La domanda di trasporto merc

È possibile schematizzare le metodologie per la previsione della domanda di trasporto merci in tre tipologie:

• qualitative;

• basate su proiezioni di serie storiche; • quantitative.

I metodi qualitativi sono di solito utilizzati quando non si dispone di un database sufficientemente esteso e attendibile; spesso trovano impiego nella individuazione di possibili scenari conseguenti ad un intervento.

Le previsioni sulla base di serie temporali si elaborano proiettando all’orizzonte temporale desiderato le tendenze evolutive in atto. Tali proiezioni sono attendibili solo se esiste una sostanziale stabilità nella evoluzione dei fenomeni in studio e si dispone di una base dati sufficientemente estesa nel tempo.

I metodi quantitativi possono essere utilizzati nel caso in cui siano disponibili serie temporali o spaziali di dati e sia possibile individuare relazioni esplicite tra i fenomeni di cui prevedere l’evoluzione e le variabili che su di essi incidono. L’opportunità di limitare le variabili di scelta a quelle che presentano un peso maggiore nel contesto di studio ha condotto alla formulazione di un’ampia varietà di modelli. Infatti, nonostante la domanda di trasporto merci sia il risultato di un complesso processo decisionale sviluppato dalle aziende in termini di produzione, distribuzione e localizzazione, la rappresentazione del fenomeno può essere limitata ad una parte, assumendo nota la parte rimanente.

Dalle diverse possibilità di descrizione del processo decisionale scaturiscono differenti tipologie di modelli.

Il primo passo per ricostruire la domanda di trasporto è quello di definire l’unità di riferimento da utilizzare nei modelli di previsione. Gli economisti, ad esempio, misurano lo spostamento di beni attraverso i flussi monetari ad esso conseguenti; i pianificatori dei trasporti che affrontano il trasferimento fisico delle merci utilizzano, invece, grandezze come la tonnellata o la tonnellata per chilometro.

Il secondo passo è quello di disporre di una buona base dati per una corretta rappresentazione dei traffici significativi che avvengono all’interno di un’area ben definita.

Tabella 16 – Tipologie di modelli in corrispondenza dei soggetti interessati Soggetto interessato Tipologia di modelli

modelli di scelta del modo di trasporto Azienda di spedizione

modelli di gestione del magazzino modelli di cammino minimo

Vettori modelli di gestione delle flotte di veicoli modelli di localizzazione di attività economiche Pianificatori economici

in funzione dell'accessibilità Gestori delle infrastrutture modelli di deflusso

modelli di previsione della domanda di trasporto Pianificatori dei trasporti

modelli di previsione e gestione dei sistemi di

trasporto

È possibile suddividere la domanda merci in due aliquote:

- domanda intermedia, cioè la merce utilizzata per i reimpieghi produttivi tra i diversi settori economici dell’area di studio;

- domanda finale, cioè la merce utilizzata per il soddisfacimento delle richieste dei consumatori finali (ad esempio le famiglie) e per l’esportazione (tra le zone di studio e l’esterno).

La domanda di trasporto merci è usualmente rappresentata mediante le matrici O/D, che possono essere caratterizzate per periodo temporale a cui esse si riferiscono, per tipologia

merceologica, per caratteristiche dei veicoli utilizzati per il trasporto delle merci, etc..

Tabella 17 – Livelli di zonizzazione e matrici O/D

Area di studio Livello di

zonizzazione Livello di domanda

Tipologia di domanda

Nazione Regionale Interregionale Intermedia e finale

Regione Provinciale Interregionali/Interprovinciale Intermedia e finale Intraprovinciale

Intercomunale/Intracomunale Finale Provincia/Area

metropolitana Comunale

Nella tabella 17 sono sintetizzate le relazioni che intercorrono tra il livello di zonizzazione, di domanda e matrici O/D; ad esempio, nel caso in cui l’area di studio è la nazione, il livello di

zonizzazione adottabile è quello regionale, le matrici O/D saranno matrici interregionali (scambi tra regioni) sia per domanda intermedia che finale.

La stima della domanda attuale e/o la previsione di quella futura possono essere ottenute utilizzando fonti di informazione e strumenti statistici diversi. Per stimare la domanda attuale è possibile effettuare delle indagini, tipicamente delle interviste su di un campione di utenti, e da queste, utilizzando le tecniche della statistica inferenziale, ottenere delle stime dirette della domanda. In alternativa, si può stimare la domanda (attuale o futura) con modelli. La stima da modello richiede che i modelli siano specificati (cioè sia scelta la forma funzionale e le variabili che vi compaiono), calibrati (cioè siano stimati i valori dei coefficienti in essi contenuti) e validati (cioè ne sia valutata la capacità di riprodurre i dati disponibili).

Infine, è possibile migliorare le stime della matrice dei flussi O/D di domanda attuali combinando gli stimatori “diretti” e “da modello” con i conteggi da traffico effettuati su alcuni elementi (archi) del sistema di offerta (rete) di trasporto. In modo più formale, il problema può essere definito come quello di stimare la matrice O/D combinando in modo statisticamente efficiente i conteggi da traffico con tutte le altre informazioni disponibili.

