Ottimizzazione del trasporto urbano mediante

l’ottimizzazione dei pedaggi e l’adeguamento delle

frequenze
G. Bellei, G. Gentile e N. Papola *

Sommario

Il road pricing è uno degli strumenti più efficaci per migliorare l’efficienza di
reti di trasporto fortemente congestionate.
Il presente contributo è un'estensione di un precedente lavoro sulla
ottimizzazione del road pricing al caso in cui un adeguamento dell’offerta di
servizi di trasporto collettivo, ottimale dal punto di vista del gestore di tali servizi,
viene associato all’introduzione di un sistema di pedaggi ottimali da un punto di
vista sociale. Per l’assegnazione al trasporto collettivo si adotta un approccio a
ipercammini con presenza di congestione. Scegliendo opportunamente funzione
obiettivo e vincoli per l'ottimizzazione dell’offerta di servizi di trasporto
collettivo, è possibile derivare regole di adeguamento semplici, ma tali da
migliorare sensibilmente l’efficacia del provvedimento di road pricing.
Il problema può essere utilmente studiato, nell’ambito della teoria dei giochi,
come un gioco non cooperativo di Nash tra due giocatori, uno che opera sui
pedaggi, l’altro sulle frequenze, ma viene formulato e risolto come problema di
punto fisso. Oltre alla formulazione e all'algoritmo risolutivo, vengono esposti i
risultati di un'applicazione a reti di dimensioni reali.

1 Introduzione

I contributi teorici relativi al road pricing si possono suddividere in due filoni.

Nel primo, assunta la possibilità di applicare un pedaggio distinto a ciascun arco
della rete, si formula un problema di ottimo la cui soluzione determina l’ottimo di
sistema, come in Dafermos e Sparrow (1971), Dafermos (1973) e Smith (1979).
Recentemente, Bellei, Gentile e Papola (2000), hanno generalizzato tale approccio

* Università degli Studi di Roma «La Sapienza»

1
a contesti multiutente e multimodo con modelli di equilibrio stocastico a domanda
elastica fino alla generazione e funzioni di costo non separabili, ove gli insiemi di
scelta degli utenti di ciascuna classe sono costituiti da generiche alternative di
mobilità. Nel secondo filone si prevede, invece, la possibilità di applicare
concretamente il pedaggio ad un opportuno sottoinsieme di archi della rete, dando
luogo a problemi di progetto di rete, di tipo bilivello, come in Yang e Lam (1996),
Smith, Xiang e Yarrow (1997), Clune, Smith e Xiang (1999) e Ferrari (1999).
Nel presente lavoro si utilizzano i risultati già ottenuti per verificare in termini
quantitativi le conseguenze di una politica di gestione multimodale integrata della
mobilità attraverso una combinazione di road pricing e adeguamento delle
frequenze per le linee di trasporto collettivo. A tal proposito si fa riferimento per
la rappresentazione dell’offerta, all'h-grafo come definito da Nguyen, Pallottino e
Gendreau, (1998). Si ipotizza che, analogamente al road pricing, l'adeguamento
venga effettuato coerentemente con la soluzione di un problema di ottimo, anche
se, scegliendo opportunamente funzione obiettivo e vincoli di tale problema, è
possibile derivare semplici regole di adeguamento.
Seguendo un approccio utilizzato per formulare vari problemi di
determinazione dei parametri dell'offerta su reti di trasporto nell’ambito della
teoria dei giochi (Fisk, 1984) il problema di individuare tale politica può essere
utilmente rappresentato come un gioco non cooperativo di Nash i cui punti di
equilibrio sono determinati, in questa sede, con un approccio di punto fisso.
Lo strumento teorico e di calcolo elaborato consente di risolvere una
molteplicità di problemi di interesse pratico, tra cui sono espressamente trattati
l’adeguamento della frequenza di ciascuna linea al flusso della sezione di massimo
carico e a un flusso medio opportunamente definito.
Nel secondo paragrafo viene formalizzato il problema, con particolare
riferimento alla rappresentazione della congestione nel sistema di trasporto
collettivo. Nel terzo paragrafo viene sinteticamente definito l’algoritmo risolutivo,
nel quarto si effettua l’analisi dei risultati ottenuti dalla sua applicazione a una rete
di dimensioni reali, nel quinto si riportano le considerazioni finali sul lavoro
svolto. La derivazione delle regole di adeguamento da un problema di ottimo
viene riportata in appendice.

2 Formalizzazione del problema

Il problema viene formalizzato come un gioco non cooperativo di Cournot

Nash tra un giocatore 1, cheottimizza il sistema di pedaggi t sugli na archi della
rete, per una data offerta di trasporto collettivo, specificata in termini di frequenze
Φ, determinando così anche i flussi f e i costi generalizzati c di equilibrio per
ciascun arco e classe, e un giocatore 2, che adegua il numero di veicoli in servizio
sulle nl linee di trasporto collettivo, NV, e determina di conseguenza le
frequenze Φ, nell’ipotesi che flussi e costi rimangano costanti.

2
2.1 Il gioco di Cournot Nash

La situazione appena esposta rappresenta un gioco di Cournot Nash tra i due

giocatori ora definiti, espresso in forma strategica attraverso le loro funzioni di
guadagno (Luenberger, 1995), per cui valgono, in un punto di equilibrio t*, NV*,
le disuguaglianze:

P1(t, NV*) ≤ P1(t*, NV*) ∀t∈X1 (1)

P2(t*, NV) ≤ P2(t*, NV*) ∀NV∈X2 (2)

in cui sono esplicitate solo le variabili controllate t e NV, l’insieme ammissibile X1

è ℜna, mentre X2 può essere definito come ℜnl o risultare dipendente dall’importo
totale T dei pedaggi riscossi nel caso di vincolo di bilancio (la non negatività delle
variabili risulta dalla formulazione e non deve essere imposta).
Le funzioni di reazione dei giocatori sono definite dalla massimizzazione delle
funzioni di guadagno (1) e (2) rispetto alla variabile controllata:

t = r1(NV) = argmax t∈X1 P1(t, NV) (3)

NV = r2(t) = argmax NV∈X2 P2(t, NV) (4)

mentre i punti di equilibrio sono le soluzioni del sistema delle due funzioni di
reazione che, in questa sede, viene risolto come un problema di punto fisso:

t = r1[r2(t)] (5)

Le funzioni di reazione verranno esplicitate nei paragrafi successivi attraverso

le funzioni di domanda e di offerta, mentre il problema di punto fisso verrà
riformulato in termini di flussi equivalenti.

