove offerte. Tuttavia, per integrare i servizi che richiede all'IA di solito non è progettato per il contesto locale. Questo approccio sottolinea l'importanza di contestualizzare i sistemi di IA all'interno delle specifiche realtà socio-culturali ed economiche delle regioni in cui sono implementati.
Sustainable Mobility, Inner Italian Areas, User-Centric Approach, Demand-Responsive Transport (DRT), Contextualized AI Systems
Mobilità sostenibile, Aree interne italiane, Trasporto Demand-responsive (DRT), Sistemi di intelligenza artificiale contestualizzati
File in questo prodotto:
File Dimensione Formato  
8_Pace_compressed-1.pdf

accesso aperto

Descrizione: Estratto Capitolo
Tipologia: Versione Editoriale (PDF)
Licenza: Creative commons
Dimensione 831.73 kB
Formato Adobe PDF
831.73 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14243/513985
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact