Sei sulla pagina 1di 89
Università degli Studi di Roma “La Sapienza” Dottorato di ricerca in Ingegneria dei Trasporti Il

Università degli Studi di Roma “La Sapienza” Dottorato di ricerca in Ingegneria dei Trasporti

Il problema di progetto di rete in contesto multiutente, multimodo e a domanda elastica

Candidato :

Guido Gentile

Coordinatore e Relatore :

Prof. Natale Papola

XII ciclo del Dottorato di ricerca

INDICE

 

pag.

Premessa

1

Introduzione

2

PARTE PRIMA – Formulazione del NDP

6

1 Analisi del NDP nel contesto della microeconomia

6

1.1 Teoria microeconomica del consumatore

7

1.2 Monetizzazione di una modifica dei prezzi

9

1.3 Estensione al caso dei trasporti

10

1.4 Funzione obiettivo

13

2 Modello di equilibrio

16

2.1 Proprietà del modello di scelta

17

2.2 Introduzione dei livelli di scelta

19

2.3 Aggregazione degli utenti in classi

21

2.4 Modello di domanda

22

2.5 Modello di offerta

24

2.6 User Equilibrium e System Equilibrium

26

2.7 Teoremi di esistenza ed unicità

27

3 Formalizzazione del NDP

30

PARTE SECONDA – Progettazione dei pedaggi

32

4 Il pricing

32

5 Ottimizzazione dei pedaggi

34

5.1 Formalizzazione del problema e caratterizzazione delle soluzioni

34

5.2 Risoluzione del problema in termini di pedaggi d’arco

39

6 Il System Optimum

41

PARTE TERZA – Progettazione congiunta dei pedaggi e di altre caratteristiche

dell’offerta

45

7 Formalizzazione del problema e caratterizzazione delle soluzioni

45

8 Risoluzione mediante la formulazione di problemi di assegnazione equivalenti

49

8.1 Assegnazione con modifica della funzione di costo d’arco

50

8.2 Assegnazione alla iper rete con archi fittizi di investimento

52

8.3 Vincolo di budget e decomposizione alla Steenbrink

55

8.4 Confronto tra gli algoritmi risolutivi proposti

56

9 Applicazione del metodo all’ottimizzazione congiunta di pedaggi e frequenze

57

PARTE QUARTA – Progettazione dell’offerta mediante l’analisi di sensitività

dell’assegnazione

62

10 Formalizzazione del problema e caratterizzazione delle soluzioni

62

11 Risoluzione del problema

64

11.1 Calcolo dei rendimenti a flussi variabili

64

11.2 Formulazione di un problema di assegnazione equivalente

66

12 Analisi di sensitività per modelli di tipo Logit

68

12.1 Logit multinomiale

70

12.2 Logit gerarchizzato

71

12.3 Algoritmo per il calcolo delle probabilità d’arco ad enumerazione implicita delle alternative

73

Conclusioni

76

APPENDICE

78

Notazione sintetica e relative regole di derivazione

78

Il teorema del risvolto

80

Altri risultati di interesse generale

81

Bibliografia

83

Premessa

Lo squilibrio tra la domanda e l’offerta di trasporto, da cui dipendono gli alti

livelli di congestione oggi sperimentati in molte realtà urbane, determina costi sociali elevatissimi, sia in termini di perditempi, consumi e stress individuali, sia

in relazione al degrado ambientale provocato dalla circolazione dei veicoli (inquinamento atmosferico, acustico, visuale ed effetti di separazione del territorio). Una elevata congestione ostacola quindi la dinamica sociale ed economica della città e incide negativamente sulla qualità della vita dei suoi

abitanti. Inoltre l’inquinamento che ne deriva raggiunge a volte livelli tali da mettere a repentaglio la salute dei cittadini, costringendo le autorità pubbliche a decretare blocchi temporanei della circolazione, con conseguente impedimento di molte attività.

Di qui l’opportunità di intervenire sul sistema di trasporto al fine di ridurre i

tempi di viaggio e le emissioni dei veicoli, migliorando l’accessibilità del tessuto urbano e contenendo l’inquinamento entro livelli accettabili. D’altra parte, l’accesa concorrenza internazionale dovuta alla globalizzazione dei mercati impone agli Stati ferree regole di bilancio. In questo contesto di ridotta disponibilità di capitali, poiché la realizzazione di nuove infrastrutture di trasporto richiede in genere investimenti di notevole entità, la scelta tra le molteplici

possibili modifiche da apportare all’offerta deve essere adeguatamente supportata da valutazioni quantitative.

Ne deriva l’esigenza di individuare metodologie che non si limitino a fornire

un supporto alle decisioni, come i modelli di simulazione, ma consentano invece

di individuare le soluzioni progettuali più efficienti. Gli strumenti di

ottimizzazione delle reti di trasporto, oggetto di questa Tesi, rispondono a tale

requisito.

Lo squilibrio tra domanda e offerta, oltre che all’inadeguatezza di quest’ultima,

è dovuto al fatto che gli utenti, a causa della presenza degli effetti esterni (congestione ed inquinamento), non percepiscono tutti i costi sociali che generano effettuando gli spostamenti. Ne segue che uno degli strumenti più efficaci per conseguire un impiego ottimale della rete esistente è il pricing (imposizione di pedaggi sugli archi della rete), cui viene pertanto dedicata particolare attenzione in

questa sede.

La specificità del presente lavoro è quella di trattare il problema di progetto di

rete in contesto multiutente, multimodo e a domanda elastica. Multiutente, perché

individui con reddito differente reagiscono in modo diverso all’introduzione di un sistema di pricing. Multimodo, perché in presenza di elevati livelli di congestione non è possibile soddisfare con adeguati livelli di servizio le esigenze di mobilità prescindendo dal trasporto collettivo, in quanto quest’ultimo risulta più efficiente

nell’uso della risorsa scarsa spazio rispetto all’auto privata. A domanda elastica, perché l’efficacia di un intervento sull’offerta in campo urbano deve essere valutata tenendo conto almeno dei suoi effetti sulla ripartizione modale, e perché i principali effetti del pricing sono la riduzione della generazione di spostamenti e il riequilibrio modale. Nel concludere questa breve premessa vorrei ringraziare il Prof. Papola, mio maestro, e il Prof. Bellei, i quali hanno contribuito in modo sostanziale alle idee presentate nel presente lavoro.