2.2 Il System Equilibrium (giocatore 1)

La funzione di reazione (3) del giocatore 1 è la soluzione del problema di

ottimizzazione dei pedaggi t, ove si tenga conto della reazione degli utenti; esso è
formalizzato, come in Bellei, Gentile, Papola (2000):

argmax f, t S( f, t, NV) = [N⋅Γ -1⋅W(Π T⋅c°( f , NV) +Π T⋅t)] T⋅1 +t T⋅f (6)
s. a:
f = Π ⋅F[Π T⋅c°( f , NV) +Π T⋅t] (7)

ove c° è la funzione di offerta e S è una funzione di surplus sociale, che, a meno

delle esternalità, non considerate per semplicità, si riduce alla somma dei pedaggi

3
complessivamente ricavati e delle soddisfazioni totali per classe. Queste ultime
sono date dalle soddisfazioni unitarie, moltiplicate per la numerosità delle classi
attraverso la matrice N e pesate con l’inverso dell’utilità marginale del reddito
attraverso la matrice Γ -1.
La matrice Π è la matrice di probabilità archi - alternative che ha, in un
contesto multiclasse, una struttura a blocchi, in cui quelli relativi al modo privato
sono delle matrici di incidenza archi – percorsi della rete stradale, mentre quelli
relativi al modo pubblico sono matrici di probabilità archi-ipercammini della rete
di trasporto collettivo.
Il vincolo comportamentale (7) è espresso tramite la funzione di domanda F;
esso rappresenta lo User Equilibrium multimodale multiclasse a domanda elastica
con pedaggi t e offerta di trasporto collettivo definita da NV, la cui soluzione
unica fUE, nelle ipotesi poste da (Cantarella 1997) e da noi riprese, può essere
considerata come una funzione fUE(t, NV). La funzione di reazione in termini di
pedaggi è allora soluzione del problema non vincolato:

r1(NV) = argmax t S[fUE(t, NV), t, NV] (8)

avendo riportato il vincolo comportamentale (7) nella funzione obiettivo di (6).

Il costo generalizzato dello spostamento c, espresso dalla funzione d’offerta c°,
dipende da NV sia tramite i tempi d’attesa che tramite i tempi di percorrenza dei
veicoli di trasporto collettivo e individuale, dipendenti dai flussi equivalenti sugli
archi stradali su cui sono esercitate linee in sede promiscua.
Si noti anche che (6) e (7) implicano una relazione lineare tra costi d'arco e di
percorso; in presenza di ipercammini tale relazione può essere stabilita utilizzando
un ipergrafo con h-archi nella formalizzazione.
Estendendo alla funzione cms( f , NV) = c°( f, NV) + Jf [c°( f, NV)]T⋅f di costo
marginale sociale le proprietà della funzione di costo medio c°, necessarie per
l'unicità dell' User Equilibrium è possibile individuare un vettore di pedaggi
ottimali risolvendo un System Equilibrium come problema di punto fisso:

f = Π(NV)⋅F[Π(NV)T⋅cms( f , NV)] (9)

che fornisce i flussi di System Equilibrium fSE. I pedaggi si ottengono da fSE per
differenza tra costi marginali sociali e costi di prestazione e sono quindi dati dal
vettore Jf [c °( fSE, NV)]T⋅fSE.
Nelle ipotesi poste in Bellei, Gentile, Papola (1998) la soluzione di (9), che
esiste ed è unica in f, può essere considerata come una funzione fSE(NV).
Ricordiamo che, in tali ipotesi, il problema (8) non ha soluzione unica in t, ma
nei pedaggi T = Π(NV)T⋅t associati a ciascuna alternativa di mobilità, e solamente
nel caso se ne fissi uno, ad esempio attribuendo pedaggio nullo all’alternativa di
non spostarsi; in tal caso l’unicità della soluzione sussiste ovviamente anche per T
in quanto, detti FSE = Π(NV)⋅fSE i flussi d’alternativa di System Equilibrium,

4
risulta che T = t T⋅fSE = T T⋅FSE.
Risulta quindi conveniente esprimere il gioco di Cournot-Nash in termini di
flussi, piuttosto che di pedaggi, con il che la funzione di reazione del giocatore 1
coincide con fSE(NV). Assumendo c° continua anche rispetto a NV le proprietà
della funzione di domanda, derivata da un modello di scelta additivo,
probabilistico e strettamente positivo, assicurano la continuità della funzione di
reazione ovviamente approssimando NV, che è per sua natura discreto, con
variabili continue.

2.3 Caratteristiche generali dei modelli di offerta

Mentre il modello di domanda è semplicemente un Nested Logit su tutte le

dimensioni di scelta, che rappresenta una specificazione del modello generale già
utilizzato in Bellei, Gentile, Papola (2000), il modello di offerta deve essere
definito in forma idonea a trattare il problema di adeguamento delle frequenze.
Ciò comporta solo una qualche specificazione per il modello d’offerta relativo
alla rete di trasporto privato e per le modalità di interazione con la rete di trasporto
collettivo, mentre per quest’ultimo sono definiti tre livelli di dettaglio nella
rappresentazione, cui corrispondono diverse definizioni e proprietà dei problemi di
punto fisso equivalenti all’equilibrio di Cournot-Nash.
Si farà riferimento per quanto riguarda la non separabilità a livello di costi e
flussi per classe per gli archi della rete stradale, alla particolare forma studiata da
Daganzo (1983), in cui la dipendenza del vettore c, di elementi c°au, dai flussi è
rappresentata, per ciascuna classe, da funzioni lineari a coefficienti positivi ku, ηu
dei costi standard, funzioni c°a dei flussi di veicoli stradali equivalenti qA:

c°au = ku + ηu⋅c°a( qA ) a∈AS (10)

I flussi equivalenti sono somma a coefficienti θ positivi, che tengono conto dei
tassi d’occupazione e delle tipologie dei veicoli,dei flussi per classe sulla rete del
trasporto privato e delle frequenze delle linee di trasporto collettivo:

qa = ∑ u∈U θ u⋅fau +∑ b∈AL(a) θ l(b)⋅φ l(b) a∈AS (11)

ove AL(a) è l’insieme degli archi rappresentativi di linee in sede promiscua

sull’arco stradale a.
I flussi di spostamenti per classe sugli archi rappresentativi della rete di
trasporto collettivo e pedonali sono invece considerati omogenei, cosìcchè i flussi
di spostamenti equivalenti qB su tali archi risultano uguali ai flussi d’arco totali v:

qa = va = ∑u∈U fau a∈AT (12)

5
che non influiscono sulle prestazioni degli archi stradali, ma solo sui tempi
associati agli archi della rete di trasporto collettivo.
La funzione vettoriale dei costi standard cA°( qA ) costituisce insieme alle (10),
la funzione d’offerta per il trasporto privato, e viene assunta monotona crescente;
l’interazione con il trasporto collettivo ha luogo, per quanto concerne tale
funzione, solo tramite la dipendenza dei flussi equivalenti qA dalle frequenze delle
linee in sede promiscua, funzione di NV.
L’analoga funzione d’offerta per il trasporto collettivo, cB°, è somma di una
tariffa piatta f e dei tempi s associati agli archi, uguali per tutte le classi di utenti,
l’interazione con il trasporto privato avviene tramite la dipendenza dei tempi di
percorrenza delle linee in sede promiscua dai flussi equivalenti; risulta di
conseguenza cB°( qA, v, NV) = cB°( qA, qB , NV) = f + s( qA, qB , NV),.
La funzione d’offerta c°, precedentemente definita con i flussi d’arco per classe
f come argomento, può quindi essere espressa anche in funzione dei flussi
equivalenti q = [qAT, qBT]T di veicoli per gli archi stradali e di spostamenti per gli
archi pedonali e del trasporto collettivo.

