Excess demand in public transportation systems: The case of Pittsburgh's Port Authority

Questo studio presenta un framework basato su un modello di regressione di Poisson per stimare la domanda eccedente nei sistemi di trasporto pubblico, superando il problema dei dati censurati che sottostimano la domanda reale, e applica tale metodo ai dati dell'autorità dei trasporti di Pittsburgh.

L'essenziale

Immagina di essere in una città molto affollata, come Pittsburgh, e di dover prendere l'autobus per andare al lavoro. Ti avvicini alla fermata, ma quando l'autobus arriva, è così pieno che il conducente non può aprire le porte per farti salire. Devi aspettare il prossimo. Questo è il problema centrale che gli autori di questo studio hanno voluto risolvere: come misurare la gente che "rimane a terra" perché l'autobus è pieno?

Ecco una spiegazione semplice di come hanno fatto, usando qualche metafora creativa.

1. Il Problema: Il "Fantasma" dei Passeggeri

Immagina che i dati sugli autobus siano come un contapassi che conta solo i passi fatti, ma non quelli che hai voluto fare ma non hai potuto.
I sistemi di autobus moderni sono molto intelligenti: contano quante persone salgono e quante ne scendono. Ma c'è un grande limite: non contano le persone che sono rimaste alla fermata.
Se un autobus arriva pieno e nessuno sale perché non c'è posto, il sistema registra "0 persone salite".

• La trappola: Il computer pensa: "Oh, oggi alla fermata X non c'era nessuno che voleva salire".
• La realtà: C'erano 20 persone, ma l'autobus era già strapieno!
  Se non correggiamo questo errore, pensiamo che la gente non usi più l'autobus, quando in realtà l'autobus è solo troppo piccolo per la domanda.

2. La Soluzione: Il Detective dell'Autobus

Gli autori hanno creato un "detective" (un algoritmo) per capire quando l'autobus è pieno e sta lasciando la gente a terra.
Hanno guardato due cose:

1. Quante persone c'erano sull'autobus quando è arrivato? (Era già al limite?)
2. Quante persone sono salite? (Se l'autobus era pieno e nessuno è salito, o ne sono salite pochissime, è un campanello d'allarme).

È come se guardassi una porta di un ascensore: se l'ascensore è già al massimo della capacità e la porta si chiude senza che nessuno entri, sai che c'era qualcuno che voleva entrare ma non ci è riuscito.

3. L'Esperimento Virtuale: La Simulazione

Prima di guardare i dati veri, hanno creato un mondo virtuale (una simulazione al computer) dove conoscevano la verità assoluta.
Hanno creato autobus fittizi e hanno visto cosa succedeva se:

• Ignoravano il problema: Addestravano il computer con tutti i dati, inclusi quelli "falsi" (quando l'autobus era pieno ma il sistema diceva "nessuno"). Risultato? Il computer imparava male e sottostimava il problema.
• Usavano il Detective: Rimuovevano i dati "falsi" (i momenti in cui l'autobus era pieno) prima di addestrare il computer. Risultato? Il computer diventava molto più bravo a prevedere quante persone avrebbero voluto salire.

È come se un allenatore di calcio volesse insegnare ai giocatori a calciare in porta. Se gli mostra solo le reti segnate, impara bene. Se gli mostra anche i tiri sbagliati che sono stati bloccati dal portiere avversario (senza dirgli che era colpa del portiere), impara male. Gli autori hanno detto: "Togliamo i tiri bloccati dal portiere prima di insegnare a calciare".

4. I Risultati Reali: Cosa è successo a Pittsburgh?

Hanno applicato questo metodo ai dati reali dell'autorità dei trasporti di Pittsburgh (Port Authority) per un anno intero.
Ecco cosa hanno scoperto:

• La media: In media, circa l'1% di tutti i passeggeri viene lasciato alla fermata perché l'autobus è pieno. Sembra poco, ma è un numero reale di persone.
• L'ora di punta: Durante le ore di massimo traffico (quando tutti vanno al lavoro o a scuola), questo numero sale fino all'8%. Immagina che su 100 persone che vogliono salire, 8 rimangano a terra.
• Le stagioni: Il problema peggiora in autunno (quando gli studenti tornano a scuola) e migliora in estate o a dicembre (quando le università sono chiuse).

