Il primissimo effetto di questa evoluzione è l’incremento delle informazioni legate alla mobilità che possono essere immagazzinate nelle basi dati, la cui disponibilità e numerosità per i soggetti interessati cresce ad un ritmo esponenziale, introducendo anche il nuovo aspetto della dinamicità del dato nel tempo; contemporaneamente, anche i sistemi tradizionali per l’analisi e la gestione iniziano a non essere più sufficienti per processare una simile mole di dati Big Data.
Focalizzando l’attenzione sull’esercizio delle infrastrutture di trasporto, un Ente Gestore ha quindi a disposizione non solo i dati raccolti dai sensori distribuiti sulla rete, come i dati relativi al monitoraggio delle strutture, i dati di traffico e i video raccolti lungo le viabilità, ma anche informazioni di carattere demografico e ambientale.
Gli archivi contengono inoltre il catasto delle opere, lo storico degli interventi di manutenzione con i relativi costi e tutte le informazioni connesse alla sicurezza dell’infrastruttura.
Uno degli elementi principali della gestione della rete stradale diviene quindi il sistema di interrogazione e di analisi puntuale e previsionale utilizzato per gestire la base dati in modo da arrivare a decisioni informate sugli interventi da effettuare, attuando anche decisioni in tempo il più possibile reale.
Nonostante la mole di dati possa essere considerata un carattere distintivo, l’eterogeneità e la struttura delle informazioni caratterizzano fortemente questo tipo di dati e, a maggior ragione, diviene imprescindibile poter contare su metodi efficaci e il più possibile automatizzati, che valorizzino esclusivamente le informazioni utili all’analisi, scartando quelle superflue per evitare un appesantimento del sistema, ma senza il rischio di incorrere in eccessive semplificazioni o in amplificazione degli errori.
Sono evidenti le opportunità che un sistema così strutturato può offrire per la gestione della rete, a fronte dello sviluppo di nuovi metodi di archiviazione ma soprattutto di sistemi informatici di gestione delle informazioni, sia computazionali che statistici, in grado di fornire paradigmi di elaborazione che garantiscano la significatività dell’analisi.
La sfida più grande legata alla gestione di Big Data è proprio nello sviluppo di metodi in grado di predire le osservazioni future, ottimizzare le informazioni a disposizione e allo stesso tempo trovare correlazioni tra le informazioni raccolte.