di: Maria Luisa De Maio
EyesReg, Vol.5, N.6, Novembre 2015
La World Commission on Environment and Development nel Rapporto Bruntland (1987) afferma che il concetto di sviluppo sostenibile “implies meeting the needs of the present without compromising the ability of future generations to meet their own needs” ed è declinato su tre dimensioni: economica, sociale e ambientale. L’attuale diffuso utilizzo del mezzo privato, nettamente prevalente su tutte le altre modalità di trasporto, produce stress nei conducenti ed emissioni inquinanti non contribuendo in alcun modo a rendere sostenibile la vita in città.
Il livello di congestione stradale è determinato dalle scelte effettuate simultaneamente dagli utenti del sistema di trasporto. Tali scelte (di percorso, modo, orario di partenza ecc.) sono il risultato di un processo complesso e non osservabile che si verifica nella mente umana. Le scelte effettuate e la derivante congestione impattano sia sugli utenti del sistema che sui non utenti, influenzandone la qualità della vita quotidiana. Visto il crescente interesse verso i temi della sostenibilità, lo studio e l’analisi dei processi mentali che determinano le scelte degli utenti assumono una particolare rilevanza.
L’obiettivo di questo contributo è presentare la metodologia ed i principali risultati della ricerca, effettuata nell’ambito della tesi di dottorato (De Maio 2014), con il fine di rappresentare con approccio quantitativo la percezione e le scelte dell’utente e la loro evoluzione nel tempo. A tal fine, si è fatto riferimento ad un generico utente del sistema di trasporto che effettua uno spostamento abituale con mezzo di trasporto privato. L’utente deve scegliere il percorso da seguire. La percezione delle alternative, la formazione dell’insieme di scelta e la conseguente scelta sono state analizzate e modellizzate, tenendo in considerazione il ruolo svolto dall’esperienza e dalle informazioni ricevute. I modelli specificati per rappresentare il fenomeno studiato sono stati calibrati e validati.
Metodologia
Dall’analisi della letteratura di settore (Manski 1977) è emersa la necessità di affrontare il problema su tre livelli: la generazione dell’insieme di scelta, la percezione dell’utente e infine la scelta.
L’utente non compie le sue scelte considerando le sole caratteristiche oggettive delle alternative disponibili ma sulla base dell’idea che ha delle alternative. Si rende pertanto necessario analizzare il modo in cui si costruisce, nella mente dell’utente, la percezione dell’alternativa, che può anche discostarsi dalla realtà. Inoltre, l’utente non è capace di considerare tutte le alternative disponibili sulla rete di trasporto: il suo insieme di scelta percepito, non osservabile dall’analista, è composto da un numero limitato di alternative (Quattrone et al. 2011). Al fine di riprodurre le scelte degli utenti, è necessario rappresentare il processo di formazione dell’insieme di scelta tenendo conto delle sole alternative effettivamente percepite dall’utente (Decrop 2010; Han et al. 2011).
Un ulteriore livello di complessità del problema affrontato è legato alla presenza di innumerevoli fattori che modificano la percezione dell’utente di giorno in giorno (Han et al. 2011; Mahmassani et al. 1987; Iida et al. 1992; Parvaneh et al. 2012). Tra i fattori che influenzano la percezione dell’utente e la sua evoluzione nel tempo, le esperienze acquisite e le informazioni ricevute giocano un ruolo rilevante. A causa della diffusione dell’Information Technology, l’accesso alle informazioni è diventato più veloce, facile ed economico rispetto al passato, accelerando l’evoluzione della percezione dell’utente e delle sue scelte.
L’approccio proposto cerca di superare alcuni dei limiti spesso presenti in letteratura, ipotizzando un insieme di scelta, in continua evoluzione, composto da un numero limitato di alternative e rappresentando il processo di apprendimento che avviene nella mente dell’utente.
Approccio modellistico
La percezione dell’utente si evolve di giorno in giorno ed è fortemente influenzata dalle esperienze passate: il legame tra la percezione corrente e le esperienze precedenti richiede l’utilizzo di un modello di tipo dinamico (Watling et al. 2013).
Al fine di rappresentare la percezione dell’utente e la sua evoluzione nel tempo è stato specificato un modello di tipo day-to-day: la percezione che il generico utente ha di una certa alternativa nel giorno corrente è rappresentata da una misura di percezione. Quest’ultima dipende da una serie di componenti: la distanza, il tempo di viaggio percepito, l’informazione ricevuta e l’esperienza del giorno precedente sulla rete. Le componenti di informazione ed esperienza rappresentano la realtà oggettiva e consentono una modifica progressiva della percezione dell’utente, che può essere inizialmente più o meno lontana dalla realtà. Inoltre, nell’espressione della misura di percezione del giorno corrente appare la misura di percezione del giorno precedente. A differenza di altri modelli presenti in letteratura, il modello proposto tiene conto di tutte le esperienze precedenti e rappresenta la percezione dell’utente includendo diversi elementi invece del solo tempo di viaggio percepito.
In accordo all’approccio modellistico proposto, anche la formazione dell’insieme di scelta avviene sulla base della percezione dell’utente, ovvero sulla base della misura di percezione specificata.
