Sei sulla pagina 1di 92

La simulazione del sistema di trasporto: la domanda di

trasporto (versione1.0)

Lezione 12, 13, 14, 15

LA SIMULAZIONE DEL SISTEMA DI TRASPORTO: LA DOMANDA DI TRASPORTO (VERSIONE1.0)

1

1

LA STIMA DELLA DOMANDA DI MOBILITÀ

1

1.1. LE INCOGNITE DEL PROBLEMA

1

1.2. LE

CARATTERISTICHE DELLA DOMANDA DI MOBILITÀ

2

1.3. LA FORMALIZZAZIONE DEL PROBLEMA

6

1.4. METODI DI STIMA DELLA DOMANDA DI MOBILITÀ

7

2

LA STIMA DIRETTA

11

2.1. DEFINIZIONE DEI PARAMETRI DA RILEVARE

11

2.2. TIPOLOGIE DI INDAGINE CAMPIONARIA

12

2.2.1. LE INDAGINI VOLUMETRICHE

12

2.2.2. LE

INDAGINI

«AL CORDONE» E ALLE «SCREEN LINES»

13

2.2.3. LE INDAGINI MOTIVAZIONALI

16

2.3. PROGETTAZIONE DELLINDAGINE

20

2.4. STIMA DELLE GRANDEZZE DI INTERESSE (LA SCELTA DELLO STIMATORE) 23

3

LA STIMA DA MODELLO

25

3.1. DEFINIZIONI E CONSIDERAZIONI PRELIMINARI

25

3.2. MODELLI COMPORTAMENTALI SEMPLICI: IPOTESI E FORMULAZIONI

MATEMATICHE

29

3.2.1. MODELLI BASATI SULLA TEORIA DELLUTILITÀ DETERMINISTICA: IL MODELLO

DI UTILITÀ DETERMINISTICA

30

3.2.2.

MODELLI BASATI SULLA TEORIA DELLUTILITÀ NON DETERMINISTICA: IL

MODELLO LOGIT E CENNI SULLA TEORIA DELLUTILITÀ

37

Il modello logit

37

Cennisullateoriadell’utilitàaleatoria:introduzione

42

3.3.

LA SPECIFICAZIONE E CALIBRAZIONE DI UN MODELLO DI SCELTA

COMPORTAMENTALE

45

3.3.1. SPECIFICAZIONE DEL MODELLO

46

3.3.2. CALIBRAZIONE DEL MODELLO

53

1

3.3.3.

VALIDAZIONE DEL MODELLO

55

4 MODELLI PER LA STIMA DELLA DOMANDA DI MOBILITÀ

58

4.1.

I MODELLI PER LA STIMA DELLA MATRICE DEI FLUSSI DI DOMANDA

ORIGINE DESTINAZIONE

58

4.1.1. I MODELLI DI EMISSIONE O DI SCELTA DEL NUMERO DI SPOSTAMENTI

59

4.1.2. I MODELLI DI DISTRIBUZIONE O DI SCELTA DELLA DESTINAZIONE

68

4.2. I MODELLI DI SCELTA DEL MODO DI TRASPORTO

76

4.3. I MODELLI DI SCELTA DEL PERCORSO

82

I modelli di scelta del percorso preventiva Cenni sui modelli di scelta del percorso mista preventiva/adattiva

83

88

2

1 La stima della domanda di mobilità

1.1. Le incognite del problema

Nell’analisidiunsistema dei trasporti la domanda di mobilità è

l’elementopiùrilevanteeallostessotempopiùcomplessodamodel-

lizzare e da simulare. Simulare la domanda di spostamento significa, per ogni categoria di utenti e motivo dello spostamento e per ciascu- na fascia oraria rilevanti ai fini dello studio, stimare il numero medio diutentichesispostanotraduezonedell’areadistudioe,inoltre, simulare con quale modo di trasporto effettuano lo spostamento.

Lo studio della domanda di mobilità richiede la definizione di nu- merosi aspetti:

- le classi di utenti (i) che si spostano,

- il motivo (s) per cui si spostano,

- l’origine(o) e la destinazione (d) dello spostamento,

- l’istantetemporalediinizioefinedellospostamento,

- il modo di trasporto utilizzato (m),

- il percorso scelto (k).

Ciascuna delle suddette voci rappresenta una caratteristica della

domandaeallostessotempounaproblematicacuil’analistadeveri-

spondere. A tal fine la domanda di mobilità è usualmente schematiz- zata come una successione di scelte compiute dagli utenti del sistema dei trasporti (numero di spostamenti, destinazione, modo di traspor-

to e percorso) vincolateall’origine,almotivoeallafasciaorariadello spostamento.

Concettualmente le variabili del problema sono i flussi di domanda origine-destinazione (d i od ), la loro ripartizione tra i modi di trasporto disponibili (d i odm ), la loro ripartizione tra i percorsi disponibili (d i odmk ). Le prime due grandezze possono essere ordinate in matrici origine- destinazione tante quanti sono i motivi dello spostamento, le fasce orarie di interesse e le classi di utenti in esame (s, h e i ). La ulti- ma grandezza, d i odmk , è ottenibile simulando come le matrici origine-

1

destinazione, precedentemente definite e relative al modo m, utiliz- zanol’offertaditrasporto sempre relativa al modo m.

Stimare la domanda significa essere in grado di calcolare i singoli elementi delle citate matrici e, pertanto, significa:

(a)

Definire le matrici origine-destinazione (caratterizzazione spazia- le della domanda), definire i motivi dello spostamento e le classi di utenti (caratterizzazione socioeconomica) e definire le fasce o- rarie di riferimento (caratterizzazione temporale).

(b)

Definire i metodi per la stima delle singole matrici (s, h , i e m), eventualmente differenziati per sotto-matrici.

s 1 2 … j … N h 1 2 … i d i od
s
1 2
… j
… N
h
1
2
i
d i od
N
m 1 2 … j … N 1 2 i d i odm … N
m
1 2
… j
… N
1
2
i
d
i odm
N

1.2. Le caratteristiche della domanda di mobilità

Come si è già avuto modo di dire, le caratteristiche della domanda

di trasporto sono di natura spaziale, temporale e socioeconomica. So-

cioeconomicaperchéladomandaderivadall’esigenzadiinterazione sociale ed economica degli utenti del sistema territorio; spaziale, per- ché i flussi di domanda si spostano tra punti definiti del territorio; temporale perché si realizzano in definite fasce orarie. Altre caratteri- stiche sono il modo di trasporto e il percorso sulla rete modale in e- same.

In conclusione la domanda di mobilità si può dire nota se sono no-

te le sue caratteristiche, ovvero,:

la classe di utenti (i) che si sposta, il motivo per cui si sposta (s), la fascia oraria in cui si sposta (h), la origine dello spostamento (o), la

2

destinazione dello spostamento (d), il modo di trasporto (m) e, infine, il percorso (k).

Di seguito è approfondito il problema della caratterizzazione della

domanda di mobilità.

Caratterizzazione socioeconomica: motivi dello spostamento e categorie di utenti

La simulazione delle caratteristiche dello spostamento degli utenti

di un sistema di trasporto richiede la aggregazione degli utenti in

classi omogenee. Il fine primario è di potere studiare insiemi di per- sone come se fossero un unico utente e non separatamente (cosa im- possibile da un punto di vista applicativo) e di ipotizzare stessi com-

portamenti (stessi modelli) di spostamento per tutti.

In questa ottica,

la

caratterizzazione socio-economica della domanda di mobilità è

funzionale a stratificare gli utenti in classi omogenee

. Ciò può essere

ottenuto distinguendo motivi dello spostamento, caratteristiche so-

ciali (età, genere ec

ne professionale etc

avere comportamenti di spostamento molto diversi al variare del motivo dello spostamento e, allo stesso tempo, differenti persone possono presentare comportamenti differenti al variare del motivo dello spostamento.

In linea di principio è importante distinguere i motivi dello spo-

stamento sistematici dai motivi non sistematici. I primi, detti anche

vincolati, sono tutti motivi per i quali lo spostamento non è una scel- tamaun’esigenza.Appartengonoaquestaclasseglispostamenti per i motivi casa-lavoro e casa-studio, ovvero, tutti quei motivi che pre- scindono dalla volontà o meno di spostarsi e che non consentono

all’utentedisceglierelafasciaorariadellospostamentoeladestina-

E’facilmente intuibile che lo stesso utente può

e caratteristiche economiche (reddito, condizio-

)

).

zione. In un tale contesto è immediato comprendere che interventi sulle caratteristichedell’offertaditrasportopossono indurre effetti non significativi e, in generale, è necessario simularli con strumenti matematici differenti o non simularli affatto.

I motivi non sistematici (e.g. acquisti, tempo libero, affari, cure per-

sonali etc

viceversa, sono tutti quei motivi dello spostamento ri-

spettoaiqualil’utentepuòmodificarelecaratteristichedellospo-

stamentoinseguitoainterventisull’offertaditrasporto.Per siffatti motivi, detti non vincolati, è ragionevole ipotizzare una maggiore e- lasticità di comportamento rispetto alla fascia oraria, alla destinazio-

),

3

ne, nonché, al modo di trasporto e al percorso.

A parità di motivo dello spostamento è necessario aggregare utenti

in classi omogenee al fine di ottenere un’omogeneitàrispetto ai com-

portamenti di spostamento. Se per il motivo dello spostamento casa-

università può avere senso distinguere gli studenti per facoltà, per il motivo casa-acquisti potrebbe avere senso distinguere gli stessi stu- dentiinbasealredditofamiliareoinbaseall’età.Benché non sia faci-

le individuare criteri di aggregazione generali, è bene chiarire che le

aggregazioni devono essere ottenute in base a stratificazioni facil- mente riproducibili in fase di applicazione del modello. A tal fine, come già evidenziato per la zonizzazione, le stratificazioni ISTAT devono essere il riferimento per qualsiasi attività di classificazione.

Caratterizzazione spaziale: area di studio e zonizzazione

Qualsiasi analisi della domanda non può prescindere dalla defini-

zione del contesto geografico (area di studio) in cui lo spostamento avvieneedalladefinizionedellezonetracuiessosirealizza.Sel’area

di studio consente di delimitare geograficamente il problema,

l’esigenzadirappresentare la domanda di mobilità mediante rela- zioni origine-destinazione rende necessaria una discretizzazione di

questa area. Come visto in precedenza, è indispensabile suddividere

il territorio, ovvero aggregare origini e/o destinazioni elementari, in

zone di traffico (zonizzazione). Questa operazione non è altro che

una ulteriore aggregazione di utenti in classe omogenee, dove la o- mogeneità è territoriale e non socio-economica. Siffatta caratterizza- zione spaziale consenteun’interpretazionepuntaledegli spostamenti

e permette di definire la matrice origine-destinazione i cui elementi

sono le incognite del problema. La struttura di queste matrici solita- mente è schematizzata in 4 blocchi:

-

I-I:rappresentaladomandadimobilitàinternaall’areadistudio, con N I il numero di zone interne.

-

I-E e E-I: rappresentano la domanda di scambio con il mondo e- sterno, con N E il numero di macro-zone esterne.

-

E-E: rappresenta la domanda di attraversamento.

Questa suddivisione è rilevante poiché la stima degli elementi del-

le

singole sotto-matrici può seguire approcci differenti (come si vedrà

di

seguito).

