Il traffico a Torino durante il lockdown

Negli ultimi mesi il lockdown imposto dall’epidemia di COVID-19 ha causato una drastica diminuzione dei livelli di traffico sul territorio nazionale. L’obiettivo di questo post è di quantificare la diminuzione della domanda di mobilità della città di Torino, a partire dagli open-data pubblicati in tempo reale da 5T.

Dai risultati della nostra analisi emerge che a fronte di una forte riduzione nei mesi di marzo e aprile (pari al 70-75% per i giorni lavorativi e 90% per i giorni festivi), si osserva una graduale ripresa nel mese di maggio, ma nei primi giorni del mese di giugno il flusso di veicoli non è ancora ritornato ai livelli pre-lockdown.

 

I flussi di veicoli

I flussi di veicoli nelle strade di Torino sono monitorati da diversi sensori, e alcuni di essi sono forniti in tempo reale come open data da 5T (vi rimandiamo a questo nostro post per ulteriori dettagli). Nell’immagine seguente rappresentiamo l’evoluzione dei flussi mediani giornalieri sulle strade di Torino da Febbraio 2020 ad oggi. I dati disponibili si riferiscono ai flussi totali di veicoli in diverse strade della città, e pertanto non è possibile distinguere le automobili (che solitamente rappresentano la quasi totalità dei flussi) dagli altri tipi di veicoli, come veicoli commerciali o autobus. Abbiamo deciso di considerare l’informazione quantitativa del flusso di veicoli, e non solo una riduzione percentuale, ma è importante ricordare che essa si riferisce solamente alle strade per cui è disponibile una misurazione.

Dal grafico si osserva la riduzione significativa di marzo e aprile, e il graduale aumento a partire da maggio, ma i valori dei mesi precedenti al lockdown non sono ancora stati raggiunti. Emerge chiaramente la differenza tra giorni lavorativi e festivi: oltre ai sabati e alle domeniche si notano i flussi minori relativi al lunedì di Pasquetta (13 aprile), al 1° maggio ed al 2 giugno (e la parziale riduzione relativa a sabato 25 aprile).

Il notevole dettaglio temporale dei dati, aggiornati ogni 5 minuti, ci permette di analizzare anche i profili di domanda giornalieri. I due grafici seguenti rappresentano il flusso mediano di veicoli nei mesi di lockdown, confrontati con il profilo medio pre-lockdown (indicato come “baseline”). Il profilo di baseline è stato calcolato come media nei diversi mesi dell’anno da gennaio 2019 (escludendo i mesi di luglio, agosto e dicembre, per cui le ferie modificano in modo significativo i profili di traffico). Il profilo del mese di marzo parte dall’11 marzo, data di inizio del lockdown, e abbiamo deciso di rappresentare comunque il mese di giugno anche se il numero di giorni è molto limitato (solo per i primi 4 giorni del mese).

Nei giorni lavorativi si osserva che la caratteristica forma ad “M”, causata dagli spostamenti per motivi lavorativi al mattino e alla sera, è stata molto ridotta nei mesi di marzo e aprile, e si è parzialmente ripresa negli ultimi mesi. In generale, i profili orari nei giorni lavorativi si sono ridotti del 74% e del 70% nei mesi di marzo e aprile rispetto alla baseline, e del 40% e 34% nei mesi di maggio e giugno.

Il grafico seguente rappresenta invece il profilo tipico dei giorni festivi, che includono le domeniche e le altre feste nazionali.

Rispetto al grafico precedente, osserviamo che a marzo e aprile la mobilità nei giorni festivi si è quasi azzerata rispetto alla baseline, a causa del fatto che in quel periodo erano permessi solamente spostamenti per motivi lavorativi o in casi di emergenza. Dal mese di maggio si osserva invece un graduale aumento, con una forma del profilo simile a quella osservata prima del lock-down. I profili orari nei giorni festivi si sono ridotti del 90% e dell’89% nei mesi di marzo e aprile rispetto alla baseline, e del 57% e 31% nei mesi di maggio e giugno (in questo ultimo caso gli unici dati disponibili sono relativi al 2 giugno, Festa della Repubblica).

