Come i dati delle chiamate cellulari possono migliorare le previsioni della domanda di trasporto?

Uno studio recente ha dimostrato che i dati anonimi delle chiamate cellulari (CDR) possono essere integrati nel modello tradizionale a quattro fasi per prevedere meglio gli spostamenti urbani. I ricercatori hanno individuato i luoghi dove le persone sostano più a lungo, ricostruendo così i loro spostamenti individuali. Questi dati sono stati poi aggregati per zona e confrontati con un grande sondaggio sulle famiglie effettuato in Sri Lanka. Il risultato mostra una forte corrispondenza tra le stime basate sui CDR e quelle ottenute con i metodi convenzionali. Questo approccio permette di ottenere matrici origine‑destinazione e di assegnare le rotte in modo più preciso, riducendo costi e tempi rispetto alle indagini tradizionali. L'uso di dati già raccolti per la fatturazione telefonica si rivela quindi una risorsa scalabile ed economica per la pianificazione della mobilità urbana.

L'integrazione dei dati CDR nel modello a quattro fasi rappresenta un passo avanti nella mobilità basata sui dati. Il metodo stay‑based si basa sull'identificazione di punti di sosta prolungata derivanti da sequenze di celle telefoniche, che fungono da proxy per attività come lavoro, scuola o tempo libero. Queste soste vengono poi collegate per creare catene di spostamenti individuali, che vengono successivamente espanse a livello di zona tramite fattori di espansione demografica. La validazione contro il sondaggio domestico dello Sri Lanka, che ha coinvolto oltre 20 000 famiglie, ha mostrato un indice di correlazione di Pearson superiore a 0,85 per le matrici origine‑destinazione. Oltre alla precisione, il vantaggio principale risiede nella disponibilità temporale ad alta frequenza (oraria) dei CDR, che permette di catturare variazioni della domanda legate a eventi speciali, condizioni meteorologiche o scioperi, qualcosa di difficile da ottenere con indagini periodiche. Tuttavia, esistono limitazioni: i CDR non catturano gli spostamenti a piedi o in bicicletta quando non vi è interazione con la rete cellulare, e la precisione dipende dalla densità delle celle. Future ricerche potrebbero combinare i CDR con dati di GPS o di bigliettazione elettronica per colmare queste lacune, creando un ecosistema di dati multimodale ancora più robusto per la pianificazione dei trasporti.