Clear Sky Science · it

Ottimizzazione comparativa dei sistemi di robo-taxi elettrici (eRT) e di veicoli aerei senza pilota elettrici (eUAV)

· Torna all'indice

Nuovi modi di muoversi in città

Immaginate di chiamare un mezzo in una città densa e di avere due opzioni: un’auto elettrica senza conducente che scivola nel traffico, oppure un piccolo velivolo elettrico che vi solleva sopra le strade e atterra su un tetto vicino. Questo studio pone una domanda semplice ma urgente: sotto le stesse regole e vincoli, quale sistema ha più senso per le città — robo‑taxi elettrici a terra o veicoli aerei senza pilota elettrici usati come taxi volanti — e quali compromessi comportano in termini di tempo di viaggio e costo totale?

Due opzioni di trasporto futuristiche, una città di prova comune

I ricercatori hanno costruito un quadro condiviso per valutare entrambi i sistemi in modo equo, usando la città di Sejong in Corea del Sud come banco di prova. Hanno inserito reti stradali realistiche, velocità del traffico in tempo reale e richieste di passeggeri generate statisticamente. Per ciascun sistema, il quadro decide quanti veicoli sono necessari, quanti caricabatterie rapidi installare e dove, e quanto dovrebbero essere grandi le batterie. Poi simula un anno di operatività per 100 passeggeri giornalieri e somma tutto ciò che conta: il costo totale dei veicoli, delle infrastrutture di ricarica, dell’elettricità e il tempo di viaggio che i passeggeri sperimentano dalla richiesta all’arrivo.

Figure 1
Figura 1.

Come operano effettivamente robo‑taxi e taxi aerei

Sulla terraferma, si assume che i robo‑taxi elettrici siano completamente autonomi. Un sistema di controllo centrale monitora costantemente le loro posizioni, i livelli di batteria e le richieste dei passeggeri. Ogni auto passa attraverso tre stati base: pattugliamento a vuoto, trasporto di un passeggero o spostamento verso una stazione di ricarica. Quando la batteria si avvicina al livello minimo, il veicolo viene instradato verso il caricatore disponibile più vicino; quando arrivano richieste tramite un’app per smartphone, il sistema assegna l’auto che può raggiungere rapidamente il passeggero e avere ancora carica sufficiente per arrivare poi a un caricatore. Le posizioni delle stazioni di ricarica, il numero di caricabatterie e la potenza di ricarica sono trattati come scelte di progetto che influenzano fortemente costi e tempi di attesa.

Cosa cambia quando si vola

Il sistema aereo utilizza veicoli elettrici in stile multicottero che trasportano un singolo passeggero alla volta tra edifici alti preselezionati. Qui, lo stato a vuoto avviene presso vertiporti con stazioni di ricarica sui tetti invece che lungo le strade. I veicoli salgono a una quota di crociera fissa per evitare ostacoli, volano su rotte quasi in linea retta e poi scendono su un altro tetto. Poiché i piazzali di decollo e atterraggio richiedono spazio e devono essere attentamente ubicati, ogni vertiporto è più costoso di un caricatore a terra, e ogni velivolo necessita di una postazione di ricarica dedicata. L’autonomia di volo dipende in modo sensibile dal peso, dall’aerodinamica e dalla capacità della batteria, quindi il modello include il fatto che batterie più pesanti estendono l’energia disponibile ma aumentano anche il consumo energetico per chilometro.

Figure 2
Figura 2.

Bilanciare il risparmio di tempo rispetto al costo totale

Con questa impostazione, il team ha utilizzato un algoritmo genetico — un metodo di ricerca ispirato all’evoluzione — per trovare i progetti più economici che soddisfino target di tempo di viaggio prefissati. Per target relativamente rilassati (intorno ai 27–30 minuti da porta a porta), i sistemi robo‑taxi ottimizzati risultano complessivamente molto più economici dei sistemi aerei, principalmente perché caricabatterie e veicoli a terra sono meno costosi e possono essere condivisi con maggiore flessibilità. Ma quando le città richiedono viaggi più rapidi — per esempio intorno ai 21 minuti — il costo del sistema terrestre aumenta bruscamente: servono più auto, più caricabatterie e più energia per contrastare la congestione e ridurre i tempi di attesa, e sotto circa 21 minuti non si trova alcun progetto di robo‑taxi fattibile. Al contrario, il costo del sistema aereo cresce solo modestamente con l’inasprirsi degli obiettivi temporali, poiché volare sopra il traffico accorcia naturalmente le distanze ed evita gli ingorghi. Lo studio rileva inoltre che, sebbene i taxi aerei offrano tempi di viaggio mediani molto più brevi, i loro tempi di viaggio sono più variabili, con una probabilità maggiore di ritardi lunghi, mentre i robo‑taxi sono più lenti in media ma più coerenti.

Cosa significa questo per i viaggi urbani del futuro

Per le condizioni quotidiane in cui le persone possono tollerare viaggi più lunghi, i robo‑taxi elettrici sembrano essere il robusto cavallo da lavoro economico: usano le strade esistenti, richiedono stazioni meno numerose e meno costose e consumano meno energia per chilometro. Quando però le città o determinate tratte richiedono viaggi molto rapidi, sistemi di taxi aerei elettrici ben progettati possono fornire una velocità che le auto semplicemente non possono eguagliare, a costo totale competitivo o addirittura inferiore — a condizione che le città siano disposte a investire in un’infrastruttura fitta sui tetti. Nel complesso, lo studio suggerisce che la mobilità urbana di domani difficilmente sarà una corsa a somma zero tra ruote e ali. Invece, i robo‑taxi terrestri potrebbero gestire la maggior parte dei viaggi di routine in modo economico e affidabile, mentre i taxi aerei elettrici emergerebbero come uno strato premium ad alta velocità della rete, specialmente dove il tempo è prezioso e lo spazio aereo e le norme di sicurezza lo consentono.

Citazione: Seo, H., Kim, S., Shin, B. et al. Comparative optimization of electric robo-taxi (eRT) and electric unmanned aerial vehicle (eUAV) systems. Sci Rep 16, 12617 (2026). https://doi.org/10.1038/s41598-026-42843-y

Parole chiave: robo-taxi elettrici, mobilità aerea urbana, trasporto autonomo, infrastrutture di ricarica, ottimizzazione della mobilità