2.4 Il modello di offerta del trasporto collettivo

Come anticipato si farà riferimento, per la rappresentazione della rete e delle

scelte degli utenti, a un ipergrafo HG(N, A), costituito da un insieme di nodi N e
un insieme di archi A come un grafo ordinario, ove però A è costituito da h-archi
di attesa, che definiscono le possibili strategie locali degli utenti alle fermate e
corrispondono a relazioni uno-molti tra nodi, oltre che da archi ordinari (suddivisi
in diversi sottoinsiemi definiti ove necessario), corrispondenti a relazioni univoche
tra nodi.
Il primo livello di rappresentazione dell’offerta di trasporto collettivo,
denominato livello 0, corrisponde a utilizzare per l’assegnazione al trasporto
pubblico il modello di carico stocastico a costi costanti, proposto da Nguyen,
Pallottino e Gendreau (1998), cui si rinvia per la formulazione del modello e la
descrizione dell’algoritmo, utilizzato per le applicazioni numeriche, oltre che per
una definizione più completa e rigorosa dell'ipergrafo utilizzato.
Riprendiamo qui solamente la definizione di h-arco a, mentre, per quanto
riguarda cammini, ipercammini e iperalberi notiamo come le loro definizioni, non
riportate, siano analoghe a quelle relative a grafi ordinari. Inoltre, se l’attesa è
rappresentata tramite h-archi, gli ipercammini r, corrispondenti alla scelta
preventiva di una strategia, sono tali che esiste uno e un solo arco appartenente a r
in uscita da ogni nodo; definiamo infine gli insiemi:
L delle linee l, cammini costituiti da archi di linea b∈ALl;
R degli ipercammini r.
Gli h-archi a, rappresentati graficamente in figura 1, sono caratterizzati da un
singolo nodo iniziale i, corrispondente a una fermata, e da un insieme di nodi

6
finali j∈HN(a), corrispondenti all’attesa di un sottoinsieme delle linee che
effettuano la fermata.

Figura 1 Rappresentazione schematica di un h-arco

h-arco di
attesa a
arco di linea b

nodo di linea k
arco di salita di linea d

nodo di attesa j

linea … arco di discesa c

linea 1 linea l
nodo di fermata i
arco pedonale

Ai nodi j∈HN(a) sono biunivocamente associati gli archi di salita d(j) e i nodi
k(j) di linea, nonché gli archi di linea b(j) uscenti da k(j), appartenenti a un insieme
HB(a); ogni j è univocamente associato a una linea l.
Un h-arco generico a (i, HN(a)) definisce la strategia locale dell’utente,
svolgendo quindi la stessa funzione della forward star dei nodi appartenenti a un
ipercammino in Florian e Spiess (1989) e nella letteratura successiva.
Anche se il concetto di h-arco è più generale di quello di arco in un grafo
ordinario, il termine h-arco, e la specificazione arco ordinario se |HN|=1, sono
utilizzati solo ove necessario, denominando arco una qualunque relazione tra nodi.
Se si vuole valutare correttamente l’efficacia dell’adeguamento delle frequenze
contestualmente all’applicazione del marginal pricing, il modello d’offerta deve
essere dipendente dai flussi anche per il trasporto collettivo. Modelli di questo
genere sono stati proposti da Nguyen e Pallottino (1988) e da Wu, Florian e
Marcotte (1994) per l’assegnazione deterministica e a domanda rigida al trasporto
collettivo, associando agli archi di linea funzioni s( v ) non separabili.
Un approccio di questo tipo consente di tenere conto di un vincolo di capacità
delle linee attraverso un’approssimazione funzionale, ad esempio associando agli
archi di linea in sede propria e in sede stradale funzioni separabili di tipo BPR:

7
 sb = (lb / VCl(b))⋅[ 1 + α( vb / φ l⋅KVl(b))β] ∀b∈ALP (13a)
sb = tb( qA )⋅[ 1 + α( vb / φ l⋅KVl(b))β] ∀b∈ALS (13b)

ove il termine moltiplicativo del tempo di percorrenza non corrisponde a un suo

effettivo incremento, ma solo a un incremento del costo generalizzato, e la
capacità della linea l è espressa tramite il prodotto della frequenza d’esercizio φl
per la capacità KVl dei veicoli utilizzati.
Nella rappresentazione con h-archi di attesa a ciascun h-arco a è associato, oltre
al tempo sa e al flusso va, somma dei flussi d’arco per ipercammino v ra, un vettore
di coefficienti, corrispondenti alle frequenze di esercizio, di componenti φ j(l) con
j∈HN(a). Nell’ipotesi usuale, per frequenze relativamente elevate, di arrivi
poissoniani di passeggeri e veicoli alla fermata, si ha che i flussi v ra si ripartiscono
in flussi v rb sugli archi b∈HB(a), secondo il rapporto tra φ j e la frequenza
cumulata Φa = ∑ j∈HN(a) φ j:

v rb = v ra⋅φ j / Φa ∀a∈AW, b∈HB(a); ∀r∈ R (14)

Il rapporto Pj/a = φ j / Φa ha quindi il significato di probabilità di utilizzazione

del nodo di salita j e dell’arco b(j), condizionata all’utilizzazione dell’h-arco a,
essendo ovviamente Pj/a = 1 se a è un arco ordinario. Dalle probabilità
condizionate si ricavano ricorsivamente le probabilità di utilizzazione degli archi
delle rete di trasporto collettivo nell'ambito degli ipercammini:

πar = 1 se i = o ∀a∈ AT; ∀r∈R (15)

πar = ∑ a∈B(i, r)πar⋅Pj/a altrimenti

e i tempi dai nodi alla destinazione sul generico ipercammino r:

S rd = 0 ∀b∈ AT; ∀r∈R (16)

S ri = Σk∈HN(b)Pk/b⋅S rk + sb

I tempi di ipercammino dipendono linearmente da quelli di arco in quanto a

ciascuna strategia locale è univocamente associato un h-arco di attesa a, il cui
costo sa è indipendente dall’ipercammino in cui viene utilizzato. Tale costo è
espresso, in funzione delle frequenze cumulate, da:

sa = α / Φa ∀a∈ AW (17)

ove α sintetizza le ipotesi sulla distribuzione degli arrivi degli utenti e dei veicoli
di trasporto collettivo, nonché sulla disutilità specifica del tempo d’attesa.
Le (13)÷(17), insieme alla definizione di tempi indipendenti dai flussi per tutte
le altre tipologie di archi, costituiscono il livello 1 di rappresentazione dell’offerta