Introduzione

L’oggetto del problema di progetto di rete (Network Design Problem - NDP) è la modifica dell’offerta al fine di conseguire specifici obbiettivi di tipo sociale, nel rispetto del vincolo di equilibrio fra domanda e offerta di trasporto. Secondo una consuetudine accettata, il problema può assumere una forma discreta o una forma continua. Il NDP discreto concerne la determinazione della topologia della rete attraverso variabili booleane pari ad 1 se il progetto cui si riferiscono viene realizzato e 0 altrimenti, mentre il NDP continuo assume la topologia come data e riguarda la configurazione dei parametri che definiscono le caratteristiche degli elementi della rete (es. le capacità degli archi stradali, le frequenze delle linee di trasporto collettivo, i pedaggi e le tariffe, la ripartizione del verde nelle intersezioni semaforizzate). La distinzione tra la forma continua e quella discreta del NDP non è assoluta. Infatti, da una parte le variabili di progetto continue possono essere sostituite con variabili discrete che individuino diversi livelli del parametro oggetto della progettazione, dall’altra l’indicazione di includere o meno un elemento della rete nel progetto può essere fornita dal valore positivo o nullo, rispettivamente, assunto da una variabile continua. Il NDP discreto (Magnanti e Wong, 1984) può essere risolto in modo esatto mediante tecniche di ottimizzazione combinatoria, quali i metodi di tipo branch & bound. D’altra parte, la complessità di tali algoritmi cresce molto rapidamente con il numero delle variabili di progetto considerate, fino a rendere il problema non trattabile dal punto di vista computazionale. L’avvento di metodi di ottimizzazione probabilistica, quali gli algoritmi genetici apre nuove prospettive per la risoluzione del NDP discreto (Vitetta, 1995); comunque in questa sede ci si limita a considerare la forma continua del problema. Poiché non esiste a tutt’oggi un metodo generale che sfrutti la struttura a più livelli nella risoluzione dei problemi di ottimizzazione, il NDP continuo è stato formulato utilizzando vari approcci che qui vengono classificati in quattro gruppi a seconda della strategia utilizzata per ridurre il problema, intrinsecamente bilivello, ad un problema di ottimizzazione ad un solo livello o ad una sequenza di questi.

Cournot Nash. L’approccio consiste nel risolvere iterativamente una

assegnazione a variabili di progetto fissate e una ottimizzazione delle variabili di progetto a flussi costanti. Tale metodo prende il nome di Iterative Optimisation Assignment (LeBlanc e Abdulaal, 1984) e, se converge, individua uno stato di equilibrio per il gioco di Cournot Nash, in cui il leader (la pubblica amministrazione) determina le scelte progettuali ignorando la reazione dei followers (gli utenti) e basandosi dunque sullo stato attuale del sistema. D’altra parte il NDP consiste piuttosto in un gioco di Stackelberg, ove il leader decide tenendo conto della reazione dei followers. Il metodo è pertanto una euristica (Fisk, 1984) e può condurre anche a soluzioni molto diverse dall’ottimo globale (Marcotte, 1981) Progettazione normativa. L’approccio consiste sostanzialmente nell’eliminare

il vincolo di equilibrio, assumendo che la pubblica amministrazione, oltre che

stabilire la soluzione del progetto nel rispetto dei vincoli esistenti sulle relative variabili, possa controllare direttamente le scelte degli utenti, ossia possa determinare la configurazione dei flussi, purché ne mantenga la consistenza, come nel pionieristico lavoro di Steenbrink (1974). Il problema si riduce così ad una ottimizzazione non lineare nei flussi e nelle caratteristiche dell’offerta, che comunque risulta non convesso così come il generico NDP . Vincolo di equilibrio in forma esplicita. L’approccio consiste nel formalizzare l’equilibrio mediante un sistema di equazioni e/o disequazioni da porre a vincolo della funzione obbiettivo e nel risolvere il problema di ottimizzazione in forma standard che ne risulta. Ma operando in tal modo l’insieme ammissibile risulta particolarmente complesso, pertanto l’applicazione dei metodi classici di ottimizzazione non lineare è sostanzialmente impraticabile. Con riferimento al caso deterministico, in cui l’equilibrio può essere formalizzato mediante un sistema di disequazioni variazionali, Marcotte (1983) ha proposto un algoritmo ad hoc basato sul metodo dell’accumulazione dei vincoli, ma tale procedimento può essere applicato solo a reti di ridotte dimensioni. Funzione di assegnazione. L’approccio consiste nel definire una funzione che fornisca i flussi di equilibrio in corrispondenza di una qualsiasi specificazione ammissibile delle variabili di progetto e nell’eliminare il vincolo di equilibrio esprimendo i flussi attraverso di essa. Il problema risultante è ad un solo livello e risulta “quasi non vincolato” (rimangono solo i vincoli sulle variabili di progetto). D’altra parte il calcolo di tale funzione, come dice il nome, richiede la risoluzione

di un problema di assegnazione e pertanto essa non è esprimibile in forma chiusa.

Ne segue che, o si fa uso di tecniche di discesa senza derivate quali l’algoritmo di Hooke - Jeeves e quello di Powell , come in Abdulaal e LeBlanc (1979), oppure occorre impiegare l’analisi di sensitività per calcolare le derivate della funzione di assegnazione (Tobin e Friesz, 1988; Davis, 1994, Yang, 1997). A questo punto,

una soluzione locale del problema può essere efficacemente individuata mediante l’impiego dei metodi classici dell’ottimizzazione non lineare. Poiché il problema è non convesso, volendo individuare una soluzione globale è possibile impiegare i più onerosi metodi di ottimizzazione probabilistica, quali il simulated annealing (Friesz et al. , 1992) e la tabu search. Poiché detti metodi richiedono molti calcoli della funzione obbiettivo può risultare conveniente utilizzare un algoritmo di assegnazione ad enumerazione esplicita dei percorsi. Sempre al fine di rendere il calcolo della funzione obbiettivo meno oneroso, è possibile sostituire la funzione obbiettivo del problema con una sua approssimazione esprimibile in forma chiusa, utilizzando ad esempio una rete neurale (Xiong e Schneider, 1991) o una forma polinomiale (Ferrari, 1999). La funzione approssimante deve essere però calibrata rispetto ad un campione ottenuto mediante un opportuno numero di assegnazioni corrispondenti a