4

1 2 … N N I +1 N I +… N I +N E I
1
2
N
N I +1
N I +…
N I +N E
I
1
2
I-I
I-E
N
I
N I +1
N I +…
E-I
E-E
N I +N E

Caratterizzazione temporale: fasce orarie dello spostamento

Per studiare come gli utenti di un sistema di trasporto utilizzano le risorse messe a disposizione dall’offertaditrasportoènecessario rapportare la domanda stessa alla capacità del sistema di assorbire siffatta domanda. Dal momento in cui una qualsiasi infrastruttura (servizio) ha una capacitàdi“smaltimento”limitataeriferita ad uno specifico intervallo di tempo, la stessa domanda di trasporto deve es- sere riferita agli stessi intervalli temporali o, viceversa.

Lasceltadelladimensionedell’intervalloèlegataalladimensione del sistema territoriale in oggetto e alle caratteristiche dei modelli di offerta di trasporto. Nelle pratiche applicazioni si fa riferimento a in- tervalli di 60 minuti per mantenere una coerenza con il concetto di capacità di una sezione stradale. Non è inusuale specificare intervalli maggiori dimensionati sul tempo (mediamente) necessario perché ogni utente giunga alla propria destinazione 1 .

La scelta della fascia oraria segue criteri empirici e, in generale, de- ve tenere conto dei periodi di punta. Il problema non è banale nel momento in cui il fenomeno è dato dalla combinazione di sposta- menti di andata e di ritorno ed è influenzato dal tipo di spostamento (anello vs catena).

Altre caratteristiche

Altre caratteristiche cui si farà riferimento in seguito sono il modo

1 In questo caso sarà necessario adeguare le capacità nelle funzioni di costo adottate per simulare i tempi di viaggio e di attesa lungolearteriestradalidelsistemadell’offertaditrasporto,ovveroconsi- derarecomunqueilnumerodispostamenticheavvieneinunoraall’internodelperiodoconsiderato.

5

di trasporto e il percorso. Queste ultime due caratteristiche dello spo- stamentosonofondamentalipersimularegliimpattidell’utenzasul sistema di trasporto. Le matrici origine destinazione non avrebbero alcun significato se non le si ripartisse tra i modi di trasporto dispo- nibili e tra i relativi percorsi che collegano ciascuna coppia origine- destinazione.

1.3. La formalizzazione del problema

La domanda di spostamento può essere schematizzata in una se- quenza di scelte, e può essere formalizzata matematicamente come il prodotto di tante aliquote quante sono le dimensioni di scelta.

Solitamente si prendono in considerazione tre dimensioni di scel- ta 2 : il numero di spostamenti, la destinazione (il cui risultato sono le matrici od globali) e il modo di trasporto (il cui risultato sono le ma- trici od modali).

Formalmente si ha (anche noto come modello ad aliquote parziali):

d i od [s,h,m] = d i o. [s,h] p i [d/osh] . p i [m/oshd]

dove

- d i od [s,h,m] è il flusso di utenti della categoria i, che si sposta tra la zona o e la zona d,(nell’unitàditempo)nellafasciaorariah e con il modo m

mentre,

- d i o. [s,h] è il flusso di utenti della categoria i che si sposta dalla zo- na di origine oper il motivo s e nella fascia oraria h;

- p i [d/osh] è la percentuale di individui di categoria i che, spostan- dosi da o per il motivo s nel periodo h, si recano alla zona di de- stinazione d;

2 Altre dimensioni di scelta possono essere prese in considerazione, tra queste la scelta del percorso. In questo caso la formalizzazione del problema è la seguente:

d i od [s,h,m, k] = d i o. [s,h] p i [d/osh] . p i [m/oshd] . p i [k/oshdm]

dove d i od [s,h,m, k], flusso di utenti della categoria i, che si sposta tra la zona o e la zona d,(nell’unità di tempo) nella fascia oraria h, con il modo m ed utilizza il per- corso k.

6

- p i [m/oshd] è la percentuale di utenti di categoria i che, spostandosi fra o e d per il motivo s nel periodo h, utilizzano il modo di tra- sporto m;

d i od [s,h,m,k]= [n i [o] m i ]p i [d/osh] p i [m/oshd]

n i [o]: numero di persone della zona (o), della classe (i) che possono s postarsi per il motivo (s) nella fascia oraria (h)

m i [o]: Numero medio di spostamenti compiuti dall utente (i) nella fascia oraria (h) e per il motivo (s)

p i [d/osh]: Percentuale degli utenti destinazione (d)

che si spostano [n i [o] m i ] e che si recano nella

p i [m/osh]:

Percentuale degli utenti che spostandosi e recandosi nella desti nazione (d)

{[n i [o] m i ]p i [d/osh]} , utilizzano il modo di trasporto (m)

Ilcompitodell’analistaèdispecificare(perognimotivo,perogni fascia oraria e classe di utenti omogenea) le singole aliquote, sce- gliendol’approcciopiùefficacemaallostessotempopiùefficiente dal punto di vista degli oneri di specificazione ed implementazione. Nei prossimi paragrafi, le singole fasi saranno affrontate con maggio- re dettaglio.

1.4. Metodi di stima della domanda di mobilità

La stima delle singole aliquote che concorrono a definire i flussi di domanda di trasporto può essere perseguita mediante due approcci:

la stima diretta ovvero la stima da modello. La prima prevede la stima delle aliquote di domanda mediante tecniche statistiche applicate ad indagini campionarie riferite al contesto in esame, la seconda preve- de la costruzione di modelli econometrici capaci di riprodurre i com- portamenti degli utenti del sistema di trasporto e di simulare siffatti comportamenti in scenari di intervento. Si deve, infine, aggiungere che le singole aliquote non devono essere stimare con lo stesso ap- proccio, ma possono essere stimate con approcci differenti in base al tipo di intervento sul sistema di trasporto.

7

d i od [s,h,m,k]= [n i [o] m i ]p i [d/osh] p i [m/oshd]

n i [o]

m i [o]

p

i [d/osh]

p

i [m/osh]

Noto (censimento ISTAT)
Noto (censimento ISTAT)
STIMA DIRETTA Metodi di stima della domanda di trasporto STIMA DA MODELLO
STIMA
DIRETTA
Metodi di stima
della domanda di
trasporto
STIMA
DA MODELLO
Metodi di stima delle aliquote componenti un flusso di domanda di trasporto
Metodi di stima delle aliquote componenti un flusso di domanda di trasporto
delle aliquote componenti un flusso di domanda di trasporto STIMA DIRETTA STIMA DA MODELLO Mediante indagini
STIMA DIRETTA
STIMA DIRETTA
STIMA DA MODELLO
STIMA DA MODELLO

Mediante indagini (interviste) su di un campione di utenti e da queste, utilizzando le tecniche della statistica inferenziale, si ottengono delle stime dirette della domanda

Mediante indagini sui comportamenti

di

un campione di utenti del sistema

di

trasporto oggetto dello studio, si

implementano modelli matematici che consentono la simulazione del fenomeno in scenari diversi da quello attuale

In generale, la scelta dell’approcciodipende

(a)

dalla relazione origine-destinazione in esame,

(b)

dalle tipologie di interventi sul sistema di trasporto,

(c)

e dall’orizzontetemporaledisimulazione.

Per quanto concerne le relazioni origine-destinazione, ricordando la suddivisione della matrice origine-destinazione in quattro sotto- matrici, è ragionevole perseguire un approccio di stima diretta per le matrici di scambio e di attraversamento (I-E, E-I e E-E) ed un ap- proccio di stima da modello per la matrice degli spostamenti interni all’areadistudio(I-I).

8

Per definizione stessa di area di studio gli elementi delle matrici I- E, E-I e E-E, non dovrebbero variare al variare delle caratteristiche dell’offertaditrasportoall’internodell’areadipiano.In questa ottica interessa conoscere i valori dei flussi di domanda o-d-m e non è utile, in generale, sviluppare approcci modellistici. Dall’altro lato,per quanto riguarda la sotto-matrice I-I, è ragionevole immaginare degli effetti diretti sui comportamenti di spostamento degli utenti e, per- tanto, è necessario perseguire approcci modellistici (vedi figura se- guente).

N: zone totali I: zone interne

I-I: spost. Interni/Interni I-E: spost. Interni/Esterni E-I: spost. Esterni/Interni E-E: spost.Esterni/Esterni

11 11

22 22

II II

I+1I+1

I+1I+1

I+2I+2

I+2I+2

NN

NN

I+1I+1

I+1I+1

I+2I+2

I+2I+2

NN

NN

11 11

22 22

II II

STIMA DA II--II II--II MODELLO
STIMA DA
II--II
II--II
MODELLO
STIMA II--EE II--EE DIRETTA
STIMA
II--EE
II--EE
DIRETTA
STIMA EE--II EE--II DIRETTA
STIMA
EE--II
EE--II
DIRETTA
STIMA EE--EE EE--EE DIRETTA
STIMA
EE--EE
EE--EE
DIRETTA

Per quanto concerne le tipologie di intervento, l’approcciodipen- de da quale influenza gli interventi previstisulsistemadell’offertadi trasporto possono avere sulle caratteristiche della domanda di tra- sporto, ovvero, quale caratteristica della domanda di trasporto è sen- sibile (elastica) rispettoall’interventoprevisto.Distinguendo tre pos- sibili caratteristiche della domanda (numero degli spostamenti, di- stribuzione e ripartizione modale) è possibile definire le combinazio- ni riportate di seguito ed associare possibili tipologie di intervento (vedi figure seguenti).

9

N°spost.
N°spost.

destinazione

modo di trasporto

N°spost. destinazione modo di trasporto diretta diretta modello diretta modello diretta modello modello
diretta diretta modello diretta modello diretta modello modello Orizzontetemporaledell’intervento
diretta
diretta
modello
diretta
modello
diretta
modello
modello
Orizzontetemporaledell’intervento
N°spost dest. modo diretta
N°spost
dest.
modo
diretta

Simulazione dell’usodelleinfrastrutturedelsistema dell’offertaditrasportoe/odeiserviziditrasporto collettivo

diretta modello diretta modello Simulazione di: nuove linee di trasporto pubblico,
diretta
modello
diretta
modello
Simulazione di: nuove linee di trasporto pubblico,
nuovefrequenze,nuovetariffedisosta…….
diretta
modello
Simulazione di: interventi infrastrutturali volti a
cambiare radicalmente la struttura della domanda di
trasportodell’area
modello

Orizzontetemporaledell’intervento

Perquantoconcernel’orizzonte temporale, il tutto può anche esse- re interpretato in un’otticadipianificazionediinterventiabreve termine o a lungo termine. Nel breve termine è ragionevole ipotizza- relasceltadelmododitrasportocomel’unicadimensionediscelta elastica, in questo senso il numero medio di spostamenti emessi e la loro distribuzione sul territorio possono essere ipotizzati costanti. In un’otticadimedio-lungo termine è più corretto implementare mo- delli di simulazione anche per le altre due dimensioni di scelta.

Entrambe approcci sono affrontati di seguito.