8
di trasporto collettivo, in cui le ipotesi necessarie per l'unicità del System
Equilibrium (strategia del giocatore 1) sono rispettate, ma al prezzo della rinuncia
a distinguere i tempi rilevanti per per l’utente e l’esercente, rappresentando le
conseguenze della congestione sull'esercizio.
A tal fine è necessario introdurre un livello 2 nella rappresentazione
dell’offerta, adottando, nel contesto di una rappresentazione per ipercammini, un
approccio simile a quello di De Cea e Fernandez (1993) e considerando la
dipendenza delle frequenze dai tempi giro..
Vengono quindi introdotte, in corrispondenza a ogni nodo di attesa j per la linea
l e in luogo delle frequenze di esercizio φ j(l), le frequenze percepite ωj(l), ridotte
per tenere conto della possibilità che un veicolo non sia in pratica utilizzabile da
un passeggero in attesa perché la sua capacità è già stata esaurita dai passeggeri in
transito o saliti in precedenza.
Le frequenze percepite ω j sono calcolate tenendo conto che il tempo medio
d’attesa τlb per ciascun arco b, univocamente associato al nodo j di salita sulla
linea l, considerato singolarmente, è α / ω j. Si assume poi cheτlb sia una funzione
del tipo (α / φl)⋅(1 + vb / KVl⋅φl)β, crescente nel rapporto tra flussi e capacità delle
linee, espressa come nelle (13), e si applicano per il calcolo dei tempi d'attesa le
(17) con la frequenza percepita cumulata Ωa in luogo di Φa.
Si tiene conto inoltre del fatto che, per ogni arco di linea b su sede propria o su
sede stradale, i tempi di percorrenza, comprensivi delle soste, sono funzione dei
flussi vd(b), sull’arco di salita sulla linea l(b) alla fermata precedente e vc(b),
sull’arco di discesa dalla linea nella fermata successiva, univocamente
determinati, nonché, per archi di linea in sede stradale, dei flussi sugli archi
rappresentativi del sistema di trasporto privato:

sb = vd(b)⋅ / BKl(b) + vc(b) / AKl(b) +STl(b) + lb / VLl(b) ∀b∈ ALP (18a)

sb = vd(b)⋅ / BKl(b)) + vc(b) / AKl(b)) +STl(b) + tb( qA) ∀b∈ ALS (18b)

ove, con riferimento alla linea l cui l'arco b è univocamente associato:

− BKl(b) e AKl(b) sono le capacità di accesso e di egresso dei veicoli;
− STl è il tempo perso in accelerazione e decelerazione a ogni fermata;
− lb è la lunghezza dell’arco b e VLl(b) la velocità di esercizio;
− lb / VLl(b) e tb( qA) sono i tempi di percorrenza a velocità di regime.
Le (17), se espresse in funzione delle frequenze percepite, e le (18) introducono
una non separabilità e un’asimmetria delle funzioni di offerta. Le (18), inoltre,
esprimono una dipendenza dai flussi dei tempi di percorrenza e di sosta, che
influenza l’esercizio. Esse determinano infatti, per un aumento dei flussi, un
aumento dei tempi complessivi di percorrenza, cui corrisponde, a parità di numero
di veicoli in servizio sulla linea NVl, una diminuzione della sua frequenza di
esercizio φ l dovuta all’aumento del tempo giro RTl, somma sugli archi di linea dei
tempi di percorrenza e del tempo di sosta ai capolinea TTl, essendo φ l = NVl /RTl.
La frequenza di esercizio, ove si considerino tali fenomeni, è dipendente dai

9
flussi e diviene quindi una variabile endogena del modello di equilibrio; questo è
il motivo per cui nella formalizzazione del modello di Cournot-Nash la strategia
del giocatore 2 è espressa tramite il numero di veicoli assegnato a ciascuna linea e
non tramite le frequenze.
Appare coerente, introducendo le frequenze percepite nelle (17), rappresentare
gli effetti della capacità delle linee solo in termini di tempo d’attesa degli utenti,
senza considerare esplicitamente gli effetti della congestione sul comfort.

2.4 Modello di equilibrio di Cournot-Nash

La funzione di reazione del giocatore 1 è la funzione fSE(NV), soluzione del

problema (9) al variare di NV, che consente anche di determinare l’importo totale
dei pedaggi riscossi T.
La funzione di reazione del giocatore 2 è la soluzione di un problema di
adeguamento ottimo, di cui all'appendice, che può essere sempre espressa come:

NVl = RTl⋅vcl / KVl⋅γ ∀l∈L (19)

ove vcl e γ sono, rispettivamente, un flusso caratteristico della linea l, funzione

continua dei flussi d’arco v risultanti dalla mossa del giocatore 1, e un fattore di
carico, opportunamente definiti. Anche i tempi giro RTl, funzione continua dei
flussi, variano ad ogni mossa del giocatore 1, ma sono considerati costanti nelle
(19), relative al giocatore 2; per l'adeguamento con vincolo di bilancio infine è
anche γ = γ (Τ) , per cui valgono le stesse considerazioni. La funzione di reazione
del giocatore 2 può quindi essere espressa, in ogni caso come una A( f ) continua.
Il problema di punto fisso corrispondente all’equilibrio di Cournot-Nash (5)
può essere formulato in termini di flussi sostituendo la funzione di reazione del
giocatore 2, A( f ), a NV nella funzione di reazione del giocatore 1, fSE(NV), o,
equivalentemente, nella formulazione (9) del System Equilibrium:

f = Π[A( f )]⋅F{Π[A( f )]T⋅cms[ f , A( f )]} (20)

Il problema (20) ha certamente soluzione per la continuità delle funzioni di

reazione, ma non vi è ragione per ipotizzare che la funzione composta
dell’adeguamento e dei costi marginali sociali risulti monotona e quindi per
postulare l’unicità di tale soluzione.
La formulazione (20) è equivalente al gioco di Cournot-Nash di cui al
paragrafo 2.1 nel caso in cui le ipotesi necessarie perché la soluzione di (9) esista e
sia unica siano verificate. Non è possibile, allo stato attuale, verificare la
sussistenza di tali ipotesi per le funzioni d’offerta considerate, in particolare per il
livello 2, ma anche per il livello 1, salvo il caso in cui i tempi di percorrenza per
gli archi della rete stradale non dipendono dai flussi della rete di trasporto

