BIG DATA Analytics e la mobilità delle città

Transcript

1 BIG DATA Analytics e la mobilità delle città

2 La raccolta informazioni e dati oggi Risorse impiegate Costo ISTAT Ogni 10 anni campione Anno Risorse impiegate Costo INDAGINI SU CAMPO campione Anno Risorse impiegate Costo INTERVISTE INDAGINI DI MERCATO campione Anno

3 Informazioni statiche 3

4 Siamo statici?? Quanto siamo statici e sistematici? 4

5 COSA SONO I BIG DATA Risorse impiegate Costo ISTAT Ogni 10 anni campione Anno Risorse impiegate Costo INDAGINI SU CAMPO campione Anno Risorse impiegate Costo INTERVISTE INDAGINI DI MERCATO campione Anno BIG DATA campione Risorse impiegate Costo Anno

6 SCATOLE NERE : FLOATING CAR DATA 1 mese = 1,5 miliardi di punti FCD 6

7 SCATOLE NERE : FLOATING CAR DATA 1 mese = 1,5 miliardi di punti. FCD 7

8 8

9 9

10 Trips FCD 10

11 Analisi della domanda MOLFETTA Origini/Destinazioni nelle 24H

12 Analisi aggregate matrici : PERUGIA Andamento della domanda giornaliera media - auto Distribuzione spostamenti auto- 3 ore di punta della mattina 21% 7% 9% 63% Festiva Feriale Interni - Interni Interni - Esterni Esterni - Interni Attraversamento 12

13 STIMA DELLA DOMANDA POTENZIALE CICLABILE Domanda % con ORIGINE E DESTINAZIONE dello spostamento nell'area di influenza delle piste ciclabili % Domanda interna % Domanda totale Area d influenza 100 metri 18.5% 10.6% Area d influenza 200 metri 44.3% 25.9% Domanda potenziale area d influenza di 100 m circa spostamenti

14 Analisi delle velocità: Molfetta 14

15 ANALISI SOSTA: BARLETTA Totale mese di ottobre (31 gg. per 24 h) Elevata intensità del numero di soste Elevata durata delle soste Elevata intensità e durata delle soste Intensità delle soste Intensità delle soste pesata sulla durata

16 Case study Milano: uso dell automobile vs TPL spostamenti in auto nei giorni feriali spostamenti in auto nei giorni festivi 16

17 Case study: Milano - viaggi medi di una automobile Numero di viaggi medi al giorno (festivo) 4% 38% 58% fino a 2 viaggi tra 2 e 5 viaggi tra 5 e 10 viaggi Numero di viaggi medi al giorno (feriale) 4% 42% 54% fino a 2 viaggi tra 2 e 5 viaggi tra 5 e 10 viaggi 17

18 Case study: Milano Durata media di viaggio di una auto Durata dei viaggi medi al giorno (festivo) 7% 17% 18% 33% 25% fino a 5 min tra 5 e 15 min tra 15 e 30 min tra 30 e 45 min tra 45 e 60 min Durata dei viaggi medi al giorno (feriale) 8% 18% 19% 31% 24% fino a 5 min tra 5 e 15 min tra 15 e 30 min tra 30 e 45 min tra 45 e 60 min 18

19 Case study Milano: Quanto viene usata l automobile % del tempo in sosta 800 AUTOMOBILI AUTOMBILI ORE MENSILI ORE MENSILI USO AUTOMOBILE 19

20 Case study Milano: auto di proprietà vs auto sharing Durata dei viaggi medi al giorno (festivo) 7% 18% fino a 5 min 17% tra 5 e 15 min proprietà tra 15 e 30 min tra 30 e 45 min 25% tra 45 e 60 min 33% Durata dei viaggi medi al giorno (festivo) 11% 27% fino a 5 min 15% tra 5 e 15 min sharing tra 15 e 30 min tra 30 e 45 min 22% tra 45 e 60 min 25% Durata dei viaggi medi al giorno (feriale) Durata dei viaggi medi al giorno (feriale) 8% 11% 18% 31% proprietà 19% 24% fino a 5 min tra 5 e 15 min tra 15 e 30 min tra 30 e 45 min tra 45 e 60 min 15% 22% sharing 28% 24% fino a 5 min tra 5 e 15 min tra 15 e 30 min tra 30 e 45 min tra 45 e 60 min 20

21 Case study Milano: auto di proprietà vs sharing Proprietà Sharing 95% del tempo ferma 75% del tempo ferma 21

22 Partnership in corso: Moovit 22

23 MUMA Caratteristiche Studi comparativi e dati granulari attraverso analisi e statistiche sui movimenti: Matrici origine - destinazione Analisi per zona Analisi per tragitto Analisi dettagliate sull'area divise per giorno, orario, modalità di trasporto: Numero di viaggi e percentuale relativa Tempo medio per tragitto Classificazione modale e dettagli sui mezzi Immediata comprensione attraverso la visualizzazione dei risultati e dati accessibili Comparazione visiva flessibile e veloce Grafici comparativi prima/dopo Dati aggregati completamente anonimi 23

24 24

25 25

26 Cruscotti della mobilità 26

27 Cruscotti della mobilità 27

28 Cruscotti della mobilità 28

29 Bus locator: AVL e informazione all utenza

30 Bus locator: AVL e informazione all utenza

31 Bus locator: AVL e informazione all utenza

32 Grazie per l attenzione Ing. Daniele Mancuso GO-Mobility info@go-mobility.it 3 Sedi: Perugia, Bologna e Roma TPS Transport Planning Service Tel tps.pg@tpsitalia.it