Indagine
Al fine di osservare direttamente il comportamento degli utenti nella situazione analizzata e di raccogliere i dati necessari alle successive fasi di calibrazione e validazione del modello, è stata condotta un’indagine su rete reale, nella città di Reggio Calabria, per ottenere un panel di dati, necessario quando si analizza un fenomeno dinamico.
Sono stati intervistati 35 utenti, ciascuno per almeno 6 giorni consecutivi, riguardo il percorso preferito su una coppia o-d prefissata. Agli utenti è stato inoltre chiesto di rivelare eventuali alternative prese in considerazione oltre quella scelta, con l’obiettivo di investigare la percezione delle alternative e quindi l’insieme di scelta percepito (De Maio et al. 2013). Gli utenti sono stati suddivisi a loro insaputa in tre gruppi, distinti in base al tipo di informazione fornita su un percorso alternativo aggiuntivo (nessuna, corretta, scorretta). Tutti gli utenti sono stati informati ogni giorno sul tempo di viaggio sperimentato sul percorso scelto nel giorno precedente (componente di esperienza).
I risultati dell’indagine hanno rivelato che gli utenti percepiscono in totale 9 alternative (insiemi di scelta possibili 511) e 19 insiemi di scelta, ovvero il 3.7% del totale possibile. L’insieme di scelta percepito dagli utenti si amplia di giorno in giorno sotto l’influenza delle informazioni ricevute e non è mai stato composto da più di 5 alternative. Anche sulla scelta è stato possibile osservare l’effetto delle informazioni fornite: gli utenti che hanno ricevuto informazioni corrette convergono velocemente verso l’alternativa migliore mentre il comportamento degli utenti che hanno ricevuto informazioni scorrette non rivela alcuna convergenza specifica. Questi ultimi si comportano in modo diverso sulla base del loro livello di conoscenza della rete.
Calibrazione, validazione ed indicazioni di policy
Infine, utilizzando i dati raccolti attraverso la sperimentazione, sono stati effettuati dei tentativi di calibrazione e validazione del modello proposto. I dati di tipo panel sono caratterizzati da un doppio livello di correlazione e quindi i metodi classici per la calibrazione non risultano appropriati. Ad ogni modo, è stata introdotta l’ipotesi semplificativa per la quale il modello, per il modo in cui è specificato, è capace di tener conto, almeno in parte, della correlazione tra le osservazioni. Pertanto è stato utilizzato il metodo della massima verosimiglianza per la calibrazione e test formali ed informali per la validazione.
I risultati ottenuti attraverso i primi tentativi di calibrazione del modello hanno evidenziato l’influenza rilevante della qualità dell’informazione sia sull’evoluzione dell’insieme di scelta che sull’evoluzione della scelta. Altro fattore che gioca un ruolo di interesse sul comportamento degli utenti è l’esperienza acquisita. Inoltre il peso della componente relativa al giorno corrente è risultato simile al peso della componente relativa al giorno precedente. I parametri calibrati sono risultati stabili e i test di validazione hanno dato risultati soddisfacenti.
Un modello come quello presentato potrebbe consentire di prevedere e controllare il comportamento degli utenti. Attraverso il supporto del modello ed utilizzando i sistemi di informazione si potrebbe riuscire a distribuire il traffico nel tempo, diversificando gli orari di partenza, e nello spazio, su percorsi diversi, in modo tale da ridurre il traffico in città e migliorare la qualità della vita, rendendo la mobilità (più) sostenibile.
Maria Luisa De Maio, Università Mediterranea di Reggio Calabria
Riferimenti bibliografici
Decrop A., (2010). Destination choice sets: An Inductive Longitudinal Approach. Annals of Tourism Research, Vol. 37, No. 1, pp. 93–115.
De Maio M.L. (2014). PhD Thesis: Models for route choice evolution: influence of experience and information with experimentation in a real case.
De Maio M. L., Vitetta A., Watling D. (2013). Influence of Experience on Users’ Behaviour: a Day-to-Day Model for Route Choice Updating. Procedia – Social and Behavioural Science, vol 87 pp 60-74.
Han Q., Arentze T., Timmermans H., Janssens D., Wets G., (2011), The effects of social networks on choice set dynamics: results of numerical simulations using an agent-based approach. Transportation Research part A, vol. 45, pp. 310-322.
Iida Y., Akiyama T., Uchida T., (1992). Experimental analysis of dynamic route choice behaviour. Transportation Research. part B, vol. 26B, pp. 17-32.
Mahmassani H., Chang G., (1987). On boundedly rational user equilibrium in transportation systems. Transportation Science 22, pp. 89–99.
Manski, C. (1977) The structure of random utility models. Theory and Decision, 8 pp. 229-254.
Parvaneh Z., Arentze T., Timmermans H., (2012). Understanding Travelers’ Behaviour in Provision of Travel Information: a Bayesian Belief Approach. Procedia Social and Behavioral Sciences, vol. 54, pp. 251–260, EWGT 2012.
Quattrone A., Vitetta A., (2011). Random and fuzzy utility models for road route choice. Transportation Research Part E: Logistics and Transportation Review, 47(6), pp. 1126-1139.
Watling D. P., Cantarella G.E., (2013). Modelling sources of variation in transportation systems: Theoretical foundations of day-to-day dynamic models. Transportmetrica B, vol. 1, pp.3-32.
World Commission on Environment and Development, (1987). Our Common Future – Report 42/187, 96th plenary meeting 11 December 1987.
