L'ottimizzazione col passare del tempo

La riuscita collaborazione tra IVU Traffic Technologies e lo Zuse-Institut di Berlino nello sviluppo di algoritmi intelligenti per l'ottimizzazione dura ormai da molti anni. Come è nata questa collaborazione? Quali erano i principali temi all’inizio?

LÖBEL: Ralf ed io abbiamo studiato insieme ad Augusta con il professore Martin Grötschel. Ci ha sempre interessato capire in che modo la matematica possa influenzare e migliorare il mondo reale. Quando nel 1991 il professor Grötschel passò allo Zuse-Institut, egli si dedicò in particolare al settore del trasporto. Dopo aver completato la nostra tesi di laurea nel 1992, lo abbiamo seguito all’istituto berlinese. Uno dei nostri primi incarichi è stato quello di elaborare la pianificazione dei turni macchina per il Telebus, un sistema di autobus destinato alle persone con mobilità ridotta a Berlino.

BORNDÖRFER: Il nostro obiettivo, fin dall’inizio, era quello di sviluppare algoritmi volti a migliorare il trasporto pubblico. A tal proposito, per noi era particolarmente importante che i risultati della progettazione fossero immediatamente applicabili, senza dover apportare correzioni aggiuntive.

LÖBEL: All’epoca, IVU aveva un cliente con requisiti molto specifici riguardo a un sistema di ottimizzazione per la pianificazione dei turni macchina. Quello è stato l'inizio della nostra collaborazione e della nascita di una stretta partnership che ormai vige con successo da circa 30 anni. A quel primo cliente sono seguiti altri progetti, tra cui anche l’ottimizzazione della pianificazione dei turni macchina e dei turni guida per i clienti del settore degli autobus e dei treni.

Come sono cambiate le esigenze delle aziende di trasporto negli ultimi 20 anni? 

LÖBEL: Nel corso degli anni, l'obiettivo dell'ottimizzazione è cambiato notevolmente. In passato l'attenzione era rivolta principalmente alla ricerca del risultato migliore, in cui i costi si mantenessero uguali, o addirittura diminuissero. L'obiettivo principale era quello di ottimizzare l'utilizzo dei veicoli e del personale. Oggi, a causa della mancanza di manodopera qualificata si aggiunge una sfida completamente nuova: le capacità limitate devono essere pianificate in modo tale che il trasporto continui a funzionare in modo stabile e che al personale di guida vengano offerti turni guida allettanti, fondamentali per appagare le richieste dei dipendenti e quindi assicurare la loro permanenza in azienda. Questo tema assumerà ancora maggiore importanza nei prossimi anni, poiché molti dipendenti che svolgono il lavoro andranno in pensione e si prevede che sarà difficile reclutare un numero sufficiente di nuovi collaboratori.

BORNDÖFRER: I compiti sono diventati più complessi e le esigenze sono aumentate notevolmente. All’inizio degli anni 2000 abbiamo avviato il processo di ottimizzazione dei turni macchina per le aziende di trasporto pubblico che utilizzavano autobus diesel tradizionali. La complessità è aumentata con l'ottimizzazione delle aziende ferroviarie e ha raggiunto un nuovo picco con l'impiego degli autobus elettrici.

A proposito di mobilità elettrica, quali sono le sfide legate all’ottimizzazione degli autobus elettrici? 

LÖBEL: La pianificazione dei turni macchina degli autobus elettrici è estremamente complessa. A differenza degli autobus a diesel, che avviano il motore con il serbatoio pieno, sono in impiego tutto il giorno e tornano al deposito solo la sera, gli autobus elettrici devono essere ricaricati con una frequenza maggiore. L'autonomia dipende da molti fattori, quali lo stato della batteria, le condizioni meteorologiche e l'utilizzo del veicolo. In un primo momento abbiamo cercato di adattare una delle nostre procedure di pianificazione collaudate. Tuttavia, per varie cause, ciò non ha funzionato. Infine, abbiamo potuto trarre vantaggio dalle problematiche relative ai turni guida e sviluppare così algoritmi per una pianificazione ottimale dei turni macchina degli autobus elettrici.

