Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Abstract
1 Introduzione
Le politiche di road pricing e di controllo degli accessi (ad esempio, le zone a traffico
limitato e la circolazione a targhe alterne) applicate in campo urbano per scoraggiare
l’utilizzo del mezzo privato, così da alleviare la crescente congestione stradale, non sono
sempre accompagnate da interventi complementari volti a migliorare le prestazioni, o
almeno la capacità, del sistema di trasporto collettivo. Di conseguenza, in alcuni centri
metropolitani la carenza della portata offerta dal trasporto pubblico sta diventando un
problema di rilevanza sempre crescente, che comporta il formarsi di code di passeggeri alle
fermate e il sovraffollamento dei veicoli, con conseguenti aumenti dei tempi di attesa e
riduzione del comfort di viaggio. Benché tale problema debba essere risolto mediante una
corretta progettazione della rete di trasporto collettivo che interessi in primo luogo
l’esercizio delle linee, volta ad aumentare in maniera opportuna la dimensione dei convogli
o la capienza dei singoli veicoli e la frequenza delle corse, occorre comunque poter
simulare correttamente lo scenario corrente, al fine di giustificare le risorse economico-
finanziarie necessarie per realizzare gli interventi proposti.
L’approccio maggiormente utilizzato e consolidato per la simulazione dei sistemi di
trasporto collettivo ad orario prevede la rappresentazione dell’offerta mediante grafo
diacronico (Nuzzolo et al., 2003). In questo ambito, i fenomeni di congestione di cui sopra
sono generalmente riprodotti introducendo costi crescenti in funzione del grado di
riempimento del veicolo a valle della fermata, che intendono riprodurre la riduzione del
comfort di viaggio e il rischio di non salire sul primo mezzo in arrivo, così da scoraggiare i
passeggeri dal servirsi di corse sovraffollate. Tuttavia, questo approccio presenta una serie
di problemi: a) produce una configurazione dei costi irrealistica, poiché nella realtà i
passeggeri che riescono a salire sul primo mezzo in arrivo alla fermata non sopportano
alcun costo aggiuntivo; b) non fornisce alcuna garanzia che il vincolo di capacità sia
rispettato; c) non attribuisce alcuna priorità ai passeggeri già in attesa rispetto a quelli che
giungono successivamente alla fermata; d) può indurre instabilità nell’algoritmo di
equilibrio, poiché considerare una funzione di costo fortemente crescente in corrispondenza
della capacità residua dal punto di vista numerico non è molto diverso dall’introdurre una
discontinuità nel modello.
Per superare tali inconvenienti gli autori hanno recentemente proposto un approccio
alternativo (Papola et al., 2005) capace di riprodurre esplicitamente le code di passeggeri
alla fermata in attesa della prima corsa effettivamente disponibile. Si tratta di estendere al
caso di servizi discontinui un modello continuo di assegnazione dinamica intraperiodale per
reti stradali (Bellei et al., 2005), che per sua natura è in grado di rappresentare in maniera
esplicita i vincoli di capacità. Il modello proposto propaga flussi di passeggeri
1
continuamente variabili nel tempo sulla rete pedonale, e pacchetti puntuali di passeggeri
sulla rete delle linee. Per simulare il vincolo di capacità dei veicoli, la configurazione dei
tempi di attesa corrispondente al profilo temporale del flusso di utenti che raggiungono la
fermata al fine di utilizzare una data linea, presenta un profilo temporale a “dente di sega”
tale, da un lato, da concentrare i passeggeri sulle corse in arrivo, dall’altro, da rispettare il
vincolo per cui il numero di passeggeri che salgono su un determinato mezzo sia non
superiore alla sua capacità residua.
Lo scopo di questo lavoro è quello di analizzare come questi due diversi metodi per
l’assegnazione ad orario sulle reti di trasporto collettivo sono in grado di simulare i vincoli
di capacità dei veicoli, e in particolare di riprodurre il caso in cui lo spazio residuo a bordo
di un mezzo che arriva ad una fermata, più quello liberato da coloro che scendono, risulti
insufficiente ad accogliere tutti i passeggeri in attesa, costringendo quindi una parte
dell’utenza ad attendere una vettura successiva.
2 Il modello di domanda
3 Il modello di offerta
2
Il primo vincolo stabilisce che ogni corsa ad una data fermata parte dopo di essere arrivata,
e che ciascuna sezione del tragitto tra una fermata e la successiva richiede un tempo di
percorrenza positivo. Il secondo vincolo impedisce i superamenti e i raggiungimenti tra due
corse di una stessa linea; quest’ultima condizione risulta assai utile in sede di
implementazione dell’offerta.