10

2 La stima diretta

Lastimadirettarappresentaun’applicazioneditecnichedicam-

pionamento e tecniche di stima e validazione statistica delle informa-

zioni ottenute con opportune indagini. Il ricorso alla stima diretta è consigliabile per quelle dimensioni di scelta (e.g. il numero di spo-

stamenti da effettuare) per le quali è possibile ipotizzare una ridotta elasticità rispetto alle variazioni del livello di servizio offerto agli u- tenti. In situazioni in cui il numero di grandezze da stimare è molto elevato, benché il fenomeno possa ipotizzarsi non elastico, la stima

direttapuònonesserelasoluzionemiglioreinvirtùdell’elevatonu-

mero di osservazioni che sarebbe necessario acquisire per ottenere delle stime significative. Questo è il caso della scelta della destina- zione in cui il numero di grandezze da stimare è pari al quadrato del numero zone.

In generale, tutte le stime della domanda di trasporto attuale sono di tipo campionario, ovvero stimano il valore della domanda sulla base delle informazioni relative ad un campione di utenti del siste- ma. Nella pratica la stima diretta prevede 4 attività principali:

(a)

la definizione dei parametri da rilevare,

(b)

la definizione del tipo di indagine campionaria,

(c)

la progettazione dell’indagine,

(d)

la stima delle grandezze di interesse.

2.1. Definizione dei parametri da rilevare

I parametri da rilevare variano in funzione della scala di riferimen- to, dei soggetti in movimento (persone o cose) e della componente del sistema di trasporto su cuisiopera.Intuttiicasil’obiettivomi- nimo è la conoscenza delle «dimensioni» fondamentali della doman-

daecioèl’entitàdeiflussisugliarchidellereti,ladistribuzionespa-

ziale dei luoghi di origine e di destinazione e, quindi, la capacità ge- nerativa e attrattiva delle diverse parti del territorio in esame, i mezzi adoperati per spostarsi o per spostare merci ed i motivi degli spo- stamenti. A questi parametri, tipicamente statistico-descrittivi, pos- sono affiancarsi anche informazioni sulle motivazioni che generano la domanda di mobilità e che sono, ovviamente, ancor più interessan- tiquandocisiponel’obiettivodirisponderealmeglioalleesigenze

11

deicittadiniedivalutarelarispostadell’utenzaagliinterventidi piano. Indagini finalizzate a questi scopi possono essere realizzate in corrispondenza della riedizione periodica dei documenti del proces- so di pianificazione.

2.2. Tipologie di indagine campionaria

Come detto, la rilevazione della domanda avviene, di norma, ri- correndo ad indagini campionarie. In generale è possibile distinguere due tipologie di parametri da rilevare:

flussi di veicoli e di persone (indagini volumetriche). I flussi sono ri- levaticontandoitransitiattraversounasezionedell’infrastruttura che interessa e servono per analizzare le condizioni di funziona-

mentodispecificiassistradali,perstudiarel’andamentotempora-

le della domanda (per individuare fenomeni di punta), per stimare i coefficienti di riempimento di auto e veicoli di trasporto pubbli- co,perstimarel’universodegli utenti transitanti in una sezione stradale (screen line) in corrispondenza del cordone che delimita l’areadistudiodal“mondoesterno”.

caratteristiche delle persone o delle merci che si spostano In questo caso è necessario intervistare (indagini motivazionali) il soggetto in movimento (nella mobilità delle persone) o a chi sta trasportando la merce (nel caso di trasporto di cose).

In base a quanto detto è possibile distinguere tre tipi di indagine:

(a) indagini volumetriche, (b) indagini al cordone e (c) indagini moti- vazionali.

2.2.1. Le indagini volumetriche

Nel caso di infrastrutture o servizi gestiti da soggetti che riscuoto- no una tariffa, i flussi di persone o di veicoli possono essere desunti dalle statistiche aziendali: è il caso dei flussi su strade a pedaggio o su mezzi di trasporto pubblico terrestre, marittimo o aereo. Negli al- tri casi, in particolare nel caso del traffico stradale, è inevitabile effet- tuare rilievi sul campo attraverso conteggi manuali o mediante con- tatori automatici.

Il rilevamento manuale dei flussi stradali è più costoso di quello

12

automatico ma consente una classificazione dei veicoli per tipo e di- mensioni (vedi diapositive lezione). Il rilevamento automatico, inve- ce, conta il passaggio di assi o di veicoli senza distinguerne il tipo (vedi diapositive lezione): può essere facilmente esteso su lunghi pe-

riodi di tempo e può quindi dare informazione sulle oscillazioni del traffico nelle 24 ore e nei giorni della settimana (solo in casi particola- ri si può procedere ad installare postazioni fisse in grado di misurare

le oscillazioni stagionali ed il trend negli anni). Alcuni contatori au-

tomatici consentono anche una classificazione dei veicoli per lun- ghezza e per velocità istantanea.

Il rilevamento di flussi di persone a bordo di veicoli (auto, bus, ae- rei e navi) richiede sempre un addetto che, a seconda del sistema di trasporto, può:

salire a bordo del veicolo alla fermata prima della sezione di rile- vamento, contare le persone e scendere alla fermata successiva;

stimare da terra (e, quindi, solo per trasporti terrestri) le persone a bordo dei veicoli in transito attraverso la sezione (vedi la scheda

A4);

contare i passeggeri saliti ed i passeggeri discesi in tutte le fermate a monte della sezione di rilevamento (vedi la scheda A5)

ricostruirel’interodiagrammadicaricodiognilineaconunaddet-

to a bordo che registra i passeggeri saliti e discesi ad ogni fermata (vedi la scheda A6).

2.2.2. Le indagini «al cordone» e alle «screen lines»

Sono finalizzate alla valutazione della mobilità di scambio e di at-

traversamento (matrici E-I, E-I, E-E). La mobilità di scambio è costitui-

tadall’insiemedeglispostamentitral’areadipianoedil“mondoe-

sterno”epuòesserestimataanalizzandouncampionedipersonee

di merci nel momento in cui transitano attraverso una linea ideale (il

«cordone»)checorrelungoiconfinidell’area.Lamobilità di attraver- samento è, invece, costituita da tutti gli spostamenti che attraversano

unalineadivalico(«screenline»)chedividel’areadistudioindue parti. Può essere stimata analizzando un campione di persone e di

merciintransito.L’indagineal«cordone»consenteanchelarileva-

zione della mobilità che attraversal’areadipiano:il«cordone»intal caso coincide con una «screen line» che viene attraversata due volte.

13

Operazione preliminare per questo tipo di indagini è la definizione dell’universo.Asecondadeicasi,questoècostituitodaiflussiin

transito di persone su automobili o su mezzi pubblici (bus, treni, ae- rei, navi) o dai flussi in transito di merci su autocarri, treni, aerei e navi.Ladimensionedell’universopuòesserestimataattraverso un’indaginecampionaria,rilevando un adeguato numero di flussi di elementi in transito negli stessi periodi di tempo in cui interessa co- noscere le altre caratteristiche della mobilità:ingenerel’oradipunta

giornalieraperlamobilitàlocaleol’interagiornataperquellaregio-

nale,l’unael’altranellastagionedipunta.

Seinteressanovalorimedinell’anno,leindaginipossonoessereef-

fettuate in giorni e mesi ritenuti «medi» (in genere, giorni feriali tra martedì e venerdì, tra febbraio e giugno e tra fine settembre e inizio dicembre). In alternativa, le indagini possono essere ripetute in più periodi, ciascuno rappresentativo di una stagione, per poi procedere al calcolo della media dei dati raccolti. Se, viceversa, interessa la mo- bilità in periodi specifici (fine settimana o mesi estivi, ad esempio), le indagini vanno ristrette ad ore e giorni dei periodi interessati. Dai va- lori giornalieri si risale con coefficienti sperimentali ai valori orari di punta: sono questi i valori che occorre conoscere dal momento che la capacità degli elementi di un sistema di trasporto sono, in genere, ri-

feritiall’ora.

I veicoli di cui occorre rilevare i passaggi sono quelli che trasporta-

nolepersoneolemercioggettodell’indagine:ingeneresonoleau-

tomobili, i veicoli merci o gli autobus. Il rilievo deve perciò essere «classificato» e, in genere, è eseguito a mano. Le classi in cui suddi- viderel’universodebbonoessere omogenee in relazione al tipo di persone o di merci che trasportano.

Ai fini della progettazione del campione, va sottolineato che i flussi al cordone sono un esempio tipico di universo stratificato. Una prima stratificazione esiste in relazione alle diverse sezioni che attraversano il cordone: le caratteristiche delle persone e merci in transito (innan- zitutto le percentuali di incidenze dei diversi luoghi di origine e di destinazione) variano molto da sezione a sezione mentre sono molto meno disperse tra gli elementi di una stessa sezione. Inoltre, le carat- teristiche variano sensibilmente con le ore del giorno: se si suddivide la giornata in «strati» coincidenticonleore(ol’oradipuntainquarti d’ora),questecaratteristichevariano molto tra strato e strato e poco all’internodiognistrato.

Perchéilcampionepossabenrappresentarel’universo,deveessere

14

stratificatoedavere,quindi,anch’essoelementidituttiglistratiin numero proporzionale all’ampiezza che ciascun strato ha nell’universo e, possibilmente, in numero proporzionale anche alla variabilità dei parametri oggetto di stimaall’internodiognistrato.

In pratica ciò è possibile solo approssimativamente, dal momento che il numero di veicoli intervistati è determinato dal numero di in-

tervistatori su strada e dal numero di interviste che ciascuno di essi

riesceafarenell’unitàditempo.Fissatoilprimoinrelazionealnu-

mero minimo di interviste da fare nei periodi di punta, si finisce con il somministrare più interviste del dovuto nei periodi di morbida. Conseguentemente, in fase di elaborazione dei dati si deve procedere ad una riequilibratura del campione adottando per ogni strato un co- efficiente di amplificazione pari al rapporto tra dimensione dell’universoedimensionedelcampione relativa a quello strato.

La dimensione del campione va stabilita in modo da avere, ad un livello di attendibilità del 95%, un precisione predeterminata nella stima di percentuali prossime al 50%. Orientativamente, nelle inda- gini al cordone ci si puòporrel’obiettivodiunaprecisionedi5 pun- ti percentuali nella stima di percentuali prossime al 50% e riferite ai flussi in ingresso o in uscita da ciascuna sezione del cordone.

Le interviste andrebbero fatte al termine della campagna di rile- vamento dei flussi: la durata complessiva delle indagini si allunghe- rebbe troppo in relazione ai tempi, generalmente ristretti, assegnati alla redazione del piano e si correrebbe anche il rischio, a causa della variabilità nel tempo delle caratteristiche delle persone e delle merci in movimento, di intervistare elementi che, in realtà, fanno parte di popolazioni diverse, per numerosità e per caratteristiche, da quella oggetto del conteggio iniziale. In pratica, dopo una valutazione sommariadelledimensionidell’universo, si effettuano contempora- neamente rilevamenti dei flussi e interviste.

Lo stesso empirismo è alla base della decisione di non effettuare nello stesso giorno tutte le interviste in tutte le sezioni al cordone: sa- rebbe corretto operare in questo modo, ma vi si oppone la difficoltà,

senonl’impossibilità,didisporredipersonale(intervistatori,rileva-

torieforzedell’ordine)innumeroadeguatoperporresottoosserva-

zione contemporaneamente tutte le sezioni. Ancora una volta, fidan-

do sulla stabilità del fenomeno traffico nel tempo, si accetta che si possano sovrapporre rilevazioni fatte in giorni diversi e considerarle

comefatteinunostessogiorno«medio».L’arcoditempodeveco-

munque essere relativamente breve, soprattutto se le indagini ri-

15

guardano le merci e, in particolare, i prodotti agricoli la cui natura può infatti cambiare anche nel giro di qualche settimana in relazione alla maturazione dei raccolti.