configurazioni di progetto estratte casualmente. Facendo specifico riferimento alla mobilità delle persone, nella presente Tesi l’equilibrio verrà formalizzato come problema di punto fisso impiegando, per quanto riguarda la domanda, modelli comportamentali a domanda elastica fondati sulla teoria dell’utilità aleatoria e per quanto riguarda l’offerta, reti congestionate in contesto multiutente e multimodo con funzioni di costo non separabili. L’impiego dei modelli di utilità aleatoria consentirà di formulare l’equilibrio all’interno della ben consolidata teoria microeconomica del consumatore, riguardando l’effettuazione di uno spostamento come atto del tutto analogo al consumo di un qualunque bene o servizio ed ipotizzando che ciascun utente effettui le sue scelte di mobilità ottimizzando la propria utilità individuale (Trip Consumer Approach - TCA). Ne consegue che il NDP è riconducibile ad un problema di ottimizzazione di una qualche funzione delle utilità individuali che misuri il benessere sociale con a vincolo l’ottimizzazione di quelle stesse funzioni

di utilità individuale, singolarmente prese. Il NDP è cioè per sua natura un

problema di ottimo bilivello e la microeconomia neoclassica costituisce il contesto teorico nel cui ambito analizzare la coerenza interna del problema. La Tesi è articolata in quattro parti. Nella Parte Prima il NDP viene inquadrato nel contesto della microeconomia

specificando le ipotesi che permettono di ricondurre nell’ambito della teoria del consumatore i modelli di domanda di trasporto basati sulla teoria dell’utilità

aleatoria ed identificando la funzione obbiettivo con il surplus sociale, che misura

il benessere sociale di un intervento di modifica dell’offerta di trasporto

sommandone gli effetti sugli individui valutati in termini monetari. Viene quindi

formalizzato il modello di equilibrio multiutente e multimodo e a domanda elastica posto a vincolo del NDP , specificando le proprietà dei modelli di domanda e di offerta che consentono di stabilirne esistenza ed unicità della

soluzione. Con riferimento al contesto in esame, viene introdotto il System Equilibrium (SE), come uno User Equilibrium (UE) ottenuto sostituendo i consti medi individuali con i costi marginali sociali. Nella Parte Seconda viene affrontato lo studio del particolare NDP che ha per oggetto la determinazione di un sistema di pricing ottimale rispetto al surplus sociale, assumendo la possibilità di applicare un pedaggio distinto per classe di utenti su ciascun arco della rete. La soluzione di tale NDP in termini di flussi è un SE. Essa in termini di pedaggi è pertanto data dalla differenza tra i costi marginali sociali ed i costi medi individuali. Anche la soluzione del problema di allocazione delle risorse che ha per oggetto la determinazione della configurazione ottimale dei flussi rispetto al surplus sociale, detta ottimo di sistema o System Optimum (SO) , è un SE. Questi risultati estendono la validità del principio del marginal pricing al caso di modelli di domanda basati sulla teoria dell’utilità aleatoria. Nella Parte Terza i pedaggi vengono ottimizzati congiuntamente ad altre variabili di progetto, quali ad es. le capacità degli archi stradali e le frequenze delle linee di trasporto collettivo. In questo caso, la soluzione, oltre a realizzare un SE , deve rispettare la seguente condizione di ottimalità sui rendimenti a flussi costanti, che esprimono il rapporto tra la riduzione marginale dei costi sociali conseguente ad un intervento marginale sull’offerta e il corrispondente incremento marginale dell’investimento, a flussi costanti: i rendimenti di tutti gli interventi realizzati devono essere uguali e non inferiori a quelli degli interventi non realizzati. Il NDP viene prima ricondotto ad un problema di assegnazione di equilibrio equivalente e quindi risolto mediante un algoritmo di punto fisso di tipo MSA (Method of Successive Averages). A tal fine vengono presentati due metodi, il primo dei quali si basa su una modifica della funzione di costo d’arco; il secondo implica invece l’introduzione di una iper rete con archi fittizi di investimento. Viene infine presentato il caso della progettazione delle frequenze con riferimento ad una rete reale aggregata. Nella Parte Quarta viene rimossa l’ipotesi che sia possibile applicare un pedaggio su ciascun arco e si prende in considerazione il problema di progetto di rete nella sua forma generale, dove non è possibile realizzare l’ottimo di sistema mediante l’applicazione dei pedaggi marginali. La soluzione deve rispettare una condizione di ottimalità analoga alla precedente ma riferita ai rendimenti a flussi variabili, che esprimono l’incremento marginale di surplus sociale tenendo conto anche degli effetti indotti dalla variazione dei flussi conseguente alla modifica dell’offerta. Il calcolo dei rendimenti a flussi variabili richiede l’analisi di sensitività dell’assegnazione che viene affrontata con riferimento al modello di equilibrio considerato. Particolare attenzione è dedicata ai modelli di scelta di tipo Nested Logit per i quali si individua un metodo di calcolo dello Jacobiano della funzione di assegnazione ad enumerazione implicita dei percorsi.

PARTE PRIMA – Formulazione del NDP

1 Analisi del NDP nel contesto della microeconomia

Il generico NDP può essere formalmente espresso mediante il seguente problema di ottimizzazione non lineare:

max f, t, z S( f, t, z) s.t. tS t , zS z

(1)

f = f UE

ove il vincolo di coerenza tra domanda ed offerta di trasporto è espresso dalla configurazione dei flussi di equilibrio sulla rete f UE , f , t e z sono rispettivamente i vettori dei flussi, dei pedaggi e delle altre variabili di progetto, S f , S t e S z sono i rispettivi insiemi ammissibili, la funzione S( f, t, z) esprime il benessere sociale, mentre i puntini di sospensione stanno ad indicare altri vicoli posti dalla Pubblica Amministrazione (PA) al momento inessenziali. Si noti che poiché per sua natura la configurazione dei flussi di equilibrio è ammissibile, ossia f UE S f , nella (1) non è necessario esplicitare il vincolo fS f . La particolare struttura e complessità del problema dipende dalla forma della funzione obiettivo, da come vengono rappresentate la domanda e l’offerta per formulare il vincolo di equilibrio, dalle variabili di progetto e dagli altri vincoli. Giova evidenziare che poiché l’utente produce i propri spostamenti e contestualmente li consuma, quello tra domanda ed offerta di trasporto non si configura come un equilibrio generale alla Walras; si tratta piuttosto di riprodurre la domanda in presenza degli effetti esterni dovuti alla congestione, rappresentando quest’ultima mediante le funzioni di prestazione dell’offerta. Per inquadrare il NDP nel contesto della microeconomia occorre pertanto derivare un modello di domanda di trasporto dalla teoria del consumatore ed individuare una funzione delle utilità individuali che misuri il benessere sociale. In Oppenheim (1995) il TCA viene adottato per formalizzare l’equilibrio come problema di ottimo equivalente mettendo in evidenza la possibilità di estenderne l’impiego all’NDP. In Jara-Diaz e Farah (1988) viene invece affrontato l’argomento della monetizzazione dei benefici dell’utente con specifico riguardo ai progetti di trasporto, mostrando come il surplus del consumatore di spostamenti rifletta tutti gli effetti sull’individuo connessi con un intervento di modifica dell’offerta. Qui di seguito sono riportati gli elementi della teoria microeconomica del

consumatore essenziali alla formalizzazione del NDP in tal contesto, rimandando per maggiori dettagli al testo di Luenberger (1995).