Per quanto riguarda lo schema tariffario, nel seguito associamo alla s-esima sezione della
k-esima corsa della linea ℓ, dalla fermata rs(ℓ) alla fermata rs+1(ℓ), con s∈[1, σℓ-1], uno
specifico prezzo del biglietto SFsℓk∈ℜ+ , in modo da ottenere costi di percorso puramente
additivi; ciò consente l’enumerazione implicita dei cammini nel calcolo delle scelte di
percorso.
Spesso capita di essere prevalentemente interessati alla rete portante del trasporto
collettivo, ma di dover riprodurre anche l’adduzione per valutare correttamente le
prestazioni complessive del sistema, sia essa effettuata mediante linee secondarie o con un
mezzo privato (park and ride). In questo caso, può essere conveniente simulare l’adduzione
tramite specifici spigoli della rete pedonale caratterizzati da adeguate velocità.
Nel seguito presenteremo due diversi modelli di assegnazione ad orario. Il primo basato
su un grafo diacronico, il secondo basato sull’analisi funzionale in cui le variabili rilevanti
sono profili temporali di prestazioni e di flusso. Entrambi i modelli faranno riferimento alla
struttura dei dati di input appena descritta.
3
RA = {( (rs(ℓ), DTsℓk, ℓ), (rs+1(ℓ), ATs+1ℓk, ℓ) ): ℓ∈ℑ, s∈[1, σℓ-1] ⊆ ℵ} archi di corsa;
DA = {( (rs(ℓ), ATsℓk, ℓ), (rs(ℓ), DTsℓk, ℓ) ): ℓ∈ℑ, s∈[2, σℓ-1] ⊆ ℵ} archi di fermata;
XA = {( (rs(ℓ), ATsℓk, ℓ), (rs(ℓ), ATsℓk, 0) ): ℓ∈ℑ, s∈[2, σℓ] ⊆ ℵ, MSsℓk = 1} archi di discesa,
BA = {( (rs(ℓ), DTsℓk, 0), (rs(ℓ), DTsℓk, ℓ) ): ℓ∈ℑ, s∈[1, σℓ-1] ⊆ ℵ, MSsℓk = 1} archi di salita;
PA = {( (i, τh, 0), ( j, τh + Tij, 0) ): (i, j)∈E, h∈[0, n] ⊆ ℵ} archi pedonali;
WA = {(VN(i, q-1), VN(i, q)): i∈V, q∈[2, Qi] ⊆ ℵ} archi di attesa;
A = RA ∪ DA ∪ XA ∪ BA ∪ PA ∪ WA ,
dove VN(i, q) è il q-esimo nodo pedonale in ordine di istante tra gli Qi = |{x∈N: NV(x) = i,
NL(x) = 0}| nodi pedonali associati al vertice i∈V; formalmente:
VN(i, q)∈N : |{x∈N: NV(x) = i, NI(x) ≤ NI(VN(i, q)), NL(x) = 0}| = q.
Il tempo di percorrenza del generico arco (x, y) ∈ A\(XA∪DA) è dato per definizione da
NI(y)-NI(x). Il costo generalizzato cxy è invece dato dal tempo di percorrenza moltiplicato
per uno specifico coefficiente a seconda del tipo di arco considerato:
cxy = α⋅[NI(y)-NI(x)],
dove α = αW se (x, y)∈WA, α = αP se (x, y)∈PA, α = αL se (x, y)∈RA∪DA; per gli archi di
corsa a tale costo va aggiunto l’eventuale tariffa di viaggio. Agli archi di discesa (x, y)∈XA
associamo il costo di trasbordo ηX:
cxy = ηX .
Agli archi di salita (x, y)∈BA associamo invece il costo del rischio di non riuscire a salire,
che assumiamo crescente in funzione del grado di riempimento del veicolo, dato dal
rapporto tra il flusso sul successivo arco di corsa e la capacità a bordo, così come proposto
in Nuzzolo et al. (2003):
cxy = β1 ⋅ ( f(y,FS(y)) / QNL(y)) β2
dove in generale fxy è il flusso di passeggeri che insiste sull’arco (x, y) mentre FS(x) =
{y∈N: (x, y)∈A}. Nelle prove numeriche abbiamo ipotizzato β1 tale che, in corrispondenza
di un grado di riempimento pari a 2, il costo sia dato dalla metà dell’intertempo medio della
linea poiché la metà dei passeggeri che intendono salire rimarrà a terra e sarà costretta ad
aspettare la prossima corsa.
4
ove per convenzione il tempo di attesa per l’utente giunto alla fermata dopo la partenza
dell’ultima corsa σ si assume pari ad infinito.
ρk-1 ρk ρk+1
tempo
Figura 1. Modello di attesa alla fermata.