Viviamo nell’era dell’intelligenza artificiale (IA) – poniamo una domanda provocatoria: l’IA può adottare l’ottimizzazione nella sua totalità?

LÖBEL: L'intelligenza artificiale e l'ottimizzazione non dovrebbero essere considerate in contrapposizione. Tutti i processi di intelligenza artificiale si basano essenzialmente sull'ottimizzazione e, inverso, l'intelligenza artificiale è in grado di acquisire in modo esaustivo le informazioni necessarie per l'ottimizzazione. Se la domanda è se sia possibile risolvere senza difficoltà tutti i problemi con un unico metodo, allora la risposta è no, non è possibile: “there is no free lunch”. È necessario continuare a utilizzare il metodo più adatto in ogni caso. Ma grazie all'intelligenza artificiale, lo spettro delle possibilità si amplia. Ad esempio, per la pianificazione dei veicoli attraverso il mashine learning si potrebbe eseguire in modo automatizzato una raccolta molto dettagliata dei parametri. La pianificazione vera e propria continuerà tuttavia a essere effettuata con l'ottimizzazione a numeri interi, al fine di ottenere una qualità dei risultati uguale.

BORNDÖRFER: Quando si parla di IA, di solito si distinguono tre ambiti tra cui scegliere: descrittivo, predittivo e prescrittivo. L'IA descrittiva analizza i dati per capire cosa sta succedendo. L'IA predittiva cerca, su questa base, di prevedere il futuro. L'IA prescrittiva utilizza queste informazioni e previsioni per prendere decisioni. È proprio questo il senso dell'ottimizzazione. L'intelligenza artificiale e l'ottimizzazione non sono quindi in contrasto tra loro, ma si completano a vicenda.

Quali temi, secondo Lei, occuperanno il settore dei trasporti nei prossimi cinque/dieci anni e in che modo la matematica applicata potrà essere d’aiuto in questo ambito? 

LÖBEL: Nei prossimi cinque/dieci anni, il settore dei trasporti trarrà sempre maggiori vantaggi dalla disponibilità e dall’utilizzo di grandi quantità di dati. Queste dati consentono di ampliare notevolmente l'orizzonte di pianificazione. Mentre finora la pianificazione – ad eccezione di quella dei treni – è stata per lo più avvenuta su base giornaliera, gli algoritmi matematici saranno presto in grado di consentire una pianificazione ciclica e integrata dei turni macchina e dei turni guida, ad esempio per gli autobus elettrici, e questo per un’intera settimana.

BORNDÖRFER: Nel futuro sarà possibile effettuare previsioni in tempo reale “effettivo”, e in modo intermodale. Tuttavia, questo non è sempre facile. Prendiamo in considerazione l’esempio di un terminale Park & Ride: se un parcheggio che durante la partenza viene mostrato libero non è più disponibile all’arrivo, questo è altamente frustrante per ii dipendenti. Simile è il caso del trasporto locale, quando, ad esempio in caso di criticità o grandi eventi come le partite di calcio, i sistemi di pianificazione non sono in grado di fornire suggerimenti utili. Grazie a una mole di dati sempre più ampia e a migliori possibilità di gestion, saremo in grado di controllare meglio i sistemi di trasporto in tempo reale e di organizzarli in modo intermodale. Ciò aumenterà notevolmente l'efficienza e l'affidabilità del trasporto.

L'ottimizzazione è da sempre il risultato dell'interazione tra algoritmi e potenza di calcolo. Quali opportunità offrono i computer quantistici?

BORNDÖRFER: Il calcolo quantistico è un argomento di ricerca affascinante con un grande potenziale. Per determinati problemi esistono già algoritmi pronti per essere eseguiti in modo notevolmente più veloce sui computer quantistici. Tuttavia, dobbiamo ancora affrontare alcune sfide tecniche, quali la suscettibilità agli errori e la gestione degli input e degli output. A breve termine non dovremmo aspettarci “salti quantici” nel settore dei trasporti, ma nel lungo termine i computer quantistici potrebbero offrire possibilità rivoluzionarie. Ci vorranno però ancora anni prima di vedere tali applicazioni concrete.