10
collettivo e viceversa (separabilità modale).
Ha inoltre senso, nello sviluppo di una procedura di supporto a una politica di
pricing del trasporto privato orientata al riequilibrio modale, porre il problema di
una attribuzione dei pedaggi marginali ai soli archi stradali, con il che il vincolo
comportamentale dovrebbe essere trattato esplicitamente nel problema di ottimo
(bilivello se il vincolo è espresso da un problema di ottimo equivalente) del
giocatore 1, non potendosi estendere a questo caso l’equivalenza tra System
Equilibrium, problema (9), e il problema (8) di pedaggio ottimo.
In entrambi i casi l’equilibrio di Cournot-Nash può essere ugualmente
formulato, ma la funzione di reazione del giocatore 1 non è derivata
dall’ottimizzazione di una strategia esplicitamente definita. Alcune considerazioni
sulla relazione tra ottimizzazione della strategia e funzione di reazione sono
comunque possibili.
Si noti innanzitutto come nell’ipotesi di rete di trasporto collettivo non
congestionata (livello 0 nella rappresentazione dell’offerta) le ipotesi sulla
funzione siano banalmente verificate e i pedaggi marginali siano attribuiti ai soli
archi stradali; tale rappresentazione dell’offerta non è però idonea ad evidenziare
compiutamente le conseguenze di un pricing senza adeguamento.
Volendo rappresentare la congestione nella rete di trasporto collettivo è
possibile imporre un pedaggio agli archi di salita e/o a bordo, o osservare che, se
si definisce, per ciascun arco a, la funzione di pricing del trasporto individuale
rmp come:

cmsa[ f , A( f )] se a∈AS;
rmpa[ f , A( f )] = (21)
c°[ f , A( f )] altrimenti.

è possibile, sostituendo la funzione rmp (21) alla funzione cms nel problema (20),
definire un problema di punto fisso che coincide banalmente con (20) se la rete di
trasporto collettivo è non congestionata, ma ne approssima le soluzioni anche nel
caso opposto. I pedaggi su una rete di trasporto collettivo per cui è NV = A( f )
risultano infatti trascurabili, essendo calcolati in punti ove le funzioni di offerta,
approssimazioni funzionali del vincolo di capacità, sono pressoché costanti.
Per il livello 1 di rappresentazione dell’offerta sarebbe peraltro possibile
derivare la funzione di reazione del giocatore 1 dall’ottimizzazione della sua
strategia attraverso il System Equilibrium come in (20), estendendo al contesto
stocastico e a domanda elastica del presente lavoro le proprietà di esistenza e
unicità dell’assegnazione deterministica e a domanda rigida al trasporto collettivo.
Ciò varrebbe però solo nel caso di separabilità modale. I flussi di veicoli di
trasporto collettivo sono infatti variabili dell’equilibrio di Cournot-Nash, ma non
del System Equilibrium equivalente al problema di ottimo del giocatore 1; di
conseguenza la funzione d’offerta per tale problema, ove i flussi di spostamenti

11
sulla rete di trasporto collettivo dipendono da quelli sulla rete di trasporto
individuale, ma non viceversa, non è in generale monotona crescente.
Nel caso di separabilità modale, inoltre, non è possibile rappresentare
l’influenza della congestione stradale sui tempi di percorrenza delle linee in sede
promiscua, che è rilevante e contribuisce alla sinergia tra pricing e adeguamento.
Se peraltro i costi per classe dipendono da un flusso equivalente q come nelle
(10) e (11) tanto le funzioni c°, cms e rmp, che la funzione di adeguamento,
possono essere espresse come funzioni di q e la (20) diviene, al livello 1:

q=ΘA ⋅Π[ A(q)]⋅F{Π[ A(q)]T⋅cms[ q , A(q)]}+ ΘB ⋅ Λ ⋅ RT-1⋅ A(q) (22)

ove ΘA e ΘB sono opportune matrici che applicano ai flussi di spostamenti per

classe e ai flussi di veicoli di trasporto collettivo per linea i corrispondenti
coefficienti di equivalenza, Λ è la matrice di incidenza archi stradali-linee (λal = 1
se l'arco b della linea l è associato all'arco stradale a e 0 altrimenti) e RT-1 è la
matrice diagonale inversa dei tempi giro per linea.
In questo caso il System Equilibrium associato al giocatore 1 è:

q = ΘA ⋅Π( NV )⋅F[Π( NV )T⋅cms( q, NV)] + ΘB ⋅ Λ ⋅ RT-1⋅ NV (23)

ove il vettore NV dei veicoli assegnati alle linee è una costante, anche se i tempi di
percorrenza delle linee di trasporto collettivo in sede promiscua nella funzione
d’offerta c°, e quindi in cms, dipendono dai flussi equivalenti sulla rete stradale.
Il punto fisso può essere espresso in q sia per il livello 1 di rappresentazione
dell’offerta di trasporto collettivo che per il livello 2, rispetto al quale però occorre
notare che la (22) non è più valida, in quanto le probabilità di utilizzazione degli
archi nell’ambito degli ipercammini dipendono da q attraverso le frequenze
percepite, ed è funzione di q, coerentemente con le (18), anche RT-1, per cui:

q=ΘA ⋅Π[q , A(q)]⋅F{Π[q , A(q)]T⋅cms[q , A(q)]}+ΘB⋅ Λ⋅ RT-1(q)⋅ A(q) (24)

e il System Equilibrium associato al giocatore 1 diviene:

q=ΘA ⋅Π[q , NV]⋅F{Π[q , NV]T⋅cms[q , NV]} + ΘB ⋅ Λ⋅ RT-1(q)⋅ NV (25)

In entrambi i casi ciò che si può affermare con riferimento alla

rappresentazione del giocatore 1 è che i problemi (23) e (25) definiscono, per c° di
classe C1, condizioni necessarie per la massimizzazione del surplus e quindi per la
determinazione dei pedaggi ottimi; la dimostrazione di un teorema che implica,
come caso particolare, questo asserto è in Bellei, Gentile e Papola 2000.
Resta inoltre valida anche per (22) e (24) la proprietà che le soluzioni del
problema in rmp approssimano quelle del problema in cms.

12
3 Metodo risolutivo

Per poter effettuare i confronti di cui al paragrafo successivo è necessario

definire un algoritmo non solo per la soluzione del problema (24) di punto fisso
con adeguamento (ADG), nella versione con rmp in luogo di cms, ma anche per il
problema analogo senza adeguamento, ma con il pedaggio (SE):

q = ΘA ⋅Π( q, NV)⋅F[Π(q, NV)T⋅rmp( q, NV)] + ΘB ⋅ Λ ⋅ RT-1(q)⋅ NV (26)

e per il problema di User Equilibrium, senza adeguamento, né pedaggio (UE):

q = ΘA ⋅Π( q, NV)⋅F[Π(q, NV)T⋅c°( q, NV)] + ΘB ⋅ Λ ⋅ RT-1(q)⋅ NV (27)

