Analisi di ottimizzazione basata su simulazione dell’organizzazione dei flussi di passeggeri nelle stazioni di interscambio della metropolitana usando AnyLogic

Perché le stazioni affollate sono importanti

Chiunque sia passato di corsa in una stazione della metropolitana affollata sa quanto possano essere stressanti le folle. Code alle macchinette, strozzature ai tornelli e flussi di persone che si scontrano possono rallentare tutti e sollevare preoccupazioni per la sicurezza. Questo studio esamina una stazione di interscambio molto frequentata dove i passeggeri dei treni a lunga percorrenza si riversano direttamente nella metropolitana, e pone una domanda semplice ma potente: riprogettando con cura percorsi, tornelli e segnaletica, quanto più fluida e sicura può diventare la frenesia quotidiana?

Uno sguardo approfondito su un nodo di scambio affollato

I ricercatori si concentrano sulla Stazione S in una grande città cinese, dove la metropolitana è collegata direttamente alla stazione ferroviaria principale. Nei periodi di punta, circa 4.000 persone all’ora entrano nella metropolitana, la maggior parte proveniente da treni ad alta velocità e molti con bagagli al seguito. Poiché l’uscita principale dai binari ferroviari si apre vicino a un unico raggruppamento di macchinette e tornelli, i nuovi arrivati si dirigono istintivamente verso quell’area. Allo stesso tempo, altri passeggeri stanno uscendo dalla metropolitana o effettuando un trasferimento tra due linee. Il risultato è una zona stretta dove persone che vanno in direzioni diverse si incrociano e generano rapidamente ingorghi.

Costruire un gemello digitale della folla

Invece di sperimentare direttamente sui pendolari reali, il team crea una simulazione computerizzata dettagliata della stazione usando un software specializzato chiamato AnyLogic. Ogni pedone virtuale si comporta come un individuo, scegliendo percorsi, accelerando o rallentando e schivando gli altri basandosi su un’idea di “forza sociale”: le persone sono attratte verso i loro obiettivi, respinte dalle collisioni e lievemente attirate da elementi chiave come uscite o scale mobili. Il modello incorpora misurazioni reali, comprese le velocità tipiche di cammino di chi ha o non ha bagagli, i tempi necessari per l’acquisto del biglietto e la velocità con cui tornelli e scale mobili possono smaltire i passeggeri. Con questo gemello digitale, i ricercatori possono riprodurre l’ora di punta e vedere esattamente dove compaiono lunghe code e aree ad alta densità.

Individuare i punti critici

Far girare la simulazione per un’ora di punta tipica conferma quanto osservato in loco. Un gruppo di macchinette e un gruppo di tornelli vicino all’uscita ferroviaria sono sovraccaricati, mostrando densità di passeggeri molto elevate e code lunghe. Al contrario, altri tornelli e macchinette più distanti restano sottoutilizzati. I segnali di orientamento attuali incoraggiano la maggior parte delle persone—soprattutto l’incirca 88% che non conosce la disposizione—ad utilizzare il gruppo di tornelli più vicino. Circa il 28% dei passeggeri sceglie inoltre di acquistare biglietti cartacei alle macchinette più vicine invece di scansionare un codice, intensificando ulteriormente la pressione in quest’area ridotta. Questo squilibrio spreca spazio utile e rallenta tutti.

Riprogettare percorsi, tornelli e segnaletica

Per risolvere questi problemi, i ricercatori testano una strategia combinata. Innanzitutto, riconfigurano le strutture fisiche: diversi tornelli poco usati sono convertiti in un nuovo gruppo di tornelli di ingresso sul lato opposto dell’atrio e un gruppo di macchinette precedentemente inattivo viene attivato. In secondo luogo, ripensano la segnaletica. Nuovi cartelli sospesi e freestanding sono posizionati agli angoli e alle diramazioni chiave per separare delicatamente i passeggeri in base alla destinazione, indirizzando chi si dirige verso linee diverse verso tornelli e macchinette differenti. I messaggi sono mantenuti semplici, riflettendo il fatto che le persone ricordano solo poche informazioni a colpo d’occhio. Nella simulazione la maggior parte dei passeggeri segue i segnali, mentre una minoranza continua a scegliere i soliti percorsi più brevi, imitando il comportamento reale.

Quanto miglioramento è possibile?

Quando il team confronta diversi scenari—modifica solo delle strutture, modifica solo della segnaletica e modifica di entrambe insieme—l’approccio combinato risulta chiaramente vincente. Le densità massime della folla nei peggiori punti di strozzatura diminuiscono di circa il 40–60%, le lunghezze delle code alle macchinette e ai tornelli più affollati si riducono nettamente e il tempo medio impiegato dai passeggeri in arrivo per raggiungere i binari scende di circa un quarto. È importante notare che la qualità del servizio nei punti più congestionati migliora da “peggiore caso” a un livello più accettabile, sebbene un’area di uscita diventi leggermente più trafficata a seguito della redistribuzione dei flussi. La stazione nel suo complesso funziona in modo più fluido, con flussi più chiari e meno punti di conflitto.

Cosa significa per i pendolari di tutti i giorni

Per il pendolare quotidiano, la conclusione è incoraggiante: guadagni importanti in comfort e sicurezza non richiedono sempre costosi lavori di costruzione o nuove tecnologie. Combinando una collocazione più intelligente di tornelli e macchinette con segnaletica ben progettata e facile da seguire, le agenzie di trasporto possono trasformare folle caotiche in flussi ordinati, riducendo i tempi di cammino e di attesa e usando lo spazio esistente in modo più efficiente. Lo studio dimostra che tali cambiamenti possono essere valutati e perfezionati in anticipo usando simulazioni realistiche della folla, offrendo ai pianificatori urbani un kit di strumenti pratico per mantenere in movimento sistemi metropolitani in crescita.

Citazione: Tian, Y., Jin, G., Lu, S. et al. Simulation-based optimization analysis of passenger flow organization in metro interchange stations using AnyLogic. Sci Rep 16, 12517 (2026). https://doi.org/10.1038/s41598-026-41719-5

Parole chiave: affollamento metropolitana, flusso di passeggeri, progettazione della stazione, segnaletica direzionale, simulazione pedonale