Il contesto urbano, che comprende sia le città metropolitane che i centri di urbani minori, si trova oggi ad affrontare sfide complesse in un quadro caratterizzato da transizioni orientate alla sostenibilità. Gli approcci convenzionali di governance urbana risultano inadeguati, limitati da database di dati frammentati e dalla mancanza di un quadro unificato di governance data-driven. La transizione dalle forme tradizionali di governance urbana e territoriale verso nuovi sistemi orientati alla sostenibilità rappresenta una questione critica. In questo scenario, tre grandi transizioni: ecologica, demografica e digitale, emergono come dimensioni fondamentali e strettamente interconnesse dei processi di trasformazione che città e territori sono chiamati ad affrontare. La ricerca sviluppa un approccio metodologico basato sul City Information Modeling (CIM), inteso come processo di gestione delle informazioni, in grado di supportare la conoscenza, la rappresentazione e il processo decisionale strategico relativo all’ambiente urbano. La ricerca si colloca nell’ambito disciplinare dell’Area 08 - CEAR-10/A: Disegno, affrontando metodi per la visualizzazione dei modelli CIM in relazione alle informazioni e agli indicatori ad essi associati. Lo studio approfondisce in particolare le dimensioni semantiche e parametriche del CIM, definendo come attributi geometrici e informativi possano essere strutturati per generare un modello descrittivo e operativo coerente della scena urbana. La ricerca definisce tre dimensioni spaziali della scena urbana (spazio racchiuso, spazio non racchiuso e zona di contatto) e propone dodici indicatori sintetici. Sulla base di tali elementi viene elaborato un quadro metodologico di tipo sistemico per guidare la rappresentazione parametrica dei contesti urbani, supportato da famiglie tipologiche di oggetti, schede dati dedicate e un’analisi di consistenza volta a verificare la corrispondenza tra parametri e indicatori. L’approccio metodologico è validato attraverso lo sviluppo di modelli CIM relativi a tre casi studio selezionati per le loro differenti condizioni morfologiche e di governance: Higienópolis a San Paolo (Brasile), il centro storico di Verucchio (Italia) e l’area della Darsena a Ferrara (Italia). Per ciascun caso, dataset eterogenei, dagli open data e archivi istituzionali ai rilievi e ai dati da telerilevamento, sono integrati in un unico modello mediante procedure di modellazione top-down e bottom-up. La simulazione dell’insieme degli indicatori dimostra il potenziale del CIM nel supportare l’integrazione dei dati, la visualizzazione di scenari e l’interpretazione multi-scalare, traducendo i layer analitici in rappresentazioni grafiche direttamente collegate al modello semantico. La ricerca evidenzia quindi il CIM come un sistema scalabile, aprendo a sviluppi futuri quali il monitoraggio basato su IoT, l’analisi di big data e i digital twin potenziati dall’intelligenza artificiale.
Urban areas, including both metropolitan cities and smaller municipalities, are facing multifaceted challenges in a context of transitions toward sustainability. Conventional urban governance approaches prove inadequate, constrained by fragmented data silos and the lack of a unified data-driven governance framework. The transition from traditional forms of urban and territorial governance to new sustainability-oriented systems represents a critical issue. Within this framework, three major transitions: ecological, demographic, and digital, emerge as fundamental and interconnected dimensions of the transformation processes that cities and territories are required to undertake. Within this scenario, the research develops a methodological approach based on City Information Modeling (CIM), conceived as an information-management process capable of supporting knowledge, representation, and strategic decision-making for the urban environment. The research is developed within the disciplinary framework of Area 08 - CEAR-10/A: Drawing, addressing methods for visualizing CIM models according to their associated information and indicators. In this regard, the study focuses on the semantic and parametric dimensions of CIM, defining how geometric and informational attributes can be structured to create a coherent descriptive and operational model of the urban scene. The research defines three spatial dimensions of the urban scene (enclosed, unenclosed, and threshold spaces) and proposes twelve synthetic indicators. A system-based framework is developed to guide the parametric representation of urban contexts, supported by typological object families, dedicated data sheets, and a consistency analysis that verifies the coherence between parameters and indicators. The methodological approach is validated through the development of CIM models for three case studies selected for their differing morphological and governance conditions: Higienópolis in São Paulo, the historic town of Verucchio and the Darsena area in Ferrara. For each case, heterogeneous datasets, ranging from open data and institutional archives to surveying and remote-sensing outputs, are integrated into an integrated model through top-down and bottom-up modelling procedures. The simulation of the indicator set demonstrates the potential of CIM to support data integration, scenario visualization, and multi-scalar interpretation, translating analytical layers into graphical insights directly connected to the semantic model. The research highlights CIM as a scalable system, fostering future developments such as IoT-based monitoring, big data analytics, and AI-enhanced digital twins.
