Senza dati, siamo solo opinioni: la lezione di Trento con Smart Control Room

Una città che sceglie di sapersi governare: il progetto Smart Control Room per la mobilità

Ogni città si confronta quotidianamente con sfide che sembrano semplici in apparenza, ma che celano complessità immense: come fluidificare il traffico, garantire posti auto, promuovere la mobilità leggera, interpretare i flussi di cittadini per servire meglio i loro bisogni. Trento, una città di circa 120 mila abitanti nel cuore delle Alpi italiane, ha deciso di affrontare queste domande con uno strumento che molte amministrazioni pubbliche ancora ignorano o trascurano: i dati, intesi non come numeri astratti, ma come materia prima per il governo intelligente del territorio. Ciò che emerge dalla strategia innovativa sviluppata dall’Amministrazione comunale trentina è un insegnamento che va ben oltre la mobilità: la trasformazione digitale vera non è una questione di tecnologia, ma di visione, organizzazione e, soprattutto, di coraggio nel cambiare il modo in cui si prende decisioni.

Il progetto, denominato dapprima “Gestione Integrata Dati Mobilità” e ora “Smart Control Room”, avviato all’inizio del 2024, rappresenta il culmine di una riflessione decennale e di una determinazione politico-amministrativa che ha imparato a trasformare la frustrazione in azione. Per realizzare questa iniziativa lavora l‘Ing. Adamo Ferro, nominato dall’Amministrazione come responsabile del progetto e capo ufficio presso il Comune di Trento. Una figura che incarna il ruolo cruciale che professionisti visionari giocano all’interno della pubblica amministrazione: non semplici esecutori di procedure, ma architetti a supporto della trasformazione organizzativa.

La storia di un’idea: dal prototipo alla visione strategica

Tutto inizia con il Progetto Stardust (2020-2021), un’iniziativa finanziata dall’Unione Europea che aveva creato un primo prototipo di quella che gli addetti ai lavori chiamano Smart Control Room (SCR): essenzialmente, una “centrale di controllo virtuale” in grado di raccogliere, analizzare e fare previsioni sui dati della città.
All’epoca, era una “bandiera” per l’amministrazione trentina, un simbolo della volontà di innovare, che ha dimostrato la sua validità supportando alcune decisioni nel campo della mobilità come le politiche sui monopattini. Tuttavia, a causa di alcune questioni organizzative in concomitanza con la fine del progetto europeo, l’iniziativa raggiunse un punto di stallo. La SCR rimase un’entità incompiuta, con un grande potenziale purtroppo inespresso.

Ma invece di accettare la sconfitta, il Comune fece qualcosa di più intelligente: imparò.

Nel biennio 2022-2023, il Comune istituì un Gruppo Dati trasversale, coordinato proprio dall’Ing. Ferro, che riprese in mano il tema con metodologia rigorosa. Non procedettero ciecamente verso la soluzione tecnologica più sofisticata; piuttosto, condussero una review completa sui tre fronti che contano davvero: quali dataset possedevano, quali tecnologie esistevano sul mercato, e come era organizzata effettivamente l’amministrazione nel gestire l’informazione.

Parallelamente, il team studiò le best practice di circa dieci comuni virtuosi, molti dei quali europei: Amsterdam, Barcellona, altre città che avevano già intrapreso percorsi simili.

Da questo lavoro assunse ancora più importanza una consapevolezza che divenne il filo rosso del progetto: “Senza dati, sei solo un’altra persona con un’opinione” – la celebre massima di William Edwards Deming, il padre della gestione della qualità.

Non è una frase vuota; è il riconoscimento che le emozioni, le intuizioni, le consuetudini possono dominare le decisioni pubbliche se non vengono controbilanciati da informazioni solide. Una città che non sa cosa accade veramente nelle sue strade, nei suoi parcheggi, sui mezzi pubblici, è una città che naviga al buio, prendendo decisioni su base opinioni prevalenti, non su evidenze.

L’archittettura: quattro pilastri in equilibrio

Quando si parla di un progetto di “smart city” o di “smart mobility”, la tentazione è immediatamente dirigersi verso il fascino della tecnologia: sensori sofisticati, algoritmi di machine learning, piattaforme cloud all’avanguardia. E sì, tutto questo c’è nel progetto di Trento. Ma prima di parlare degli strumenti, l’Ing. Ferro ha identificato un principio architetturale che merita di stare al centro di qualsiasi valutazione: la SCR si fonda su quattro elementi in perfetto equilibrio: Esigenze, Organizzazione, Piattaforma e Dati. Se uno di questi tasselli si inclina, “cade tutto”.

