30/11

LA DOMANDA DI TRASPORTO
la domanda interagisce con l’offerta.

Caratterizzazione della domanda di trasporto

- Chi che cosa sposta: persone e merci. Diversi per peso, dimensioni, potere decisionale, le persone
hanno autonomia le merci no.
- In base al perché posso offrire un diverso tipo di trasporto: lavoro, studio, shopping ..
- Dove e quando si manifesta la domanda di trasporto: ora di punta o ora di morbida.
- Come si manifesta: bici, veicoli, TP.
- Itinerario: che spostamento.
Se conosco questi aspetti posso fornire un certo tipo di servizio.

TRASPORTO MERCI
Unità di traffico = passeggero, tonnellate, pass.km, tonn,km;
Esempio: 10.000 pass.km possono essere dati da:
- 1 passeggero che percorre 10.000 km;
- 1000 passeggeri che percorrono ciascuno 10 km.

Tasso di mobilità: % di persone uscite di casa nel girono medio feriale (lun-ven).

La dinamica della domanda di mobilità: i fondamentali.

- Numero di spostamenti totali nel giorno medio feriale;
- Numero di passeggeri*km nel giorno medio feriale.
Dopo il 2008 c’è un calo.
- Distanza media pro-capite percorsa (numero di km riferito al giorno medio feriale)
- Tempo medio pro-capite dedicato alla mobilità (numero di minuti riferito al giorno medio feriale)
Spostamenti più corti, ma tempi circa uguali.

ISFORT 2018 – ANALISI DELLA MOBILITÀ

- mobilità di prossimità delle persone (entro i 2 km) con il 33,2% (ed un +5,6% rispetto all’indagine
precedente);
- mobilità a scala urbana (fino a 10 km) il 43,3%;
- mobilità di medio raggio (da 10 a 50 km) il 19,8%.

UK: 34% dei viaggi sono < 2 km e più del 60% sono > 5 km.
Camminata e bicicletta come modo di trasporto (Commissione Europea) il 50% sono viaggi inferiori ai 5 km.

Gli spostamenti medi in bicicletta: il 95% di tutti gli spostamenti esaminati non supera i 9,2 km.
Nel 95% dei casi lo spostamento durava meno di 32 minuti.
La velocità dipende dalle caratteristiche del ciclista e non da quelle della congestione.
Velocità media di 16 km/h, maggiore della velocità commerciale degli autobus negli orari di punta.
La lunghezza media dello spostamento in bici è di 4,03 km e il 95% degli spostamenti è sotto i 9,23 km e
dura al massimo 32 minuti.
La velocità media in bici è superiore alla velocità commerciale in autobus , soprattutto in caso di
congestione, ne risente molto poco.

03/12
MOTIVI DELLO SPOSTAMENTO
- Sistematici (almeno 3 volte a settimana): spesso hanno orari ben programmati e che sono ripetuti
ogni giorno (studio, lavoro);
 - Occasionali: svago, acquisti.

QUANDO
- Traffico annuo (performance aeroportuale o traffico autostradale);
- Traffico medio giornaliero;
- Traffico medio orario: periodo di punta e periodo di morbida.

CARATTERIZZAZIONE TEMPORALE
Dinamiche della domanda lungo, medio e breve periodo.
Definizione degli scenari: annui.

Per il trasporto delle persone -> veicoli leggeri (veic*km).

Dal 2000 fino al 2010 c’è una crescita dei flussi veicolari per veicoli leggeri, poi diminuzione.

Per il trasporto merci -> veicoli pesanti (veic*km).

Diminuzione meno marcata rispetto ai veicoli leggeri.

DEFINIZIONE DEGLI SCENARI

- Stagionalità: ricostruzione di una giornata media rappresentativa dei periodi inverno, primavera,
estate e autunno;
- Periodo scolastico e periodo estivo.

CARATTERIZZAZIONE TEMPORALE
- Variazione mensile della domanda;
- Variazione giornaliera della domanda;
esempio: variazione dei flussi di bici nell’arco della giornata -> studio dei picchi della mattina e del
pomeriggio (ore di punta di un giorno feriale medio, in alcuni casi analisi dei flussi del
finesettimana).
I periodi di punta vengono identificati attraverso sistemi di conteggio automatico dei flussi di
traffico. Spesso i flussi sono diversi nelle due direzioni -> posso avere un flusso molto alto in una
direzione e molto basso nella direzione opposta.
Periodo di punta = ora o multiplo di ore.

DEFINIZIONE DEGLI SCENARI

- Fasce orarie;
- Periodi di punta: 8 -9; 17-19;
- Periodi di morbida: 7-8; 9-17; 19-22;

INDAGINE REGIONE EMILIA ROMAGNA su 51 stazioni ferroviarie

- Tra le 7 e le 9 concentrazione della domanda pari al 22,4% del carico giornaliero (tra le 6 e le 22);
- Tra le 13 e le 15 concentrazione della domanda pari al 16,5% del carico giornaliero;
- Tra le 17 e le 20 concentrazione della domanda pari al 16,5% del carico giornaliero.