1.1 Teoria microeconomica del consumatore

La teoria del consumatore si prefigge di rappresentare il comportamento di un individuo in relazione alle sue scelte di consumo. Essa postula che l’individuo sia in grado di ordinare, in base ad una relazione di preferenza, i panieri di beni disponibili e che scelga il migliore compatibile con il suo reddito. Assumendo l’esistenza di una funzione di utilità diretta, o utilità a priori, continua u: X ⊆ℜ m → ℜ che rappresenti le preferenze individuali, il problema del consumatore si configura come un problema di ottimizzazione così formulato:

(2)

v(p, b) = max x u(x) s.t.: p T x b , xX ,

dove v(p, b) è per definizione la funzione di utilità indiretta, o utilità a posteriori, e dove x 0 sono le quantità dei beni, p 0 sono i relativi prezzi unitari, b > 0 è il reddito dell’individuo e risulta X{x∈ℜ m : p T x b} ≠ ∅. La soluzione del problema, d(p, b) , è per definizione la domanda Marschalliana. Vale la relazione:

(3)

v(p, b) = u(d(p, b)) .

Strettamente connesso al problema del consumatore è il problema della minimizzazione della spesa totale, che consiste nel minimizzare la spesa necessaria al raggiungimento da parte dell’individuo di un determinato livello di utilità w :

(4)

e(p, w) = min x p T x s.t.: u(x) w , xX ,

dove e(p, w) è per definizione la funzione di spesa e dove è X{x∈ℜ m : u(x) w} ≠ ∅. La soluzione del problema, h(p, w) , è invece la domanda compensata, o domanda Hicksiana. Vale la relazione:

(5)

e(p, w) = p T h(p, w) .

Teorema dell’equivalenza: Si assuma la non sazietà locale, formalmente

espressa da : xX e ε > 0 , yX , con ||x-y|| < ε , tale che u(y) > u(x) ; xX ,

con p T x b , e ε > 0 , yX , con ||x-y|| < ε , tale che p T y < b .

a) Se x* risolve

il problema (2), allora risolve anche il problema (4), con w = v(p, b).

risolve il problema (4), allora risolve anche il problema (2), con b = e(p, w). Valgono le seguenti relazioni:

b) Se x*

e(p, v(p, b)) = b

,

(6)

v(p, e(p, w)) = w ,

(7)

d(p, b) = h(p, v(p, b)) ,

(8)

h(p, w) = d(p, e(p, w)) .

(9)

Dimostrazione: a) Supponiamo per assurdo che x* risolva il problema (2) con v(p, b) = w , ma non il problema (4). Esiste quindi x x*X con p T x < p T x* e

u(x) w . Per la non sazietà locale vicino ad x esiste yX con p T y p T x* b e u(y) > u(x) w. Ciò contraddice l’ipotesi che w = v(p, b) . b) Supponiamo per assurdo che x* risolva il problema (4) con e(p, w) = b , ma non il problema (2). Esiste quindi x x*X con u(x) > u(x*) e p T x b . Per la non sazietà locale e la continuità vicino ad x esiste yX con u(y) u(x*) w e p T y < p T x b . Ciò contraddice l’ipotesi che b = e(p, w) .

Lemma di Shephard. Se e(p, w) è differenziabile in p ed h(p, w) è una funzione, allora vale la relazione:

e

(

p

, w

)

p

j

= h

j

(

p

,

w)

j = 1, … , m

.

(10)

Dimostrazione: La funzione g(p’) = e(p’, w) -pT h(p, w) è sempre minore o uguale a zero e si annulla in p . Poiché g(p’) è differenziabile ed assume il valore massimo in p, devono essere rispettate le seguenti condizioni necessarie:

p g(p) = 0, che coincidono con l’asserto.

Identità di Roy: Posto che siano verificate le ipotesi del teorema dell’equivalenza, se v(p, b) e d(p, b) sono funzioni differenziabili, allora vale la relazione:

d

j

(

p , b

)

v

(

p

,

b

)

= −

p

j

v

p

,

b

(

)

b

j = 1, … , m

.

(11)

Dimostrazione: In base alla (8), poiché d(p,b) e v(p,b) sono funzioni differenziabili, lo è anche h(p, w). In base alla (5) ne segue che anche e(p, w) è differenziabile. Vale pertanto il lemma di Shephard. Derivando entrambi i membri della (7) rispetto a p j e tenendo presente che per il teorema dell’equivalenza risulta e(p, w) = b , si ha:

v

(

p ,e

(

p , w

))

=

w

v

(

p

,

b )

v

+

(

p

,

b )

e

(

p

, w

)

p

j

p

i

p

j

b

p

j

= 0

,

da cui in base alla (10) si ottiene:

h

j

(

p

, w

)

v

(

p

,

b

)

= −

p

j

v

p

,

b

(

)

b

.

Poiché per il teorema dell’equivalenza è w = v(p, b), in base alla (8) dalla relazione precedente si ottiene la (11).

Equazione di Slutsky: Posto che siano verificate le ipotesi dell’identità di Roy. Vale la seguente relazione:

d

i (

p ,

b )

p

j

=

h

i (

p

,

w )

p

j

d

i (

p b

,

)

b

d

j

(

p

,

b)

i, j = 1, … , m

,

(12)

con w = v(p, b). Dimostrazione: Poiché d(p,b) e v(p,b) sono funzioni differenziabili, lo sono anche h(p, w) ed e(p, w). La derivata parziale dell’i-esima componente della domanda rispetto al j-esimo prezzo calcolata per entrambi i membri della (9) fornisce la seguente relazione:

h

i

(

p,

w

)

p

j

=

d

i

(

p,

e

)

p

j

+

d

i

(

p, e

)

e

e

(

p, w

)

p

j

i, j = 1, … , m

.

Da questa, mediante le stesse argomentazioni utilizzate per dimostrare la validità dell’identità di Roy si ottiene l’asserto.