Questo è insegnamento profondo. Molti progetti IT falliscono precisamente perché sovrastimano la rilevanza della piattaforma tecnologica. Si investe miliardi in sistemi sofisticati, ma se l’organizzazione interna non è pronta, se i dati non sono puliti e affidabili, se non c’è chiarezza sulla vera esigenza da risolvere, il sistema rimane un carcere di acciaio: bellissimo esteticamente, ma sterile nei risultati.

Nel caso di Trento, gli obiettivi sono precisi e misurabili:

1. Il governo della mobilità basato sui dati: non guidare a intuito, ma con il supporto dell’informazione;
2. Informare i cittadini in tempo quasi-reale: soprattutto sull’occupazione dei parcheggi in struttura, una delle frustrazioni maggiori della vita urbana;
3. Creare le condizioni per il “what-if“: cioè, poter simulare gli effetti di una chiusura stradale, di una modifica al traffico veicolare, prima di implementarla realmente.

Il terzo punto è particolarmente sofisticato. Non si tratta di leggere il passato – cosa che molte dashboard fanno – ma di immaginare il futuro: quali sarebbero gli effetti sulla congestione se chiudessimo via X per i lavori? Quali le conseguenze sulla mobilità leggera? Questo tipo di capacità previsionale richiede dati solidi, modelli di traffico calibrati, e una piattaforma che possa integrarli. È il coronamento della visione data-driven: dal “cosa è accaduto?” al “cosa accadrà se?”.

Quali dati, chi li genera, come si parlano

Se la piattaforma è il cuore tecnico del progetto, i dati sono il sangue che la nutre. E qui inizia una storia affascinante di integrazione che rivela quanto sia complesso governare veramente una città contemporanea.

Il Comune di Trento non opera in isolamento; fa parte di un ecosistema di organizzazioni che producono e gestiscono dati sulla mobilità: Trentino Trasporti (il gestore del trasporto pubblico locale), la Provincia Autonoma di Trento, Trentino Mobilità (la società che gestisce gli stalli di parcheggio), l’Università di Trento (che produce flussi di traffico e ha parcheggi propri). Ogni attore possiede silos informativi diversi, con diversi formati, diverse API, diverse logiche di gestione.

La responsabilità dell’Ing. Ferro è uniformare tutte queste sorgenti, nascondere la complessità tecnica (API, JSON parsing) agli utenti finali, e – qui sta il vero valore – abilitare l’incrocio tra dati diversi. Non è lavoro di routine; è lavoro di integrazione intelligente, dove una decisione sbagliata sulla semantica di un dato (ad esempio: come definiamo un “parcheggio occupato”?) può propagarsi errori in cascata.

I dataset integrati finora si articolano in diverse categorie:

Sosta e parcheggi

Il Comune monitora complessivamente circa 2.500 posti auto in struttura e 1.300 su strada, oltre a quasi 450 parcheggi bici protetti, distribuiti su tutta la città. I dati provengono da sistemi di gestione diversi (sia in termini di tecnologie che di modalità di accesso ai dati stessi). Oltre al semplice “occupato/libero“, il sistema raccoglie dati sui pagamenti ai parcometri e in alcuni parcheggi in struttura: tipo di pagamento, durata della sosta. Sono informazioni granulari che permettono, ad esempio, di capire se una zona è congestionata da traffico transitorio o da auto parcheggiate a lungo termine.

Trasporto Pubblico Locale (TPL)

Il sistema integrerà nel breve termine la posizione in tempo reale degli autobus, i ritardi accumulati, e i dati aggregati sui passeggeri (saliti e titoli di viaggio utilizzati). Ma qui emerge un aspetto critico che l’Ing. Ferro sottolinea con cura: questi dati sono raccolti primariamente per uso interno – cioè, per monitorare la qualità del servizio offerto nella città di Trento ed analizzare situazioni e zone che potrebbero tradursi, ad esempio, in interventi sulla viabilità – non per informare il cittadino in real-time.

Risulta inoltre fondamentale conoscere il dato che si raccoglie. Ad esempio, i dati sulle timbrature dei passeggeri può essere usato solo come “proxy” per stimare il livello di riempimento degli autobus ma non come il numero esatto di passeggeri trasportati. È noto, infatti, che, soprattutto in orario di punta, non tutti i passeggeri timbrano il biglietto, quindi i numeri sono distorti verso il basso. È un aspetto che molti ignorerebbero, ma che è essenziale comunicare a chi interpreta i dati. Altrimenti, si può facilmente indurre in errore se non si sa che il dato ha un “undercounting” sistematico.