Variazione della domanda

Aggregazione temporale della domanda (ora di punta, ora di morbida) sequenza di periodi a domanda
costante.
Nei periodi di punta ho maggiori flussi e maggiori criticità.

Domanda di trasporto variabile nel tempo.

Domanda e offerta (in valore medio) costanti nel periodo di analisi -> ipotesi di stazionarietà (oscillazioni
casuali intorno al valore medio -> flusso costante.
Caratterizzazione spaziale della domanda
Importante poiché dobbiamo realizzare un servizio che tenga conto della distribuzione nello spazio degli
spostamenti.
- Origine;
- Destinazione.

Per questo tipo di analisi bisogna individuare delle zone di traffico con i relativi centromeri per poi
quantificare i flussi tra le due zone.
Quota di domanda che da una certa zona è diretta verso un’altra.

Matrice origine – destinazione (O/D)

I suoi elementi sono dei flussi di spostamenti ed è riferita ad un intervallo temporale.
Quindi esprime il numero di spostamenti in un certo intervallo temporale.
- Ha un numero di righe e colonne pari al numero di zone;
- Il generico elemento dOD rappresenta il flusso di spostamenti che hanno origine nella zona O e
destinazione nella zona D.
- Con la somma degli elementi di una riga troviamo la domanda complessivamente emessa dalla
zona di origine. Mentre con la somma degli elementi della colonna troviamo la domanda
complessivamente attratta dalla zona di destinazione.
La somma di tutti gli elementi della matrice O/D mi da la domanda complessiva.
Non è detto che la domanda emessa da una zona coincida con la domanda attratta da una zona.

135 -> numero di persone che si spostano dalla zona di origine 1 alla zona di destinazione 3 nell’intervallo
orario.

D1. = somma elementi riga 1. Domanda generata dalla zona 1 = 295.

D.3 = somma elementi colonna 3 = 376.

Dove ho lo zero sono spostamenti intrazonali, ossia all’interno della stessa zona.

La somma di tutti gli spostamenti della matrice = 1387 pass/h – domanda totale dell’area presa in
considerazione.

Vettore di domanda: ottenuto ponendo uno sotto l’altro i vettori trasposti delle righe della matrice O/D.
MATRICE O/D
- Persone, merci e veicoli;
- Domanda espressa come scalare (passeggeri arrivati/partiti da una stazione/aeroporto in un anno);
- Nel 2019, l’aeroporto di Bologna 9 milioni di passeggeri.

Con una rete stradale è importante passare dalle persone che si spostano ai veicoli che si spostano nello
stesso intervallo di tempo.
Passaggio da flusso di persone in auto a flusso di autovetture.
Serve conoscere quante auto passano e conoscere il coefficiente di occupazione per passare da
viaggiatori/h a veicoli/h.
Divido ogni sella per il coefficiente di occupazione.
Quindi devo conoscere il coefficiente medio di occupazione perché può variare da veicolo a veicolo.
Consideriamo un coefficiente di occupazione pari a 1,1 e divido.
Sommo tutti gli elementi della matrice dopo aver diviso tutti i valori per il coefficiente di occupazione.
Se il coefficiente fosse più alto avrei molte meno auto. Si cerca sempre di aumentare il coefficiente di
occupazione così da avere meno auto in strada.

MOTIVI DELLO SPOSTAMENTO

Mezzi pesanti producono un disturbo alla circolazione e livelli di inquinamento acustico e atmosferico
molto superiori a quelli prodotti da un’autovettura.
Bisogna trovare un coefficiente di equivalenza per i veicoli più grandi che tiene conto del disturbo alla
circolazione che i veicoli più grandi producono.
Tale coefficiente serve per esprimere il disturbo equivalente che un mezzo pesante produce rispetto a
veicoli più leggeri.

Il coefficiente di equivalenza dipende anche dalla pendenza. Maggiore è la pendenza, maggiore è il

coefficiente di equivalenza.
Dipende dall’inquinamento acustico e atmosferico prodotto.

Un mezzo pesante viene equiparato a 2-3 veicoli leggeri.

Coefficienti di equivalenza veicolare (autovetture equivalenti)

- Veicoli leggeri (lunghezza 5,50 m) = 1;
- Veicoli commerciali medi (5,50 < lunghezza < 7,50 metri) = 1,5;
- Veicoli commerciali pesanti (lunghezza > 7,50 metri) = 2-3.

Classe veicolare diversa da quella auto -> flusso di vetture equivalenti.

Es. un mezzo pesante è 2-3 autovetture.