Nel caso di indagini ad automobilisti o a veicoli merci su strada, l’estrazionedelcampione va eseguita intervistando il primo veicolo in transito dopo che si è liberato uno degli intervistatori presenti: si hanno così un campione certamente casuale, il massimo numero di interviste possibile in relazione al personale disponibile ed un mini- mo di proporzionalità tra elementi del campione ed elementi dell’universoall’internodiognistrato.

Nel caso di indagini ad utenti di mezzi collettivi (autobus, aerei, navi),l’estrazionedelcampioneèpiùcomplessaevastudiatadicaso in caso. In linea generale occorrerebbe scegliere a caso un veicolo in transito attraverso il cordone ed intervistare tutti o parte delle perso- ne a bordo. I campioni così ottenuti sono del tipo «a grappolo» o «a due stadi» In alternativa e nel caso di utenti di linee extraurbane di autobus o di ferrovie, si può salire a bordo di un campione di veicoli nella fermata immediatamente a monte del cordone, intervistare tutti o parte delle persone e scendere nella fermata valle o, ancora in al- ternativa, si possono intervistare a terra le persone in salita nelle sta- zioni a monte del cordone.

Le informazioni essenziali da rilevare riguardano le caratteristiche del mezzo che si sta adoperando, i luoghi di origine e destinazione, le oredipartenzaed’arrivo,imotividellospostamento o i motivi della presenza nei luoghi di origine e di destinazione per le persone o, per le merci, le attività svolte nei luoghi di origine e di destinazione. Ac- canto a queste, possono essere raccolte altre informazioni di specifico interesse per le indagini che di volta in volta capita di dover fare e re- lative ai costi del trasporto, alle caratteristiche delle persone, delle merci trasportate o dei vettori che stanno effettuando il trasporto (vedi diapositive lezione).

2.2.3. Le Indagini motivazionali

Sono finalizzate alla valutazione della mobilità all’interno di un’areaeconsistononell’intervistareuncampionedifamiglieodi operatori del trasporto merci chiedendo loro la descrizione di tutti gli spostamenti effettuati in un giorno feriale medio di riferimento.

Per il periodo di indagine valgono le stesse considerazioni fatte per

16

lamobilitàdiscambioediattraversamento:datal’impossibilitàdief-

fettuare tutte le interviste nello stesso giorno, si è costretti a diluirle

in più giorni equivalenti, talvoltaanchenell’arcodipiùmesi,eda

sommare i risultati ottenuti, eventualmente correggendoli per tener

conto di variazioni sistematiche note che possono renderli disomo- genei.

In generale le informazioni base da raccogliere sono:

luoghi di origine e di destinazione;

ora di inizio e di fine spostamento;

mezzo adoperato;

motivo dello spostamento o motivi della presenza nei luoghi di origine e di destinazione o, per le merci, attività svolte nei luo- ghi di origine e di destinazione.

Perl’analisiqualitativaequantitativa della mobilità vanno rilevate anche le seguenti informazioni: costi e tariffe dello spostamento, ca-

ratteristiche socioeconomiche delle persone in movimento, delle a- ziende operatrici del trasporto, delle merci trasportate e così via (ve-

di diapositive lezione).

Le tipologie di indagine più utilizzate sono: (a) indagini durante il

viaggio, (b) indagini a domicilio, (c) indagini a destinazione e (d) in- dagini postali. Nelle indagini durante il viaggio o a bordo3 si intervista un campio- ne degli utenti di uno o più modi di trasporto; le interviste possono essere effettuate a bordo-strada per i conducenti di automobile e i lo- ro passeggeri, sul mezzo o ai terminali (stazioni, aeroporti, porti, fermate di autobus) per gli utenti di sistemi di trasporto pubblico (treno, aereo, nave, bus). Il campione di utenti viene ottenuto intervistando, a caso, una pre- fissata frazione degli utenti che usano il modo considerato; nel caso diindagini“puntuali”(sezionistradali,stazioni,ecc.)sitrattaquindi

di

contare il numerototalediutentiintransito(contadell’universo)e

di

intervistarne un numero prefissato ottenuto con un meccanismo

casuale (ad es. fermando un utente ogni m transitati). In generale le informazioni che è possibile ottenere con queste indagini sono relati- vamente“semplici”inquantol’intervistadeveessereeffettuatainun

3 Quando le indagini a bordo sono effettuate per stimare la domanda di scambio e di attraversa- mento prendono il nome di indagini al cordone.

17

tempo limitato e relativo allo spostamento o al viaggio in corso. Nelle indagini a domicilio si intervista un campione delle famiglie o dellepersoneresidentiall’internodell’areadistudio.Icomponenti delle famiglie appartenenti al campione vengono intervistati sugli

spostamenti da loro effettuati in un prefissato periodo di riferimento

(ades.ilgiornoprecedentequellodell’intervista)conunquestiona-

rio che può essere sufficientemente articolato. Analogo discorso può essere fatto sostituendo le persone alle famiglie. Le interviste posso-

no essere effettuate da un intervistatore che si reca fisicamente presso l’individuoolafamiglia.Inquestocasosihadisolitoun costo mag-

gioreafrontediunamigliore“qualità”dellerispostedovuteallain-

terazione diretta fra intervistato ed intervistatore. Di recente si sta diffondendo l’uso diindaginitelefoniche a domicilio nelle quali l’intervista,spessoassistitadalcomputer, viene effettuata via telefo- no. Questo tipo di indagine è reso possibile dalla diffusione capillare del servizio telefonico e consente di ridurre i costi di esecuzione an- che se a prezzo di interviste più semplici e meno precise.

Esistono nella pratica professionale molti altri tipi di indagini campionarie come le indagini a destinazione, nelle quali gli utenti ven- gono intervistati nei luoghi di destinazione degli spostamenti (posti di lavoro, scuole, negozi ecc.) e le indagini postali nelle quali gli utenti vengono intervistati per posta. Tutte queste indagini, pur essendo meno costose delle indagini a domicilio, possono presentare proble- midicompletezzadell’universocampionarioodidistorsionedelle stime a causa della sistematica assenza di risposte dei segmenti di mercato meno motivati.

Le differenti tipologie di indagine, a loro volta, possono essere classificate in indagini sulle preferenze rivelate o in un indagini su preferenze dichiarate. Le prime sono indagini relative ai comporta- menti effettivamente rivelati o dimostrati dagli utenti in un contesto reale (indagine sulle preferenze rivelate) ovvero indagini relative ai comportamenti dichiarati dagli utenti in contesti ipotetici (indagini sulle preferenze dichiarate). Il metodo tradizionale delle preferenze ri- velate,spessoindicatoconl’abbreviazioneRP dall’ingleseRevealed Preferences, consente di ottenere informazioni sui comportamenti re- lativi alle caratteristiche dello spostamento in esame (ad esempio il modo utilizzato per alcuni spostamenti effettuati in un certo periodo e per un certo motivo per la calibrazione di un modello di scelta mo- dale relativo a quel motivo e a quella fascia oraria). Diverso è il caso delleindaginidellepreferenzedichiarate,detteSPdall’ingleseStated

18

Preferences, che sono concettualmente equivalenti ad un esperimen-

to di laboratorio che può essere progettato con un maggior numero

di“gradidilibertà”.Le tecniche di SP si basano sulla possibilità di “controllarel’esperimento”progettandoilcontestodiscelta da sot- toporreall’intervistato,piuttostocheregistrarloaposterioricome avviene nelle usuali indagini di Preferenze Rivelate (RP) descritte nei paragrafi precedenti.

Le indagini SP hanno diversi vantaggi rispetto a quelle RP che pos- sono così essere sintetizzati:

consentono di introdurre alternative di scelta attualmente non di- sponibili (ad esempio nuovi modi di trasporto in un contesto di scelta modale).

consentono di far variare in modo controllato gli attributi delle al- ternative,ancheall’esterno dei ranghi di variazione attuali, in mo- do da ottenere stime migliori dei relativi coefficienti (ad esempio il costo monetario del trasporto in ambito urbano è di solito conte-

nutoall’internodiunintervallolimitatoononèfacilmenteindivi-

duabile perl’automobile).

consentono di introdurre nei modelli attributi di qualità del servi- zio non presenti nel contesto di scelta reale (ad esempio climatiz- zazione del veicolo, informazione ai passeggeri, presenza di altri servizi a bordo).

consentono di ottenere più informazioni, ovvero campioni più numerosi, a parità di costo in quanto di solito ad ogni intervistato vengono sottoposti più contesti di scelta e quindi vengono ottenu- te più informazioni rilevanti per calibrare un certo modello.

È evidente che tali vantaggi sono ottenuti ad un prezzo che sostan- zialmente consiste nella possibilità di introdurre alcune distorsioni

nei risultati delle indagini e nei modelli da questi calibrati, distorsio-

ni derivanti dalla possibile difformità fra i comportamenti di scelta

dichiaratiequellieffettivi;inaltritermini,sel’utentesitrovassedi fronte ad una situazione reale potrebbe comportarsi diversamente da quantodichiaratodurantel’indagineSP.Lecausediunpossibile

comportamento difforme sono numerose, ad esempio il contesto proposto potrebbe essere o apparire irrealistico, fra gli attributi pro- posti per ciascuna alternativa potrebbero mancarne alcuni rilevanti perildecisore,l’intervistatopotrebbeessersistancato ovvero tentare

di giustificare i suoi comportamenti di scelta attuali (giustification

bias) e così via.

19

2.3. Progettazionedell’indagine

Qualunque sia il tipo di indagine da effettuare, questa va progetta- ta, ovvero ne vanno definiti gli elementi rilevanti per il trattamento statistico dei risultati .In generale la progettazione statistica di una in- dagine campionaria per la stima della domanda, si articola in alcune fasi standard:

definizione della unità di campionamento (persona, famiglia, vei- coloecc.)edelmetododiconteggiodell’universo(adesempio e- lenchi anagrafici dei residenti o conteggi dei veicoli transitati);

definizione della strategia di campionamento, ovvero del metodo con cui viene estratto il campione di individui da intervistare;

definizione della numerosità del campione da estrarre.

definizionedell’estimatoredaadottare,ovverodellafunzionedel- leinformazioniottenutedall’indagineconcuiottenereunastima della quantità incognita;

La teoria del campionamento fornisce alcune indicazioni su come eseguire le diverse fasi della progettazione.

La definizione delle unità di campionamento è fortemente influenzata dagli aspetti pratici, ovvero dal tipo di indagine (a domicilio, a bordo ecc.)edalladisponibilitàdiinformazionisull’universo 4 . Ad esempio sesipossiedel’elencodellefamiglie residenti in una certa area, ma nonquellodellesingolepersone,l’unitàdicampionamentosaràla famiglia piuttosto che la persona; nel caso delle indagini a bordo l’unitàdicampionamentosaràilveicolosel’indagineèeffettuataa bordo strada o il passeggero nel caso di interviste ai terminali.

