UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: Modelli Multimodali e Big Data giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler
I BIG DATA E I MODELLI DI TRAFFICO: Stato dell arte e Possibilità a cura di Alessandro Ing. Arena Laurea specialistica a.a. 2015/2016
Cosa sono i BIG DATA? Informazioni caratterizzate da: - Velocità - Varietà - Volume Complessità nella destrutturazione, gestione ed utilizzo del dato grezzo Scienza dei BIG DATA Applicazioni nell Ingegneria dei Trasporti 3
Applicazioni nell Ingegneria dei Trasporti Intelligent Transport System (ITS): sistemi che attraverso l integrazione di tecnologie diverse (informatica, elettronica, comunicazione, ect.) forniscono supporto all ingegneria dei trasporti per la pianificazione, progettazione, esercizio, manutenzione e gestione dei trasporti. Le applicazioni mirano a garantire fluidità negli spostamenti di persone e cose, sicurezza (safety e security) e comfort. Esperienze Trenitalia Tracciamento degli utenti del trasporto pubblico per customizzare l offerta Controllo dello stato dei mezzi di trasporto merce per organizzare la manutenzione predittiva 4
Applicazioni nell Ingegneria dei Trasporti Progetto STREET: un gruppo di ricerca dell ENEA ha prodotto un modello di previsione del traffico per fornire a policy maker e istituzioni informazioni utili per una conoscenza approfondita del sistema mobilità, del suo funzionamento e delle sue criticità. FONTI 2 milioni di veicoli (6%) equipaggiati Octotelematics con aggiornamenti ogni 2 km o 35 sec. RISULTATI Dopo una procedura di filtraggio e correzione degli errori del dato grezzo, è stato prodotto un modello di previsione del traffico a breve termine (15-60 minuti) L elaborazione e l analisi dei dati ha permesso di caratterizzare l utenza in funzione dei propri spostamenti, di correggere il modello di simulazione e di calibrarlo. Ad esso è poi stato applicato il modello ECOTRIP sviluppato per la stima dei consumi di carburante e delle emissioni inquinanti. 5
CORSI E SEMINARI DI FORMAZIONE Applicazioni nell Ingegneria dei Trasporti Navigatori e mappe on line: Google Maps, ect. FONTI Utenti Google App Waze (crowdsourcing) Report pubblici dipartimenti TPL LIVELLI DI TRAFFICO VERDE: viabilità scorrevole, velocità di crociera maggiore di 80 km/h GIALLO: viabilità media, velocità di crociera tra 40km/h e 80km/h ROSSO: viabilità lenta, velocità di crociera minore di 40 km/h ROSSO-NERO: viabilità molto lenta, code a tratti 6
Dati telefonia cellulare POIs e destinazioni d uso Big Data e Modelli di Traffico Smart Card (pedaggi) Social Media Dati GPS 7
Applicazioni dei Big Data nei Modelli di Trasporto 1. Offerta 2. Domanda 3. Verifiche e calibrazione 8
Applicazioni dei Big Data nei Modelli di Trasporto 1. Offerta Programmazione del servizio di trasporto sempre più customizzata sul singolo utente o su piccoli gruppi di utenti in base all analisi sugli spostamenti storici. Oltre a cambiare la formulazione del servizio, cambia la pubblicità o il costo ad esso associato (titolo di viaggio, carburante, ect.) Diffusione di modelli di offerta con dinamica intraperiodale tra i gestori dei servizi con offerta che varia durante il periodo di riferimento (pre-trip e on-trip information). Non tutte le società di trasporto sono in grado di raccogliere, destrutturare, analizzare e rielaborare la mole di informazioni prodotte quotidianamente. Occorre dunque avere sempre chiari gli obiettivi, le caratteristiche e i limiti del proprio modello (a partire dall area di studio e dai servizi inseriti). 9
Applicazioni dei Big Data nei Modelli di Trasporto 2. Domanda Diffusione di modelli multi-classe, caratterizzati non solo dalla relazione OD degli utenti, ma anche dalla loro categoria di appartenenza. Ciò determina un aumento delle variabili di utilità/disutilità da considerare. Comportamento degli utenti sempre più adattivo. Estrazione di nuove leggi della mobilità urbana: legge di potenza, distanze caratteristiche, entropia di mobilità. 10
Applicazioni dei Big Data nei Modelli di Trasporto 3. Verifiche e calibrazione I Big Data possono essere impiegati per indirizzare la modellizzazione (ipotesi di partenza) e verificarne i risultati purché si abbia una certa esperienza nel leggerli, analizzarli ed rielaborarli. Verifiche e calibrazioni possono avvenire solo tra modelli analoghi. I Big Data sono spesso forniti come un flusso continuo. Se le interviste o i dati censuari presuppongono un elaborazione (seppur immediata) da parte dell intervistato nel momento stesso in cui risponde, i dati raccolti in modo automatico convergono solitamente in modo aggregato. Ad esempio non è scontato comprendere quando uno spostamento può ritenersi concluso e quando ne sta iniziando uno nuovo, oppure qual è il motivo reale dello spostamento. 11
Conclusioni La quantità, la velocità e la varietà di informazioni è già oggi ingente ed è chiaramente destinata ad aumentare. Si sconta un certo ritardo nello studio delle possibili applicazioni dei Big Data. Tale processo potrebbe essere accelerato, da una maggiore circolazione degli Open Data. Raramente le informazioni raccolte interessano l intera popolazione, sia per caratterizzazione che per geolocalizzazione. Affidarsi esclusivamente ad esse potrebbe risultare riduttivo. Le mappe indicanti il traffico più diffuse (Google Maps, Apple Maps, ect.) forniscono una fotografia parziale della situazione attuale o uno storico ottenuto per sovrapposizione. Perciò si tende ad omogeneizzare informazioni variabili nel tempo non tenendo conto delle cause e dei cambiamenti delle condizioni al contorno. La restituzione grafica è comunque di carattere qualitativo. Troppo spesso vengono visualizzate informazioni aggregate senza che siano state sottoposte ad una analisi approfondita. 12
Conclusioni Come dimostrano le imprese che hanno iniziato a farne buon uso, anche per i Comuni, l utilizzo dei Big Data può rappresentare una grande opportunità. Già oggi essi sono in possesso di un gran numero di informazioni (anche nel settore trasporti) che, se correttamente analizzati ed elaborati, possono aumentare la conoscenza del territorio e migliorare i servizi. Il supporto alla progettazione e pianificazione proviene da un modello di traffico poiché permette di simulare quale può essere il comportamento futuro dell utente e come può distribuirsi il traffico al cambiare delle alternative offerte. 13
LE ZONE A TRAFFICO LIMITATO: TIPOLOGIE, MODALITA DI REGOLAMENTAZIONE,AMBITI DI APPLICAZIONE La normativa tecnica di riferimento e best practices GRAZIE DELL ATTENZIONE 14
I BIG DATA E I MODELLI DI TRAFFICO: STATO DELL ARTE E OPPORTUNITÁ Centro Studi PIM Centro Studi per la Programmazione Intercomunale dell'area Metropolitana via Felice Orsini, 21 [Villa Scheibler] 20157 Milano e-mail: segreteria@pim.mi.it Sito: http://www.pim.mi.it Referente per l organizzazione generale arch. Cristina Alinovi cristina.alinovi@pim.mi.it