Lo studio di Francesca Nadalini, sviluppato con GO-Mobility e il Politecnico di Milano, evidenzia il potenziale dei modelli activity-based e dei big data GPS.
La gratuità del trasporto pubblico è sempre più al centro delle strategie urbane per ridurre traffico ed emissioni, ma comprenderne gli effetti reali richiede strumenti di analisi avanzati. Uno studio sviluppato da Francesca Nadalini del Politecnico di Milano durante un’esperienza presso GO-Mobility evidenzia il potenziale dei modelli “activity-based”, alimentati da dati GPS anonimi, per simulare in modo realistico il comportamento degli utenti e le trasformazioni della domanda di mobilità.
L’analisi mette in luce i limiti delle tradizionali valutazioni basate solo sui flussi di traffico o sui dati aggregati e propone un approccio più vicino alla complessità dei comportamenti quotidiani.
I modelli activity-based consentono infatti di stimare chi cambierebbe davvero abitudini di spostamento in presenza di trasporto pubblico gratuito, quali viaggi in auto verrebbero sostituiti, quali nuovi spostamenti potrebbero emergere e quali territori o categorie sociali trarrebbero maggior beneficio dalla misura.
L’approccio permette inoltre di valutare gli effetti sistemici nel medio periodo, offrendo ai decisori pubblici strumenti più avanzati per pianificare politiche di mobilità sostenibile, accessibilità urbana e riduzione delle emissioni.
Secondo lo studio, misure complesse come la gratuità del trasporto pubblico richiedono modelli capaci di rappresentare il comportamento umano nella sua interezza, evitando valutazioni semplificate che rischiano di sottostimare o sovrastimare gli impatti reali delle politiche adottate.