1.2 Monetizzazione di una modifica dei prezzi

La modifica di un sottoinsieme di prezzi comporta una variazione dell’utilità individuale che può essere misurata in termini monetari valutando l’incremento di

reddito EV (da Equivalent Variation) che induce sull’utilità indiretta lo stesso effetto della modifica dei prezzi. Prendendo come riferimento l’utilità w 1 relativa allo stato finale del sistema e tenendo presente il teorema dell’equivalenza, si ha:

v(p 0 , b +EV) = v(p 1 , b) = w 1 , e(p 0 , v(p 0 , b +EV)) = b +EV , e(p 1 , v(p 1 , b)) = b . Sottraendo membro a membro le ultime due si ottiene:

EV = e(p 0 , w 1 ) -e(p 1 , w 1 ) ,

ove p 0 e p 1 indicano i prezzi interessati dalla modifica vigenti rispettivamente prima e dopo l’intervento. Tenendo presente il lemma di Shephard la (13) può essere scritta come:

(13)

EV

=

p

0

p

1

d

p

e

()

1

p w

,

=

p

0

p

1

h

()

1

T

p w

,

d

p

.

(14)

La (14) fornisce una misura rigorosa dell’equivalente monetario di una variazione di utilità fondata su basi teoriche, ma non è utile da un punto di vista operativo perché la domanda Hicksiana non è osservabile. Nel caso in cui il consumo dei beni cui sono associati i prezzi interessati dalla modifica dell’offerta risulti indipendente dal reddito (d i (p, b)/b 0), tenendo presente l’equazione di Slutsky, le relative componenti della domanda Hicksiana, lette in funzione di detti prezzi, possono essere approssimate con quelle della domanda Marschalliana, che è osservabile. Si ha, cioè:

EV =

p

0

p

1

h

( p

,

w

1

)

T

d

p

p

0

p

1

d

( p

,

b)

T

d

p

= SC

,

(15)

ove SC è il surplus del consumatore, che risulta, sotto tale ipotesi, indipendente dal percorso di integrazione. Se poi si assume che l’utilità marginale del reddito sia costante e positiva (v(p, b)/b = γ > 0), tenendo presente l’identità di Roy, dalla (15) si ottiene:

EV

=

SC

p

1

= ∫∑

p

0

j

v

(

p b

,

)

p

j

1

γ

j

γ

d p

=

[

v

(

p

1

,

b)(

v

p

0

,

b)]

.

1.3 Estensione al caso dei trasporti

(16)

I modelli di domanda di trasporto generalmente impiegati nella formulazione dell’equilibrio si basano sull’ipotesi che l’individuo disponga di un insieme J discreto, finito e non vuoto di alternative di spostamento e scelga una di esse (discrete choice analysis). Dette alternative costituiscono un sottoinsieme di beni; risulta allora possibile derivare un modello di domanda su basi teoriche direttamente dalla teoria del consumatore ricavando la domanda Marschalliana ad esse relativa. Formalmente il vettore paniere dei beni viene partito in due sottovettori (x, y), ove xX⊆ℜ |J| sono le quantità associate alle alternative di spostamento e yY⊆ℜ m le quantità degli altri beni, e si assume l’esistenza di una funzione di utilità u(x, y) che rappresenti le preferenze dell’individuo. La funzione di utilità parziale indiretta rispetto ad y fornisce la massima utilità ottenibile per xX dato:

u y (x) = max y u(x, y) s.t.: p T x +π T y b , yY , (17)

ove p e π sono rispettivamente i costi monetari associati alle alternative di spostamento e i prezzi degli altri beni. Assumendo che per ogni xX esistano degli yY compatibili con il vincolo di bilancio, ossia che risulti Y {y∈ℜ m :

p T x +π T y b} ≠ ∅ , la domanda di spostamenti può essere ottenuta risolvendo il seguente problema nelle sole x :

max x u y (x) s.t.: xX .

(18)

Assumendo l’ipotesi che

le

preferenze

relative

agli

spostamenti

siano

indipendenti dalle quantità degli altri beni consumate e viceversa, la funzione di utilità risulta separabile (Luenberger, 1995, p.117) e può essere posta nella forma:

u(x, y) = U(x, υ y (y)) , con U strettamente crescente in υ y (y) . La (17) tenendo conto della (19) diventa:

(19)

u y (x) = U(x, ϖ y (π, b -p T x)) , ove ϖ y è la funzione di utilità indiretta relativa al seguente problema:

(20)

max y υ y (y) s.t.: π T y b -p T x , yY .

(21)

L’utilità indiretta ϖ y dipende dalle scelte di mobilità x solamente per effetto della diminuzione del reddito disponibile per l’acquisto degli altri beni conseguente alla spesa sostenuta per il trasporto. Assumendo l’ulteriore ipotesi che υ y (y) sia omogenea di grado uno, si ha (Luenberger, 1995, p.161):

(22)

Nel seguito si assume l’ipotesi che, in presenza di modifiche dell’offerta di trasporto, π si conservi costante e che γ = γ(π ) > 0 . Sostituendo, la (22) nella (20), la (18) diventa:

(23)

Le ipotesi di indipendenza e di omogeneità assunte consentono di rappresentare la domanda di trasporto sintetizzando la dipendenza delle scelte relative agli spostamenti dalle scelte relative al consumo degli altri beni mediante il solo scalare γ . In virtù della natura discreta delle scelte di mobilità si ha X = {x∈ℜ |J| : x j {0,1}

j = 1, … , |J| , x T 1 = 1} e pertanto il problema (23) può essere formalizzato senza esplicitare le variabili x :

(24)

ove U j fornisce l’utilità di scegliere l’alternativa jJ . Nei modelli di domanda di trasporto, oltre al costo monetario p j , viene introdotto un vettore di attributi Q j caratteristici della generica alternativa j. Tale procedura è corretta anche dal punto di vista della teoria economica. L’utilità della generica alternativa assume pertanto la seguente forma:

(25)

max jJ U j ((b -p j )γ ) ,

ϖ y (π, b -p T x) = (b -p T x)⋅γ(π ) .

max x U(x, (b -p T x)γ ) s.t.: xX .

U j = U j (Q j , (b -p j )γ )

j = 1, … , |J|

. Nei modelli di utilità aleatoria le U j vengono rappresentate mediante variabili

casuali con un’utilità media V j finita, detta utilità sistematica, più un residuo aleatorio ε j a media nulla:

.

