Voi Technology, compagnia svedese di micromobilità elettrica condivisa e partner della 6° Conferenza nazionale della sharing mobility che si è tenuta ieri a Roma ha presentato nel corso della conferenza “Lesscars drive the(R)evolution” la propria “ricetta” per realizzare un servizio di micromobilità elettrica in sharing più efficiente, sicuro ed integrato al trasporto pubblico urbano.

In qualità di esperto del settore, con operazioni attive in 11 nazioni europee e oltre 100 città, l’operatore svedese ha illustrato il servizio InApp Navigator, che permetterà agli utenti di conoscere in anticipo il costo della corsa che vogliono effettuare e il percorso consigliato per una migliore esperienza di viaggio e di parcheggio. Agli utenti sarà infatti consigliato il percorso più efficiente ma anche più sicuro per il proprio itinerario da un punto A a un punto B della città tenendo in considerazione diversi fattori.

Innanzitutto, l’area di parcheggio consigliata od obbligatoria più vicina alla propria posizione di partenza e di destinazione. In questo modo l’utente saprà in anticipo dove potrà parcheggiare. Inoltre, per la corsa, sarà consigliato un itinerario che terrà principalmente conto di strade in cui sono presenti piste ciclabili per un’esperienza di viaggio più sicura, ma anche strade secondarie in modo che l’utente possa evitare le arterie più trafficate.

Al punto di arrivo poi, il conducente sarà facilitato ad individuare l’area in cui potrà parcheggiare correttamente il monopattino grazie a un sistema di visualizzazione fotografica dell’area, così che, oltre all’indicazione del punto sulla mappa in app, l’utente possa riconoscerla anche visivamente come appare nella realtà.

Voi ha inoltre selezionato Roma come una delle 10 città europee in cui iniziare un progetto pilota per testare una nuova soluzione di computer vision, machine learning ed intelligenza artificiale, che possa individuare quando un conducente di monopattino sta conducendo il veicolo sui marciapiedi. Grazie a una base di dati iniziali ed al continuo apprendimento dei mezzi sulle strade, questo sistema di computer vision e machine learning permetterà alla nuova tecnologia di imparare a determinare la differenza fra l’asfalto delle strade e quello dei marciapiedi di ogni singola città.