AI and autonomous mobility: global developments and an integrated evaluation of economic and environmental performance across mobility services

This thesis investigates the transformative role of Artificial Intelligence (AI) in the automotive industry, focusing on autonomous driving as the most disruptive application within mobility ecosystems. The urgency of this research stems from the accelerating global race toward automation, which promises significant gains in safety, efficiency, and sustainability, yet remains constrained by unresolved technical, regulatory, and societal challenges. While the literature extensively discusses the potential benefits of autonomy, empirical evidence on how these benefits materialize in real-world operations is scarce. This gap motivates the development of a structured approach for assessing the economic and environmental performance of autonomous mobility services in comparison with conventional transport models. The research first provides a comprehensive mapping of the global landscape of autonomous driving projects, identifying the main technological trajectories, implementation patterns, and regional differences that shape the evolution of the sector. Building on this state-of-the-art analysis, the study introduces Service Efficiency as a unifying construct for evaluating mobility systems, bridging economics and sustainability. The framework enables a quantitative assessment of service performance and supports a structured comparison across the analysed mobility models, clarifying how AI-enabled autonomous services differ from traditional configurations in terms of value creation, resource utilisation, and the trade-offs between cost, energy intensity, and environmental impact. Overall, the thesis offers a lens for interpreting the emerging dynamics of autonomous mobility, supporting a more informed understanding of how AI-driven services may evolve within future transport ecosystems. By establishing the basis for comparing different mobility models, it offers a foundation for further research and decision making in the transition toward more efficient and sustainable mobility systems.

Questa tesi indaga il ruolo trasformativo dell'intelligenza artificiale (IA) nell'industria automobilistica, concentrandosi sulla guida autonoma come l'applicazione più dirompente all'interno degli ecosistemi di mobilità. L'urgenza di questa ricerca deriva dall'accelerazione della corsa globale verso l'automazione, che promette significativi vantaggi in termini di sicurezza, efficienza e sostenibilità, ma rimane limitata da sfide tecniche, normative e sociali irrisolte. Sebbene la letteratura discuta ampiamente i potenziali vantaggi dell'autonomia, le prove empiriche su come questi vantaggi si concretizzino nelle operazioni reali sono scarse. Questa lacuna motiva lo sviluppo di un approccio strutturato per valutare le prestazioni economiche e ambientali dei servizi di mobilità autonoma rispetto ai modelli di trasporto convenzionali. La ricerca fornisce innanzitutto una mappatura completa del panorama globale dei progetti di guida autonoma, identificando le principali traiettorie tecnologiche, i modelli di implementazione e le differenze regionali che plasmano l'evoluzione del settore. Basandosi su questa analisi all'avanguardia, lo studio introduce l'efficienza del servizio come concetto unificante per la valutazione dei sistemi di mobilità, collegando economia e sostenibilità. Il quadro consente una valutazione quantitativa delle prestazioni dei servizi e supporta un confronto strutturato tra i modelli di mobilità analizzati, chiarendo in che modo i servizi autonomi basati sull'intelligenza artificiale differiscono dalle configurazioni tradizionali in termini di creazione di valore, utilizzo delle risorse e compromessi tra costi, intensità energetica e impatto ambientale. Nel complesso, la tesi offre una lente per interpretare le dinamiche emergenti della mobilità autonoma, favorendo una comprensione più informata di come i servizi basati sull'intelligenza artificiale potrebbero evolversi nei futuri ecosistemi di trasporto. Stabilendo le basi per il confronto tra diversi modelli di mobilità, offre un fondamento per ulteriori ricerche e processi decisionali nella transizione verso sistemi di mobilità più efficienti e sostenibili.