Dove atterrerà il futuro dei taxi volanti in città?

Le città stanno sognando un nuovo modo di muoversi: i taxi volanti, noti come Urban Air Mobility (UAM). Questi velivoli a decollo e atterraggio verticale potrebbero ridurre il traffico e collegare rapidamente i quartieri. Ma dove costruire i vertiport, le “stazioni” di atterraggio? Uno studio coreano ha creato un metodo a tre fasi per rispondere. Prima, una mappa di “idoneità” valuta fattori come la densità abitativa, la vicinanza a mezzi pubblici e la varietà di usi del suolo. Poi, un filtro normativo elimina le aree proibite da leggi sulla sicurezza aerea, zone militari o restrizioni urbanistiche. Infine, un algoritmo di “location‑allocation” distribuisce i vertiport in modo ottimale, tenendo conto dei piani urbani e delle priorità di trasporto. Applicando il modello a Busan e Jeju, i ricercatori hanno scoperto che le zone più adatte sono i centri urbani densamente collegati, ma molte sono escluse da vincoli regolamentari. Alcune aree meno adatte, spesso abitate da popolazioni vulnerabili, sollevano questioni di equità. Il risultato è una guida replicabile per pianificare i vertiport, utile a chi vuole avviare i primi servizi di UAM in modo sostenibile e giusto.

Il framework proposto combina tecniche di Multi‑Criteria Decision Analysis (MCDA) con sistemi informativi geografici (GIS) avanzati. Nella fase di idoneità, vengono ponderati indicatori quali densità abitativa (persone/km²), indice di accessibilità multimodale (tempo medio di percorrenza verso stazioni di trasporto pubblico) e mix di uso del suolo (percentuale di aree residenziali, commerciali e verdi). La ponderazione può avvenire tramite il metodo Analytic Hierarchy Process (AHP), che consente di assegnare pesi soggettivi ma sistematici a ciascun criterio. La fase normativa integra dati di aeronautica civile, come le zone di esclusione intorno a aeroporti e rotte militari, e vincoli di pianificazione urbana, ad esempio le aree protette o i piani di sviluppo locale. Questi dati sono rasterizzati e sovrapposti alla mappa di idoneità, generando una maschera di esclusione. Infine, l'analisi di location‑allocation utilizza algoritmi di programmazione lineare intera per massimizzare la copertura della popolazione servita, minimizzando al contempo i costi di costruzione e le distanze medie di volo. Il modello può includere vincoli di capacità (numero massimo di decollo/atterraggio per vertiport) e obiettivi di equità, ad esempio imponendo una soglia minima di copertura per quartieri a basso reddito. L'approccio è scalabile: basta aggiornare i layer GIS con dati locali per applicarlo a qualsiasi metropoli. Inoltre, la metodologia supporta scenari “what‑if”, consentendo di testare l'impatto di nuove normative o di cambiamenti nella domanda di mobilità aerea, fornendo così uno strumento decisionale robusto per policy‑maker e operatori di UAM.