Mobilità leggera

Una delle dimensioni emergenti della mobilità urbana contemporanea è il conteggio di pedoni e biciclette. Trento sta implementando sistemi sofisticati basati telecamere con analisi video, distribuiti su circa 12 ciclabili (in aumento a 20). Inoltre, il sistema integra dati di noleggio e percorsi dei monopattini e il bike sharing provinciale. C’è anche un indice complesso chiamato Indice di Stress Ciclabile, calcolato sulla base di dati OpenStreetMap e traffico storico (non in tempo reale), che permette di identificare quali tratti della rete ciclabile sono più pericolosi o stressanti per chi li percorre.

Traffico veicolare

Da circa 600 punti di misura sparsi nella città, il sistema raccoglie dati sui transiti veicolari (velocità, volume, tipo di veicolo). Si integrano inoltre informazioni sulla congestione (da sorgenti esterne come l’app HERE WeGo), e si sta valutando la messa a disposizione di allarmi in tempo reale per la centrale dei vigili urbani quando si verifica un incidente o un blocco del traffico. Questi ultimi dati sono critici per la sicurezza e la fluidità della circolazione.

Dati contestuali e spostamenti

Qui il progetto raggiunge un livello di sofisticazione particolare. Il Comune ha accesso a stime delle presenze uniche sul territorio comunale per fascia oraria, ottenute attraverso dati anonimizzati provenienti dalle celle telefoniche e proiettate al 100% della popolazione (tecnica di data scientist avanzata). Questo permette di capire quando la città è “più piena”, dove si muovono i flussi di persone, come cambiano i pattern con il variare dei giorni della settimana, delle stagioni e in concomitanza di eventi.

Il sistema integra anche matrici Origine/Destinazione (O/D), cioè mappature che mostrano la provenienza e la destinazione delle persone che entrano ed escono dalla città, permettendo di monitorare gli ingressi/uscite dal territorio. Infine, dati meteo in tempo reale completano il quadro, perché la pioggia, il freddo, i giorni nuvolosi possono influire sul comportamento di mobilità della popolazione.

La sfida: dove la tecnologia fallisce se non accompagnata dall’uomo

Se la parte tecnica e infrastrutturale del progetto è impressionante, la vera sfida – quella che l’Ing. Ferro affronta quotidianamente – è di natura organizzativa e politica.

Formalmente, l’Ing. Ferro ha operato come Responsabile di Progetto e ora come Capoufficio all’interno della struttura comunale. Per due anni il suo progetto era composto solamente da lui, mentre ora a seguire la SCR vi sono due ulteriori collaboratori. Questo non significa che abbia lavorato da solo; significa che il suo ruolo è di coordinamento trasversale, coinvolgendo figure di riferimento negli uffici IT, negli uffici tecnologici, e nella divisione Mobilità.

È un modello classico dei progetti trasversali in piccole-medie amministrazioni: non hai una squadra dedicata, ma devi orchestrare le competenze sparse nell’ente.

L’Ing. Ferro ha un background di Ingegnere delle Telecomunicazioni con dottorato di ricerca, oltre a 14 anni di esperienza al Comune di Trento. Questo gli dà una profonda conoscenza delle infrastrutture di rete e di campo del Comune. Ma questo background tecnico, per quanto solido, rappresenta solo il prerequisito. La vera sfida è fare comprendere a organizzazioni esterne al Comune – Trentino Mobilità, la Provincia, l’Università di Trento – l’importanza di investire risorse proprie per adeguare i loro sistemi e fornire i dati in modo continuativo e affidabile.

“La complessità maggiore non è tecnica, è umana. È fare capire ai partner che devono investire nelle loro infrastrutture dati, non è gratis.” – Ing. Adamo Ferro

Questa è un’osservazione che rivela una dinamica spesso nascosta nei progetti smart city: il costo tecnico della piattaforma centrale è significativo ma gestibile. Il costo vero, però, è la somma di tutti i piccoli investimenti che ogni attore deve fare per conformarsi, per adeguare i propri sistemi, per garantire qualità e continuità dei dati.

Se l’Università di Trento deve modificare il proprio sistema di gestione parcheggi per fornire i dati in modo standardizzato, se Trentino Trasporti deve aggiornare i propri server per esporre le API in tempo reale, tutti questi costi si sommano.

