Decision Table

La costruzione della decision table è un punto cruciale nell’applicazione della

teoria dei Rough-set, in quanto si vanno a definire quelli che sono gli attributi condizionali (ovvero le variabili indipendenti) e quelli decisionali ( variabili dipendenti). Nel caso specifico della scelta modale ovviamente lato decisionale vi è la scelta del modo di trasporto, lato condizionale tutti gli attributi che governano la scelta del modo. Vi è però da operare una decisione dal punti di vista metodologico fondamentale: la scelta del tipo di approccio con cui esplicitare la decision table, ovvero se operare a livello aggregato o

disaggregato.

Vanno fatte a tal proposito delle considerazioni: per quanto visto nella parte metodologica di approccio al problema il CRSA opera trovando delle relazioni di tipo “rough” fra le approssimazioni degli attributi condizionali e decisionali e sulla base di ciò trova delle regole decisionali comuni. In particolare il metodo trova regole “certe” a partire dall’approssimazione inferiore, e cioè ove vi sia una scelta precisa di una piuttosto che dell’altra alternativa. Viceversa per quanto riguarda le regole incerte o ambigue, esse nascono dalla regione di confine, e quindi dove, a parità di caratteristiche condizionali, vi è ambiguità nella scelta ovvero ove esistano soggetti di scelta diversa.

Questo porta a due conclusioni: la prima è che appare lampante che un classico caso di scelta incerta è quella legato alla ripartizione modale su una coppia origine-destinazione. Infatti, se si considera la scelta aggregata per una coppia origine-destinazione, si hanno per le stesse caratteristiche, diverse scelte da parte degli utenti. Questo è un classico caso di ambiguità di scelta che può essere rappresentato tramite i Rough-set.

La seconda è che utilizzando una caratterizzazione troppo fine degli oggetti si rischia di avere una determinazione troppo precisa della scelta. Infatti, se si considerassero le scelte del singolo utente, e difficile una serie di regole che considerino l’ambiguità, ovvero l’indeterminatezza della scelta.

Lo studio della scelta modale tramite l’approccio dei Rough-set è partito proprio, anche in termini temporali utilizzando un approccio di tipo aggregato. Si aggiunga a queste motivazioni di ordine metodologico che dal punto di vista cronologico sono stati resi inizialmente disponibili solo dati aggregati della domanda.

La scelta di utilizzare come “oggetto” di impiego nel CRSA le coppie origine destinazione appare quindi una scelta sensata, in funzione di ottenere un modello e delle risposte di tipo aggregato: in seguito verranno anche illustrati le giustificazioni matematiche a questo tipo di approccio. Appare inoltre chiaro che così operando le approssimazioni saranno corrispondenti alle coppie O/D, in quanto nell’approccio aggregato, ogni coppia ha attributi costanti.

2.4.2. Attributi decisionali

Sono costituiti dalla scelta effettuata dagli utenti del sistema dei trasporti, rilevata nell’indagine O/D, e quindi la cosiddetta domanda di trasporto. Sono, in effetti, l’equivalente delle alternative di scelta nei modelli di scelta discreta. La costruzione di un modello di scelta tramite la teoria dei Rough-set va inizialmente intesa come uno sviluppo da confrontare con le metodologie esistenti. Infatti, fine ultimo di questa ricerca è valutare i risultati ottenibili in confronto a risultati che solitamente si ottengono. Pertanto la costruzione del modello deve avere parità di condizioni dei modelli Logit precedentemente costruiti. Premesso ciò la scelta delle alternative da studiare ricade ancora sui tre modi bus,

inteso come trasporto pubblico, l’auto, ovvero autovettura privata e la moto o motociclo.

2.4.3. Attributi condizionali

Le stesse motivazioni addotte per gli attributi decisionali possono essere considerate valide per gli attributi condizionali, che in questo caso rappresentano gli attributi del modello di scelta. Gli attributi sono quindi gli stessi specificati in precedenza, e sono riportati nella tabella 2.1 alla pagina seguente, mentre per la loro descrizione dettagliata si rimanda al paragrafo 1.4.4 del capitolo precedente, facendo notare come essi, vista la scelta di operare in via aggregata, vadano considerati in questi termini. In particolare, la tabella riporta gli attributi e il loro impiego nei diversi sub-set di calibrazione, impiegati per valutare la sensitività al limitare del numero di attributi

un approccio aggregato, si indicano separatamente gli attributi di livello di servizio, tipici del sistema dei trasporti e quelli socio economici dell’area di studio.

S1 S2 S3

ATTRIBUTI DI LIVELLO DI SERVIZIO

Tempo di viaggio Θ Θ Θ

Tempo a piedi Θ Θ Θ

Costo di Viaggio Θ Θ Θ

Intertempi Θ Θ Θ

Trasbordo Θ Θ Θ

Stalli di sosta liberi Θ Θ

Stalli di sosta a pagamento Θ Θ

ATTRIBUTI SOCIO-ECONOMICI DELL’AREA DI STUDIO

Adiacenza Θ

N° di auto della zona di origine Θ

N° di moto della zona di origine Θ

Penalizzazione zone interne Θ

Penalizzazione zone esterne Θ

Coefficiente di occupazione Θ Θ Θ

Istruzione Θ

Tab. 2.1 – Attributi condizionali

Anche la suddivisione in zone, evidentemente è mantenuta inalterata, stesso dicasi per le coppie O/D che si generano. Per approfondimenti sui dettagli riguardo alla zonizzazione si rimanda al relativo paragrafo 1.4.3 del precedente capitolo. Un'altra importante differenza con l’approccio precedente è che gli attributi, in particolare gli attributi di livello di servizio, non sono considerati in un'unica alternativa. Infatti, la scelta di una piuttosto che dell’altra alternativa modale può dipendere non solo dal buon livello di servizio fornito dall’alternativa scelta, ma anche dal “cattivo servizio” dagli altri modi di trasporto considerati.

Anche quantitativamente, il valore specificato degli attributi è stato mantenuto tale. Sebbene il metodo permetta di utilizzare una ripartizione discreta degli attributi, si preferisce, ove possibile mantenere una valutazione continua degli attributi, salvo ove gli attributi siano per se stessi “discreti”, come ad esempio inseriti come variabili “dummies”.

2.5. E

Di fatto è il procedimento con cui le regole sono ricavate a partire dalla decision table, ed è assimilabile, volendo, al calcolo dei coefficienti dei modelli Logit, ovvero alla

fase di calibrazione. Per quest’elaborazione sarà impegato il software ROSE2,

specificatamente sviluppato dal professor Roman Słowiński presso il Laboratory of Intelligent Decision Support System (IDSS) dell’University of Technology di Poznàn (PL).

Fig. 2.2 – Screenshot del programma ROSE2

L’applicazione del programma permette di calcolare tutti gli elementi concernenti il CRSA, come gli atomi della decision table, i reducts, il core ed infine l’estrazione delle