5. Perché è importante?

Questo studio non serve solo a contare le persone, ma a capire la fiducia nel sistema.
Se le persone si stancano di rimanere alla fermata perché gli autobus sono sempre pieni, smetteranno di prendere l'autobus. Questo crea un circolo vizioso: meno gente usa l'autobus -> l'autorità pensa che non serva -> mette meno autobus -> la gente rimane ancora più a terra.

In sintesi:
Gli autori hanno creato un modo intelligente per "vedere l'invisibile". Hanno insegnato ai computer a non farsi ingannare dai dati vuoti quando l'autobus è pieno, permettendo così alle città di capire davvero quanto la gente ha bisogno di più autobus, specialmente nelle ore di punta. È come avere una lente d'ingrandimento per vedere le persone che il sistema ufficiale non riesce a contare.

Sommario tecnico

Ecco una sintesi tecnica dettagliata del documento "Excess demand in public transportation systems: The case of Pittsburgh's Port Authority", strutturata secondo le sezioni richieste.

1. Il Problema: La Domanda in Eccesso e la Censura dei Dati

Il lavoro affronta un problema critico nei sistemi di trasporto pubblico: la domanda in eccesso (excess demand), definita come la richiesta di passeggeri che non può essere soddisfatta perché il veicolo è già a piena capacità.

• Impatto: Se la capacità del sistema non è sufficiente a soddisfare tutti i passeggeri, l'affidabilità percepita diminuisce, innescando un ciclo vizioso che porta a un calo dell'utenza.
• La Sfida dei Dati: Quantificare questa domanda in eccesso è estremamente difficile. I dati tradizionali dei sistemi di autobus (come quelli della Port Authority di Pittsburgh - PPA) registrano solo il numero di passeggeri che salgono effettivamente sul bus. Non registrano coloro che rimangono alla fermata perché il bus è pieno.
• Il Bias di Censura: Un'osservazione di "zero passeggeri saliti" non significa necessariamente "zero domanda". Potrebbe significare che c'era domanda, ma il bus era saturo. Se questi dati censurati vengono utilizzati per addestrare modelli di previsione della domanda, si ottiene una sottostima sistematica della domanda reale e, di conseguenza, dell'eccesso di domanda.

2. Metodologia

Gli autori propongono un framework in due fasi per stimare la domanda in eccesso, utilizzando dati reali della PPA e dati simulati per la validazione.

A. Rilevamento delle Istanze di Domanda in Eccesso

Poiché non esiste un "ground truth" diretto nei dati reali su chi è rimasto a terra, gli autori sviluppano un meccanismo di classificazione binaria per identificare le potenziali istanze di domanda in eccesso:

• Logica di Rilevamento: Un'istanza è classificata come potenziale domanda in eccesso se il bus arriva alla fermata con il carico (LOAD) già alla capacità e nessun passeggero (o un numero inferiore al potenziale) sale.
• Gestione degli Errori: Il sistema riconosce la possibilità di falsi positivi (bus pieno ma nessuno in attesa) e falsi negativi (autista che lascia salire qualcuno nonostante il bus sia tecnicamente pieno). Tuttavia, l'obiettivo non è la classificazione perfetta, ma l'identificazione sufficiente per filtrare i dati di addestramento.

B. Simulazione e Validazione

Prima di applicare il modello ai dati reali, gli autori utilizzano dati simulati (processo di Poisson non omogeneo) per dimostrare l'efficacia del loro approccio:

• Scenari di Addestramento: Confrontano tre modelli:
  1. Addestrato su tutti i dati (inclusi quelli censurati).
  2. Addestrato su tutti i dati tranne le istanze di domanda in eccesso rilevate (filtraggio).
  3. Addestrato solo sui dati "veri" (ground truth simulato).
• Risultato della Simulazione: Il modello che include i dati censurati (senza filtraggio) sottostima drasticamente la domanda, specialmente durante le ore di punta, perché associa erroneamente l'orario di punta a un basso numero di salite (dovuto alla saturazione). Il filtraggio delle istze rilevate elimina questo bias.