In alcuni casi, come per il parcheggio universitario, il Comune ha pagato direttamente lo sviluppo necessario per ottenere i dati. Altre volte, è stato il fornitore ad adeguarsi oppure la negoziazione è più complessa. Ma qui emerge un possibile punto di fragilità del progetto: per certi ambiti non esistono ancora contratti o accordi formali con i fornitori che garantiscano la continuità e la qualità dei dati, con SLA (Service Level Agreement) definiti. Dimostrata la fattibilità tecnica con le attività degli ultimi due anni, il nuovo ufficio Smart Control Room si occuperà anche di facilitare la risoluzione di queste problematiche, già sottoposte all’analisi della Direzione Generale e della Giunta comunale. L’obiettivo quindi è quello di adeguare gli accordi in essere, coprire i costi di manutenzione interni, e continuare la creazione di una governance che sostenga la continuità del progetto.

Senza questa visione politica, il rischio è che il progetto rimanga sospeso fra l’eccellenza tecnica e l’improvvisazione organizzativa. E improvvisazione significa fragilità: appena un attore esterno decide di non cooperare, il sistema perde pezzi e inizia a deteriorarsi.

La strategia dell’appetito: dimostrare valore per evolvere

Come ha sintetizzato l’Ing. Ferro, la strategia sottesa a questo progetto e condivisa con la parte politica è riassunta nella massima popolare: “l’appetito vien mangiando“.

Non si tratta di lanciare un mega-progetto che tocchi contemporaneamente la mobilità, l’ambiente, i consumi; è di iniziare con un ambito limitato, farlo bene, dimostrare il valore, e poi allargare il raggio.

Nel nostro caso, il pilota è la mobilità. Se la piattaforma funziona, se dimostra di poter essere usata per prendere decisioni più consapevoli e efficaci, se i cittadini percepiscono benefici concreti (ad esempio, trovano più facilmente un parcheggio grazie alle informazioni in tempo reale), allora sarà più facile estendere il modello ad altri ambiti.

Questa è una lezione di pragmatismo amministrativo. Spesso i grandi progetti fracassano perché cercano di fare tutto insieme, con budget limitato e senza certezza di fattibilità. Invece, una strategia iterativa e dimostrativa – prova, impara, espandi – ha probabilità di successo molto maggiori.

Inoltre, il successo del progetto pilota sulla mobilità potrà portare all’integrazione di uno strumento sofisticato che non è ancora nella disponibilità del Comune: un modello di traffico dedicato che si interfacci con la base dati solida fornita da Mindicity.

Questo modello di traffico permetterebbe di eseguire i già menzionati scenari di “what-if”: chiudo questa strada, cosa succede al traffico generale? Posso deviare il flusso veicolare verso alternative? Che impatto ha sulla mobilità ciclabile? Queste domande non si possono risolvere con i soli dati storici; serve un modello matematico sofisticato che simuli le dinamiche di traffico.

In contesto europeo, ci sono esempi di città che hanno integrato modelli di traffico avanzati con piattaforme di raccolta dati. Amsterdam, ad esempio, ha sviluppato sistemi di gestione del traffico che operano con logiche predittive, non solo reattive. Barcellona sta sperimentando con sistemi di mobilità che ottimizzano in tempo reale i percorsi suggeriti ai cittadini sulla base del congestionamento attuale. Per Trento, integrare questa capacità significherebbe un salto qualitativo importante: da sistema di monitoraggio a sistema di intelligenza predittiva.

Ranking Smart City 2025: dove si posiziona Trento?

Nel City Vision Score 2025, il ranking nazionale che misura la capacità delle città di adottare soluzioni digitali e innovative, Trento si piazza al secondo posto assoluto in Italia, subito dopo Bologna e davanti a Milano.

Questo riconoscimento misura sei dimensioni: governance, economia, ambiente, qualità della vita, mobilità, e capitale umano. Che Trento figuri così in alto è testimonianza di una strategia politico-amministrativa coerente e rivolta all’innovazione. Tra i capoluoghi del Nord-Est, Trento è la prima. Inoltre, l’intera provincia trentina dimostra vitalità: nella categoria dei “borghi” (fino a 2.000 abitanti), tre comuni trentini (Spormaggiore, Andalo, Stenico) occupano il podio del Nord. È un segnale che la cultura dell’innovazione non è confinata alla città capoluogo, ma si irradia sul territorio.

