Salta al contenuto principale
Articolo
100%
HD

Quando pensiamo alle famiglie senza auto, spesso immaginiamo persone che camminano o prendono l’autobus per tutto. La ricerca appena pubblicata sfata questo stereotipo: i “Zero‑Vehicle Households” (ZVH) sono in realtà tre gruppi ben distinti. Il primo, chiamato “shared mobility errand workers” (36 % dei casi), usa soprattutto i mezzi pubblici e le app di ride‑hailing per andare al lavoro o per commissioni quotidiane. Il secondo, i “car‑based shoppers” (30 %), non possiedono un’auto ma ne hanno accesso informale – amici, familiari o car‑sharing – per viaggi più lunghi, come gite fuori porta o spese importanti, combinandoli con camminate o bici. Il terzo gruppo, gli “active shoppers” (34 %), preferisce camminare o pedalare per fare la spesa nei negozi di quartiere.

Queste differenze emergono grazie a un’analisi statistica chiamata Latent Class Cluster Analysis, che ha messo a fuoco dati su modalità di viaggio, scopi dei percorsi e variabili socio‑economiche. Il risultato è un quadro più realistico che aiuta i pianificatori urbani a progettare soluzioni su misura: più punti di ritiro per il ride‑hailing, parcheggi condivisi per chi usa auto altrui, e piste ciclabili più sicure per chi pedala. In pratica, capire le sfumature dei ZVH significa creare città più inclusive e meno dipendenti dall’auto privata.

Bonus
100%
HD

L’analisi si basa su un campione nazionale del National Household Travel Survey 2022, che raccoglie più di 30.000 viaggi giornalieri. La Latent Class Cluster Analysis (LCCA) è una tecnica di modellazione statistica che identifica sottogruppi latenti all’interno di una popolazione eterogenea, combinando variabili osservate (modalità di trasporto, scopo del viaggio) con covariate (età, reddito, densità abitativa). Il modello è stato pesato per correggere il bias di campionamento, garantendo che le classi rappresentino la popolazione reale.

Le tre classi emergenti mostrano pattern di mobilità distinti: la classe “shared mobility errand workers” ha una probabilità elevata di utilizzare servizi di ride‑hailing (Uber, Lyft) e trasporto pubblico per spostamenti di lavoro e commissioni, con una media di 2,3 viaggi al giorno. La classe “car‑based shoppers” dipende da accessi informali a veicoli, con una frequenza di 1,8 viaggi di lunga distanza (>10 km) settimanali, spesso per attività ricreative o acquisti di grandi dimensioni. Infine, gli “active shoppers” mostrano una predominanza di percorsi brevi (<2 km) a piedi o in bicicletta, con una forte correlazione con quartieri ad alta densità e presenza di negozi di prossimità.

Questi risultati hanno implicazioni per la modellazione della domanda di trasporto: le politiche di riduzione del traffico devono considerare non solo la presenza o assenza di veicoli privati, ma anche la disponibilità di servizi di mobilità condivisa e la configurazione dell’ambiente costruito. L’integrazione di dati LCCA nei modelli di previsione può migliorare la precisione delle simulazioni di traffico e supportare decisioni più mirate per la pianificazione di infrastrutture pedonali, ciclabili e di micro‑mobilità.

Chiedi all'AI

Approfondisci la notizia a colpo d'occhio con 3 spiegazioni sintetiche

Fonti

Data Pubblicazione:
Articolo Originale arxiv.org
Verifica editoriale completata il 06/01/2026 Studio Originale / Fonte Primaria
Consulta le nostre Linee Guida Editoriali & Etica AI
Licenza Creative Commons CC BY-NC-SA 4.0

Continua a esplorare

Scopri l'intero archivio di pillole scientifiche o torna alla home

Riconnessione al server... Aggiornamento della sessione in corso
Connessione interrotta Impossibile stabilire il collegamento
Sessione aggiornata Ricarica per visualizzare i contenuti