Va osservato come la (26) non corrisponda, in generale, a un’approssimazione

del System Equilibrium in quanto è l’adeguamento che permette di considerare
rmp un’approssimazione di cms, mentre NV in (26) è il vettore dei numeri di
veicoli in servizio sulle linee nello stato attuale, in cui la rete di trasporto collettivo
può risultare congestionata, per cui i pedaggi da associare, in un System
Equilibrium, agli archi di tale rete non sono sempre trascurabili.
Inoltre, per entrambi i problemi non esistono al momento prove dell’unicità
della soluzione, ma solo dell’esistenza, per la continuità delle funzioni. Il
problema (24) può essere risolto con il metodo delle medie successive, o Method
of Successive Averages (MSA), che risulta più conveniente rispetto alle procedure
standard di soluzione per l’equilibrio di Cournot-Nash, di tipo block Jacobi o
Gauss Seidel, che richiederebbero, a ciascuna iterazione, la soluzione di un
problema di equilibrio e di un problema di adeguamento dei flussi, mentre con
l’approccio utilizzato l’adeguamento viene internalizzato nel calcolo
dell’equilibrio e posto in serie con le procedure standard di determinazione
dell’equilibrio a domanda elastica, per cui il metodo risolutivo consiste
nell’applicazione iterativa delle seguenti procedure (tra parentesi la specificazione
dei casi in cui è richiesta una procedura o parte di essa):
1. inizializzazione dei flussi equivalenti;
2. calcolo dei tempi e costi dai flussi equivalenti;
3. calcolo dei pedaggi dai flussi equivalenti (casi SE e ADG);
4. adeguamento delle frequenze(caso ADG);
5. calcolo delle soddisfazioni dai tempi, costi e (casi SE e ADG) pedaggi;
6. calcolo della domanda dalle soddisfazioni;
7. carico stocastico della domanda sulle reti per ottenere i flussi per classe;
8. calcolo dei flussi equivalenti dai flussi per classe e dalle frequenze;

13
9. calcolo della media dei flussi equivalenti ottenuti in tutte le iterazioni;
10. valutazione di un criterio d’arresto sui flussi equivalenti e ritorno al passo 2 se
il criterio non è verificato.
Gli algoritmi sviluppati, quindi, implementano su un'unica struttura tutti i
problemi di cui è necessaria la soluzione per le applicazioni numeriche; è a tale
scopo che il calcolo dei pedaggi è separato da quello dei costi, in modo che esso
possa essere eliminato nel caso UE. L’adeguamento avviene dopo il calcolo dei
costi e dei pedaggi perché è a quel punto che è disponibile il totale dei pedaggi
utilizzato nel caso di vincolo di bilancio. Il surplus può essere calcolato insieme
alle soddisfazioni, essendo a quel punto noti anche i pedaggi.
Il calcolo della media sui flussi equivalenti è reso necessario dalla non
separabilità modale del modello d’offerta e implica che un’analoga operazione sia
compiuta sulle frequenze e sul numero dei veicoli delle linee, entrambe legate da
una relazione lineare ai flussi equivalenti nell’esecuzione di un’iterazione
completa delle procedure 2÷9.

4 Applicazione numerica

Nell'applicazione numerica dell’approccio proposto sono state effettuate alcune

semplificazioni rispetto alla formalizzazione presentata nei precedenti paragrafi.
Per quanto riguarda la domanda, è stata definita una sola classe di utenti e
l’elasticità è stata rappresentata considerando le dimensioni di scelta
dell’effettuazione dello spostamento e del modo di trasporto, ma non quella della
destinazione. Per quanto concerne l’offerta sono state considerate funzioni di
deflusso stradale separabili, mentre il trasporto collettivo è stato rappresentato
nella forma più completa, cioè quella corrispondente al livello 2 del paragrafo 2.4.
Nelle prove effettuate lo stato attuale, caratterizzato da uno User Equilibrium, è
stato confrontato sia con la configurazione di equilibrio relativa all’applicazione
del marginal pricing alla sola rete stradale, che con quella relativa alla soluzione
del problema (25), cioè l’applicazione del marginal pricing congiuntamente
all’adeguamento delle frequenze della rete di trasporto collettivo. Tale
adeguamento è stato effettuato sia in base al fattore γm di carico medio (ADG1),
che al fattore γc di carico critico (ADG2) di cui all'Appendice, entrambi presi
uguali a 0.8, considerando la rete di trasporto collettivo tutta su sede promiscua o
tutta su sede riservata.
La rete di prova è quella di Sioux Falls nella sua versione bimodale, nota in
letteratura (LeBlanc, 1988) e costituita da 24 nodi, coincidenti con i centroidi, 76
archi stradali, altrettanti pedonali e 5 linee di trasporto collettivo. Si tratta di una
rete aggregata, su cui si assume insista una domanda potenziale di circa 130.000
spostamenti/ora, che dà luogo, nella situazione di User Equilibrium, a significativi
fenomeni di congestione. L’offerta e il modello di ripartizione modale sono stati

14
specificati in modo che il trasporto collettivo, nonostante realizzi tempi di
spostamento superiori a quelli del trasporto individuale, risulti pienamente
utilizzato, ma con una ripartizione modale squilibrata a favore del modo privato.
L’efficacia del metodo proposto è stata verificata in termini di domanda e di
livello di servizio. Per la domanda sono state considerate le variazioni della
generazione (G) e della ripartizione modale (M), mentre per il livello di servizio
delle reti sono state considerate le variazioni dei tempi medi di spostamento sui
modi pubblico (TC) e privato (TA) e del surplus sociale (S) riportate in tabella 1,
nei casi di trasporto collettivo in sede promiscua (P) e riservata (R).
Sintetizzando i risultati si è verificato che, introducendo il pedaggio i tempi di
spostamento in generale si riducono e la competitività relativa del trasporto
collettivo aumenta, determinando un riequilibrio modale; la generazione però si
riduce, anche se, grazie agli introiti del pedaggio, il surplus sociale aumenta.
La disponibilità di capitali così conseguita consente peraltro di finanziare
l’adeguamento delle frequenze; è rilevante a questo proposito il fatto che, con
riferimento al caso in esame, gli introiti del pedaggio risultino di un ordine di
grandezza superiori al costo dell’adeguamento e rendano sempre inattivo il
vincolo di bilancio, che pure è stato posto nelle prove effettuate con adeguamento
al fattore di carico medio.
L’adeguamento della frequenza comporta un recupero in termini di generazione
e un ulteriore miglioramento della ripartizione modale, conservando la riduzione
dei tempi medi di spostamento ottenuta imponendo i pedaggi e determinando un
ulteriore aumento del surplus sociale.
In termini di generazione e di ripartizione modale i risultati relativi alle due
diverse modalità di adeguamento e alle due diverse tipologie di sede sono
sostanzialmente analoghi come andamenti, pur essendo sempre maggiore il dato
relativo alla sede riservata. Si può inoltre notare come l’imposizione del pedaggio
(SE) produca incrementi di ripartizione modale più significativi nel caso della
sede promiscua, ove il pedaggio, oltre a disincentivare la scelta del modo privato,
ha effetti positivi sul livello di servizio del trasporto collettivo, attraverso la
riduzione della congestione stradale. Per quanto concerne le differenze tra i due
adeguamenti si nota che, nonostante ADG1 richieda meno risorse di ADG2,
l’ulteriore riequilibrio modale rispetto a SE ottenuto con ADG2 è per oltre due
terzi conseguibile anche tramite ADG1 nel caso di sede promiscua, mentre lo è per
meno di metà nel caso di sede riservata.
Con riferimento agli indicatori di livello di servizio le differenze tra il caso di
sede promiscua e quello di sede propria sono più marcate. Fa eccezione il tempo
medio dello spostamento sul mezzo individuale, che scende con il pedaggio e
rimane sostanzialmente invariato, in entrambi i casi, con l’adeguamento.
Il surplus manifesta un andamento molto simile alla ripartizione modale,
mentre il tempo medio dello spostamento su mezzo collettivo è quello che
presenta le differenze più significative tra i due casi, in quanto l’aumento di
congestione sulla rete di trasporto collettivo dovuto al riequilibrio modale generato