Quando il dato diventa ingannevole

Prima di concludere, è opportuno tornare su un tema che l’Ing. Ferro ha sottolineato ripetutamente: l’importanza di fornire dati in forma “pulita” e sempre accompagnati da contesto e disclaimer adeguati. Questo non è un dettaglio burocratico; è un elemento etico e operativo fondamentale.

Un dato grezzo, senza contesto, è un’arma a doppio taglio. Potrebbe illuminare la realtà oppure ingannare sistematicamente coloro che lo usano. Un esempio: se il sensore di un parcheggio registra il 90% di occupazione, ma il sensore è malfunzionante (ad esempio, registra erroneamente come “occupato” uno spazio vuoto), allora quella percentuale è un’informazione fuorviante. O ancora: se il conteggio dei ciclisti su una pista ciclabile è basso di lunedì, non significa che nessuno usa la pista il lunedì; potrebbe significare che piove, oppure che è festa, oppure che il sensore è offline. Senza questa consapevolezza, una amministrazione potrebbe concludere erroneamente che la pista non serve e decidere di eliminarla.

L’Ing. Ferro ha ribadito più volte che il suo team si preoccupa costantemente di comunicare i bias intrinseci di ogni misurazione: quali velocità di veicoli non vengono rilevate, quali fasce orarie sono coperte e quali no, quale è la latenza di aggiornamento dei dati, quand’è stata effettuata l’ultima calibrazione di un sensore. Questa trasparenza è quella che trasforma i dati da punti numerici confusi a informazioni affidabili.

In questo senso, Trento sta costruendo un modello di data governance maturo, basato sul principio che il valore del dato non sta solamente nell’accuratezza tecnica, ma nella capacità di comunicare trasparenza e contesto. Molte dashboard pubbliche sull’innovazione tendono a mostrare numeri senza queste sfumature; Trento, almeno nella visione dell’Ing. Ferro, sta cercando di fare diversamente.

5 lezioni utili per le PA

Senza dati, siamo solo opinioni.
È una frase semplice, ma contiene una verità profonda che riverbera attraverso l’intero progetto di Trento. In un’epoca di polarizzazione crescente, di dibattiti pubblici sempre più ideologici, di decisioni amministrative sempre più soggette a pressioni politiche contingenti, la scelta di un’amministrazione di fondarsi su informazioni verificabili è un atto di coraggio civico.

Trento non sta inventando nulla di radicalmente nuovo dal punto di vista tecnologico. I sensori LoRaWAN, le piattaforme cloud, le telecamere intelligenti, i modelli di machine learning – sono tutti strumenti già noti e utilizzati altrove. Quello che Trento sta facendo è sistematico e ordinato: ha deciso di integrare questi strumenti in un ecosistema coerente, radicato nella consapevolezza dei propri dati, della propria organizzazione, delle proprie necessità reali. Ha avuto il senso di proporzione di iniziare in piccolo (la mobilità), di dimostrare valore, e di creare le condizioni per espandersi.

Questo approccio contiene 5 lezioni per altre amministrazioni pubbliche più pigre o che si apprestano a muoversi sul campo:

1. Non iniziate dai gadget tecnologici, iniziate dalle esigenze. Quale problema reale vuoi risolvere? Come misureresti il successo? Solo quando hai chiarezza su questo, allora cerchi la tecnologia che ti serve.
2. Construct the organization first, the platform second. La piattaforma è uno strumento; l’organizzazione è ciò che lo usa. Se la tua organizzazione non è pronta – se mancano competenze, se gli incentivi non sono allineati, se non c’è capacità di coordinamento trasversale – la piattaforma rimarrà un’installazione bella, ma sterile.
3. Data quality and context are non-negotiable. Un dato sporco, o un dato interpretato senza contesto, fa danni. Investi tanto in sanificazione, standardizzazione, e documentazione dei dati quanto investi nella tecnologia che li raccoglie.
4. Build partnerships with respect for autonomy. Non puoi forzare gli attori esterni (Università, Provincia, operatori privati) a adeguarsi ai tuoi standard. Devi negoziare, devi a volte pagare, ma devi farlo consapevolmente e con contratti chiari. Altrimenti, il sistema rimane fragile.
5. Demonstrate value iteratively. Non aspettare il grande taglio del nastro; inizia a raccogliere e mostrare vittorie piccole, ma concrete. Questo costruisce momentum politico e consenso.

Senza dati, siamo solo opinioni. Con i dati – puliti, contestualizzati, trasparenti – abbiamo una chance di fare davvero la differenza. Trento ha scelto di provarci.