Studio sulla scelta della modalità di spostamento dei residenti urbani basato sul metodo CART-Apriori

Perché il tuo tragitto quotidiano conta

Ogni spostamento che fai in città — a piedi, in bicicletta, in autobus o in auto — influenza silenziosamente ingorghi, inquinamento e persino lo sviluppo della città. Questo studio analizza in dettaglio come le persone in una città cinese di dimensioni medie scelgono il mezzo di trasporto e mette alla prova un nuovo metodo basato sui dati per prevedere tali scelte. I risultati aiutano a spiegare perché alcuni camminano per un chilometro mentre altri chiamano un’auto con conducente per la stessa distanza, e come una pianificazione più intelligente potrebbe ridurre congestione ed emissioni di CO2.

Come si muovono le persone in una città di medie dimensioni

La città esaminata in questa ricerca conta circa 580.000 residenti urbani, non ha metropolitana né rete ferroviaria e presenta traffico relativamente scorrevole. La maggior parte dei viaggi è breve e le opzioni comuni includono camminare, biciclette e monopattini elettrici condivisi, autobus, taxi o servizio di ride-hailing e auto private. Poiché le tariffe degli autobus sono basse e per lo più forfettarie, le persone non si preoccupano di piccole differenze di prezzo per una singola corsa. Prestano invece maggiore attenzione a decisioni a lungo termine, come l’acquisto di un’auto, e a dettagli pratici come la distanza da percorrere e il numero di cambi necessari tra autobus. Un’ampia indagine su 1.500 residenti ha raccolto informazioni su chi sono le persone, perché si spostano, quanto si spostano e quale modalità scelgono.

Fondere i modelli tradizionali con nuovi algoritmi

Per decenni i ricercatori dei trasporti hanno utilizzato modelli matematici tradizionali per prevedere le scelte di viaggio, ma questi spesso faticano a rappresentare comportamenti complessi e realistici. Gli strumenti di apprendimento automatico più recenti possono prevedere con maggiore accuratezza, ma sono spesso criticati come “scatole nere” difficili da interpretare. Questo studio combina diversi approcci in un unico quadro metodologico. Innanzitutto, un algoritmo chiamato Apriori scandaglia i dati del sondaggio per trovare i modelli più forti del tipo “se–allora”, per esempio “se una persona viaggia 3–5 km, possiede un’auto e deve effettuare uno o due cambi, allora è molto probabile che scelga il ride-hailing.” Questi modelli vengono poi inseriti in un albero decisionale noto come CART, che suddivide ripetutamente i viaggiatori in rami in base a fattori come la distanza o il possesso di un’auto per prevedere quale modalità ciascuno utilizzerà.

Rendere comprensibile la scatola nera

Per andare oltre la mera previsione e spiegare effettivamente i comportamenti, i ricercatori aggiungono un modello chiamato RuleFit. RuleFit prende i rami dell’albero decisionale — le regole che indicano chi finisce per scegliere quale modalità — e li converte in enunciati semplici e leggibili corredati da pesi numerici. Questi pesi mostrano quanto ciascuna regola spinga una persona verso il camminare, il pedalare, l’autobus, la guida o il ride-hailing. In questo modo, lo studio riesce sia a prevedere le scelte delle persone sia a descrivere chiaramente i principali schemi, invece di fornire solo una previsione senza spiegazione.

I pochi fattori che contano di più

Nonostante si parta da molte possibili influenze, il passaggio di data mining rivela che solo quattro fattori dominano le decisioni di viaggio: la distanza percorsa, il motivo dello spostamento, il possesso di un’auto e il numero di cambi necessari con il trasporto pubblico. In cima alla lista c’è la distanza. I residenti solitamente camminano quando il viaggio è inferiore a un chilometro, a prescindere dal possesso dell’auto. Le biciclette condivise sono particolarmente popolari per tragitti casa-lavoro di 1–3 km, anche tra i proprietari di auto. Per trasferimenti di media distanza, 3–5 km, i monopattini elettrici condivisi e le auto private attraggono chi cerca una corsa diretta e vuole evitare più cambi. Gli autobus funzionano meglio per viaggi di 3–5 km che non necessitano di cambi. Il ride-hailing è preferito per spostamenti di 1–3 km quando l’alternativa in autobus richiederebbe numerosi cambi. Nel complesso, il modello combinato CART–Apriori predice correttamente la modalità scelta dalle persone in circa l’83% dei casi, superando diverse altre metodologie ampiamente utilizzate.

Cosa significa questo per strade più verdi

Individuando il piccolo insieme di fattori che realmente guidano le scelte quotidiane, questo studio offre indicazioni chiare per i pianificatori urbani. Migliorare marciapiedi e piste ciclabili entro 3 km dalle abitazioni potrebbe spostare molti brevi spostamenti verso il camminare e il ciclismo. Ridisegnare le linee di autobus per ridurre i cambi, soprattutto per i percorsi di 3–5 km, può rendere il trasporto pubblico più attraente della guida. Politiche come tariffe di parcheggio o pedaggi per i brevi spostamenti in auto, combinate con servizi di biciclette e monopattini condivisi comodi, potrebbero incoraggiare ulteriormente opzioni a basso tenore di carbonio. In termini semplici: quando le città rendono i brevi spostamenti facili da fare a piedi o in bici e i percorsi più lunghi semplici da completare in autobus senza molti cambi, le persone tendono naturalmente a scegliere modalità di viaggio più pulite ed efficienti.

Citazione: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

Parole chiave: comportamento di viaggio urbano, scelta della modalità, apprendimento automatico, trasporto sostenibile, trasporto pubblico