COME AVVIENE LO SPOSTAMENTO

Modo di trasporto utilizzato -> ripartizione modale.
Ho zona “i” e zona “j”: ogni zona attrae o genera degli spostamenti.
Abbiamo caratterizzato lo spostamento in base all’origine e alla destinazione.
Bisognerebbe fare una caratterizzazione modale in base alla lunghezza del mezzo di trasporto.
Quindi caratterizziamo gli spostamenti in base al modo di trasporto utilizzato perché talvolta lo
spostamento viene effettuato con mezzi di trasporto differenti.

Ripartizione modale
- In termini di spostamenti;
 - In termini di spostamenti*km.

La dinamica del “tasso di mobilità sostenibile”

Il tasso di mobilità sostenibile, ovvero la somma delle quote di spostamenti a piedi, in bicicletta e con mezzi
pubblici, si è attestato nel 2018 al 37,1%, in leggero ripiegamento rispetto al 37,9% registrato nel 2017.
Il tasso si trova sotto il 40%, praticamente allo stesso livello di inizio millennio.
Il tasso di mobilità sostenibile è molto segmentato rispetto ai diversi contesti territoriali.
Nel 2018 ha superato il 50% nelle aree urbane maggiori, mentre si è fermato attorno al 30% nei comuni più
piccoli e in quelli piccolo-medi.
Da sottolineare che il gap è cresciuto molto tra il 2017 e il 2018 e in misura ancora più marcata nel lungo
periodo dal 2001.
Preoccupante è il ritardo del Sud e delle Isole, quasi 10 punti in meno rispetto al Nord.

Squilibrio modale

MATRICE O/D
Approccio basato sullo studio del singolo spostamento (trip based) considerato in modo indipendente dagli
altri spostamenti -> non ci preoccupiamo che lo spostamento possa far parte di uno spostamento più
articolato.
Trip-based: ciascuna parte di uno spostamento è indipendente dalle altre parti -> ipotesi molto
semplificativa -> non tiene conto che facciamo delle catene di spostamenti.

Catene di spostamenti (trip-chain) = sequenza concatenata di spostamenti (destinazione di uno

spostamento coincidente con origine dello spostamento successivo).
Circa il 34% degli spostamenti è formato da catene di spostamenti, che sono spostamenti che si prestano
molto male ad essere serviti dai mezzi pubblici. Per questo motivo si utilizzano mezzi di trasporto
individuali.
STIMA DELLA DOMANDA DI TRASPORTO
La stima va quantificata attraverso due metodi:
- Stima diretta con indagini campionarie (il campione deve essere rappresentativo della
popolazione). Mi da informazioni su spostamenti realmente effettuati dalle persone.
Ho due tipi di stima diretta:
1. R.P. (reveal preferences): sono più attendibili perché sono basate su comportamenti che
vengono effettuati realmente.
2. S.P. (stated prefernces): si fanno domande su scenari ipotetici di trasporto. Sono meno
attendibili perché andiamo a considerare le intenzioni di comportamento che contengono le
aspettative della società, quindi la realtà può essere molto diversa da ciò che viene dichiarato.
- Stima indiretta con modelli matematici: si cerca di simulare le scelte degli utenti.

Quindi:
- Indagini: conoscenza delle caratteristiche attuali della domanda;
- Modelli matematici: stima della domanda in funzione delle caratteristiche socio-economiche,
territoriali e del sistema di trasporto.

Valore medio della domanda di trasporto (v.a.)

MODELLI DI DOMANDA
Forma generale di un modello di domanda d=F(X,β)

d = domanda di trasporto -> variabile dipendente, espressa in funzioni di variabili indipendenti e di

coefficienti che esprimono l’importanza di una variabile rispetto ad un’altra.
d: vettore di domanda con m componenti, quindi in generale ho m funzioni di.
X: vettore di attributi: del sistema di socioeconomico e dell’offerta di trasporto.
β: vettore dei parametri che esprimono l’importanza di un attributo rispetto ad un altro.

Ipotesi: le scelte relative a ciascuno spostamento O-D avvengono indipendentemente da quelle degli altri
spostamenti (non considero trip-chain).

Ci sono due modelli di domanda:

1. Modello descrittivo (o non comportamentale) che ha una costruzione statistica senza ipotesi sul
comportamento delle persone: semplici relazioni matematiche che descrivono il fenomeno.
Modello di domanda comportamentale, che cerca di interpretare il comportamento di scelta degli
utenti. Si fanno esplicite ipotesi sul comportamento dell’utente.
2. Modello di domanda aggregato o disgregato (variabili indipendenti e dipendenti): posso avere
variabili indipendenti molto aggregate o riferite al singolo individuo (disgregate).

Ipotesi su comportamento utente e livello di disgregazione -> trasferibilità del modello -> indica la capacità
del modello di essere impiegato in contesti diversi rispetto a quello per il quale il modello è stato costruito,
ossia un contesto spaziale e temporale.
Posso usare il modello in contesti spaziali e temporali differenti rispetto al quale è stato costruito.

L’analista è interessato a modelli aggregati ossia ad una popolazione.