Per la scelta della strategia di campionamento, la quasi totalità delle indagini fa riferimento a tipi di campionamento probabilistico, ovvero metodi di estrazione del campione per i quali è possibile definire i

possibilirisultatidell’estrazionedelcampione,assegnareunaproba-

bilità a ciascun risultato ed estrarre a caso gli elementi del campione con quella probabilità. Le strategie di campionamento probabilistico

più diffuse nelle applicazioni sono:

- campionamento casuale semplice: tutti gli elementi della popolazione

4 Ladimensionedell’universoèrilevabile da statistiche ufficiali: le anagrafi dei comuni per le fami- glie, gli albi dei trasportatori, le associazioni di categorie, i registri dei produttori e dei commercianti per il trasporto merci.

20

hanno una uguale probabilità di appartenere al campione estrat- to;

- campionamento casuale stratificato: la popolazione è divisa in gruppi (strati) non sovrapponentisi ed esaustivi, viene quindi estratto un campione di utenti da ciascuno strato e ogni elemento di uno stra- to ha una uguale probabilità di appartenere al campione; utenti di strati diversi possono avere probabilità diverse. I campioni delle famiglie sono in genere stratificati per zona di residenza (comuni o province per la mobilità nazionale, comuni per la mobilità re- gionale e sovracomunale, quartieri e circoscrizioni per quella co- munale) e vanno estratti con il metodo casuale, eventualmente scegliendounelementoognixdell’universo.

- campionamento a grappolo; le unità di riferimento (ad esempio le persone) sono riunite in grappoli (ad esempio le famiglie o i pas- seggeri di un veicolo) i quali vengono estratti a caso con prefissa- ta probabilità di appartenere al campione (a grappolo casuale semplice) ovvero suddivisi in strati e campionati con probabilità diverse nei diversi strati (a grappolo casuale stratificato). Il cam- pionamento a grappolo offre una ulteriore possibilità, ovvero quella del campionamento a grappolo a doppio stadio; in altri termini si estrae dapprima un campione di grappoli (ad esempio un campione di famiglie), e successivamente si estrae un campio- nediindividuiall’internodiciascungrappolo.Inquestocasola probabilità che una unità appartenga al campione è il prodotto della probabilità che venga estratto il grappolo a cui appartiene e della probabilità che successivamentevengaestrattol’individuo.

Per quanto riguarda la definizione della numerosità campionaria, il numero di elementi da intervistare dipende dagli scopi per cui viene

eseguital’indagineedallaprecisionedellestimechesivuoleottene-

re. Di solito le indagini finalizzate alla stima diretta della domanda attuale, richiedono un campione molto più numeroso di quello ne- cessario per calibrare i modelli di domanda di cui si dirà nel seguito 5 . La dimensione del campione deve essere tale da garantire prede- terminate precisioni e attendibilità. A rigore la numerosità del cam- pione potrebbe essere calcolata a priori in funzione della precisione desiderata per la stima della variabile d od , nella pratica il dimensio- namento a priori del numero di elementi del campione è raramente

5 Va infine osservato che a causa della scarsa precisione ottenibile per le stime dirette e della effica- cia delle tecniche di specificazione e calibrazione dei modelli di domanda si sta diffondendol’usodei modelli come stimatori della domanda attuale.

21

possibile perché dalla stessa indagine si ricavano stime di numerosi parametri; inoltre la dimensione del campione necessaria per ottene- re stime sufficientemente precise di alcuni parametri, ed in particola- re dei singoli elementi di una matrice O-D, sarebbe eccessivamente elevata. La via normalmente seguita è quella di scegliere la dimen- sionedelcampioneper“analogia”sullabasedi indagini di caratteri-

stiche simili che hanno fornito risultati accettabili e verificando, com- patibilmente con i vincoli di budget, che alcune stime aggregate (ad es. il livello della domanda o il numero di spostamenti emessi da cia- scuna zona per ciascun motivo) abbiano una precisione minima sod- disfacente.

A titolo puramente esemplificativo nella figura seguente sono ri-

portati il tasso di campionamento per indagini Origine-Destinazione

adomicilioconsigliatidal“BureauofPublicRoads”nellecittàstatu-

nitensi in funzione della popolazione residente; tali valori sono da considerarsi dei limiti superiori, non facilmente ottenibili ai costi at- tuali delle indagini.

Universo

Tasso di campionamento

 

Raccomandato

Minimo

<

50.000

0.200

0.100

50.000

150.000

0.125

0.050

150.000

300.000

0.100

0.030

300.000

500.000

0.067

0.020

500.000

1.000.000

0.050

0.015

>

1.000.000

0.040

0.010

Tassi di campionamento per indagini a domicilio in funzione della popolazione residente (BPR-USA).

Operativamente si accetta in genere un livello di attendibilità del 95% e si fissa una precisione di 5 punti percentuali nella stima di percentuali prossime al 50% e riferite a flussi relativamente aggrega- ti: per indagini alla scala comunale, ad esempio, questa precisione

può essere richiesta ai flussi in uscita o in entrata in una zona; a scala nazionale, ai flussi in uscita o in entrata da una provincia.

Se le indagini a domicilio servono per calibrare un sistema di mo-

delli di simulazione della domanda e per stimare quindi una matrice O/D in via indiretta, in base alle esperienze finora maturate ci si può limitare a campionidell’ordinedel2-4%dell’universo.

22

2.4. Stima delle grandezze di interesse (La scelta dello stimatore)

La domanda attuale con le sue caratterizzazioni rilevanti può esse-

re stimata a partire dai risultati di indagini campionarie del tipo de-

scritto nei paragrafi precedenti. Nel seguito si illustrerà il problema della stima dei flussi di domanda Origine/Destinazione con partico- lari caratteristiche (ad esempio il motivo dello spostamento e il modo

di trasporto).

Nel caso di campionamento casuale semplice un campione di n ele- menti è estratto in modo casuale da un universo di N utenti; ad e- sempio in una indagine a domicilio il campione di n famiglie viene estrattodall’universo delle N famiglieresidentinell’areadistudio. Sia d od 6 ilflussodidomandafral’origineo e la destinazione d di de- terminate caratteristiche da stimare (ad es. gli spostamenti O-D con uncertomodonell’oradipunta)edn o d il numero di tali spostamenti effettuatodall’i-esimo elemento del campione, ad esempio i compo- nentidell’i-esima famiglia (il caso in cui si intende stimare il flusso di domanda d con certe caratteristiche senza distinguere per zone di O- rigine-Destinazione può essere trattato in modo perfettamente ana- logo). Sia n od il numero totale di spostamenti ricavati dal campione; evidentemente risulta:

i

n

od

i 1

n

n

i

od

La stima campionaria

ˆ

d

od

delflussodidomandaperl’interouni-

verso può essere ottenuta come:

ˆ

d

od

(

)

N / n n

od

(1 )

/

n

od

N n

od

dove con =n/N si è indicato il tasso di campionamento e con

il numero medio di spostamenti del tipo in esame effet-

tuato da un elemento del campione.

I risultati della teoria del campionamento consentono di ottenere

una stima della varianza di

come:

n

od

n

od

/ n

ˆ

d

od

6 Nel seguito per semplicità di notazione si omette la esplicitazione delle caratteristiche rilevanti, ad esempio [s h m], e della eventuale categoria di utenti.

23

ˆs

dove ria n od :

i

Var

d N

ˆ

od

2

ˆs

2

(1

) / n

2 è la stima campionaria della varianza della variabile aleato-

2

ˆs

1/

n

-1

i 1

n

n

i

od

n

od

2

Nelle indagini sulla domanda spesso si verifica che un elemento del campione (ad es. un guidatore di autovettura per le indagini al cordone) effettui al più uno spostamento delle caratteristiche richie- ste (ad esempio per un certo motivo e/o in una certa fascia oraria) ovvero è o meno in possesso di una certa caratteristica (ad esempio appartiene ad una certa categoria di reddito). In entrambi questi casi

è la stima campionaria della per-

centuale di utenti che hanno effettuato uno spostamento con quelle

caratteristicheoin“possesso”diquellacaratteristicaenelseguitosa-

rà indicata con

n

od assume i valori zero o uno e

ˆ

P

od

.

i

n od

ˆ

P

od

i 1

n

n

i

od

/ n

Nel caso di campionamento casuale stratificato, la popolazione totale viene divisa in K gruppi di utenti, o strati; il generico strato k ha nu- merosità nota N k e in esso vengono estratti casualmente n k elementi. è il tipo di campionamento più usato nella pratica delle indagini sulla domanda. Nelle indagini al cordone gli utenti che transitano per le diverse sezioni di rilevamento costituiscono gli strati da cui viene e- stratto il campione di utenti intervistati; mentre nelle indagini a do- micilio molto spesso gli strati sono costituiti dalle famiglie residenti in ciascuna zona (stratificazione geografica). Nel primo caso il cam-

pioneè“strutturalmente”stratificatoperchégliutentisonoraggiun-

gibili solo in quel modo, nel secondo caso la stratificazione è una sceltachederivadall’esigenzadigarantire un numero minimo di famiglie intervistate in ciascuna zona. Se si indica con n ik od il numero di spostamenti con le caratteristiche desiderateeffettuatidall’i-esimo elemento del campione estratto nel- lo strato k, una stima del numero totale di spostamenti può essere ot- tenuta come:

24

ˆ

d

od

N

k

1

K

w

k

i

1

n

k

n

ik

od

/ n

k

N

k

1

K

w n

k

k

od

è il numero medio di spostamenti stimato nello strato k-

esimo, K è il numero di strati e w k = N k /N è il peso dello strato rispet- toall’universo.

3 La stima da modello

dove

k

n od

3.1. Definizioni e considerazioni preliminari

Per analizzare un sistema di trasporto e progettare interventi su di esso è indispensabile stimare la domanda che lo utilizza attualmente con le sue caratteristiche, comprendere i fattori che determinano tale domanda e simularne le variazioni conseguenti agli interventi pro- gettati e/o alle variazioni dei fattori esterni che la influenzano. Per tutti questi scopi possono essere utilizzati i modelli matematici di simulazione della domanda di trasporto.

La finalità di un approccio modellistico è di specificare un insieme

di relazioni che cerchino di interpretare gli output di un fenomeno

alla luce di un insieme di variabili (input) che si ritengono rilevanti. I vantaggi della specificazione di un modello risiedono nella sua fles-

sibilità e capacità di riprodurre il fenomeno in differenti scenari. A queste caratteristiche si deve aggiungere che il valore assunto dai pa- rametri del modello (assunti indipendenti dallo scenario) può con- sentireun’interpretazione del fenomeno e può, pertanto, essere un valido strumento di supporto a decisioni progettuali e/o di pianifi- cazione.

Un modello di domanda di trasporto può essere definito come una re-

lazione matematica che consente di associare ad un dato sistema di attività e di offerta di trasporto il valore medio del flusso di doman-

da in un determinato periodo di riferimento con le sue caratteristiche

rilevanti. In termini formali può porsi:

od [K 1 , K 2 ,

d

] = d(SE, T, )

dove il flusso medio di spostamenti fra le zone o e d aventi caratte-

25

è espresso come una funzione di un vettore SE di

variabili socioeconomiche, relative al sistema delle attività (ad es. numero di famiglie residenti o di posti di lavoro nei diversi settori in ciascuna zona dell’areadistudio)e/oaidecisori(ades.livellodi reddito o classe di età), di un vettore T di variabili di livello di servi- zio ovvero relative al servizio offerto dal sistema di trasporto (ad es. tempi di viaggio, costi monetari, distanze da percorrere a piedi, per spostarsi fra le coppie di zone con i diversi modi disponibili) in gene-

ristiche K 1 , K 2 ,

rale ottenute utilizzando i modelli di offerta, e è un vettore di coef- ficienti o parametri.

