Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
Every morning, everyone wants to travel into the city center. Every afternoon, the flow reverses. For a self-driving taxi fleet, that means empty cars driving to wherever the next passengers wait, and electric cars must also stop to recharge. Researchers at Chalmers University of Technology in Sweden have now developed an optimization method built for this problem at the scale of a whole city, one that keeps working when traffic does not behave as forecast.
Ogni mattina tutti vogliono raggiungere il centro città. Ogni pomeriggio il flusso si inverte. Per una flotta di taxi autonomi questo significa auto vuote che percorrono tratti fino al punto in cui attendono i passeggeri successivi, e le auto elettriche devono anche fermarsi per ricaricarsi. I ricercatori della Chalmers University of Technology, in Svezia, hanno ora messo a punto un metodo di ottimizzazione pensato per questo problema su scala di un'intera città, capace di funzionare anche quando il traffico non si comporta come previsto.
The stakes are real. According to a report cited by the researchers, large-scale shared, self-driving electric passenger transport can reduce an individual's cost per trip by up to 60% compared with traditional taxis, while also cutting emissions per trip significantly. The gain depends on the fleet being managed well. Without efficient control, the researchers note, the mismatch between available taxis and demand can increase waiting times and queue lengths, and worsen urban congestion. As lead author Sten Elling Tingstad Jacobsen puts it, "where and how long to charge is a difficult question."
La posta in gioco è concreta. Secondo un rapporto citato dai ricercatori, un trasporto passeggeri elettrico, condiviso e autonomo su larga scala può ridurre il costo per corsa fino al 60% rispetto ai taxi tradizionali, abbattendo al tempo stesso in modo significativo le emissioni per corsa. Il vantaggio dipende da una gestione efficace della flotta. Senza un controllo efficiente, osservano i ricercatori, lo squilibrio tra taxi disponibili e domanda può aumentare i tempi di attesa e la lunghezza delle code, e aggravare la congestione urbana. Come spiega il primo autore Sten Elling Tingstad Jacobsen, «dove e per quanto tempo ricaricare è una domanda difficile».
The method combines two tools. Bayesian neural networks, a machine learning technique, forecast travel demand and charger availability in each part of the city, using historical taxi trip data from San Francisco and Chicago. Unlike many machine learning models, they also estimate how uncertain their own predictions are, which helps when real travel patterns differ from forecasts, for example during unusual weather. A transparent optimization model, with clearly defined goals and constraints, then decides where vehicles go and when they charge. The AI supports those decisions rather than making them on its own. To keep the calculation tractable, the problem is split into smaller parts that are solved separately and then combined. Jacobsen says the result is "very close to optimum while remaining computationally practical."
Il metodo combina due strumenti. Reti neurali bayesiane, una tecnica di apprendimento automatico, prevedono la domanda di viaggi e la disponibilità di colonnine di ricarica in ogni zona della città, a partire dai dati storici delle corse in taxi a San Francisco e Chicago. A differenza di molti modelli di apprendimento automatico, stimano anche quanto siano incerte le proprie previsioni, il che è utile quando i flussi reali di spostamento si discostano dalle stime, ad esempio con un meteo insolito. Un modello di ottimizzazione trasparente, con obiettivi e vincoli chiaramente definiti, decide poi dove andranno i veicoli e quando ricaricarsi. L'IA supporta quelle decisioni invece di prenderle da sola. Per rendere il calcolo gestibile, il problema viene suddiviso in parti più piccole, risolte separatamente e poi ricomposte. Jacobsen afferma che il risultato è «molto vicino all'ottimo, pur restando computazionalmente praticabile».
What distinguishes the work, according to Jacobsen, is that it explicitly accounts for the uncertainties of a large city and optimizes fleet operations accordingly, and that the framework was developed and tested for different types of vehicles. The study compares three electric vehicle types with different battery sizes and energy efficiency, and examines how those differences affect fleet performance and service availability. The team also investigates deep reinforcement learning, a form of AI that learns through interaction, as a way to make decisions in real time. The announcement does not give a figure for the method's gains over other planning approaches, and it does not say when it could be used outside the study.
Secondo Jacobsen, ciò che distingue il lavoro è che tiene esplicitamente conto delle incertezze di una grande città e ottimizza di conseguenza la gestione della flotta, e che il sistema è stato sviluppato e testato per diversi tipi di veicoli. Lo studio confronta tre tipi di veicoli elettrici con diverse capacità delle batterie ed efficienza energetica, e analizza come tali differenze incidano sulle prestazioni della flotta e sulla disponibilità del servizio. Il team esplora anche l'apprendimento per rinforzo profondo, una forma di IA che impara attraverso l'interazione, come strumento per decidere in tempo reale. L'annuncio non fornisce una cifra sui vantaggi del metodo rispetto ad altri approcci di pianificazione e non dice quando potrebbe essere utilizzato al di fuori dello studio.
For fleet operators and city planners, the practical gain would be fewer empty trips and fewer cars stuck waiting, if the method holds up beyond historical data. Autonomous taxi services already run in several cities in the United States and China, where managing large fleets in complex traffic remains difficult. Balázs Kulcsár, the professor who supervised the study, says the aim is more reliable and trustworthy autonomous mobility. Whether that reaches everyday service depends on tests the research does not yet report.
Per gli operatori di flotte e i pianificatori urbani, il vantaggio pratico sarebbe meno corse a vuoto e meno auto ferme in attesa, se il metodo reggerà oltre i dati storici. I servizi di taxi autonomi funzionano già in diverse città degli Stati Uniti e della Cina, dove gestire grandi flotte nel traffico complesso resta difficile. Balázs Kulcsár, il professore che ha supervisionato lo studio, afferma che l'obiettivo è una mobilità autonoma più affidabile e degna di fiducia. Se ciò si tradurrà in un servizio quotidiano dipende da test che la ricerca non riporta ancora.