Modello: spesso utilizzato per mettere in evidenza solo certi aspetti del fenomeno. È una rappresentazione
schematica e semplificata della realtà finalizzata a quantificare alcune relazioni fra le variabili rilevanti per il
problema in esame.
Gradi di precisione e di complessità differenti.
Modelli più sofisticati = maggiore impiego di risorse -> se utilizzo dati scadenti anche i modelli più sofisticati
risulteranno essere molto scarsi.
Costruzione di un modello di domanda
Prevede tre fasi distinte:
1. Specificazione: devo scegliere la forma funzionale per esprimere la variabile dipendente.
Definizione delle caratteristiche del modello -> ovvero devo trovare le variabili dip. e indip. e
relativa forma funzionale che lega le variabili indipendenti tra loro e la relazione con la variabile
dipendente.
Utilizzo un approccio sistemico, cioè considero solo certe variabili visto che il modello è una
rappresentazione della realtà.
2. Calibrazione: stima dei coefficienti incogniti (parametri) -> devo conoscere il valore della variabile
dipendente Y e i valori delle variabili indipendenti.
3. Validazione: verifico che il modello sia in grado di riprodurre le scelte realmente effettuate dagli
utenti andando a considerare un altro gruppo di utenti.
Se tale fase mi ha esito positivo, allora ho costruito un modello di domanda che posso usare per
studiare altri contesti spaziali e temporali.
Se ho esito negativo, devo modificare le variabili indipendenti escludendo quelle che non sono
state statisticamente significative, ossia non sono state utili al modello. Poi ripeto fase 2 e 3.

In generale, il ciclo deve essere ripetuto più volte fio ad una determinazione soddisfacente de modello
(processo trial and error).

MACROMODELLI
Caso di domanda riferita ad un contesto ampio.
Aggregazione molto ampia dello spazio e nel tempo.
È di tipo descrittivo: relazione statistica tra le variabili in gioco.
Una volta individuato il macromodello, ho scelto la forma funzionale e individuato gli attributi.

dt = K(SEt)α(Tt)β forma funzionale multiplicativa

Domanda riferita all’anno t.

K coefficiente determinato durante la calibrazione.
T attributo dell’offerta di trasporto all’anno t.
SE attributo socio-economico.

Variabili dipendete e indipendenti molto aggregate (spazio e tempo).

Macromodelli: modelli di domanda descrittivi. Le variabili dipendente e indipendente sono molto aggregate
nello spazio (es. intera rete autostradale) e nel tempo (es. anno).

forma funzionale moltiplicativa

- La domanda in veic-km sulla rete autostradale italiana nell’anno t (somma dei km sui biglietti
venduti nell’anno t per i mezzi pesanti).
- Indice di produzione industriale italiana nell’anno t (adimensionale), misura la variazione nel tempo
del volume fisico della produzione effettuata dall’industria in senso stretto;
 - Tariffa media autostradale nell’anno t in euro/km (dipende dai km percorsi);
- Coefficienti del modello da stimare. Considerando la domanda, la produzione industriale e la tariffa
degli anni passati.

La linearizzazione mi permette di fare la calibrazione attraverso il logaritmo.

Sono passato da una forma di tipo moltiplicativo ad una forma di tipo lineare che è più facile da calibrare.

Elasticità della domanda rispetto ad un attributo Xi

L’elasticità esprime come reagisce la domanda di trasporto rispetto alla variazione dell’attributo e rende i
modelli particolarmente utili.
La domanda è funzione di diversi attributi.

el: rappresenta il grado di reattività che la domanda ha in conseguenza di una variazione dell’attributo da
cui dipende la domanda;
Xi: è l’attributo che condiziona la domanda di trasporto. Al suo variare varia anche la domanda, misurata da
coefficiente di elasticità.

Ho una variazione infinitesima percentuale della domanda di trasporto e dell’attributo.

Quindi il segno dell’elasticità può essere positivo o negativo, rispetto ad un certo attributo.
L’elasticità ha valore adimensionale.
ESEMPIO: elasticità della domanda rispetto alla tariffa.
Modello: forma funzionale moltiplicativa.
Una volta calibrato il macromodello è possibile determinare l’elasticità della domanda rispetto ai diversi
attributi. Variando l’attributo posso capire come varia l’elasticità.
A parità di altre variabili, mi aspetto che aumentando la tariffa, la domanda diminuisca e quindi el<0.

Durante la fase di calibrazione cerco di attendermi un certo segno e se i coefficienti non hanno il segno
atteso, allora qualcosa nel modello non va.

METODO DEL PUNTO MEDIO

Calcolo il valore dell’elasticità della domanda prendendo in considerazione come valore di riferimento il
valore medio.