Ogni spostamento è il risultato di una serie di scelte compiute dall’utente del servizio di trasporto: il viaggiatore nella mobilità di persone o gli operatori (produttori, spedizionieri, trasportatori) nel trasporto delle merci. Le scelte che determinano la domanda di tra-

sporto con le sue caratteristiche sono molteplici. Nel caso dei viaggia- tori, tali scelte vanno da quella del luogo di residenza e di lavoro a

quelladelpossessodiunveicolofinoaquellepiùfrequentiquali“fa-

re o meno uno spostamento per un certo motivo in una certa fascia

oraria”,“versoqualedestinazionefarlo”,“conqualemodo”,“se-

guendoqualepercorso”.Lesceltechedeterminano uno spostamento possono essere relative a diversi livelli o dimensioni di scelta definiti dalle alternative disponibili e dai valori dei relativi attributi. Ad e- sempio, per la dimensione di scelta del modo di trasporto le alterna- tive sono costituite dalle diverse modalitàditrasportochel’utenteha

a disposizione per una certa relazione O-D con i relativi attributi. Per lostessospostamentol’utentepuòcompierescelterelative ad altre dimensioni, ad esempio il percorso o la destinazione.

I modelli matematici utilizzati per simulare la domanda di traspor- to dei viaggiatori possono essere classificati in

modelli di mobilità, simulano scelte non propriamente di sposta- mento ma che influenzano implicitamente (indirettamente) le caratteristiche dello spostamento. Sono scelte di mobilità la scel- ta del luogo di residenza e di lavoro, la scelta di possedere la pa- tente di guida e del numero di automobili sono altrettanti esem- pi; la zona di residenza determineràl’originedeglispostamenti

dacasa,ilpossessodipatenterenderàdisponibilel’autodagui-

datore come modo di trasporto e così via. Tutte le dimensioni di scelta citate scelte abbastanza stabili nel tempo, ovvero con un elevato costo di variazione, che possono essere assunte invarian- ti nel breve periodo.

26

modelli di viaggio, simulano le scelte che caratterizzano il viaggio (sequenza di spostamenti che inizia e termina nel luogo di resi- denza) e/o gli spostamenti che lo compongono. Appartengono a questa categoria le scelte di frequenza (effettuare o meno uno spostamento per un certo motivo, ovvero con quale frequenza spostarsi in un prefissato intervallo di riferimento), di destina- zione (dove recarsi), del modo di trasporto, del percorso, ecc. I modelli di viaggio a loro volta possono essere classificati in:

modelli per la domanda di spostamenti : si assume che le scelte relative a ciascuno spostamento Origine-Destinazione av- vengano indipendentemente da quelle degli altri sposta- menti dello stesso viaggio e degli altri viaggi. Si tratta di una ipotesi approssimata che semplifica, come si vedrà, la trattazione analitica; questa ipotesi è accettabile quando la maggior parte dei viaggi che compongono la domanda nel periodo di riferimento è composta da due spostamenti (ca- sa-destinazione-casa), detti viaggi ad anello.

modelli per la domanda di sequenze di spostamenti (trip- chaining)assumonochel’utenteeffettuicontestualmente sceltesututteledimensionicheintervengonoperl’intero viaggio. In questo caso, la eventuale zona di destinazione intermedia sarà scelta tenendo conto delle zone di destina- zione precedenti e successive; il modo di trasporto tenendo conto del complesso degli spostamenti e così via.

modelli per la domanda di partecipazione alle attività, simulano

la domanda di trasporto in relazione al fabbisogno di parte-

cipare ad attività diverse in luoghi diversi ; essi quindi ten- gono conto dei condizionamenti che avvengono fra i diversi viaggidiunastessapersonanell’ambitodi una giornata “tipo”e,nelcasopiùgenerale,fraiviaggidellepersone appartenenti alla stessa famiglia. Modelli di questo tipo so- no ovviamente molto più complessi di quelli precedenti e mirano a comprendere i rapporti fra la domanda di mobili- tàel’organizzazione delle diverse attività di una persona e

di una famiglia.

Un ulteriore fattore di classificazione dei modelli di domanda è re- lativo al livello di aggregazione delle variabili utilizzate. I modelli si dicono aggregati o disaggregati se le variabili (attributi) che vi com- paiono sono relative ad un aggregato di utenti (ad es. tempi e costi medi fra tutti gli spostamenti che avvengono fra i punti di due zone

27

di traffico o il numero medio di auto possedute dalle famiglie di una

certa categoria) ovvero al singolo utente (ad es. i tempi e i costi fra i

luoghi effettivi di inizio e termine dello spostamento o il numero di auto del nucleo familiare di appartenenza). Nelle applicazioni non esistono modelli completamente disaggregati, ma piuttosto modelli per i quali almeno alcune variabili presentano livelli di aggregazione più o meno spinta. Il livello di aggregazione delle variabili dipende dallo scopo per cui si modellizza la domanda.

L’ultimofattorediclassificazioneconsideratoèrelativoalleipotesi alla base dei modelli. I modelli si dicono interpretativi o comportamen- tali se derivano da esplicite ipotesi sul comportamento di scelta degli

utenti e non interpretativi o descrittivi se, invece, descrivono le relazio-

ni fra la domanda e le variabili SE e T senza formulare ipotesi speci-

fiche sul comportamento dei decisori. La decisione su quale approc- cio utilizzare dipende dalla dimensione di scelta che si desidera si- mulare e dal motivo dello spostamento. Se la scelta del modo di tra-

sporto è solitamente affrontata con modelli comportamentali, la scel-

ta della destinazione può essere studiata con modelli comportamen-

tali per motivi dello spostamento non sistematici (e.g. casa acquisti) ovvero con modelli non comportamentali per motivi dello sposta- mento sistematici (e.g. casa lavoro).

I modelli non comportamentali si basano formulazioni matematiche

basate su tecniche generali di regressione oppure mutuate per analo- gia con altri fenomeni. Due tipologie di modelli possono essere speci-

ficati: modelli calibrati su dati aggregati o su dati disaggregati. Nel primo caso, nota la formulazione matematica del modello, i parame-

tri sono stimati a partite da osservazioni relative a flussi di domanda

O-D, per modo di trasporto, oppure relative a flussi di traffico misu-

rati su archi della rete di trasporto. Nella stima disaggregata si osser- vano comportamenti di utenti singoli ed i parametri del modello so- no calibrati per riprodurre tali comportamenti. Con questi modelli si cerca di riprodurre configurazioni del fenomeno (output) una volta

notigliinputsenzaassumerechel’utenteseguaunesplicitopara-

digma comportamentale.

I modelli comportamentali si basano, in generale, sul paradigma in-

terpretativodellateoriadell’utilitàaleatoria 7 . Derivata dalla teoria

microeconomicadelconsumatore,lateoriadell’utilitàaleatoriacon-

7 Altri paradigmi interpretativi proposti in letteratura non hanno trovato finora applicazione prati-

ca.

28

sente interpretare le scelte trasportistiche alla stregua di un problema

di scelta in un insieme discreto di alternative. In questo caso il mo-

dello permette di calcolare la probabilità che un utente (classe di u- tenti) scelga una delle alternative disponibili. Benché nella realtà la scelta di un alternativa abbia probabilità 0 o 1, i modelli di utilità ale- atoria si sono rivelati molto efficaci nel simulare fenomeni di scelta in molti contesti di natura trasportistica ed econometrica 8 .

3.2. Modelli

comportamentali

semplici:

ipotesi

e

formulazioni

matematiche

Ogni spostamento può essere interpretato come il risultato di nu-

merose scelte compiute dagli utenti del servizio di trasporto. Nel ca-

so

dei viaggiatori le scelte vanno da quella del luogo di residenza e

di

lavoro a quella del possesso di un veicolo fino a quelle più fre-

quentiquali“fareomenounospostamentoperuncertomotivoin

unacertafasciaoraria”,“versoqualedestinazionefarlo”,“conquale

modo”,“secondoqualepercorso”.Ognunodeiprecedenticontestidi scelta, definito dalle alternative disponibili, dai fattori di valutazione e dalle modalità di decisione, viene comunemente indicato come dimensione di scelta”.Inoltrenellamaggioranzadei casi le scelte con- nesse alla domanda di trasporto avvengono fra un numero finito di alternative ovvero fra alternative discrete. I modelli matematici utilizzati per simulare la domanda di traspor-

to tentano di riprodurre i comportamenti di scelta degli utenti (mo-

delli comportamentali). In questo paragrafo verranno descritte le i- potesiallabasedeimodellidimassimizzazionedell’utilitàpercepita.

A partire dai suddetti modelli è possibile specificare modelli più

complessi (e più realistici) appartenenti alla famiglia dei modelli di utilità aleatoria che rappresenta il paradigma teorico più ricco e di gran lunga più utilizzato per simulare le scelte di trasporto e, più in generale,lesceltefraalternativediscrete(argomentodell’esamedi Progettazione di Sistemi di Trasporto 5° anno).

8 Anche per gli approcci comportamentali si è soliti definire modelli aggregati e modelli disaggrega- ti. In realtà parlare di modelli comportamentali aggregati è un controsenso e sarebbe meglio parlare di modelli aggregati con forme funzionali analoghe a modelli comportamentali

29

3.2.1. Modelli basati sulla teoria dell’utilitàdeterministica: il modello di utilità deterministica

Ipotesi

I modelli di utilità deterministica si basano sulla ipotesi che ogni utente, o classe di utenti omogenei, da un punto di vista comporta- mentale, sia un decisore razionale ovvero un massimizzatore dell’utilitàrelativaallepropriescelte.Piùinparticolareimodellidi utilità deterministica si basano sulle seguenti ipotesi (vedi anche fi- gura seguente):

a) L’analistasuddivide gli utenti in classi di utenti (i) che ipotizza omogenei da un punto di vista dei comportamenti di spostamento.

b) il generico utente i nell’effettuarelasceltaconsideram i alternative disponibili che costituiscono il suo insieme di scelta I i .L’insieme di scelta può essere differente per utenti diversi (si pensi alla scelta delmododitrasportodovel’insiemedisceltadiunutenteche nonpossiedelapatentee/ol’autovetturaevidentementenon comprenderàl’alternativa“autodaguidatore”).

c) Il decisore i associa a ciascuna alternativa j del suo insieme di sceltaunautilitào“attrattività”percepita U i j e sceglie l’alternativachemassimizzataleutilità.

d) L’utilitàassociataaciascunaalternativadisceltadipendedauna serie di caratteristiche misurabili, o attributi, propri dell’alternativastessaedeldecisore,U i j = U i (X i j ), dove X i j è il vettoredegliattributirelativiall’alternativaj e al decisore i. In altri termini il decisore sceglie una alternativa in base agli attributi propri di quella alternativa confrontandoli con quelli dellealtrealternativedisponibili.Adesempiol’automobilesarà scelta o meno non perché è tale, ma per le caratteristiche di tempo, costo, comfort, disponibilità, ecc. che offre rispetto ai modi di trasporto alternativi.

e) L’analistaèingradodiidentificaregliattributicheinfluenzanole scelte, è in grado di misurarli e, infine, è in grado di stimare (specificando una funzione di utilità) l’utilitàpercepitadalla classe di utenti (U i ).Sel’analistastimacorrettamentel’utilità percepita è anche in grado di stimare di simulare le scelte compiute dagli utenti.

