A Generic Betweenness Centrality-Based Approach for Urban Street Network Reallocation to Mitigate Climate Change Impacts
Questo studio propone un framework generico e basato sui dati che utilizza algoritmi di centralità di edge betweenness per riallocare le reti stradali urbane ai fini della mitigazione del cambiamento climatico, bilanciando efficacemente l'ottimizzazione dello spazio per le infrastrutture verdi con la ridistribuzione del traffico verso le zone periferiche attraverso diverse reti cittadine.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Le città respirano con più affanno rispetto al passato. Mentre le temperature globali aumentano, il cemento e l'asfalto che ricoprono i nostri paesaggi urbani intrappolano il calore, creando "isole di calore urbano" dove le temperature possono salire significativamente rispetto alla campagna circostante. Questo calore intrappolato, combinato con l'enorme volume di veicoli, rende le città sempre più scomode e pericolose durante gli eventi meteorologici estremi. Con più di quattro miliardi di persone che ora vivono in aree urbane, la pressione per adattarsi è in aumento. Uno dei modi più promettenti per raffreddare una città è trasformare le sue superfici dure in spazi verdi, ma trovare spazio per nuovi parchi o viali alberati è difficile quando ogni centimetro di terreno è già occupato da edifici, strade o infrastrutture.
La soluzione, suggeriscono i ricercatori, potrebbe risiedere nelle strade stesse. In molte città, la rete di strade e corsie occupa tra il 20 e il 30 percento della superficie urbana totale. Se anche solo una frazione di questo spazio potesse essere recuperata per la vegetazione o la mobilità attiva come il camminare e il ciclismo, si potrebbero abbassare significativamente le temperature e migliorare la qualità dell'aria. Tuttavia, chiudere semplicemente le strade è rischioso; può paralizzare una città, lasciando i quartieri isolati o costringendo il traffico in caotici colli di bottiglia. La sfida è trovare un modo per rimuovere le corsie senza interrompere la connettività della città. È qui che entra in gioco il lavoro di Supharoek Chattanachot e dei suoi colleghi dell'Università di Le Havre Normandy e dell'Università del Lussemburgo. Hanno sviluppato un metodo per identificare esattamente quali strade possono essere riconvertite in sicurezza, utilizzando un concetto matematico chiamato "betweenness centrality" (centralità di intermediazione) per mappare il flusso della città senza dover conoscere i modelli di traffico specifici di ogni singolo conducente.
I ricercatori hanno affrontato il problema trattando la rete stradale della città come una gigantesca mappa di connessioni, dove ogni incrocio è un punto e ogni corsia è una linea che li connette. Si sono concentrati su una proprietà specifica di queste linee: quanto spesso un particolare segmento stradale viene utilizzato come scorciatoia tra altri due punti. Nel loro modello, una strada con un punteggio elevato su questa misura è un'arteria critica, una rotta su cui molte persone fanno affidamento per spostarsi rapidamente da A a B. Una strada con un punteggio basso è più un connettore locale, usato meno frequentemente per viaggi a lunga distanza. Il team si è reso conto che analizzando questi punteggi, potevano prendere due tipi di decisioni molto diverse su come rimodellare una città.
Il primo approccio testato era progettato per massimizzare la quantità di spazio che poteva essere liberato mantenendo i tempi di percorrenza il più brevi possibile. Hanno applicato un algoritmo che cercava le strade con i punteggi più bassi — quelle meno essenziali per il flusso complessivo della rete. Rimuovendo sistematicamente queste corsie a bassa priorità e convertendole in spazi verdi o zone pedonali, hanno scoperto che era possibile recuperare una quantità enorme di spazio stradale. Nei test effettuati utilizzando dati stradali reali di 48 diverse città in tutto il mondo, il metodo ha dimostrato che, nella maggior parte dei casi, più del 95 percento delle corsie a doppio senso poteva essere rimosso o convertito senza disconnettere la città. Il risultato è stato una rete che rimaneva pienamente connessa, con un aumento solo lieve della distanza totale che le persone dovevano percorrere. Ciò suggerisce che le città hanno molta più capacità stradale "di riserva" di quanto credano, una capacità che può essere riutilizzata senza causare ingorghi.
Il secondo approccio seguiva un obiettivo diverso: invece di risparmiare solo spazio, i ricercatori volevano allontanare la congestione del traffico dai centri caldi e affollati e spingerla verso le periferie meno dense e più fresche. In molte città, il centro è la parte più calda, che soffre maggiormente l'effetto isola di calore, ed è anche dove si concentra il maggior traffico. Il team ha ipotizzato che, se fossero riusciti a identificare le rotte più trafficate e centrali e a rimuoverle, il traffico sarebbe stato naturalmente costretto a deviare verso la periferia. Per farlo, hanno utilizzato un algoritmo che mirava alle strade con i punteggi più alti — le arterie più critiche. Rimuovendo queste corsie ad alto traffico dal centro della città, il flusso del traffico veniva efficacemente ridistribuito verso i margini della città.
I risultati di questa seconda strategia sono stati sorprendenti. Quando hanno applicato questo metodo alla città di Troyes, in Francia, ad esempio, il cluster delle strade più importanti e trafficate si è spostato visibilmente lontano dal centro città. I ricercatori hanno sviluppato nuovi modi per misurare questo spostamento, calcolando quanto si fosse spostato il "centro di gravità" delle strade più trafficate e quanto il traffico fosse diventato più diffuso. Nella maggior parte delle 48 città testate, l'algoritmo ha spostato con successo i carichi di traffico più pesanti lontano dal nucleo centrale, potenzialmente raffreddando le aree del centro riducendo il numero di auto in sosta e liberando spazio per alberi e piante. Tuttavia, lo studio ha anche osservato che questo non funzionava perfettamente per ogni città; in luoghi con layout molto specifici e concentrati, il traffico finiva talvolta per concentrarsi in nuovi punti imprevisti, dimostrando che non esiste una regola unica adatta a ogni forma urbana.
I ricercatori sottolineano con cautela che il loro lavoro è una guida teorica, non un progetto finale di costruzione. Riconoscono che la pianificazione urbana nel mondo reale coinvolge fattori che i loro modelli informatici non possono vedere, come monumenti storici, leggi locali o le esigenze specifiche di un quartiere. Una strada potrebbe essere matematicamente "rimovibile", ma politicamente o culturalmente intoccabile. Ciononostante, lo studio fornisce un punto di partenza potente per i pianificatori. Offre un modo basato sui dati per chiedersi: "E se chiudessimo questa strada?" e ottenere una risposta immediata su come reagirebbe il resto della città. Utilizzando questi algoritmi, i funzionari cittadini possono identificare quali corsie sono veramente sacrificabili e quali sono vitali, permettendo loro di prendere decisioni informate su dove piantare alberi, costruire piste ciclabili o creare parchi.
In definitiva, il documento suggerisce che la lotta contro il cambiamento climatico nelle città non richiede sempre la costruzione di nuove infrastrutture o la ricerca di terreni vuoti. A volte, la soluzione è già lì, nascosta nella griglia esistente di asfalto. Comprendendo la logica nascosta del movimento di una città, i pianificatori possono guidare delicatamente il flusso del traffico, reclamando spazio per la natura e raffreddando l'ambiente urbano. Lo studio conferma che, con gli strumenti giusti, le città possono essere rimodellate per essere più resilienti e vivibili, trasformando proprio le strade che contribuiscono al problema del calore nella soluzione per un futuro più fresco.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.