DOMANDA RIGIDA (=0)rispetto ad un attributo -> significa che ad un aumento del prezzo, la domanda
rimane inalterata.
DOMANDA PERFETTAMENTE ELASTICA (=-1) -> quando ad un aumento del prezzo del biglietto si ha una
riduzione della domanda di trasporto della stessa percentuale di cui ho aumentato il biglietto.
DOMANDA IPERELASTICA (=-3) -> quando all’aumento del prezzo del biglietto si ha una diminuzione della
domanda molto più che proporzionale.
DOMANDA IPOELASTICA (=-0,47) -> quando all’aumento del prezzo del biglietto si ha una diminuzione della
domanda meno che proporzionale.

SIMMETRIA DELL’ELASTICITÀ
L’elasticità non è simmetrica.
Un aumento del 10% della tariffa produce lo stesso effetto sulla domanda di una riduzione del 10%? NO
Perché una maggiore percezione della maggiore spesa rispetto al guadagno della stessa quantità (gli utenti
sono molto sensibili all’aumento dei costi).

Elasticità a breve termine ≠ elasticità a lungo termine

ORIZZONTE TEMPORALE
In genere, se aumenta il prezzo del carburante, diminuisce il numero di utenti auto (elasticità negativa).
L’elasticità tende ad essere più elastica nel lungo periodo.

Elasticità incrociata -> lega la domanda di trasporto relativa ad un certo servizio, ad un attributo relativo ad
un modo concorrente.
Se si considera l’attributo di un modo concorrente: elTmodoconcorrente > 0, perché all’aumentare della tariffa mi
aspetto che ci sia un numero maggiore di utenti che decidano di scegliere altri mezzi.
Aumentando i costi dell’auto, mi aspetto una diminuzione del 1,1% del suo utilizzo, oltre ad un aumento
degli altri mezzi.
Es. aumento del 10% tempi in auto -> aumento 1,2% spostamenti a piedi e 1,1% spostamenti TC.
La domanda di trasporto collettivo urbano è ipoelastica, quindi dall’ottica del gestore conviene aumentare
la tariffa del biglietto, ma ciò non viene fatto perché è un trasporto per la socialità.

Esempi di macromodelli: traffico autostradale italiano 83-00

Ho la domanda in veicoli pesanti:
- Domanda iperelastica, quindi positiva, rispetto all’indice di produzione industriale;
- Domanda anelastica, quindi negativa, rispetto alla tariffa.
All’aumento della produzione, aumentano i veicoli pesanti sull’autostrada.

Domanda dei veicoli leggeri:

- Domanda iperelastica rispetto al PIL;
- Domanda anelastica rispetto al prezzo della benzina.

La domanda autostradale in veicoli pesanti cresce più che proporzionalmente rispetto alla produzione
industriale.
La domanda in veicoli leggeri cresce più che proporzionalmente rispetto al PIL.
Questo trend è continuato negli anni 00-06: il prodotto interno lordo è cresciuto, in media, dello 0,9%.
Il traffico autostradale in veicoli leggeri è aumentato del 2,5%, mentre quello dei veicoli pesanti del 3%.

PREVISIONE DELLA DOMANDA FUTURA CON MODELLI DESCRITTIVI

La vita utile di un’infrastruttura va dai 30 ai 50 anni.
Quindi bisogna fare previsioni su 10-15 anni e non è per niente facile.

Previsione delle variabili indipendenti -> previsione variabile dipendente (regola ri-ro)
È un problema se le previsioni sono molto sbagliate rispetto alla realtà, perché il macromodello si basa su di
esse.
Ipotesi: domanda costante nel tempo
Metodo delle serie temporali: unica variabile ind. è il tempo -> d= (X(t)) = d(t).
Metodo delle serie temporali (lineare/esponenziale)
Domanda espressa da uno scalare;

- Modello lineare: nella matrice O/D mettiamo un unico valore che individua la domanda

t: unica variabile;
α: coefficienti da stimare sulla base dei dati passati;

variazione assoluta = costante = α2

tasso di crescita decrescente se α2 > 0, perché è dato dalla variazione assoluta, diviso la grandezza
all’anno t.

- Modello esponenziale

Trasferibilità modello descrittivo?

Ossia la possibilità di trasferire un modello in un contesto spaziale e temporale diverso rispetto a quello in
cui è stato costruito.

CENNI SUL MODELLO A 4 STADI

Spostamento = risultato di un insieme di scelte compiute dall’utente, in modo indipendente dagli altri
utenti.
Posso raggruppare lo spostamento in 4 gruppi:
1. Fare o meno uno spostamento da (o verso) una zona per un certo motivo e in una certa fascia
oraria;
2. Verso quale destinazione;
3. Con quale mezzo/modo;
4. Seguendo quale percorso.
Schema per raggruppare le scelte fatte dell’utente -> per ogni scelta bisogna individuare un modello
matematico che descriva la scelta.
Tali scelte possono essere schematizzate come:
- Indipendenti/dipendenti (es. la scelta della destinazione dipende dal mezzo di trasporto);
- Fatte simultaneamente o sequenzialmente (l’utente fa una scelta generale, ma l’analista la tratta
come una sequenza di scelte).
Scelte NON indipendenti, NON fatte sequenzialmente.