Per quanto riguarda la stima da modello, in relazione all’espressione:

si possono distinguere diverse classificazioni rispetto a:

♦ scala territoriale di interesse: internazionale, nazionale, regionale, urbana/metro- politana;

♦ livello di aggregazione delle quantità: disaggregati, aggregati. Tabella 18 – Quadro di sintesi modelli di domanda nel trasporto merci

Modelli Aggregati Modelli disaggregati

UNITÀ DI OSSERVAZIONE: FLUSSO UNITÀ DI OSSERVAZIONE: DECISORE

Modelli a Quattro Stadi Sequenziali Modelli di scelta discreta Modelli Aggregati Simultanei (Teoria delle Utilità Casuali) Modelli Gravitazionali

Modelli di Entropia

MODELLIZZAZIONE DELLA DOMANDA DI TRASPORTO MERCI

PRINCIPALI APPLICAZIONI

Spesso l’utilizzo di modelli aggregati è imposto da dati a disposizione che difficilmente sono di tipo disaggregato. Dati aggregati sono, ad esempio, le quantità complessive di merce di una certa tipologia trasportate da una certa origine a una certa destinazione con una modalità o, in via più aggregata, a prescindere dal modo utilizzato da tutti i decisori. I dati disaggregati fanno riferimento alle singole unità di scelta; pertanto possono essere rappresentati dalla quantità di un certo prodotto spedita in ogni spedizione tra due zone origine/destinazione (con una specifica modalità o a prescindere dal modo scelto dal decisore).

Evidentemente in relazione alla tipologia di dati disponibili si hanno: • modelli specificati e calibrati in via aggregata, applicabili in via aggregata; • modelli specificati e calibrati in via disaggregata, applicabili in via disaggregata.

In rapporto alla forma funzionale, anche nel caso del trasporto merci è possibile distinguere tra:

• modelli di tipo probabilistico-comportamentale, i quali si basano su ipotesi esplicite di comportamento degli attori del mercato;

• modelli di tipo statistico-descrittivo, rappresentati da relazioni di tipo statistico, in base alle quali si vuole descrivere il fenomeno oggetto di studio, mettendo in corrispondenza la domanda di trasporto merci con variabili casuali relative al sistema economico e/o dei trasporti.

La costruzione di un modello (comportamentale o non comportamentale) si può articolare nelle seguenti fasi principali:

1) Scelta del tipo di approccio (aggregato vs disaggregato). 2) Progettazione della campagna di indagini.

3) Specificazione della formulazione matematica del modello. 4) Calcolo degli attributi rilevanti del modello.

5) Calibrazione dei parametri del modello.

6) Validazione delle capacità riproduttive del modello calibrato.

Per quanto riguarda la scelta dell’approccio i modelli di natura disaggregata sono preferibili perché consentono una migliore interpretazione del fenomeno, un numero maggiore di variabili ed una migliore generalizzazione in scenari alternativi. È evidente, però, che tali modelli richiedono un maggior numero di informazioni ad alto costo (interviste motivazionali) ed una maggiore complessità di calibrazione ed implementazione. La

approccio aggregato, le indagini sono finalizzate a misurare flussi di domanda aggregati e possono essere tanto interviste semplificate ad un campione degli utenti del sistema di trasporto quanto conteggi di flussi di traffico o passeggeri. Nel caso di modelli disaggregati l’indagine è costituita da interviste motivazionali, spesso molto articolate e rivolte a caratterizzare l’utente del sistema di trasporto. Accanto alla conoscenza sulla scelta effettuata è necessario raccogliere informazioni sulle caratteristiche socioeconomiche dell’utente, sulle attività svolte e sulla disponibilità delle alternative. La progettazione statistica delle indagini non è dissimile alla metodologia proposta per la stima diretta anche se, generalmente, richiede un numero di interviste inferiore. È chiaro che un buon modello dipende molto dalla strategia di campionamento, dalla tipologia di intervista e dalla qualità delle informazioni ottenibili. La specificazione della formulazione matematica del modello prevede che si definisca:

(a) il paradigma interpretativo del fenomeno (comportamentale vs non comportamentale), (b) la formulazione matematica del modello,

(c) le alternative di scelta (insieme delle alternative),

(d) la disponibilità delle alternative (l’insieme di scelta di ciascun utente), (e) gli attributi che concorrono alla definizione dell’utilità sistematica.

Il calcolo degli attributi rilevanti del modello prevede la stima di tutti gli attributi non

ricavabili direttamente e/o in maniera affidabile dalle indagini. Appartengono a questa categoria gli attributi di livello di servizio ovvero tutti gli attributi legati funzionalmente al livello di servizio offerto agli utenti (e.g. variabili di accessibilità). Il calcolo dei suddetti attributi è necessario per associare a ciascun utente gli attributi delle alternative non scelte, ma è anche fondamentale al fine di associare ad ogni singola intervista attributi calcolati in maniera oggettiva (mediante opportuni modelli di offerta). In tal modo è anche possibile descrivere scenari ipotetici di intervento da simulare. La calibrazione dei parametri del modello prevede la definizione delle metodologie di stima dei parametri. Per quanto riguarda i modelli di utilità aleatoria disaggregati ed alcuni non comportamentali disaggregati, il metodo di stima utilizzato nelle pratiche applicazioni, nonché dai principali pacchetti software, si basa sul metodo della massima verosimiglianza. Per quanto riguarda i modelli non comportamentali aggregati o disaggregati di tipo regressivo si utilizzano tecniche tipiche della analisi di regressione. La validazione dei risultati consiste nella applicazione di test delle ipotesi relativi al modello e ai parametri calibrati (test t di student, likelihood ratio, adjusted ρ2_{) e in verifiche} di tipo descrittivo, finalizzate a valutare le capacità riproduttive dei modelli specificati (ρ2_, %right, etc.). La scelta della soluzione modellistica migliore dipende da un compromesso tra risorse economiche disponibili ed esigenze di simulazione.