ACCENTURE – Insieme a Toyota per migliorare i servizi pubblici attraverso i big data

L’intelligenza artificiale migliora i trasporti e fa aumentare gli introiti

Dalla collaborazione tra Accenture e Toyota è stato messo a regime un servizio legato a domanda e offerta dei taxi. Grazie all’Intelligenza Artificiale sono stati sviluppati degli algoritmi in grado di predire la domanda di corse dei taxi nella città di Tokyo con una attendibilità superiore al 94%. I risultati hanno portato enormi vantaggi agli utenti perché si sono ridotti i tempi di attesa e i tassisti sono riusciti ad essere più efficienti, andando a posizionarsi nelle zone dove c’era maggiore domanda. Con un aumento degli introiti del 20%.

Trasporto pubblico e big data: in cosa si traduce questo binomio?
Il trasporto pubblico è sicuramente una delle aree che maggiormente può trarre vantaggio dall’utilizzo dei big data. Questo perché la domanda e l’offerta di servizi di mobilità, e il loro efficiente incrocio, sono influenzate da un’ampia serie di fattori di per sé completamente slegati tra loro e quindi molto più difficili da prevedere in modo semplice e lineare con modalità tradizionali.

Spieghiamo con aspetti pratici cosa significhi utilizzare i big data per migliorare i servizi di trasporto pubblico.
L’esempio dell’esperimento condotto da Accenture e Toyota, per l’allocazione dei taxi a Tokyo, ci consente di spiegare la cosa in termini molto semplici e pratici. Chiunque di noi sa che è più difficile trovare un taxi negli orari in cui chiudono uffici e negozi: basta prendere la domanda storica ed analizzarla spacchettata per giorno ed orario; avremo una previsione che in linea di massima è indicativa. Ma nella realtà quotidiana delle nostre città, intervengono variabili impreviste che possono cambiare in modo radicale la situazione (si pensi a pioggia o neve, a uno sciopero dei mezzi pubblici o a un concerto) rendendo estremamente complessa la previsione e rischiando di creare disservizi e ritardi. L’AI ci consente di creare algoritmi che prendono in considerazione un insieme molto più vasto di dati e che “apprendono” man mano che vengono utilizzati: sono quindi in grado di predire la domanda con molta più affidabilità e precisione. Nel caso di Tokyo, la città è stata segmentata in quadrati di 500 metri di lato e, per ognuno di questi, l’algoritmo è stato in grado di fornire una previsione della domanda in tempo reale. Il risultato finale è stato di un’accuratezza superiore al 94%.

Quale impatto ha avuto l’esperimento in termini economici? E i vantaggi per gli utenti?
I vantaggi per gli utenti sono chiaramente legati alla riduzione del tempo di attesa: quanto più la previsione di domanda è precisa, tanto più l’offerta può essere allineata ed efficace. A questo si sommano benefici legati al lato dell’offerta: i tassisti riescono ad essere più efficienti, andando a posizionarsi nelle zone dove c’è maggiore domanda, quindi di fatto massimizzano i loro ricavi durante un turno. A Tokyo i tassisti che hanno aderito al servizio hanno ottenuto un aumento degli incassi di oltre il 20%, più del doppio rispetto all’incremento medio del mercato. Infine, il sistema produce anche delle ricadute positive dal punto di vista ambientale, grazie alla riduzione dell’inquinamento generato da taxi che girano scarichi.

Quali sono i rischi in termini di sicurezza?
Nel caso specifico di Tokyo, non vedo rischi o “controindicazioni”, dal momento che si sfruttano serie storiche di dati pubblici. È chiaro che, allargando la prospettiva all’utilizzo di AI e big data nel mondo del trasporto, siamo davanti a un classico trade off relativo a dati personali e tutela della privacy. Quanto più si analizzano ed utilizzano dati sensibili (ad esempio indirizzo di casa e di lavoro, agenda, contatti, etc.), tanto più si può migliorare la precisione e l’accuratezza dei servizi di trasporto, arrivando ad immaginare una vera concierge personalizzata per ogni individuo. Ma questo implica mettere a disposizione dei provider i nostri dati personali e acconsentire al trattamento e all’analisi, non necessariamente limitata a questo specifico servizio. E in qualche modo vuol dire esporre i nostri dati al rischio di vulnerabilità dei database dei provider stessi.