Mobilità collettiva: big data per progettare servizi efficienti



In molte città, i trasporti pubblici, metro, treno, bus, tram, sono diventati il mezzo di trasporto preferito, grazie a una migliore gestione e qualità dei servizi. Più mobilità con i mezzi pubblici significa anche mobilità più sostenibile. Tuttavia, di fronte al rapido aumento del numero di passeggeri, le aziende dei trasporti si sono trovate ad affrontare diverse sfide per mantenere un servizio di qualità. Per questo è necessario utilizzare nuove fonti di dati per monitorare il flusso di passeggeri e progettare servizi di trasporto urbano ed extraurbano efficienti.

Un nuovo modo di raccogliere dati

La mobilità collettiva, cioè le persone che ogni giorno si spostano lungo la rete dei trasporti cittadini e regionali, è un sistema complesso caratterizzato da una grande variabilità. L’uso dei mezzi di trasporto (treni, metro, bus, tram), infatti, varia in base agli orari del giorno, alle festività, a eventi di interesse pubblico (concerti, fiere, manifestazioni), al meteo, ma anche scioperi e lavori di manutenzione programmati. Sulla base della domanda di mobilità con i mezzi pubblici underground e di superficie viene progettata l’offerta dei servizi.

Tuttavia, per studiare la dinamicità e variabilità della mobilità collettiva servono sistemi in grado di progettare con altrettanta dinamicità il fabbisogno di spostarsi delle persone, al fine di fornire servizi efficienti. Si tratta di informazioni rilevanti per le aziende che ogni giorno prendono decisioni sui servizi di trasporti e che vorrebbero sapere come e dove si spostano le persone, ora per ora e giorno per giorno.

Non possedere queste informazioni rende poco efficiente la progettazione dei trasporti locali, urbani e regionali, e induce le persone a prediligere mezzi di trasporto alternativi meno sostenibili, come l’auto privata, con un impatto negativo sul traffico, sull’ambiente e sull’inquinamento dell’aria, ma anche sui costi di servizi di gestione delle reti e dei mezzi di trasporto che pesano, anche, sui cittadini.

Dal mobile alla mobilità efficiente

Nel settore dei servizi alla mobilità collettiva vengono utilizzate matrici degli spostamenti, chiamate Matrici Origine-Destinazione (OD), per ottenere informazioni su quante persone sono in transito, in quali zone del territorio, da dove (origine) a dove (destinazione), in quale fascia oraria e con quale mezzo di trasporto. Le matrici OD sono tradizionalmente stimate per mezzo di sondaggi, il cui obiettivo è ottenere una rappresentazione di sintesi degli spostamenti della popolazione su un territorio, tenuto anche conto dell’eventuale presenza di particolari siti di interesse (ospedali, centri commerciali, monumenti, scuole). Più di recente la stima delle matrici OD è ottenuta integrando anche informazioni raccolte per motivi amministrativi (biglietti acquistati, passaggi ai tornelli, eccetera).

Le matrici così ottenute contengono informazioni statiche, per lo più focalizzate sugli spostamenti dei commuters (i pendolari) in una giornata tipo. Si tratta però di informazioni che non si aggiornano in modo dinamico e che aiutano solo parzialmente le aziende a progettare un servizio capace di usare in modo efficiente le proprie risorse e di rispondere in modo tempestivo ed efficace alle diverse esigenze dei viaggiatori.

Per questo motivo, le aziende di servizi di trasporto collettivo si sono sempre più interessate ai dati “telefonici” che derivano dai nostri smartphone. Il motivo?
Localizzazione GPS e dati di telefonia cellulare forniscono importanti informazioni sulla posizione, velocità di percorrenza e itinerario di ogni smartphone e quindi di ogni persona che lo usa, con dati costantemente registrati e archiviati, in modo automatico, dalle aziende di servizi telefonici. Usando i dati mobile, integrati con quelli ottenuti da fonti tradizionali, è possibile ottenere un quadro più dettagliato, preciso e dinamico di tutti gli spostamenti, con aggiornamenti in tempo reale.

Big data e scenario di una mobilità collettiva possibile

Su richiesta di Regione Lombardia, gli esperti hanno analizzato e confrontato sistematicamente le Matrici OD, stimate con metodi tradizionali, e i dati mobile relativi alla mobilità dell’area di Monza e Brianza. La conclusione è che i dati telefonici sono una risorsa importante per stimare i fabbisogni complessivi di mobilità e progettare servizi efficaci, ancorchè la loro disponibilità sia ancora costosa e di non facile utilizzo. Ad oggi infatti, i dati mobile sono un prodotto commerciale offerto, spesso come “black box”, dai provider di telefonia.

È ormai evidente il valore che i big data provenienti dai telefoni cellulari hanno per le aziende dei servizi di trasporto al fine di gestire e pianificare la mobilità collettiva. Tuttavia, è importante che il loro uso avvenga in modo corretto, secondo il principio di utilità dei dati disponibili, affidata ad algoritmi sartorialmente messi a punto per produrre outcome affidabili. Questo è l’aspetto più critico e più importante, per mettere i decisori nelle condizioni di poter identificare gli elementi chiave del problema, e prendere decisioni data driven in relazione allo specifico contesto sociale, economico e urbano.

 

Articolo a cura di Piercesare Secchi, Professore di Statistica presso il Politecnico di Milano.