Methodological Approach for the Management of the Urban Context: Towards the Challenges of Transition through the City Information Modeling (CIM) Process.
PLANU, Fabio
2026
Abstract
Il contesto urbano, che comprende sia le città metropolitane che i centri di urbani minori, si trova oggi ad affrontare sfide complesse in un quadro caratterizzato da transizioni orientate alla sostenibilità. Gli approcci convenzionali di governance urbana risultano inadeguati, limitati da database di dati frammentati e dalla mancanza di un quadro unificato di governance data-driven. La transizione dalle forme tradizionali di governance urbana e territoriale verso nuovi sistemi orientati alla sostenibilità rappresenta una questione critica. In questo scenario, tre grandi transizioni: ecologica, demografica e digitale, emergono come dimensioni fondamentali e strettamente interconnesse dei processi di trasformazione che città e territori sono chiamati ad affrontare. La ricerca sviluppa un approccio metodologico basato sul City Information Modeling (CIM), inteso come processo di gestione delle informazioni, in grado di supportare la conoscenza, la rappresentazione e il processo decisionale strategico relativo all’ambiente urbano. La ricerca si colloca nell’ambito disciplinare dell’Area 08 - CEAR-10/A: Disegno, affrontando metodi per la visualizzazione dei modelli CIM in relazione alle informazioni e agli indicatori ad essi associati. Lo studio approfondisce in particolare le dimensioni semantiche e parametriche del CIM, definendo come attributi geometrici e informativi possano essere strutturati per generare un modello descrittivo e operativo coerente della scena urbana. La ricerca definisce tre dimensioni spaziali della scena urbana (spazio racchiuso, spazio non racchiuso e zona di contatto) e propone dodici indicatori sintetici. Sulla base di tali elementi viene elaborato un quadro metodologico di tipo sistemico per guidare la rappresentazione parametrica dei contesti urbani, supportato da famiglie tipologiche di oggetti, schede dati dedicate e un’analisi di consistenza volta a verificare la corrispondenza tra parametri e indicatori. L’approccio metodologico è validato attraverso lo sviluppo di modelli CIM relativi a tre casi studio selezionati per le loro differenti condizioni morfologiche e di governance: Higienópolis a San Paolo (Brasile), il centro storico di Verucchio (Italia) e l’area della Darsena a Ferrara (Italia). Per ciascun caso, dataset eterogenei, dagli open data e archivi istituzionali ai rilievi e ai dati da telerilevamento, sono integrati in un unico modello mediante procedure di modellazione top-down e bottom-up. La simulazione dell’insieme degli indicatori dimostra il potenziale del CIM nel supportare l’integrazione dei dati, la visualizzazione di scenari e l’interpretazione multi-scalare, traducendo i layer analitici in rappresentazioni grafiche direttamente collegate al modello semantico. La ricerca evidenzia quindi il CIM come un sistema scalabile, aprendo a sviluppi futuri quali il monitoraggio basato su IoT, l’analisi di big data e i digital twin potenziati dall’intelligenza artificiale.I documenti in SFERA sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
