Tempi di percorrenza dei camion sulle autostrade e sui tratti in Germania basati su FCD del 2019

Perché il tempo di percorrenza dei camion è importante

Ogni ordine online, scaffale di supermercato e linea di produzione dipende dall’arrivo dei camion nei tempi previsti. Chiunque sia rimasto bloccato in un ingorgo autostradale sa però che i tempi di percorrenza possono essere estremamente imprevedibili—soprattutto per i mezzi pesanti, che sono vincolati a velocità più basse e non possono facilmente recuperare ritardi. Questo studio affronta quel problema quotidiano a livello nazionale: costruisce tempi di percorrenza dei camion dettagliati e basati sui dati per la rete autostradale tedesca, usando miliardi di spostamenti reali provenienti da veicoli connessi per rivelare quando e dove le merci sono più probabilmente soggette a ritardi.

Seguire i camion reali sulla strada

Invece di affidarsi a sensori stradali sparsi, i ricercatori utilizzano i cosiddetti floating car data—segnali inviati dai sistemi di navigazione a bordo e dalle unità di bordo che registrano posizione, tempo e velocità. Solo per il 2019, il club automobilistico tedesco ha raccolto più di 25 miliardi di questi punti dati provenienti da veicoli in transito sulle autostrade. Questi segnali grezzi sono prima collegati a una mappa digitale del sistema autostradale costruita da dati di mappatura aperti. Un motore di routing specializzato associa ogni punto GPS al tratto di strada più probabile, tenendo conto della direzione del veicolo e della struttura della rete. Questo passaggio trasforma una nuvola di punti anonimi in percorsi precisi lungo pezzi di strada lunghi 100 metri.

Separare i camion dalle automobili

Poiché i segnali provengono da molti tipi di veicoli, la sfida successiva è identificare quali siano i camion pesanti. Gli autori costruiscono un database che descrive quanto velocemente ogni veicolo anonimo viaggia tipicamente su diversi tipi di strada. Quando tracciano queste velocità, emergono due gruppi distinti: veicoli più lenti che raramente superano le velocità tipiche dei camion, e veicoli più veloci coerenti con le auto private. Piuttosto che limitarsi a dividere i dati in due gruppi, il team utilizza un metodo di clustering che crea tre gruppi basati sulla velocità. Il gruppo intermedio aggiuntivo aiuta a catturare i veicoli in condizioni miste o congestionate che altrimenti potrebbero essere erroneamente identificati come camion, sacrificando parte della dimensione del campione per ottenere dati sui camion più puliti e affidabili.

Dalle letture sparse a un quadro continuo

Anche con milioni di osservazioni, i dati non coprono ogni camion su ogni tratto di strada a ogni minuto. Per valutare quanto rappresentativo sia il campione, i ricercatori lo confrontano con le postazioni di conteggio ufficiali che registrano volumi e velocità del traffico. Riscontrano che i loro dati rappresentano in media circa il 6% dei camion, una quota sufficiente a descrivere le condizioni generali, soprattutto quando le velocità vengono mediate su più minuti. Per colmare i restanti vuoti applicano un metodo di levigatura ampiamente usato nella ricerca sul traffico che fonde le osservazioni vicine nello spazio e nel tempo. Questo produce un quadro continuo di come le velocità evolvono lungo ciascuna autostrada, rivelando, per esempio, lunghi tratti di congestione a metà giornata in cui le velocità dei camion cadono bruscamente prima di risalire più tardi nella giornata.

Costruire tabelle dinamiche dei tempi di percorrenza

Grazie a questi campi di velocità continui, gli autori calcolano quanto tempo impiegherebbe un camion a percorrere ogni segmento autostradale a diversi orari di partenza. Suddividono ogni infrastruttura in brevi elementi da 100 metri e simulano un camion che si sposta da un elemento al successivo, aggiornando la velocità ipotizzata ogni dieci minuti per riflettere le condizioni del traffico più recenti. In questo modo, un viaggio che inizia prima di un ingorgo può attraversare rapidamente l’area congestionata, mentre uno partito più tardi accumula ritardo crescente. Quando i tempi di percorrenza risultanti sono confrontati con quelli misurati direttamente dai singoli viaggi dei camion nei dati, le differenze sono di solito di qualche secondo, con errori maggiori limitati a un piccolo numero di casi insoliti.

Cosa significa questo per la logistica quotidiana

Il risultato di questo lavoro è un set liberamente disponibile di tempi di percorrenza dettagliati per i camion sulle autostrade tedesche, suddivisi per autostrada e per segmento in passi di dieci minuti per i giorni feriali tipici. Per mittenti, vettori e pianificatori, questi dati trasformano il vago rischio di ritardo in numeri concreti che possono essere integrati in orari, software di instradamento e piani di capacità. Per il pubblico, significa che gli stessi veicoli connessi già in strada possono fornire silenziosamente le informazioni necessarie per gestire le catene di approvvigionamento con maggiore affidabilità—aiutando le merci ad arrivare in tempo, riducendo consumi di carburante inutili e facendo un uso migliore dell’infrastruttura autostradale esistente senza installare un singolo nuovo sensore nel terreno.

Citazione: Schlott, M., Abdul, L. & Leerkamp, B. Truck Travel times on freeway facilities and segments in Germany based on FCD from 2019. Sci Data 13, 588 (2026). https://doi.org/10.1038/s41597-026-07198-z

Parole chiave: tempo di percorrenza camion, congestione autostradale, dati da veicoli mobili, logistica delle merci, affidabilità del traffico