15
dal pedaggio (SE) nel caso di sede propria risulta più che compensato dalla
diminuzione della congestione stradale.

Tabella 1 Risultati aggregati delle applicazioni numeriche

Tipo di Stato Pedaggi Pedaggi e Pedaggi e Unità
prova attuale stradali ADG1 ADG2 di mis.
G/P 69,52 65,91 67,90 67,81 %Tot
G/R 70,18 66,31 68,84 68,95 %Tot
M/P 13,90 16,58 28,65 33,38 %Sp
M/R 17,35 18,98 33,47 39,36 %Sp
TC/P 36,2 35,4 35,3 35,6 min.
TC/R 31,2 32,0 30,5 29,5 min.
TA/P 12,1 10,0 9,8 10,2 min.
TA/R 12,0 9,9 9,7 10,0 min.
S/P 1189 1245 1343 1367 G€/a
S/R 1220 1268 1396 1447 G€/a

5 Conclusioni

Utilizzando l'approccio metodologico proposto, politiche integrate di pricing

stradale e di adeguamento delle frequenze del trasporto collettivo possono essere
definite e valutate a livello di rete e tenendo conto delle implicazioni sulla
domanda e sui livelli di servizio anche in casi reali. Pur non essendo propriamente
uno strumento di ottimizzazione né dei pedaggi effettivi, che andrebbero
comunque imposti a un sottoinsieme di archi della rete, né delle frequenze, i
risultati numerici sono estremamente incoraggianti sia rispetto alle potenzialità di
politiche integrate di gestione della mobilità che alla capacità dei modelli utilizzati
di fornire indicazioni progettuali di massima per l’attuazione di tali politiche.
L’analisi degli andamenti delle variabili di domanda e di livello di servizio
relativi ai diversi casi esaminati ha infatti evidenziato come essi risultino sempre
plausibili, mentre le misure di impatto delle politiche sono sovrastimate, ma
coerenti con l’ipotesi del marginal pricing su tutti gli archi stradali.
Nel merito delle politiche integrate possibili si può affermare che il marginal
pricing stradale è in grado di conseguire una riduzione significativa dei tempi di
percorrenza, ma, senza un adeguamento del trasporto collettivo, i suoi effetti sono:
• limitati a livello di riequilibrio modale;
• negativi, nel senso di una significativa compressione della domanda di
mobilità, a livello di generazione;
• negativi, a causa di un incremento dei tempi di percorrenza dovuto al
sovraccarico, per le linee di trasporto collettivo in sede riservata.
L’adeguamento è in grado di contenere (generazione) o rovesciare (tempi di
percorrenza sul trasporto collettivo in sede propria) gli effetti negativi del pricing,

16
mantenendo quelli positivi sui tempi di percorrenza stradali. I suoi costi, che sono
principalmente costi di esercizio, rientrano nelle entrate del pricing, lasciando un
margine per gli investimenti nel settore della mobilità o per politiche di
riequilibrio intersettoriale. Infine, una politica di adeguamento più flessibile e
meno incisiva dà in generale risultati migliori per reti in sede promiscua, mentre i
risultati più significativi in termini di riequilibrio modale possono essere ottenuti
nel caso di reti in sede riservata e con politiche di adeguamento di segno opposto.

Bibliografia

Bellei G., Gentile G. e Papola N. (2000), Ottimizzazione del trasporto urbano in termini di
surplus sociale in contesto multiutente e multimodo. in Metodi e tecnologie
dell'ingegneria dei trasporti a cura di G. E. Cantarella e F. Russo Franco Angeli Milano.
Bertsekas D. P. (1995), Nonlinear Programming. Athena Scientific, Belmont.
Clune A., Smith M. e Xiang Y. (1999), A Theoretical Basis for Implementation of a
Quantitative Decision Support System Using Bilevel Optimisation. Proceedings of the
11th International Symposium on Transportation and Traffic Flow Theory.
Cantarella G. E. (1997) A General Fixed-Point Approach to Multimode Multi-User
Equilibrium Assignment with Elastic Demand Transpn. Sci. 31.
De Cea J. e Fernandez E. (1993) Transit Assignment for Congested Transport Systems: An
Equilibrium Model Transpn. Sci. 27, 133-147
Dafermos S. C. (1973), Toll Patterns for Multiclass-User Transportation Networks.
Transpn. Sci. 7, 211-223.
Dafermos S. C. e Sparrow F. T. (1971), Optimal Resource Allocation and Toll Patterns in
User-Optimized Transport Network. Journal of Transport Economics and Policy 5, 198-
200.
Daganzo C. F. (1983) Stochastic Network Equilibrium with Multiple Vehicle Types and
Asimmetric, Indefinite Link Costs Jacobians Tanspn. Sci. 17 283-300
Ferrari P. (1999), La Regolamentazione delle Concessioni Stradali. Sistemi di Trasporto
22, 7-16.
Spiess H. e Florian M. (1989) Optimal Strategies: A New Assignment Model for Transit
Networks Transpn Res 23B, 2 83-102.
Fisk C. S. (1984), Game Theory and Transportation System Modelling. Transpn. Res. 18B,
301-313.
Leblanc L. J. (1988) Transit System Network Design Transpn. Res. 22B, 5, 383-390
Luenberger D. G. (1995), Microeconomic Theory. McGraw-Hill, Inc.
Nguyen S., Pallottino S. e Gendreau M. (1998), Implicit Enumeration of Hyperpaths in a
Logit Model for Transit Networks. Transpn. Sci. 32, 54-64.
Smith M. J. (1979), The Marginal Cost Taxation of a Transportation Network. Transpn.
Res. 13B, 237-242.
Smith M. J., Xiang Y. e Yarrow R. (1997), Bilevel Optimisation of Signal Timings and
Road Prices on Urban Road Networks. Preprints of the IFAC/IFIP/IFORS Symposium,
Crete, 628-633.
Yang H. e Lam W. H. K. (1996), Optimal Road Tolls Under Conditions of Queuing and
Congestion. Transpn. Res. 30A, 319-332.
Wu J. H., Florian M. e Marcotte P. (1994) Transit Equilibrium Assignment: A Model and
Solution Algorithms Transpn. Res. 28B, 193-203