4 L’assegnazione di equilibrio
5
5 Prove numeriche
700 0.5_PT
trasbordi
0.7_PT
600
0.9_PT
500 1.1_PT
1.5_PT
400
0.5_GD
300 0.7_GD
0.9_GD
200
1.1_GD
100 1.5_GD
1.3_PT
tempo
0
7.22 7.52 8.22 8.52 9.22 9.52 1.3_GD
Per livelli di domanda sufficientemente bassi (da 0.5 a 0.7, in questo caso) si verifica
nell’ora di punta un naturale incremento dei passeggeri che trasbordano verso la linea
veloce. Altresì, quando la domanda complessiva cresce si osserva una marcata riduzione di
tale tendenza al trasbordo proprio in corrispondenza dell’ora di punta, fin quasi
all’azzeramento del fenomeno. Questo andamento, mostrato da entrambi i modelli, è
consistente con la simulazione della congestione a bordo: si ha infatti che per livelli di
domanda sufficientemente elevati la capacità residua del veicolo della linea veloce non è
sufficiente a soddisfare tutti i passeggeri che desidererebbero trasbordare. Tuttavia il
modello con grafo diacronico evidenzia una notevole inerzia nell’invertire la concavità
della curva rappresentativa del fenomeno per valori di domanda crescenti, tanto che in
corrispondenza dei valori centrali, quando in realtà i vincoli di capacità cominciano a
svolgere un ruolo significativo, esso fornisce risultati non corretti.
Passiamo ora ad analizzare l’effetto del coefficiente di forma sulla distorsione dei flussi,
misurata direttamente attraverso la media relativa alle diverse corse del grado di
riempimento del veicolo a valle della fermata in cui avviene il trasbordo (Figura 3), e sulla
6
distorsione dei costi, misurata mediante la media del rapporto tra i costi legati al rischio di
non salire sulla prima corsa in arrivo (derivanti in realtà da un artificio modellistico) e
quelli legati ai tempi di percorrenza tra detta fermata e la destinazione finale (Figura4).
150%
grado di riempimento
GD_β1
140%
GD_β2
130% GD_β4
PT
120%
110%
100%
90%
80%
70%
60%
livello di domanda
50%
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
Figura 3. Distorsione dei flussi in funzione del livello di domanda, al variare di β2.
25%
GD_β1 distorsione dei costi
GD_β2
GD_β4
20%
15%
10%
5%
livello di domanda
0%
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
Figura 4. Distorsione dei costi in funzione del livello di domanda, al variare di β2.
Per il modello con grafo diacronico, l’andamento crescente del grado di riempimento in
funzione del livello di domanda non presenta asintoti o limiti superiori riconoscibili, così
come correttamente mostra invece il modello con profili temporali. Si osserva inoltre che il
modello lineare comporta per i livelli di domanda considerati le distorsioni meno marcate,
mentre al crescere dell’esponente la capacità del modello di riprodurre correttamente il
fenomeno è sempre più ridotta. Specularmente, le distorsioni sui costi prodotte dal modello
lineare per i livelli di domanda considerati sono le più marcate, ma poi decrescono con il
livello di domanda.
7
In conclusione possiamo affermare che le distorsioni sulle configurazioni di costo e di
flusso introdotte per simulare i vincoli di capacità dei veicoli nel modello basato sul grafo
diacronico, valutabili nel caso in esame tra il 10% e il 20%, benché consentono di
riprodurre correttamente l’andamento dei relativi fenomeni di congestione, sono tali da
poter compromettere l’affidabilità del metodo da un punto di vista quantitativo.
Bibliografia
Bellei G., Gentile G., Papola N. (2005) A within-day dynamic traffic assignment model
for urban road networks. Transportation Research B 39, 1-29.
Chabini I. (1998) Discrete dynamic shortest path problems in transportation applications:
complexity and algorithms with optimal run time. Transportation Research Record 1645,
170-175.
Nuzzolo A., Russo F., Crisalli U. (2003) Transit network modelling. The schedule-based
dynamic approach. Collana Trasporti, Franco Angeli, Milano, Italia.
Pallottino S., Scutellà M.G. (1998) Shortest path algorithms in transportation models:
classical and innovative aspects. Equilibrium and advanced transportation modelling, ed.s
P. Marcotte, S. Nguyen, Kluwer Academic Publisher, Dordrecht, The Netherlands, 245-
281.
Papola N., Filippi F., Gentile G., Meschini L. (2005) Schedule-based transit assignment:
a new dynamic equilibrium model with explicit vehicle capacity constraints. Proceedings of
the Second Workshop on the Schedule-Based approach in Dynamic Transit Modelling -
SBDTM 2005, Ischia, Italia, 119-124.