30

(I)(I) ilil genericogenerico utenteutente ii

considera m i alternative disponibili che costituiscono il suo insieme di scelta I i .

((IIII)) ilil decisoredecisore ii

associa a ciascuna alternativa j del suo insieme di scelta una utilità o attrattivitàpercepita Uij sceglie lalternativa che massimizza tale utilità.

((IIIIII)) llutilitutilitàà associataassociata

dipende da una serie di caratteristiche misurabili, o attributi, propri dellalternativa stessa e del decisore, Uij = Ui(Xij), dove Xij è il vettore degli attributi relativi allalternativa j e al decisore i.

((IVIV)) llanalistaanalista

è in grado di identificare gli attributi ed è in grado di misurarli

Sulla base delle ipotesi precedenti (esoprattuttosel’analistaèin gradodistimarel’utilità“veramente”percepitadall’utente) è possi- bile in generale prevedere con certezza quale alternativa sceglierà il genericodecisore.Ciascunutentesceglieràl’alternativadimassima utilità percepita el’analistaèingradodisimularesiffattocomporta- mento.

nelnel contestocontesto didi sceltascelta ilil genericogenerico UTENTEUTENTE

a) conosce le alternative (e.g. A e B)

b) associa alle alternative unutilità che chiameremo percepita(e.g. U A e U B )

c) sceglie lalternativa che massimizza la propria utilità percepita e.g. U scelta = max( U A e U B )

31

nelnel contestocontesto didi sceltascelta llANALISTAANALISTA

a) presumibilmenteconosce le alternative che lutente ha disponibili (e.g. A e B)

b) è in grado di stimare le utilità percepite dallutente (combinazione lineare dei attributi U j = a a X aj )

c) se lutente è un massimizzatore di utilità”, è in grado di riprodurre i comportamenti di scelta mediante una funzione a scalino (funzione di scelta):

se U BA < 0 ……allora

(T

B < T A )……f(T BA ) = 1

se U BA > 0 ……allora

(T

B > T A )……f(T BA ) = 0

In siffatte ipotesi la generica alternativa k può essere scelta solo se l’utilitàassociataè la minima fra quelle delle restanti alternative. Si ottiene pertanto una funzione di scelta, f[k], a soglia (a scalino). Nella figura seguente è riportata la funzione di scelta al variare della diffe- renza di utilità U AB tral’alternativaA el’alternativaB.

f



k

0 altrimenti

1

se

U

k

U

h



h

k

h k

,

I

o d m

lala funzionefunzione didi sceltascelta èè unauna funzionefunzione aa scalinoscalino

 
 

sese UU BABA << 00 alloraallorasese UU BABA >> 00 alloraallora

(

(UU

BB << UU AA ))ff((UU BABA )) == 11

(

(UU

BB >> UU AA ))ff((UU BABA )) == 00

      1
 
      1
 
      1
 
      1

1

    0
    0
    0
    0
   
0
0
    0
    0
    0
    0

-20

-15

 

-10

 

-5

5

10

15

20

 
   
 
 

U AB = U A - U B

Emerge chiaramente che la funzione di scelta presenta una discon- tinuità nel punto U AB = 0, punto in corrispondenza del quale en- trambe le alternative possono essere scelte. Ne consegue che il mo-

32

dello di utilità deterministica non fornisce in modo esplicito i com- portamenti di scelta tra le alternative disponibili se non nel caso ele- mentare in cui esista ununica alternativa di utilità percepita minima.

Affinché un modello di scelta deterministico sia in grado di ripro- durre in maniera realistica i comportamenti di scelta è necessario che l’analistasiaingradodistimarela“reale”utilitàpercepita dall’utente.Ciòpuòessere ottenuto

(a) comprendendo in maniera qualitativa quali variabili influenzano i

comportamenti di scelta (mediante indaginiall’utenza),

(b)

misurando siffatte variabili,

(c)

combinando le variabili in una funzione di utilità (specificando la

funzione di utilità). Solitamente la funzione di utilità, U j , è ottenuta come combinazione lineare di a variabili, Xaj, mediante coefficienti

a .

U j =

a

a X aj

I coefficienti, a , sono definiti coefficienti di omogeneizzazione o di

reciproca sostituzione, in quanto omogeneizzano variabili misurate in unità di misura differenti e consentono di comprendere il pesi re- ciproci che le singole variabili (anche misurate nella stessa unità di misura) hanno sui comportamentidisceltadell’utentedelsistemadi trasporto. I valori dei coefficienti sono ottenuti in fase di calibrazione del modello, e sono quei valori che una volta inseriti nelle funzioni di utilità consentono al modello di riprodurre i comportamenti di scelta osservati.

U A =

esempio

1 T empo di viaggio in auto +

2 C osto monetario +

3 T attesa +

4 età

Il modello di scelta deterministico presenta alcune approssimazio- ni. Perquantol’analistapossa“arricchire”lefunzionidiutilità, U i = U i (, X), ci saranno sempre delle approssimazioni, ovvero, può acca- dere che la misura delle utilità (delle differenze) non sia coerente con le scelte osservate.

Nelle figure che seguono si evidenzia come per un assegnato valo- re di U AB (in questo caso eguale alla differenza tra i tempi T AB ) le percentuali osservate nella realtà sono diverse da quelle simulate dal

33

modello. 1 il modello auto 100 predice bus % 0 -20 -15 -10 -5 5
modello.
1
il modello
auto
100
predice
bus
%
0
-20
-15
-10
-5
5
10
15
20
T AB = T A -T B
1 la realtà auto 80 è 0.5 bus % 20 0 -20 -15 -10 %
1
la realtà
auto
80
è
0.5
bus
%
20 0
-20
-15
-10
% -5
5
10
15
20
T AB = T A -T B
La realtà è molto più complessa di quanto ipotizzato. È possibile,
infatti, porsi alcune domande sulle ipotesi finora assunte:

per quanto riguarda gli utenti appartenenti alla classe i

a) sono veramente omogenei nei comportamenti di scelta? ov- vero, si comportano in maniera coerente nello stesso scenario di scelta?

Per quanto gli utenti si possano suddividere in classi omogenee ci saranno sempre delle approssimazioni e delle disomogeneità: e.g. studenti con redditi differenti

per quanto riguarda l’utente

a) è razionale? ovvero, conosce tutte le alternative disponibili?

Benché sia un approssimazione accettabile l’utentenonnecessaria- mente conosce, analizza e confronta tuttelealternative“oggettiva- mente”disponibili.

b) èunmassimizzatoredi“utilità”?

34

Per quanto un utente (classe di utenti) sia consapevole che un’alternativaèmigliorenonlasisceglie.Neconsegueche,molto spesso, le scelte non sono coerenti con le utilità realmente percepite.

scelte non coerenti auto bus valori percepiti U AB = T A -T B dall’utente
scelte non coerenti
auto
bus
valori percepiti
U AB = T A -T B
dall’utente
-20
-15
-10
-5
5
10
15
20

c) le caratteristiche che compongono l “utilità”sono misurabili?

È banale evidenziare che i comportamenti di spostamenti degli u-

tenti di un sistema di trasporto possono essere fortemente influen- zati da variabili strettamente personali e, comunque, non misurabi- li. e.g. problemi di salute, stress, paura di guidare )

per quanto riguarda l’analista…

è in grado di

a) conoscere le alternativi disponibili all’utente?

selealternativesononumerosel’analistapuò ipotizzare secondo criteri ragionevoli lealternativedisponibiliall’utente(classediu- tenti).

b) conoscere tutti gli attributi significativi nel processo di scelta?

ancheinquestocasol’analistapuòinvestigarequalisonolevariabi-

li più rilevanti ma non è in grado di comprendere tutti gli attributi

cheinfluenzanoicomportamenti(equindil’utilitàassociataacia-

scuna alternativa).

c) stimare gli attributi?

Le variabili che definiscono la utilità non sempre sono misu- rabili

Seanchel’analistafosseingradodi comprendere ed individuare tutti gli attributi rilevanti per ciascuna classe di utenti non è detto che sia in grado di stimarli correttamente. In questo caso è necessa- rio distinguere due differenti problemi: (I) l’analistaassume che tutti gli utenti di una classe percepiscono gli stessi attributi (e.g. si ipotizza, infatti, che tutti gli utenti partono dallo stesso è punto -

35

stessa zona di traffico -, tutti percepiscono gli stessi costi monetari

e non è in grado di stimare gli attributi percepiti

dai singoli utenti della classe i;(II)l’analista non è in grado di sti- mare attributi non misurabili (o facilmente misurabili) quali la pau- radiguidareoilfastidiodiusarel’autobusperchétroppoaffollato.

di viaggio, etc

)

Ciò che usualmente accade è che la stima delle utilità percepite dell’analistaèdiversadalleutilitàrealmentepercepitedall’utentei. pertanto, se:

- U A èl’utilitàpercepitadell’alternativaa

- V A è la stima (che è definita come utilità sistematica)chel’analistaèin gradodifaredell’utilità percepita

Nella realtà accade che:

U A V A

o, in termini di differenze di utilità tra le alternative A e B,

U AB V AB

ovvero, una dispersione tra utilità percepite e utilità stimate del tipo riportato nella figura seguente.

rriippoorrttaannddoo llee ddiiffffeerreennzzee ddiicchhiiaarraattee ssii ppuuòò oosssseerrvvaarree unauna
rriippoorrttaannddoo llee ddiiffffeerreennzzee ddiicchhiiaarraattee ssii ppuuòò oosssseerrvvaarree
unauna evidenteevidente dispersionedispersione……
valori percepiti
dall’utente
-20
-15
-10
-5
5
10
15
20
stima dell’analista
U BA differenza “vera”tra le utilità tra le due alternative
U AB < 0
U AB > 0

36

Per tutte le motivazioni succitate si può concludere che per quanto l’analistasiaingradodistimareunautilitàsistematica molto vicina alla utilità percepite dal generico utente (classe di utenti) i compor- tamenti di scelta non sempre saranno coerenti con il paradigma della massima utilità. Il modello di utilità deterministico 9 , pertanto, in al- cuni contesti di scelta potrebbe non essere la soluzione ideale per si- mulare i comportamenti di scelta di un utente (classe di utenti) di un sistema di trasporto.

3.2.2. Modelli basatisullateoriadell’utilitànon deterministica: il modello logit ecennisullateoriadell’utilitàaleatoria.

Il modello logit

Per fronteggiare i limiti dei modelli di scelta deterministici è possi- bile perseguire un approccio di tipo descrittivo-sperimentale ovvero

un approccio teorico 10 .