 

L’utilizzo dei parcheggi (coperti)

Un’altra informazione che può essere utilizzata per stimare i flussi di traffico è l’utilizzo dei parcheggi. Come per i flussi veicolari descritti in precedenza, 5T fornisce informazioni in tempo reale sull’occupazione dei parcheggi in struttura nella città di Torino. Nella figura seguente abbiamo riportato il fattore di riempimento medio giornaliero, calcolato come la media del rapporto tra posti occupati e posti totali disponibili nell’arco della giornata. I risultati del grafico sono stati calcolati considerando quattro parcheggi in centro a Torino (Piazza Bodoni, Porta Nuova, Porta Palazzo e Via Roma/Piazza San Carlo), che rappresentano insieme circa 2.200 posti auto disponibili.

Anche in questo caso si osserva la diminuzione significativa durante il periodo di lockdown, anche se minore rispetto ai dati di flussi di veicoli, e la progressiva ripresa nelle ultime settimane, senza aver ancora raggiunto i livelli di occupazione precedenti.

 

Confronto con dati pubblicati da altre fonti

I dati che abbiamo analizzato possono essere confrontati con gli andamenti del traffico pubblicati da altre fonti. Nella figura seguente rappresentiamo i flussi giornalieri calcolati dagli opendata 5T rispetto ai dati pubblicati da Apple, Infoblu/Octo Telematics e TomTom. Osserviamo che gli andamenti sono abbastanza simili, anche se con qualche differenza riguardo alle ampiezze. In tutti i casi i flussi di traffico di inizio giugno si assestano intorno all’80% rispetto ai flussi normali pre-lockdown.

Le differenze possono essere causate da diversi fattori, tra cui la metodologia di misura o stima dei volumi di traffico e la scelta del valore di flussi normali preso come riferimento. Sintetizziamo le ipotesi principali assunte dalle diverse fonti, rimandando ai relativi siti web per ulteriori approfondimenti.

Come spiegato in precedenza, i risultati di questa analisi sono basati sui valori mediani di un gruppo di 80 sensori di traffico gestiti da 5T, che forniscono una rappresentazione abbastanza accurata del flusso di veicoli nella città di Torino. I risultati di questo grafico sono stati ottenuti come variazione rispetto al flusso medio dei mesi di gennaio e febbraio.

I risultati giornalieri pubblicati da Apple sono stimati a partire dalle richieste di calcolo percorso effettuate dagli utenti nelle diverse giornate rispetto ad una data utilizzata come riferimento (13 gennaio 2020). Pertanto, essi non sono una misura diretta dello spostamento degli utenti (considerando ad esempio i segnali GPS forniti dagli smartphone), ma possono includere richieste da parte di utenti che non hanno effettivamente viaggiato, e non includono utenti che hanno viaggiato senza utilizzare i servizi di navigazione.

I dati pubblicati da TomTom, che hanno dettaglio settimanale, forniscono una misura dei viaggi giornalieri all’interno della città di Torino rispetto alla media dei viaggi del mese di gennaio. In questo caso vengono considerati i dati di viaggi reali (anonimizzati) degli utenti che utilizzano il servizio, che pertanto rappresentano solo una parte di tutti i flussi di veicoli in un territorio.

I dati giornalieri pubblicati dal Mobility Data Lab di Infoblu e Octo Telematics, contrariamente ai precedenti, non si riferiscono alla città di Torino ma alla regione Piemonte. Abbiamo deciso di considerarli in quanto essi provengono da dispositivi telematici di bordo di milioni di veicoli, che pertanto rappresentano una misura significativa degli spostamenti reali sul territorio.

Le analisi presentate in questo articolo sono state effettuate grazie al linguaggio di analisi statistica R, grazie agli strumenti forniti dal pacchetto tidyverse.