Scelta simultanea: complessa. Scelta sequenziale gerarchica.

L’ordine di scelta dell’utente può variare molto, soprattutto tra il secondo e terzo stadio. Quindi bisogna
individuare una sequenza che può variare a seconda del caso.

Modello a 4 stadi per la determinazione della domanda di trasporto in area urbana (ognuno riferito alle 4
possibilità).
Si schematizza la scelta totale (dell’utente) del viaggio in una successione di scelte parziali: ad esse viene
associato un modello matematico e ad ogni scelta si applica un modello.
I quattro stadi:
1. Mi sposto oppure no?
2. Dove vado?
3. Con che mezzo?
4. Con quale itinerario/linea/corsa?

- Alcune scelte sono invarianti, ossia bloccate (andare a lavorare, a studiare …) -> domanda rigida.
- Altre possono cambiare da un giorno all’altro (modo e percorso) -> domanda elastica. Evidenziamo
la variabilità della domanda al variare delle caratteristiche del trasporto.

Tipo di approccio prevalente alla modellizzazione della domanda nei vari stadi -> ad ogni scelta parziale ho
associato un modello;
1. Modello di emissione o generazione (modello per la scelta se effettuare o no lo spostamento).
Stimo la percentuale di persone che decidono di spostarsi in un certo intervallo di tempo –
approccio descrittivo (poco preciso, ho valori ottenuti di altri contesti);
2. Modello di distribuzione (modello per la scelta della destinazione) – approccio descrittivo e
comportamentale (si basa su ipotesi sul comportamento degli utenti);
3. Modello di scelta de modo di trasporto – approccio comportamentale;
4. Modelli di scelta dell’itinerario – approccio comportamentale.

Voglio trovare la domanda di trasporto riferita ad una certa categoria di utenti che si assume abbiano un
comportamento omogeneo: definisco una matrice O/D.

Bisogna individuare il valore numerico dell’i-esimo utente che si sposta a h-ora, per s-motivo, da o a d con
modo m e nel percorso k.
- i : categoria di utenti considerata;
- h : intervallo temporale;
- s : motivo dello spostamento;
- o : zona di origine;
- d : zona di destinazione;
- k : percorso.
Ogni quantità la ottengo dai modelli dei 4 stadi (emissione, distribuzione, scelta del mezzo e del percoso).

Il primo modello mi da la percentuale di utenti i che partono dalla zona o per il motivo s e nell’intervallo h.
Trovo la domanda dopo aver quantificato tutte le percentuali.
Avrò diverse matrici O/D.

Con l’approccio descrittivo quantifico la percentuale di utenti che fanno una certa scelta: basato su un
approccio deterministico.
Con l’approccio comportamentale studio la probabilità che l’utente faccia una determinata scelta: basato
su approccio probabilistico.

MODELLI ASSOCIATI ALLE SCELTE

- Modello di generazione/attrazione (modello descrittivo).
Definiti in questo modo perché posso decidere i flussi in entrata ed uscita.
Pi(osh): definisce la percentuale di utenti che si sposta -> indica il numero medio di spostamenti
degli utenti della categoria i, nell’intervallo h, per motivo s, che partono dalla zona o (o vi arrivano);

- Modello di distribuzione (approccio descrittivo e comportamentale, al termine di esso conosco la

matrice).
Fornisce la percentuale di individui della categoria i che, spostandosi nel periodo h, per motivo s, da
o, si recano verso la zona di destinazione.
Numero utenti categoria i che si sposta in un intervallo h, per motivo s da zona o verso zona d.

- Modello di scelta modale (modello comportamentale).

Fornisce la percentuale di individui, ossia la percentuale che l’utente faccia tale scelta, della
categoria i, che spostandosi, nel periodo h, per motivo s, fra o e d, sceglie il modo di trasporto m.
In questo caso ho una matrice O/D per ogni veicolo.

- Modello di scelta del percorso (modello comportamentale)

Stima il valore medio della domanda, ma che potrebbe non capitare mai essendo la domanda
molto variabile.
Fornisce la probabilità di individui della categoria i che (…) sceglie l’itinerario k.