In questa sede si assume che la funzione di densità di probabilità congiunta dei

residui aleatori sia continua, dando luogo a modelli di scelta probabilistici, ed indipendente dalle utilità sistematiche, dando luogo a modelli di scelta additivi.

(26)

U j = V j (Q j , (b -p j )γ ) +ε j

j = 1, … , |J|

L’aleatorietà delle U j consente di determinare la soluzione del problema (24) solo

in termini probabilistici. Di conseguenza, la probabilità che l’alternativa j venga

scelta, detta probabilità di scelta “tout court” e nel seguito indicata con P j , si

sostituisce alla domanda Marschalliana. In base alle ipotesi assunte per il modello

di scelta, P j coincide con la probabilità che j sia l’alternativa di massima utilità:

(27)

P j = Pr[U j = max hJ U h ] = Pr[V j +ε j V h +ε h hJ]

j = 1, … , |J|

.

Analogamente il valor medio della massima utilità, detto soddisfazione e nel seguito indicato con W, si sostituisce all’utilità indiretta:

(28)

L’utilità dello spostamento si compone di termini positivi, legati all’attività svolta a destinazione, e di termini negativi, connessi all’effettuazione dello stesso

(tempo, costo monetario, stress ecc.). Questi ultimi sono sintetizzati dal costo generalizzato che, espresso in termini monetari, assume il ruolo di “prezzo” dell’alternativa di spostamento. Coerentemente con l’introduzione di tale

concetto, si assume che l’utilità sistematica della generica alternativa possa essere posta nella seguente forma:

V j (Q j + , [b -(p j +f(Q j - )]γ ) = V j (Q j + , (b -C j )γ ) j = 1, … , |J| , (29) ove Q j è stato bipartito nei sottovettori Q j + e Q j - relativi rispettivamente agli attributi associati ai termini positivi e negativi dell’utilità dello spostamento, a parte il costo monetario, e ove C j = p j +f(Q j - ) è il costo generalizzato dell’alternativa. Solitamente la funzione f(Q j - ) viene assunta lineare in Q j - . Assumendo come di consueto:

, ove X j = X j (Q j + ) rappresenta in modo aggregato i termini positivi dell’utilità dello spostamento, γ assume il significato di utilità marginale del reddito. Tenendo presente che all’utilità a posteriori corrisponde la soddisfazione, che ai prezzi corrispondono i costi generalizzati e che alla domanda Marschalliana corrispondono le probabilità di scelta, l’estensione al caso dei trasporti dell’identità di Roy in base alla (30) è espressa da:

(30)

W = E[max jJ V j +ε j ] .

V j = X j +(b -C j )γ

j = 1, … , |J|

P

j

~

W

(

C

)

= −

C

j

γ

= −

W

(

V

)

V

j

(

d X

j

+

(

b

C

j

)

γ

)

d C

j

γ

=

(

W V

)

V

j

j = 1, … , |J|

,

(31)

ove i vettori V e C esprimono in forma compatta rispettivamente le utilità sistematiche e i costi generalizzati di tutte le alternative:

(32)

Poiché il modello di scelta è probabilistico, la soddisfazione e le probabilità di scelta sono funzioni differenziabili delle utilità sistematiche e quindi dei costi generalizzati. Pertanto, assumendo la non sazietà locale e la continuità della funzione di utilità u(x, y), tutte le ipotesi del teorema dell’identità di Roy sono soddisfatte e la (31) vale. Si ritrova, così, all’interno della teoria microeconomica del consumatore il ben noto risultato secondo cui la derivata parziale della soddisfazione rispetto all’utilità sistematica della generica alternativa fornisce la probabilità di scelta dell’alternativa medesima. Poiché il modello di scelta è additivo e il termine bγ nella (30) è comune a tutte la alternative, esso risulta ininfluente ai fini del calcolo delle probabilità di

V = (V 1 , … , V j , … , V |J| ) T , C = (C 1 , … , C j , … , C |J| ) T .

scelta. Ne segue che l’effetto reddito sulle scelte di mobilità è nullo. Sulla base di quanto sopra la (16) diventa:

EV = (1/γ )[W(C 1 ) -W(C 0 )]

(33)

.

1.4 Funzione obiettivo

I principali obbiettivi da perseguire nel determinare le scelte che la società effettua collettivamente come un soggetto governato (ad esempio quelle inerenti la spesa e la finanza pubblica) sono l’efficienza e l’equità. Il criterio dell’efficienza risulta soddisfatto realizzando un ottimo paretiano, ossia una modifica della situazione attuale per cui nessun individuo ha dopo l’intervento un’utilità minore di prima. L’approccio paretiano evita la comparazione delle utilità individuali, tema che inevitabilmente occorre affrontare per trattare il criterio dell’equità. A tal fine viene introdotta la funzione di utilità sociale, che misura il benessere

sociale, o walfare, e che, con specifico riferimento ai trasporti e adottando il TCA, assume la forma : S(x, y) , ove x = (x 1 T , x 2 T , … , x |I| T ) T ed y = (y 1 T , y 2 T , … , y |I| T ) T sono rispettivamente la configurazione degli spostamenti e l’allocazione degli altri beni tra gli individui; con x i ed y i sono indicati rispettivamente gli spostamenti e il paniere di beni ricevuti dall’i-esimo individuo, mentre I è l’insieme degli individui che compongono la società. Impiegando la funzione di utilità sociale come obbiettivo delle scelte collettive si definisce implicitamente il criterio per la comparazione delle utilità individuali, ossia un insieme di giudizi di valore. Un caso particolare di funzione di utilità sociale è la seguente forma non separabile della funzione di Bergson - Samuelson:

(34)

S = S(u 1 (x, y 1 ), u 2 (x, y 2 ), … , u |I| (x, y |J| ))

Poiché la configurazione degli spostamenti compare nelle singole funzioni di

utilità individuale, la (34) si addice a formalizzare l’obbiettivo del NDP, dove gli effetti esterni dovuti alla congestione e all’inquinamento assumono un ruolo determinante. La (34) può anche essere letta come funzione dei prezzi e dei redditi attraverso le utilità a posteriori:

(35)

S = S(v 1 (p 1 , π, b 1 ), v 2 (p 2 , π, b 2 ), … , v |I| (p |I| , π, b |I| ))

. Se i prezzi sono costanti la (35) è una funzione della distribuzione dei redditi:

(36)

S = S(b 1 , b 2 , … , b |I| )

