Urban mobility systems have long been designed around efficiency, optimization, and infrastructure expansion, often overlooking the diverse cognitive and sensory needs of commuters. This research explores the intersection of neurodiversity and public transit, identifying key challenges faced by neurodivergent individuals, including unpredictability, cognitive overload, and sensory stressors. By analyzing existing mobility frameworks and urban planning policies, this study highlights the gaps in traditional transit systems and the necessity of personalized, adaptive mobility solutions. The proposed solution introduces NOMI, an AI-driven, sensory-friendly mobility system that enhances public transit accessibility by providing real-time adaptive guidance, community-driven insights, and personalized travel support. Through a hybrid public-private collaboration with BVG (Berlin’s transit provider) and integration with smart city initiatives, NOMI leverages AI, open data, and IoT-driven insights to optimize public transit experiences for neurodivergent individuals. The study presents a user-centered design approach, incorporating participatory research, data-driven personalization, and collaborative governance to ensure inclusivity and autonomy in transit systems. This research contributes to the broader discourse on mobility equity, demonstrating how technology, community engagement, and personalized transit interventions can reshape public transport accessibility. The findings advocate for a shift in transit planning from rigid, one-size-fits-all frameworks to adaptive, human-centered solutions ensuring that neurodivergent individuals experience public transit not as a challenge but as an empowering, predictable, and inclusive model of urban mobility.

I sistemi di mobilità urbana sono stati a lungo progettati per l'efficienza, l'ottimizzazione e l'espansione delle infrastrutture, trascurando spesso le diverse esigenze cognitive e sensoriali dei pendolari. Questa ricerca esplora l'intersezione tra neurodiversità e trasporto pubblico, identificando le principali sfide affrontate dalle persone neurodivergenti, inclusi l'imprevedibilità, il sovraccarico cognitivo e i fattori di stress sensoriale. Analizzando i framework esistenti sulla mobilità e le politiche di pianificazione urbana, questo studio evidenzia le lacune nei sistemi di trasporto tradizionali e la necessità di soluzioni di mobilità personalizzate e adattive. La soluzione proposta introduce NOMI, un sistema di mobilità sensoriale e basato su intelligenza artificiale che migliora l'accessibilità del trasporto pubblico fornendo una guida adattiva in tempo reale, intuizioni guidate dalla comunità e supporto personalizzato per il viaggio. Attraverso una collaborazione pubblico-privato ibrida con BVG (l'operatore di trasporto di Berlino) e l'integrazione con iniziative per le città intelligenti, NOMI sfrutta l'intelligenza artificiale, i dati aperti e le intuizioni basate su IoT per ottimizzare l'esperienza del trasporto pubblico per le persone neurodivergenti. Lo studio presenta un approccio progettuale incentrato sull'utente, incorporando ricerca partecipativa, personalizzazione basata sui dati e governance collaborativa per garantire inclusività e autonomia nei sistemi di trasporto. Questa ricerca contribuisce al dibattito più ampio sull'equità della mobilità, dimostrando come la tecnologia, il coinvolgimento della comunità e le interventi personalizzati nel trasporto possano trasformare l'accessibilità al trasporto pubblico. I risultati auspicano un cambiamento nella pianificazione del trasporto, passando da modelli rigidi e universali a soluzioni adattive e incentrate sull'essere umano, assicurando che le persone neurodivergenti vivano il trasporto pubblico non come una sfida, ma come un modello di mobilità urbana inclusiva, prevedibile e che dà potere.

From combat to commute : enhancing mobility in public transit for neurodiversity

Chauhan, Srishti
2024/2025

Abstract

Urban mobility systems have long been designed around efficiency, optimization, and infrastructure expansion, often overlooking the diverse cognitive and sensory needs of commuters. This research explores the intersection of neurodiversity and public transit, identifying key challenges faced by neurodivergent individuals, including unpredictability, cognitive overload, and sensory stressors. By analyzing existing mobility frameworks and urban planning policies, this study highlights the gaps in traditional transit systems and the necessity of personalized, adaptive mobility solutions. The proposed solution introduces NOMI, an AI-driven, sensory-friendly mobility system that enhances public transit accessibility by providing real-time adaptive guidance, community-driven insights, and personalized travel support. Through a hybrid public-private collaboration with BVG (Berlin’s transit provider) and integration with smart city initiatives, NOMI leverages AI, open data, and IoT-driven insights to optimize public transit experiences for neurodivergent individuals. The study presents a user-centered design approach, incorporating participatory research, data-driven personalization, and collaborative governance to ensure inclusivity and autonomy in transit systems. This research contributes to the broader discourse on mobility equity, demonstrating how technology, community engagement, and personalized transit interventions can reshape public transport accessibility. The findings advocate for a shift in transit planning from rigid, one-size-fits-all frameworks to adaptive, human-centered solutions ensuring that neurodivergent individuals experience public transit not as a challenge but as an empowering, predictable, and inclusive model of urban mobility.
ARC III - Scuola del Design
3-apr-2025
2024/2025
I sistemi di mobilità urbana sono stati a lungo progettati per l'efficienza, l'ottimizzazione e l'espansione delle infrastrutture, trascurando spesso le diverse esigenze cognitive e sensoriali dei pendolari. Questa ricerca esplora l'intersezione tra neurodiversità e trasporto pubblico, identificando le principali sfide affrontate dalle persone neurodivergenti, inclusi l'imprevedibilità, il sovraccarico cognitivo e i fattori di stress sensoriale. Analizzando i framework esistenti sulla mobilità e le politiche di pianificazione urbana, questo studio evidenzia le lacune nei sistemi di trasporto tradizionali e la necessità di soluzioni di mobilità personalizzate e adattive. La soluzione proposta introduce NOMI, un sistema di mobilità sensoriale e basato su intelligenza artificiale che migliora l'accessibilità del trasporto pubblico fornendo una guida adattiva in tempo reale, intuizioni guidate dalla comunità e supporto personalizzato per il viaggio. Attraverso una collaborazione pubblico-privato ibrida con BVG (l'operatore di trasporto di Berlino) e l'integrazione con iniziative per le città intelligenti, NOMI sfrutta l'intelligenza artificiale, i dati aperti e le intuizioni basate su IoT per ottimizzare l'esperienza del trasporto pubblico per le persone neurodivergenti. Lo studio presenta un approccio progettuale incentrato sull'utente, incorporando ricerca partecipativa, personalizzazione basata sui dati e governance collaborativa per garantire inclusività e autonomia nei sistemi di trasporto. Questa ricerca contribuisce al dibattito più ampio sull'equità della mobilità, dimostrando come la tecnologia, il coinvolgimento della comunità e le interventi personalizzati nel trasporto possano trasformare l'accessibilità al trasporto pubblico. I risultati auspicano un cambiamento nella pianificazione del trasporto, passando da modelli rigidi e universali a soluzioni adattive e incentrate sull'essere umano, assicurando che le persone neurodivergenti vivano il trasporto pubblico non come una sfida, ma come un modello di mobilità urbana inclusiva, prevedibile e che dà potere.
File allegati
File Dimensione Formato  
From Combat to Commute .pdf

accessibile in internet solo dagli utenti autorizzati

Dimensione 59.69 MB
Formato Adobe PDF
59.69 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/235800