1 of 24

ANALISI DATI DEI FLUSSI PEDONALI E VEICOLARI: IL CASO STUDIO DEL BORGO DI DOZZA

ROBERTA CRISTOFARO 27/02/2024

2 of 24

COM’È COMINCIATO:

  • Grazie ai finanziamento del progetto Poliseye (POLIcy Support systEm for smart citY data governancE):

Sono state installate, a marzo 2022, 9 telecamere di monitoraggio pedonale e veicolare in dei punti strategici favoriti dalla conformazione del borgo

Obiettivo: Sviluppare un sistema di supporto alle decisioni rivolto ai decisori pubblici, per la gestione ottimizzata di Smart City nell’ambito del turismo tramite una piattaforma software, in cui i dati alimentano cruscotti dinamici di visualizzazione. Per alimentare la piattaforma di informazioni utili:

3 of 24

Telecamere pedonali

Telecamere veicolari

1

2

4

3

9

8

7

6

5

4 of 24

RICEVENDO I DATI DI MONITORAGGIO, HO COMPRESO L’IMPORTANZA DELLA QUALITÀ DEI DATI, CONFERMANDO CHE:

5 of 24

PROBLEMATICHE CHE POSSONO COMPROMETTERE I RISULTATI E L’AFFIDABILITÀ ALLE DECISIONI:

BIAS DATI:

- Dati che riflettono distorsioni e influenzano l’analisi in modo non rappresentativo della realtà

VALIDITA’ DEI RISULTATI:

- Conoscenza approfondita del contesto necessaria

- Conoscenza delle limitazioni dei dati disponibili, delle tecniche usate e dei dispositivi di monitoraggio

INTERPRETAZIONE DEI RISULTATI:

- Complessa e non sempre deduttiva

PROBLEMI DEI DISPOSITIVI:

-Vandalizzazione

- Interruzione corrente

- Hackeraggio

- Spostamento da parte di terzi

- Problemi di sistema (softwere)

QUALITA’ DEI DATI:

- Dati incompleti

- Dati inesatti

- Dati non aggiornati

6 of 24

DUNQUE, È NECESSARIO:

1

2

4

3

9

8

7

6

5

Conoscere il contesto per interpretarlo

Conoscere i dispositivi di monitoraggio

Conoscere il luogo, le abitudini, gli eventi e i servizi.

Scuola

Rocca Sforzesca ed Enoteca regionale

Ingresso pedonale est

Ingresso pedonale ovest

Parcheggio principale

Campo sportivo adibito a parcheggio nei fine settimana

7 of 24

Approccio iniziale dell’analisi:

Scelta degli strumenti per l’analisi dei dati (Python)

Importazione dei dati

Creazione e organizzazione del dataset

Preprocesing e data cleaning: identificazione, correzione e rimozione degli errori, valutazione di inconsistenze e anomalie

8 of 24

Analisi oraria

  • Grafico dei dati grezzi (orari) veicolari del parcheggio nei pressi della scuola

Influenza delle scuole. Nei mesi estivi si ha una diminuzione netta del flusso veicolare.

9 of 24

Analisi oraria

  • Confronto tra due telecamere veicolari

Parcheggio principale del Borgo. Il weekend si distingue dall’andamento settimanale.

Parcheggio nei pressi della scuola. Il weekend non si distingue dall’andamento della settimana se non per i picchi orari che sono differenti.

Interpolazione

10 of 24

Analisi giornaliera

  • Per avere una visione più chiara e generica è stata fatta un’analisi giornaliera. Dunque, dai dati orari, sono stati sommati tutti i valori orari (passeggeri/veicoli) con la stessa data per ottenere i valori di un giorno.
  • I giorni mancanti sono stati ricercati e aggiunti al dataset tramite una funzione creata in python

?

11 of 24

Problematiche riscontrate dall’analisi giornaliera

Giorni mancanti per:

Vandalizzazione telecamera

Salto dei conteggi

Differenza % tra ingressi e uscite notevole

12 of 24

Studio della differenza % tra ingressi e uscite

Mesi 

Veicoli in entrata tot

Veicoli in uscita tot

Differ. % flusso veicolare totale

Veicoli in entrata fontana

(fronte + retro)

Veicoli in uscita fontana (fronte+retro)

Differ. % flusso veicolare fontana

Veicoli in entrata fronte fontana

Veicoli in uscita frontefontana 

Differ. % flusso veicolare fronte fontana

Veicoli in entrata retro fontana

Veicoli in uscita retro fontana 

Differ. % flusso veicolare  retro fontana

Veicoli in entrata scuole

Veicoli in uscita scuole

Differ. % flusso veicolare scuole

Marzo 

15185

12676

-17%

6853

5821

-15%

4438

4233

-5%

2415

1588

-34%

8332

6855

-17%

Aprile 

20539

17019

-17%

12181

9693

-20%

7276

6659

-8%

4905

3034

-38%

8358

7326

-12%

Maggio 

16532

13921

-16%

8877

7334

-17%

5648

5262

-7%

3229

2072

-36%

7655

6587

-13%

Giugno 

14490

12000

-17%

8462

6933

-18%

5566

5015

-10%

2896

1918

-34%

5987

5067

-15%

Mesi 

Pedoni in entrata

Pedoni in uscita

Differ. % flusso pedonale totale

Pedoni in entrata Arcoribelilno

Pedoni in uscita Arcoribellino

Differenza % flusso pedonale Arcoribellino

Pedoni in entrata Piazza Rocca

Pedoni in uscita Piazza Rocca

Differenza % flusso pedonale Piazza Rocca

Marzo 

22407

24718

10%

15052

15827

5%

9355

8891

-5%

Aprile 

32900

30971

-6%

20315

20885

2%

12585

10086

-20%

Maggio 

27163

23755

-13%

15536

16261

5%

11627

7494

-36%

Giugno 

26486

27769

5%

14887

15434

4%

11599

12335

6%

13 of 24

Operazione «Sentinella» e calcolo degli errori

RISULTATI:

​

  • doppio conteggio di veicoli quando ne passa uno (es. telecamere vedono entrambe le corsie in Piazza Fontana retro. telecamera puntata male?). Quindi sovrastima che potrebbe arrivare teoricamente ad un fattore 2. Oppure passa un veicolo e viene letto da 2 telecamere. mancato rilevamento di veicoli. Sottostima.

​

  • mancato rilevamento di pedoni (se passano al lato della strada, bambini, se sono incappucciati (?)), ecc. Sottostima

​

14 of 24

Calcolo errore veicoli Piazza Fontana retro e correzioni

Fing=a*Ving+bVusc

​

Fusc=d*Vusc+cVing

​

a=1.30

b=0.85

c=0

d=0.95

​

I parametri a,b,c,d tengono conto dei vari errori (doppie letture, scambi tra uscite e entrate, ecc.).

Mesi 

Veicoli in entrata fontana

(fronte + retro)

REGISTRATI

Veicoli in uscita fontana (fronte+retro)

REGISTRATI

Differ. % flusso veicolare fontana

REGISTRATI

Veicoli in entrata fontana

(fronte + retro)

CORRETTI

Veicoli in uscita fontana (fronte+retro)

CORRETTI

Differ. % flusso veicolare fontana

CORRETTI

Marzo 

6853

5821

-15%

5184

  5905

14%

Aprile 

12181

9693

-20%

8861

  9852 

11%

Maggio 

8877

7334

-17%

6795

7443

10%

Giugno 

8462

6933

-18%

6467 

7034

9%

15 of 24

Calcolo errore pedoni Piazza Rocca ingresso e uscita e correzioni

INGRESSO = Periodo lungo di dati mancanti. Sono stati sostituiti considerando il rapporto tra gli ingressi pedonali di Piazza Rocca e veicolari di Piazza Fontana (pari circa a 2.5). Inoltre, l’errore calcolato per la sottostima degli ingressi è pari a1.6

​

​

​

USCITA = L’errore calcolato per la sottostima degli ingressi è pari a1.4

16 of 24

Correzione e correlazione con gli eventi

24 giornate con passaggi pedonali in ingresso maggiori di 2500 (calcolati in un anno), distribuite nei mesi in maniera differente

17 of 24

Correzione e correlazione con gli eventi

​

​

​

Su un anno di analisi (marzo 2022 – febbraio 2023):

​

  • L’andamento settimanale, che si ripete crescendo il sabato fino ad un picco la domenica, per poi crollare durante la settimana.

​

  • I picchi sono quasi tutti in corrispondenza dei fine settimana (sabato e domenica), salvo qualche eccezione, dovuta anche ad eventi di interesse nazionale (es. Pasquetta e Festa della Liberazione), che sono avvenuti di lunedì. 
  • Nelle domeniche durante l’anno vi sono circa 1500-3000 accessi pedonali registrati in ingresso, con una media di circa 2200 entrate e con un picco massimo attorno a 5500. 
  • I sabati registrano durante l’anno in media circa 1500 accessi, con un picco massimo di circa 2500. 
  • I giorni feriali (da lunedì a venerdì) hanno una media annuale di 640 accessi (sono stati esclusi dalla media i picchi di accesso >2000)
  • I picchi nel fine settimana sono generalmente più bassi nei mesi di luglio, agosto, dicembre.

�

18 of 24

Confronto flusso giornaliero veicolare e pedonale al Borgo

19 of 24

Indice di correlazione tra ogni telecamera

20 of 24

Confronto tra due anni (2022-2023) flusso giornaliero totale pedonale e veicolare al Borgo

21 of 24

Confronto tra due anni (2022-2023) flusso mensile pedonale totale al Borgo

22 of 24

Conclusioni sulla qualità dei dati

  • La validità dei dati va analizzata di continuo con l’arrivo di nuovi dati e informazioni
  • Con dei dati corretti e affidabili è più semplice analizzare i risultati di una analisi di fenomeni già complessi come il flusso turistico
  • Dei dati completi e affidabili riducono la mole di lavoro e la probabilità di errori nelle fasi di correzioni

​

23 of 24

Conclusioni sull’analisi dati del caso studio di Dozza:

  • È stato possibile quantificare i flussi
  • È stato possibile studiare gli andamenti orari, settimanali, stagionali (mensili) quantificandoli
  • È stato possibile confrontare finora 2 anni di dati pedonali e veicolare
  • Con l’aumento della quantità di dati sarà possibile fare analisi previsionali di flussi in arrivo con conseguente possibilità di gestione e programmazione dei servizi

​

​

​

Terminato il progetto Poliseye, il lo studio sul caso di Dozza è entrato a far parte di 2 importanti progetti: S4C (Support System for Sustainable Smart Cities) ed Ecosist-ER(PNRR)

24 of 24

GRAZIE PER L’ATTENZIONE