Misurare il traffico in maniera analitica è un problema reale e consistente. Infatti la misurazione della congestione stradale non solo consente di raccogliere dati utili e con abito di scientificità, quindi adeguati per le analisi future, ma anche di migliorare la pianificazione di strade esistenti, intervenendo per sanare le problematiche che creano il traffico.

La premessa che va fatta è che esistono molti metodi diversi per misurare il traffico, e che ne considereremo solo qualche campione.

L’obiettivo di questo articolo è dare anche a chi non è del settore una panoramica quanto possibile ampia, in modo da capire il problema e avere gli spunti e le direzioni necessarie per approfondirlo.

I metodi per misurare il traffico

Hamad e Kikuchi all’inizio degli anni duemila hanno proposto una misura basata sulla logica “fuzzy”. Il  traffico viene calcolato creando una combinazione di due misure: il tasso di velocità basso e il tasso di velocità di viaggio. Può essere utilizzata per rappresentare le condizioni del traffico su segmenti di carreggiata, reti stradali, ma anche di alcune aree geografiche o di una singola rete stradale. Il valore dell’indice di congestione ottenuto

può essere utilizzato per il confronto temporale e spaziale delle condizioni di traffico. 

Che cosa si intende con inferenza fuzzy

La logica fuzzy nasce per contrapporsi alla logica formale e mira a emulare il modo di ragionare approssimativo tipico degli esseri umani. viene utilizzata principalmente per l’intelligenza artificiale, ovvero per mimare dei sistemi di ragionamento che non dipendono unicamente da valutazioni razionali ma anche da scelte arbitrarie.

La credenza bayesiana

In uno studio del 2009 a cura di Dias et al. si arriva alla conclusione che il verificarsi di incidenti stradali possa essere mappato tramite una rete di credenza bayesiana. Bisogna partire dalle informazioni di traffico, come la densità del traffico, il volume e l’indice di congestione stradale, ecc. 

È emerso che quando un tratto di strada è congestionato, cioè quando l’IC e la densità aumentano, aumenta anche la probabilità di incidente.

Indice di traffico

Lee e Hong (2014) hanno proposto il Traffic Congestion Score (TCS), un indice di traffico basato sul metodo di aggregazione spazio-temporale. Il TCS misura la capacità della strada esistente secondo un intervallo da 0 a 100 per cento, utilizzando un rapporto di approssimazione del limite di velocità. 

Un’analisi interessante riguarda la Corea del Sud, e risale al febbraio 2014. Ye, Hui, et al.

(2013) hanno proposto un metodo inteso come aiuto per le decisioni politiche e urbanistiche, o tutto ciò che riguarda la pianificazione dei trasporti. Tale metodo prevede tre nuovi indicatori di traffico per stimare la congestione delle strade urbane basandosi sui sentimenti dei viaggiatori, come il tempo di viaggio e la percezione dei viaggiatori, ovvero la soddisfazione per il tempo di viaggio, la soddisfazione per l’ambiente di trasporto, la congestione dovuta al traffico e la frequenza percepita del traffico.

Uno studio comparativo, condotto utilizzando diverse reti come SVM, PART, J48, ANN e KNNi, è stato addestrato utilizzando i dati del passato.

Prevedere il traffico

Non solo analisi, ma anche capacità previsionale: Stipancic et al. (2016) hanno proposto delle misure per rappresentare il livello di congestione spazio-temporale in un’area urbana (Quebec City, Canada) utilizzando i dati raccolti da smartphone abilitati al GPS di automobilisti che percorrevano spesso quel tratto di strada. La congestione misurata utilizzando il CI durante i periodi di punta delle ore pomeridiane è risultata positivamente correlata alla frequenza degli incidenti.

I metodi sono stati molti, anche se non ve n’è uno univoco in grado di migliorare simmetricamente le condizioni di traffico in tutta la rete stradale della nostra penisola.

Sebbene di sicuro la manutenzione di gallerie e di strade non basti, diversi di questi studi le attribuiscono un ruolo di primo piano.