Da un punto di vista sperimentale, è possibile osservare, per ogni

assegnatovaloredell’utilitàsistematicaassociataaciascunaalterna-

tiva (o differenza di utilità) gli utenti si ripartiscono tra le alternative

di scelta disponibili. In un contesto di scelta binomiale (vedi figura

seguente),sesull’assedelleascissesiriportanoledifferenzediutilità tra le alternative (A e B)e sull’assedelleordinatelapercentualedi utentichehannosceltol’alternativaB, il modello di scelta non de-

terministico deve essere in grado di riprodurre siffatta percentuale e,

in particolare, le percentuali al variare delle utilità (delle differenze)

sistematichechel’analistaèingradodiassociare alle alternative.

9 Il modello di scelta deterministico, sebbene poco realistico, è tuttora usato per dimensioni di scelta quali la scelta del percorso dove gli attributi utilizzati sono pochi ( costo generalizzato di viaggio) e per i quali è necessaria una maggiore facilità di calcolo. 10 Entrambe gli approcci consentono di giungere la stessa formulazioni matematica del modello.

37

percentuale di scelta dell’alternativa bus 1 un modello deve essere in grado di simulare queste
percentuale di scelta dell’alternativa bus
1
un modello deve essere in
grado di simulare queste %
0.5
80%
20%
auto
bus
0
-20
-15
-10
-5
5
10
15
20
V AB = V A -V B
differenze tra le utilità
V AB differenza tra le utilità sistematiche tra le due alternative
V AB
U AB differenza “vera”tra le utilità tra le due alternative
U AB < 0

Sperimentalmente si osserva che le percentuali di scelta, al variare delle differenze di utilità sistematica, seguono un andamento non li- neare di tipo logistico (vedi figura seguente).

percentuale di scelta dell’alternativa B 1 0.5 20% 0 10 V AB
percentuale di scelta dell’alternativa B
1
0.5
20%
0
10
V AB

Siffatto andamento tende alla funzione a scalino per V AB << 0 o per valori V AB >> 0, per valori intermedi raccorda i due segmenti o- rizzontali, ed è approssimabile (in un contesto di scelta binomiale) dalla seguente formulazione matematica (modello logit binomiale):

dove:

p B

[

]

exp(

V

B

/

)

exp(

V

B

/

38

)

exp(

V

A

/

)

P[B] è la percentuale di utenti chescegliel’alternativaB. Si noti che la somma P[A] + P[B] = 1.

V B e V A , sono le utilità sistematiche associate alle alternative B e A,

è un parametro di forma del modello ed è una misura di di- spersione.

La precedente formulazione in un contesto multinomiale può essere espressa come (modello logit multinomiale):

p



j

exp V

j

/

m

k 1

e

xp

V

k

/

dove:

P[j] è la percentuale di utenti che scegliel’alternativaj. Come prima si noti che la somma k P[k] = 1.

V j èl’utilitàsistematicaassociataall’alternativaj,

m sono le alternative disponibili,

è un parametro del modello ed è una misura di dispersione.

Sia le utilità sistematiche che il parametro sono due input del problema e devono essere calcolati preventivamentedall’analista.

Al variare del parametro , a parità di utilità sistematica (delle dif- ferenze), è possibile avere differenti andamenti. In un contesto bino- miale (figura seguente), come ricavabile dalla stessa formulazione matematica, si può osservare che:

per valori elevati di il modello degenera in una funzione uni- forme con valori pari a 0.5. In questo caso il modello non ha alcu- na capacità predittiva. Le cause possono essere molteplici: (1) le utilità sistematiche chel’analistaèingradodistimaresonomolto diverse da quelle percepite dagli utenti, (2) i comportamenti di scelta all’internodellaclassei sono molto dispersi.

per valori bassi di (al limite tendenti a 0) il modello degenera nella funzione a scalino, ovvero, al modello deterministico (fun-

39

zione a scalino). In questo caso la utilità sistematica (le differenze) stimatadall’analistaèugualeall’utilitàpercepitadatuttigliutenti appartenenti alla classe i.

Dalle suddette considerazioni si comprende che il parametro è una misura di quanto la capacità predittiva del modello si discosti dai reali comportamenti di scelta della classe di utenti i. Il parametro è calcolato in fase di calibrazione del modello (si veda paragrafo suc- cessivo),faseincuil’analistacercadi riprodurre i comportamenti di scelta con il modello ipotizzato e per vari valori delle utilità e del pa- rametro .

1.00 0.90 0.80 0.70 0.60 0.50 0.40 0.30 0.20 0.10 - crescente -15 -14 -13
1.00
0.90
0.80
0.70
0.60
0.50
0.40
0.30
0.20
0.10
-
crescente
-15
-14 -13 -12 -11
-10
-9
-8
-7
-6
-5
-4
-3
-2
-1
0
1
2
3
4
5
6
7
8
9
10
11
12
13

Affinché un modello di scelta non deterministico sia in grado di ri- produrre in maniera realistica i comportamenti di scelta (le riparti- zioni percentualioprobabilitàdiscelta)ènecessariochel’analistasia in grado di stimare:

(a)

le utilità sistematiche, ovvero,ivaloredell’utilitàpercepita chel’analistaèingradodistimare. (attributi e coefficienti di omogeneizzazione parametri del modello - ),

(b)

il parametro ,ovvero,quantol’utilitàrealmentepercepitasi discosta dalla utilità sistematica.

Per quanto riguarda le utilità sistematiche, ciò può essere ottenuto:

(a) individuando preliminarmente e in maniera qualitativa quali va- riabili (X aj ) influenzano i comportamenti di scelta (mediante indagini all’utenza),

40

(b) misurando siffatte variabili,

(c) combinando le variabili in una funzione di utilità sistematica (specificando la funzione di utilità). Come per il modello di utilità de- terministico la funzione di utilità, U j , è ottenuta come combinazione lineare di a variabili, Xaj, mediante coefficienti a .

U j = a a X aj

I coefficienti, a , sono definiti coefficienti di omogeneizzazione o di reciproca sostituzione, in quanto omogeneizzano variabili misurate in unità di misura differenti e consentono di comprendere il pesi re- ciproci che le singole variabili (anche misurate nella stessa unità di misura) hanno sui comportamentidisceltadell’utentedelsistemadi trasporto. I valori dei coefficienti sono ottenuti in fase di calibrazione del modello ma, come si dimostrerà di seguito, non possono essere stimati separatamente dal parametro .

Per quanto riguarda il parametro , dalla formulazione matemati- ca del modello logit è immediato verificare che (1) è unfattorechescalatutteleutilitàdell’insiemediscelta(tutte le utilità sistematiche sono divise per ), (2) il modello logit per come è stato definito è indipendente da fat- tori di scala: sommando o moltiplicando per uno steso valore le utili- tà sistematiche le percentuali di scelta non variano. Infatti, in un contesto di scelta binomiale ed ipotizzando valori di pari a 2 e 9, le percentuali di scelta sono pari a:

 

[ B

1 exp(

]

V

B

/ 2)

p

[ B

exp(

V

B

/ 2)

2 exp(

]

exp(

V

B

/ 9)

V

A

/ 2)

p

exp(

V

B

/ 9)

exp(

V

A

/ 9)

ed è immediato verificare che la differenza delle probabilità di scelta perl’alternativaB è pari a zero.

p B

[

1

]

p B

[

2

]

exp(

V

B

/ 2) [exp(

V

B

/ 9)

exp(

V

A

/ 9)]

exp(

V

B

/ 9) [exp(

V

B

/ 2)

exp(

V

A

/ 2)]

 

[exp(

V

B

/ 9)

exp(

V

A

/ 9)] [exp(

V

B

/ 2)

exp(

V

A

/ 2)]

0

41

Ciò significa che una volta fissati i valori delle utilità sistematiche (degli attributi e dei relativi coefficienti) sono infiniti i valori del pa- rametro che forniscono le stesse probabilità di scelta, e ,viceversa, una volta fissato il parametro sono infinti i vettori dei coefficienti che forniscono le stesse probabilità di scelta. Un tal problema, anche noto come di non identificabilità di tutti i parametri, non significa che i parametri o il parameteo non sono rilevanti, ma che non possono essere stimati separatamente

Per ovviare a siffatti problemi numerici di non identificabilità dei parametri non si può fare altro che calibrare simultaneamente i pa- rametri e , ovvero, calibrando i rapporti a / .

V j / = a a / X aj

Cennisullateoriadell’utilitàaleatoria:introduzione Come introdotto in precedenza, la stessa formulazione matematica

può essere ottenuta rilassando alcune delle ipotesi introdotte per la teoriadell’utilitàdeterministica eintroducendolateoriadell’utilità aleatoria. Siffatte ipotesi sono di seguito schematizzate, una tratta-

zionecompletaeapprofonditasaràpropostanell’esamediProgetta-

zione dei Sistemi di Trasporto (5 anno).

42

TEORIADELL’UTILITÀ ALEATORIA: Ipotesi di base

TEORIADELL’UTILITÀ’

 

a)

Il generico utente i nell’effettuarelasceltaconsideram i alternative disponibili che costituiscono il suo insie-

DETERMINISTICA

me di scelta I i .L’insiemedisceltapuòessere differente per utenti diversi (si pensi alla scelta del modo di tra- sportodovel’insiemedisceltadiunutentechenonpossiedelapatentee/ol’autovetturaevidentemente non comprenderàl’alternativa“autodaguidatore”).

b)

Il decisore i associa a ciascuna alternativa j delsuoinsiemedisceltaunautilitào“attrattività”percepitaU i j

escegliel’alternativachemassimizzataleutilità.

c)

L’utilitàassociataaciascunaalternativadisceltadipendedaunaseriedicaratteristichemisurabili,oattri-

buti,propridell’alternativastessaedeldecisore,U i j = U i (X i j ), dove X i j è il vettore degli attributi relativi all’alternativaj e al decisore i. In altri termini il decisore sceglie una alternativa in base agli attributi propri di

 

quella alternativa confrontandoli con quelli delle altre alternative disponibili.

NUOVE IPOTESI

 

d)

L’analistaNON è in grado di identificare tutti gli attributi che influenzano le scelte e NON sempre è in grado di misurarli.Nederiva,pertanto,chel’utilitàassociatadalgenerico decisore i all’alternativaj a causa dinumerosifattorinonènotaconcertezzaall’analista,edèragionevolerappresentarlaconunavariabile aleatoria. In particolare, l’analistaE’è in grado distimarel’utilitàmediamentepercepitadaciascun utente della classe i,l’utilitàsistematicaV i j .

e)

mediaoilvaloreattesodell’utilitàpercepita(rispettoallevariefontidiincertezza), e di un residuo aleatorio i j ,

L’utilitàpercepitapuò, pertanto, essere espressa dalla sommadell’utilità sistematica V , che rappresenta la

cherappresentaloscostamentodell’utilitàpercepitadall’utentei da tale valore:

i

j

U

i

j

V j I

j

j

i

i

i

.

NUOVO

PROBLEMA

Sulla base delle ipotesi precedenti il problema può essere riformulato come il calcolo della probabilità che il decisore i scelgal’alternativaj (condizionata al suo insieme di scelta I i ), ovvero, come la probabilità che tale al- ternativa abbia un valore di utilità percepita maggiore di tutte le altre alternative disponibili:

p

i

 

j

I

i

Pr U

i j U

i

k

k j, k I

i

43

Se alle precedenti considerazioni aggiungiamo che :