17
APPENDICE Il problema di ottimizzazione delle frequenze a flussi costanti

Il problema di ottimizzazione delle frequenze è stato affrontato in generale

tenendo conto della reazione degli utenti nei loro comportamenti di scelta modale
o di percorso e collocando il progetto delle frequenze nell’ambito del progetto
della struttura della rete.
In questo caso il comportamento dell’azienda di gestione della rete di trasporto
collettivo viene rappresentato, nel contesto di un gioco di Cournot Nash,
ipotizzando che l’unico intervento possibile sia sulle frequenze delle linee
costituenti la rete, a flussi e tempi di percorrenza costanti.
La rappresentazione del comportamento dell’azienda può avvenire, anche
nell’ipotesi data, in vari modi, dando luogo alla formulazione di problemi di
ottimizzazione; essendo costanti i tempi di percorrenza, e quindi i tempi giro, è
possibile considerare come variabili di progetto tanto le frequenze che il numero
di veicoli assegnato, o i posti chilometro offerti, per ciascuna linea.
Quest’ultima variabile, infatti, che misura la quantità di servizio offerto, è data,
se la velocità commerciale è espressa come VCl = Ll / (RTl - TTl ), con Ll
lunghezza della linea, da PKl = φ l⋅KVl⋅Ll.
Per semplificare l’introduzione del vincolo di bilancio, i problemi di
ottimizzazione sono formulati proprio in termini di posti chilometro offerti.
Le frequenze delle linee di trasporto collettivo, dati i flussi, possono essere
ottenute minimizzando il costo di esercizio con il vincolo che il flusso sugli archi
di linea non ne superi la capacità. L’adeguamento comporta una variazione dei
costi di esercizio delle infrastrutture e dei servizi di trasporto, che si possono
considerare una funzione M dei posti chilometro offerti totali:

min M(PK) = M(PK) = M(∑ l∈L PKl) (A-1)

s.a:
φ l(b)⋅KVl = (NVl / RTl)⋅KVl / Ll = PKl / Ll ≥ vb ∀b∈AL

Se si assume che M sia strettamente crescente e che non vi sia alcun vincolo
sulle risorse disponibili per l’esercizio, se vlmax = max b∈ALl {vb} è il flusso sulla
sezione di massimo carico, la soluzione banale del problema è PKl = vlmax⋅Ll in cui
il rapporto tra flussi in tale sezione e capacità (fattore di carico critico) γc = 1.
In alternativa si può assumere che l’adeguamento venga operato nei limiti degli
introiti da pedaggio, ipotizzando, come obiettivo dell’azienda, la massimizzazione
del livello di servizio, garantendone l'omogeneità attraverso vincoli di livello di
servizio minimo LSmin e massimo LSmax, con un vincolo sulle risorse disponibili.
Una formulazione rilevante perché conduce, sotto opportune condizioni, alla
stessa soluzione di (A-1), si ha se il livello di servizio è il rapporto tra capacità e
flusso vlmax sulla sezione di massimo carico: LSl = (φ l⋅KVl) / vlmax = 1 / γc, e i
vincoli di livello di servizio minimo (massimo) sono espressi attraverso il

18
massimo (minimo) fattore di carico critico ammesso γcmax (γcmin):

(φ l⋅KVl) / vlmax = PKl / vlmax⋅Ll ≥ LSmin = 1 / γcmax ∀l∈L (A-2a)

(φ l⋅KVl) / vlmax = PKl / vlmax⋅Ll ≤ LSmax = 1 / γcmin ∀l∈L (A-2b)

Il vincolo sulle risorse disponibili può essere definito utilizzando l’inversa della
funzione M per ricavare i posti⋅km offerti PK 1dalle risorse disponibili T, da cui:

∑ l∈L PKl ≤ PK1 (A-3)

Il problema di massimizzazione del livello di servizio della rete può quindi

essere formulato, assumendo una media pesata dei livelli di servizio come
funzione obiettivo LS e imponendo il rispetto dei vincoli (A-2) e (A-3):

Max LS(PK) = ∑ l∈L PKl⋅(∑ b∈ALl vb⋅lb / vlmax⋅Ll)

Soggetto ai vincoli (A-2) e (A-3) (A-4)

Una soluzione ammissibile per (A-4) esiste se PK 1 ≥ ∑ l∈L vlmax⋅Ll / γcmax; in tal
caso, essendo la funzione obiettivo lineare, la soluzione ottima corrisponde a
ordinare le linee secondo il coefficiente di PKl nella funzione obiettivo,
incrementando il livello di servizio della prima fino a soddisfare come
uguaglianza il vincolo (A-2b) corrispondente o il vincolo di bilancio (A-3); se si
verifica quest’ultima eventualità si pone il livello di servizio di tutte le rimanenti
linee al livello minimo, soddisfacendo come uguaglianze le (A-2a), altrimenti si
passa alla seconda linea e così via per le successive, fino a soddisfare il vincolo
(A-3) come uguaglianza, esaurendo le risorse disponibili, o ad attribuire, se risulta
PK 1 ≥ ∑ l∈L vlmax⋅Ll / γcmin, il livello di servizio massimo a tutte le linee.
In tutti i casi in cui risulta PK 1 < ∑ l∈L vlmax⋅Ll / γcmin, scegliendo per LSmin il
massimo valore compatibile con le risorse disponibili si ha che il massimo fattore
di carico critico ammesso è γcmax = ∑ l∈L vlmax⋅Ll / PK 1 e la regione ammissibile si
riduce a un punto per cui PKl = vlmax⋅Ll / γcmax = PK 1⋅ (vlmax⋅Ll / ∑ m∈L vmmax⋅Lm).
L’adeguamento dei posti chilometro offerti risulta così una generalizzazione di
quello ottenuto risolvendo il problema (A-1), dando luogo a un fattore di carico
critico omogeneo e uguale a γcmax, dipendente da T, se LSmin è determinato dal
vincolo di bilancio come nella (A-5), o γcmin in caso contrario, anziché 1.
Considerazioni analoghe possono essere sviluppate con riferimento anche a
definizioni diverse di livello di servizio. Ad esempio, definendo il rapporto tra la
capacità e la media pesata vml = (∑ b∈ALl vb2⋅sb / ∑ b∈ALl vb⋅sb) dei flussi su una linea,
pari all’inverso del fattore di carico medio γm sperimentato dai passeggeri, come
livello di servizio, cioè ponendo LSl = (φ l⋅KVl) / = (φ l⋅KVl) / vml = 1 / γm, si
perviene alla formulazione di un problema analogo ad (A-4) e ad una analoga
ripartizione dei posti chilometro offerti.

19