MODELLI COMPORTAMENTALI NELLA DOMANDA DI TRASPORTO

Con modello comportamentale possiamo riferirci al singolo utente, ma molto disaggregato rispetto a quelli
descrittivi che considerano valori medi per tutti.
Nel fare uno spostamento l’utente compie delle scelte fra alternative diverse e discrete. Ci si riferisce al
singolo utente n (oppure gruppo di utenti avente come riferimento il singolo).
I modelli di utilità casuale sono dei modelli di tipo comportamentale in quando derivano da esplicite ipotesi
sul comportamento di scelta degli utenti.
Ipotesi fondamentali:
- L’utente n considera nell’effettuare la scelta un insieme di scelta discreto In, specifico per ciascun
gruppo di utenti per rendere la rappresentazione della scelta degli utenti molto più fedele alla
rappresentazione reale.
- L’utente n associa a ciascuna alternativa i (dipende come percepita) una utilità percepita e sceglie
l’alternativa per la quale è massima -> l’utente ha un comportamento razionale ed è un
massimizzatore di utilità.
- L’utilità di ciascuna alternativa dipende dal vettore X degli attributi dell’alternativa.
 - L’utilità percepita è una variabile aleatoria, quindi varia da utente ad utente. Dipende dagli
attributi. Troviamo una componente deterministica, valore medio dell’utilità percepita, detta anche
utilità sistematica e una componente aleatoria ipotizzata a media nulla.

Quattro fonti principali di aleatorietà (per spiegare ϵ):

- Alcuni attributi considerati dall’utente non sono considerati nel modello dell’analista;
- Il valore numerico stimato dall’analista per gli attributi è diverso dal valore assegnato dall’utente;
- L’utente ha una razionalità diversa da quella che gli attribuisce l’analista, che considera una
combinazione lineare dei diversi attributi opportunatamente pesati. Ci saranno quindi differenza
soggettive;
- A parità di attributi considerati l’utente può percepire l’utilità in modo diverso in momenti
temporali diversi.

L’utilità che l’utente associa a ciascuna alternativa è una variabile aleatoria, ossia assume valori diversi con
diverse probabilità -> non può essere prevista con certezza l’alternativa scelta dall’utente. Se l’analista
riuscisse a quantificarla, allora riuscirebbe a definire l’alternativa.

Quindi l’analista riesce a definire con certezza la componente deterministica, ma con più difficoltà quella
aleatoria. Se l’analista riuscisse a quantificare quest’ultima allora riuscirebbe a definire l’alternativa.

Si può determinare la probabilità di scelta di un’alternativa, la probabilità che l’utente n scelga l’alternativa
i.
Con questa probabilità posso determinare il valore medio della domanda di trasporto.
La probabilità di scelta dipende dalla differenza tra le utilità delle diverse alternative e dipende dalle ipotesi
dello scarto aleatorio ϵ.

- Se ϵ è una variabile aleatoria di Weibull-Gumbel (distribuzione non simmetrica) ottengo il modello

logit;
- Se ϵ è una variabile aleatoria normale (Gauss) ottengo il modello probit;
- Se ϵ = 0, quindi assumo l’assenza di differenze tra utilità percepita e utilità sistematica e quindi gli
utenti percepiscono tutti la stessa utilità alternativa, ottengo il modello di utilità deterministica.

Modello logit -> restituisce in forma chiusa la probabilità di scelta di un’alternativa. In forma chiusa vuol
dire che abbiamo una formula per determinare la probabilità di scelta di un’alternativa.
Probabilità di scelta di un’alternativa secondo il modello logit:
Con questo modello riesco ad esplicitare la probabilità di scelta di un’alternativa.

Dal modello a 4 stadi:

1. MODELLI DI GENERAZIONE: stimare il flusso totale di spostamenti generati (o attratti) da una
determinata zona nel periodo di riferimento. Il modello restituisce l’indice di emissione per la
categoria i maggiore di 1 se h è ampio.
L’indice di emissione ‘’m’’ mi da il numero medio di spostamenti che gli utenti della categoria i
effettuano nell’intervallo di tempo h.
Dalla singola domanda, considero la domanda complessivamente generata nell’arco di una
giornata.
Indice di emissione: n medio di spostamenti effettuati nel periodo di riferimento;
Indici di emissione per categoria: spostamenti medi giornalieri stimati in 5 città italiane di medie
dimensione.

Un maggiore afflusso sulla rete comporta maggiori tempi di attesa. Per evitare la congestione, gli
utenti posso decidere di modificare il momento della partenza (anticipando o posticipando) -> si
distribuisce la domanda in modo più uniforme nell’arco della giornata -> time shifting (modello di
ripartizione oraria degli spostamenti).

2. MODELLO DI DISTRIBUZIONE: distribuiamo gli spostamenti su zone diverse.

Per esempio, si usa il modello gravitazionale (relazione che richiama la legge di gravitazione di
newton).

Domanda dall’origine alla destinazione.

Coefficienti di distribuzione (k, β,θ)
La domanda sarà tanto maggiore, quanto più vicino sono le zone. Al contrario, la domanda sarà
tanto minore, quanto più lontane sono le zone.
Per calibrare il modello, linearizzo considerando i logaritmi.

Al termine delle fasi di generazione e distribuzione si ottiene la matrice O/D.

Le fasi successive sono legate alla ripartizione modale (scelta del modo di trasporto), suddivisibile in:
- Termini di spostamenti (non ci interessa la distanza);
- Termini di spostamenti*km.