. La funzione utilitarista (Luenberger, 1995, pag.333), data dalla somma di tutti i redditi, è una particolare specificazione della (36). In tal modo, si prescinde da intenti ridistribuivi delegando ad altri strumenti il compito di risolvere le questioni inerenti l’equità delle scelte collettive. Nell’ambito del NDP i costi generalizzati, che rappresentano i prezzi degli spostamenti, variano, mentre i redditi sono costanti. Per impiegare la (36) occorre quindi sostituire i redditi con le variazioni equivalenti di reddito introdotte nel

.

paragrafo 1.2:

. Il soggetto deputato a decidere le modifiche da apportare all’offerta di trasporto è in genere la PA , il cui obbiettivo è massimizzare il benessere sociale. Coerentemente con il principio utilitarista, si assume come funzione del benessere sociale la somma algebrica delle monetizzazioni di tutti gli effetti dell’intervento di modifica dell’offerta, qui denominata surplus sociale. Assumendo l’ipotesi che l’intervento non modifichi la distribuzione delle

attività sul territorio, le X j nella (30) sono costanti. Gli effetti indotti sull’utente vengono così ricondotti a variazioni del solo costo generalizzato e possono pertanto essere monetizzati mediante la (33). Il surplus sociale S risulta quindi dato da:

(38)

dove i termini E, G e T forniscono, nell’ordine, il valore monetario delle esternalità del trasporto (es. i costi ambientali, i costi degli incidenti e la parte dei costi di manutenzione dei veicoli privati che non viene percepita come associata ai singoli spostamenti), i costi di investimento (dati dalla somma dei costi di

esercizio delle infrastrutture e dei servizi di trasporto - es. i costi di manutenzione delle infrastrutture stradali, i costi di esercizio dell’azienda di trasporto collettivo -

e dei costi per la realizzazione della modifica dell’offerta di competenza

dell’esercizio - es. i costi di costruzione di nuove infrastrutture stradali o di nuove linee di trasporto di massa - , opportunamente rapportati al sottoperiodo di riferimento), e gli eventuali proventi da tariffa (es. le tariffe del trasporto collettivo, quelle della sosta a pagamento e i pedaggi del road pricing). Nella (38) sono stati tralasciati i termini relativi allo stato iniziale del sistema perché irrilevanti ai fini dell’ottimizzazione. Spesso in letteratura si assume come obbiettivo la minimizzazione dei costi sociali di seguito definiti:

(39)

CS = C +E +λG -T = C+E +λG ,

dove i termini C e C, che differiscono per T , forniscono rispettivamente i costi totali degli utenti (somma dei costi generalizzati dell’alternativa scelta da ciascun

individuo) con e senza i pedaggi. Sostituendo la (39) nella (38) si ottiene una espressione alternativa del surplus sociale:

(40)

S = iI W i /γ i -CS +C .

In base alla (40) il surplus sociale differisce dall’opposto dei costi sociali, perché,

coerentemente con i modelli stocastici impiegati, le disutilità degli utenti vengono misurate mediante l’opposto delle soddisfazioni (espressione della media del

minimo costo di alternativa) invece che il costo medio dell’alternativa utilizzata. La soddisfazione del generico utente che appare nella (38) dipende delle utilità sistematiche delle alternative di spostamento, tra le quali è presente eventualmente

S = iI W i /γ i -E -λG -T ,

(37)

S = S(EV 1 , EV 2 , … , EV |I| )

quella di non spostarsi. La variabile W i esprime pertanto una misura di tutti i benefici per l’utente, compresi quelli connessi alle variazioni del numero di spostamenti effettuati legate all’elasticità della domanda. Giova notare che ad una forma del surplus sociale del tutto analoga alla (38) si

perviene anche se la gestione del sistema di trasporto viene affidata in concessione (Ferrari, 1999), anziché essere condotta in economia dalla PA , come si è implicitamente assunto. Il coefficiente λ nella (38) assume significati diversi a seconda che la PA operi

in un contesto di risorse limitate (la PA dispone di una percentuale del PIL

definita coerentemente con i giudizi di valore indirettamente espressi dai cittadini

attraverso il mandato politico affidato agli amministratori pubblici) o illimitate (la PA si finanzia liberamente attraverso la fiscalità generale). Nel primo caso, λ rappresenta il costo opportunità dei fondi pubblici, ossia il rendimento in termini

di benessere sociale ottenuto nell’ambito di una ripartizione ottimale delle risorse

disponibili tra i diversi settori della spesa pubblica compreso quello dei trasporti. Nel secondo caso, λ-1 rappresenta il costo marginale dei fondi pubblici, che misura in termini monetari il danno prodotto all’economia da un incremento unitario del prelievo fiscale. Nel primo caso, un λ elevato indica che l’intervento pubblico si avvale di economie di scala, mentre un λ basso manifesta la presenza

di inefficienze nell’impiego del denaro pubblico o la ridondanza delle risorse

raccolte attraverso il prelievo fiscale. Nel secondo caso, un λ elevato indica che la fiscalità generale sottrae risorse agli investimenti del settore produttivo privato e

al consumo, mentre un λ basso manifesta l’opportunità di intervenire con

investimenti pubblici per rilanciare l’economia. In mancanza di adeguate informazioni si pone λ = 1 , che sottintende un prelievo fiscale ottimale.

Talvolta il NDP viene formulato includendo un vincolo di budget sulle risorse

da impiegare per la realizzazione del particolare tipo di intervento in esame. In

realtà ciò implica una incoerenza di carattere concettuale. Infatti, se la PA opera in

un contesto di risorse limitate e λ è stato valutato correttamente, il costo della

soluzione del NDP senza vincolo di bilancio coincide con detto budget, mentre se

la PA opera in un contesto di risorse illimitate, non ha senso porre un limite al

costo dell’intervento. D’altra parte in sede di applicazione del modello λ ed il budget del progetto sono in genere determinati indipendentemente l’uno dall’altro; risulta pertanto conveniente accettare l’incoerenza concettuale per consentire una maggiore flessibilità nella formulazione del problema. Se la PA opera a budget fissato per coerenza si deve assumere che le risorse dei proventi non vengano reinvestite nel sistema. Ne segue che in ogni caso i proventi vanno a ridurre il prelievo fiscale. Ma essi sono in realtà una forma alternativa di prelievo fiscale. Pertanto in ogni caso T non deve essere moltiplicato per λ . La principale limitazione della presente formalizzazione del NDP riguarda il

riferimento temporale rispetto al quale si operano le scelte progettuali. Quando

l’intervento concerne caratteristiche invariabili dell’offerta, occorrerebbe cumularne gli effetti considerando un opportuno numero di situazioni di riferimento caratterizzate da una specifica configurazione della domanda. Poiché

la formulazione considerata prevede una sola situazione di riferimento, tutti gli

effetti dell’intervento devono essere ad essa riferiti. Per riportare i costi di investimento al sottoperiodo di riferimento occorre

moltiplicarli per l’inverso di un opportuno coefficiente ξ dato da:

