Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LA DOMANDA DI TRASPORTO
la domanda interagisce con l’offerta.
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).
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.
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.
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.
135 -> numero di persone che si spostano dalla zona di origine 1 alla zona di destinazione 3 nell’intervallo
orario.
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.
Ripartizione modale
- In termini di spostamenti;
- In termini di spostamenti*km.
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.
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.
MODELLI DI DOMANDA
Forma generale di un modello di domanda d=F(X,β)
Ipotesi: le scelte relative a ciascuno spostamento O-D avvengono indipendentemente da quelle degli altri
spostamenti (non considero trip-chain).
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.
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.
Macromodelli: modelli di domanda descrittivi. Le variabili dipendente e indipendente sono molto aggregate
nello spazio (es. intera rete autostradale) e nel tempo (es. anno).
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.
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.
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).
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.
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 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;
- Modello esponenziale
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.
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.
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.
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).
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).
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 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).