3. MODELLO DI SCELTA MODALE (di tipo comportamentale)

Spostamenti effettuati con il principale modo di trasporto.
Approccio comportamentale (utilizzato per simulare lo spostamento): i primi modelli di tipo
comportamentale utilizzati nel campo dei trasporti sono stati applicati alla scelta modale.
La prima cosa da fare è individuare l’insieme di scelta:
 Individuo i diversi mezzi e la probabilità che lo spostamento avvenga con essi.

Squilibrio modale: squilibrio tra mezzi eco-compatibili e mezzi più inquinanti. I mezzi più sostenibili sono
molto poco utilizzati rispetto a quelli privati. Gran parte delle merci vengono trasportate per strada.

Insieme di scelta: l’utente prende in considerazione solo le alternative che soddisfano degli standard
minimi (approccio selettivo).
La definizione dell’insieme di scelta è una fase fondamentale, perché potrei già escludere alcune
alternative.
Esempio: se il tempo deve essere < 30 min escludo il bus; se il costo deve essere < 3 euro escludo l’auto.
In genere, non esiste un’alternativa dominante.
Insieme di scelta semplificato: l’utente prende in considerazione tutte le alternative (approccio esaustivo).

Modello logit multinomiale: ho più di due alternative di scelta;

Modello logit binomiale: ho due alternative di scelta.

4. MODELLO DI SCELTA DELL’ITINERIARIO

Ultimo stadio del modello a quattro stadi.
Si analizza la rete per definire i flussi sugli archi.
Analizziamo la scelta del percorso dell’utente, utile per avere informazioni sui costi e impatti dei
flussi sulla rete (valuto le prestazioni).
Quindi individuiamo i flussi sui percorsi e i flussi sugli archi.
Scopo: determinare l’itinerario scelto per ogni spostamento e lo stato complessivo della rete (flussi su
archi).
È un modello di tipo comportamentale, si basa su ipotesi esplicite del comportamento degli utenti.
L’utente è un massimizzatore di scelta.
Insieme di scelta (quali sono le alternative prese in considerazione dall’utente): totalità degli itinerari che
congiungono una coppia OD (approccio esaustivo: consideriamo tutti i possibili itinerari che collegano la
coppia OD).
L’analista non è in grado di definire tutti gli attributi utili per l’utente.
In altri casi, per l’insieme di scelta, non si parla di totalità ma di selezione di alcuni itinerari che collegano
una coppia OD (approccio selettivo: più simile al comportamento dell’utente. Richiede l’individuazione dei
versi nei rami e quindi individua dei criteri per selezionare quegli itinerari ed eliminarne altri. Questo
approccio prevede la numerazione di tutti gli itinerari, cercando quelli che soddisfano certe regole).

Comportamento di scelta dell’utente: massimizzatore di utilità.

L’utente associa a ciascun itinerario una utilità pari al costo generalizzato cambiato di segno. Maggiore è il
costo di un itinerario e minore è la corrispondente utilità.

Il costo generalizzato di un itinerario è la somma dei costi generalizzati di un arco.

Il costo generalizzato di un arco corrisponde al VOT + costo monetario.

Il costo dell’arco è indipendente dal flusso, quindi si parla di rete non congestionata (scelta dell’itinerario
indipendente dalla domanda) e quindi la scelta di un itinerario è indipendente dalle scelte degli altri
itinerari.

Andamento del costo nel caso di un aro di una rete urbana: trasporto individuale stradale.
Modelli di scelta comportamentali:
- Modelli di utilità aleatoria: diverse percezioni degli utenti;
- Modelli di utilità deterministica: uguale percezione dei costi.

L’utente sceglie l’alternativa di massima utilità, ossia l’itinerario di minimo costo. Ipotizzo che l’utente abbia
una conoscenza perfetta di tutti gli archi.

Assegnazione del tutto o niente: tutta la domanda viene assegnata all’itinerario di minimo costo e niente
agli itinerari alternativi.

ASSEGNAZIONE DELLA DOMANDA

Significa calcolare i flussi sugli itinerari e quindi sugli archi.
I dati di input sono la matrice OD e la rete (costi), che come output mi danno i flussi sugli archi.

Vantaggi dell’assegnazione tutto o niente

È facile da usare e da interpretare, visto che è ammissibile che gli utenti scelgano il percorso meno costoso.
Se ho una rete congestionata i risultati sono irrealistici. Mentre nel caso contrario, a volte abbiamo risultati
vicini alla realtà e volte meno.
Problemi dell’assegnazione tutto o niente
È instabile perché ci possono essere costi simili tali che piccole differenze di costi diano origine a grandi
differenze di flusso sugli archi.

Assegnazione probabilistica
Non è realistico considerare che tutti gli utenti stimino il costo sugli itinerari allo stesso modo e scelgano lo
stesso percorso -> si utilizzano quindi modelli di tipo casuale.

(NB. I flussi che ci sono stati assegnati nel progetto sono stati determinati con il metodo di assegnazione
tutto o niente).