C. Selezione del Modello sui Dati Reali

Sui dati reali della PPA (anno 2018, 98 linee, 6102 fermate), gli autori confrontano quattro modelli di regressione per i dati di conteggio:

1. Regressione di Poisson.
2. Regressione Binomiale Negativa (per sovradispersione).
3. Regressione di Poisson a Inflazione di Zeri (Zero-inflated).
4. Modello Gerarchico.

Variabili Indipendenti: Tempo di arrivo, intervallo inter-corrente reale, intervallo inter-corrente programmato, e carico locale (passeggeri saliti nelle ultime 3 fermate).
Strategia: I dati vengono filtrati rimuovendo le istanze di domanda in eccesso rilevate (insieme $I_E$) durante la fase di addestramento. Vengono costruiti modelli separati per ogni mese e per ogni combinazione fermata/linea.

3. Contributi Chiave

1. Framework di Stima: Sviluppo di un metodo sistematico per stimare la domanda in eccesso in assenza di dati diretti sui passeggeri lasciati a terra.
2. Identificazione del Bias: Dimostrazione empirica e tramite simulazione che l'inclusione di dati censurati (bus pieni con zero salite) nei modelli di domanda porta a una sottostima significativa della domanda reale.
3. Metodologia di Filtraggio: Proposta di una tecnica di pre-elaborazione dei dati che identifica e rimuove le istanze di saturazione prima dell'addestramento del modello, migliorando la precisione predittiva.
4. Analisi Spazio-Temporale: Identificazione che gli orari di punta e i livelli di saturazione variano notevolmente non solo per linea, ma anche per specifica fermata e direzione (inbound/outbound), sfidando le definizioni tradizionali di "ora di punta".

4. Risultati Principali

Applicando il modello di regressione di Poisson (che ha mostrato le prestazioni migliori in termini di RMSE rispetto agli altri modelli testati) ai dati della PPA:

• Stima Annuale: Su un periodo di un anno, per le 10 linee più trafficate, circa l'1% del totale dei passeggeri viene lasciato alla fermata a causa della saturazione del bus.
• Stima nelle Ore di Punta: Se si focalizza l'analisi esclusivamente sulle ore di punta, la percentuale di passeggeri lasciati indietro sale fino all'8% del totale dei passeggeri in quel lasso di tempo.
• Stagionalità: La domanda in eccesso mostra una forte stagionalità, con picchi nei mesi autunnali (rientro degli studenti universitari) e minimi in estate e dicembre.
• Eterogeneità: La probabilità di sovraccarico varia drasticamente tra le diverse fermate; alcune fermate specifiche possono avere tassi di saturazione del 35% durante le ore di punta, anche se la media della linea è molto più bassa.

5. Significato e Implicazioni

• Per gli Operatori: Questo framework fornisce agli enti di trasporto (come la PPA) uno strumento per monitorare la capacità del sistema senza dover installare costose infrastrutture di conteggio a terra (es. sensori IoT o telecamere). Consente di identificare dove e quando è necessario aumentare la frequenza o la capacità dei veicoli.
• Per la Ricerca: Il lavoro evidenzia l'importanza di trattare i dati di trasporto come "censurati" quando si analizza la domanda. Ignorare questo aspetto porta a modelli di pianificazione distorti.
• Generalizzabilità: Sebbene i numeri specifici siano legati a Pittsburgh, il metodo è generico e può essere applicato ad altri sistemi di trasporto pubblico che dispongono di dati di carico e salita, purché si proceda con una selezione del modello appropriata per il contesto locale.

In sintesi, lo studio dimostra che è possibile quantificare l'invisibile (i passeggeri che non riescono a salire) utilizzando dati esistenti e tecniche di modellazione statistica avanzate, fornendo una base solida per migliorare l'affidabilità e la pianificazione dei trasporti pubblici.