Big data e trasporti pubblici
Big data e trasporti pubblici

Di questi tempi si sente spesso parlare di Big data. Con questo termine si descrive l’insieme delle tecnologie e delle metodologie di analisi di dati massivi, ovvero la capacità di estrapolare, analizzare e mettere in relazione un’enorme mole di dati eterogenei, strutturati e non strutturati, per scoprire i legami tra fenomeni diversi e prevedere quelli futuri.

Le informazioni piú preziose ed utilizzate le forniamo stesso noi, come le nostre abitudini e quelle di altri milioni di individui allo scopo di incontrare le nostre preferenze nel momento in cui stiamo per scegliere un prodotto o un servizio.

Tra i molti servizi dei quali usufruiamo ce n’è uno in particolare al quale difficilmente possiamo sottrarci anche essendo muniti di un prodotto realizzato appositamente per evitarci l’uso del suddetto servizio. Stiamo parlando dei mezzi pubblici. Allo stesso modo di un qualunque altro servizio a pagamento, anche le compagnie di mezzi pubblici studiano i nostri comportamenti al fine di offrirci un’esperienza quanto più positiva possibile. Per farlo sarebbe impossibile ricorrere a colloqui a campione o alla somministrazione di questionari per ovvie ragioni pratiche. Pertanto, nel tentativo di avvicinarsi ai consumatori, le preziose informazioni di cui tanto si dibatte in campo giudiziario e di privacy, vengono raccolte tramite uno strumento dal quale difficilmente ci separiamo e che ci accompagna durante tutto l’arco della giornata: gli smartphones.

Questi dispositivi tecnologici, sfruttando la connessione internet, ormai accessibile da quasi ogni punto del paese, spesso ci semplificano di molto noiose operazioni o ci risparmiano interminabili attese alla fermata del bus.
Esistono infatti alcune applicazioni, come ad esempio Citymapper o Moovit, in grado di mappare l’intera situazione dei mezzi pubblici di una specifica città. Applicazioni come queste contano milioni di utenti in tutto il mondo che ogni giorno effettuano ricerche sul miglior percorso per giungere a lavoro o a casa. Naturalmente ciò avviene nella totale gratuità del servizio, il che inequivocabilmente ci porta a presupporre che tali applicazioni si sostengano tramite la raccolta e la successiva vendita dei dati dei propri utenti. In particolare si intende il modo in cui essi si rapportano ai servizi di mobilità pubblica, gli orari durante i quali ne usufruiscono, le mete più calcate e molto altro.

Tuttavia, Citymapper con il suo progetto chiamato “Simcity”, ci dimostra che nelle giuste mani i big data possono portare alla realizzazione di un progetto di miglioramento delle reti di trasporto urbano. Nello specifico il progetto è stato applicato a Londra, dove è stata recentemente istituita, per la durata di alcuni giorni, una nuova linea intelligente basata esclusivamente sui big data raccolti. Questo segna un punto di svolta considerevole nel mondo del trasporto pubblico dal momento che viene compiuto un ulteriore passo verso i cittadini, concedendo loro di poter riprogrammare le corse in base alle loro abitudini. Avere dunque la possibilità di accedere ai dati raccolti da diverse fonti, raccoglierli ed analizzarli, vuol dire avere l’occasione di fare decisioni e dare risposte ai problemi quasi in tempo reale.

Un altro esempio virtuoso è quello del comune di Roma. Infatti attraverso “Roma Servizi per la Mobilità“, l’ente che si occupa del trasporto pubblico della capitale, si è munita di una specifica piattaforma di infomobilità in grado di erogare servizi di assistenza agli spostamenti per cittadini e turisti. Ciò avviene essenzialmente attraverso un sistema di monitoraggio che registra e memorizza lo stato del traffico capitolino relativo alla posizione dei mezzi di trasporto pubblico. Tali dati sono poi riconvertiti in un output informativo in possesso dei vari utenti attraverso diversi canali, alcuni di questi sono:

  • Cerca linea: il servizio mette a disposizione dei suoi utenti la possibilità di cercare le diverse linee del trasporto pubblico locale mostrandone anche le informazioni statiche – come ad esempio percorsi, fermate, mappe – e dinamiche – tempi di percorrenza, posizione dei veicoli, tempi di attesa.
  • Cerca percorso: in gergo tecnico viene chiamato “route planner multimodale dinamico“. Posta in essere la conoscenza dell’effettivo stato dell’intera rete di servizi tramite un continuo monitoraggio, l’applicazione suggerisce momento per momento l’itinerario migliore per raggiungere la propria destinazione. Tra le opzioni contemplate troviamo quelle inerenti il trasporto pubblico classicamente inteso – quindi autobus, tram, metropolitana, ferrovie suburbane e regionali – il trasporto privato e quello chiamato “di mobilità sostenibile“, il quale comprenderebbe al suo interno i servizi bike and ride, park and ride, quelli di car sharing e di car pooling.
  • News: da questa scheda è possibile consultare le ultime notizie sullo stato della mobilità pubblica e rimanere aggiornati su eventuali scioperi o imprevisti al servizio. Tali informazioni vengono adoperato sia per la previsione del flusso di traffico atteso sulle principali strade della città, sia per quanto riguarda la modulazione della rete semaforica stradale. Questi set di dati vengono distribuiti come Open Data direttamente sul portale dell’Atac, l’agenzia per i trasporti pubblici di Roma, con licenza Creative Commons. Ciò permette la condivisione e il riutilizzo di queste informazioni da parte degli utenti esperti di programmazione. Inoltre è stato reso disponibile il codice sorgente della maggior parte dell’applicazione di infomobilità con licenza GNU General Public License v2 cosicché chiunque possa apportare migliorie significative alla piattaforma.

Il caso appena descritto vuole solamente fungere da dimostrazione del fatto che i big data, nelle giuste mani, possano essere sfruttati per il bene collettivo della comunità. Le possibili applicazioni sono innumerevoli. Basti pensare alla realizzazione di un sistema di integrazione tra parcheggi, bike sharing, mobilità elettrica e proactive car pooling volto al miglioramento generale dell’esperienza relativa alla mobilità cittadina.

Concludiamo fiduciosi che i big data ci permetteranno, in un futuro non troppo lontano, di gestire e migliorare le dinamiche di trasporto pubblico e la qualità della vita all’interno delle nostre città.