(41)

ove RPD è la durata in ore del sottoperiodo di riferimento e EDH è il numero giornaliero equivalente di ore di funzionamento del sistema allo stato stazionario

relativo al sottoperiodo di riferimento. Con riferimento ai costi di realizzazione della modifica dell’offerta occorre però prima convertire l’ammontare dell’investimento in una rendita annuale

equivalente mediante un opportuno coefficiente moltiplicativo per ζ , che, in base

ad una nota formula finanziaria (Brealey e Myers, 1991, pag. 37), è dato da:

ξ = 365 EDH / RPD ,

ζ

=

r

1

1 ,

(

1 + r

) t

(42)

ove r è il costo del denaro, t è la vita utile in anni delle opere realizzate. In pratica tutto va come se la PA contraesse un mutuo con tasso pari a ζ , la cui rata identifica la competenza annuale del costo di realizzazione. Se il termine G nella (38) comprende anche gli oneri della manutenzione straordinaria, la vita utile t può considerarsi infinita e la (42) diventa la formula della rendita perpetua.

2 Modello di equilibrio

Gli spostamenti implicano l’utilizzo di elementi di una rete di infrastrutture e

servizi di trasporto, il cui impiego simultaneo da parte dei diversi utenti determina un aumento dei costi d’uso, detto congestione. L’utilità del singolo utente della rete dipende quindi dal complesso degli spostamenti effettuati; pertanto le scelte

di mobilità vanno determinate congiuntamente per tutti gli utenti.

L’opportunità di tener conto della presenza di effetti esterni deriva dal fatto che spesso, soprattutto in campo urbano, gli interventi di modifica dell’offerta puntano a ridurre la congestione. Il fenomeno della congestione è rappresentato mediante il modello di offerta, che mette in relazione le prestazioni degli elementi della rete (costi) con la domanda aggregata che insiste su di essi (flussi). In modo reciproco, il modello di domanda consente di determinare, attraverso i modelli di scelta che riproducono i comportamenti degli utenti, la domanda aggregata in funzione delle prestazioni

dell’offerta. Per determinare congiuntamente flussi e costi si formalizza un problema di equilibrio seguendo l’approccio di punto fisso (Cantarella, 1997), che consiste nel comporre in una unica relazione analitica il modello di domanda e quello di offerta. Ciò presuppone che il sistema si trovi in una condizione di stazionarietà interperiodale, ovvero che tutte le variabili rilevanti siano costanti durante il sottoperiodo di riferimento. In particolare i modelli di equilibrio consentono di valutare gli effetti di un intervento di modifica dell’offerta sulla configurazione dei flussi e dei costi e quindi sulle soddisfazioni degli utenti che compaiono nella (38) e che dipendono da questi ultimi.

2.1 Proprietà del modello di scelta

Si richiamano qui di seguito alcune proprietà dei modelli di scelta basati sulla teoria dell’utilità aleatoria che verranno utilizzate al momento di caratterizzare le soluzioni del NDP in esame. Con riferimento al singolo utente, la probabilità di scelta P j della generica alternativa jJ, implicitamente definita dalla (27) come una funzione delle utilità sistematiche V , è esprimibile mediante l’integrale multiplo della funzione di densità di probabilità congiunta ϕ(ε) dei residui aleatori ε , continua per ipotesi (par. 1.3), sul dominio dello spazio degli residui aleatori E j (V)⊆ℜ |J| in cui l’alternativa stessa è di massima utilità:

)

(

P V

j

=

()

ϕ

ε

E

j

(

)

V

d

ε

1

d

ε

|

J |

=

+∞

ε

j

+ V

j

V

1

∫∫

ε

j

=−∞

ε

1

=−∞

ε

j

+ V

j

V

j 1

ε

j 1

=−∞

ε

j

+ V

j

V

j + 1

ε

j + 1

=−∞

ε

j

+ V

j

V

|

J |

( )

ϕ

ε

ε

|

J |

=−∞

d

ε

1

d

ε

|

J

|

j = 1, … , |J|,

(43)

mentre la soddisfazione W, definita dalla (28), è esprimibile come somma di |J| integrali multipli analoghi a quelli che individuano le probabilità di scelta:

(44)

(

W

V

)

=

∑ ∫

(

V

j

+

ε

j

( )

ϕ

)

ε

dε

1

dε

|

J

|

.

j J E

j

(

V

)

Poiché nelle (43) e nella (44) la ϕ(ε) compare sotto integrale, l’ordine di continuità in V delle probabilità di scelta e della soddisfazione risulta di un grado superiore rispetto a quello in ε del modello di scelta. Ne segue che le (43) definiscono una funzione vettoriale differenziabile P : |J| S P ⊆ℜ |J| , detta mappa delle scelte, o choice map, ove S P = {P∈ℜ |J| : P 0 , P T 1 = 1} è compatto convesso e non vuoto, con P del tipo (32) . Analogamente la (44) definisce una funzione scalare differenziabile. Poiché per ipotesi la funzione ϕ(ε) è indipendente da V (par. 1.3), in base alle (43) le probabilità di scelta risultano indifferenti ad un incremento in senso algebrico di tutte le utilità sistematiche per una stessa quantità h :

P j (V +h1) = P j (V) h∈ℜ

j = 1, … , |J|

,

(45)

mentre in base alla (44) si ha:

W(V +h1) = W(V) +h h∈ℜ .

 

(46)

L’integrale (44) che individua la soddisfazione può essere visto come una

combinazione convessa di funzioni convesse:

(

(

W max

V

=

)

|

J |

j

J

V

j

+

)

( )

ε ϕ ε

j

d

ε

1

d

ε

|

J

|

.

(47)

Ne segue che W è una funzione convessa di V . Derivando la (47) rispetto a V j , poiché per l’additività del modello di scelta ∂ϕ(ε)/V j = 0, sia ha :

(

W V

)

=

|

J

 

(

max

j

J

V

j

+

ε

j

)

( )

ϕ ε

d

V

j

|

V

j

 

Essendo:

(

max

j

J

V

j

+

ε

j

)

=

1

if

 

ε

:

V

j

+

ε

j

 

V

j