Valutare la resilienza dell’affluenza in metropolitana durante condizioni meteorologiche estreme con la modellazione a vine copula

Perché il meteo e la metropolitana contano per la vita cittadina

Quando il tempo peggiora, la vita in città non si ferma, ma cambia. Per milioni di persone che si affidano alla metropolitana di New York, pioggia intensa, ondate di calore o freddo pungente possono fare la differenza tra salire su un treno come sempre o restare a casa. Questo studio esamina da vicino come l’affluenza in metropolitana a New York risponda a condizioni meteorologiche estreme e come queste risposte varino da stazione a stazione e tra le ore di punta e la quiete del centro giornata. Capire questi modelli aiuta i pianificatori a preparare meglio il sistema a un clima più caldo, più umido e più volatile.

Seguire le persone attraverso la rete sotterranea

La metropolitana è più di un insieme di stazioni separate: è una rete di luoghi interconnessi le cui fortune salgono e scendono insieme. L’affluenza in una fermata spesso si muove in tandem con nodi vicini o con stazioni che condividono molti degli stessi passeggeri. Studi passati in genere trattavano le stazioni come se reagissero al meteo in isolamento o facevano ricorso a strumenti di machine learning opachi e difficili da interpretare. Al contrario, questo studio si concentra su come gruppi di stazioni chiave a Manhattan, Queens e Brooklyn si muovono insieme nell’arco di ogni ora e su come queste relazioni cambino quando il tempo diventa estremo.

Una mappa flessibile di connessioni nascoste

Per rivelare quei legami nascosti, i ricercatori hanno usato un approccio statistico noto come vine copula. Piuttosto che assumere rapporti semplici e lineari, questo metodo costruisce una rete flessibile di connessioni a coppie tra stazioni e tra ore adiacenti della giornata. Parte modellando il profilo orario dell’affluenza di ciascuna stazione singolarmente, per poi cucire insieme questi profili in un quadro congiunto che cattura sia i giorni tipici sia gli eventi rari. Con questa struttura, il team può generare pattern realistici sintetici di affluenza sotto molti tipi di condizioni meteorologiche, incluse quelle che compaiono solo poche volte nei dati osservati. I test mostrano che questi schemi simulati corrispondono da vicino all’affluenza osservata, specialmente nelle ore di punta mattutine e serali.

Come reagiscono i passeggeri quando il meteo diventa estremo

Dotati di questo modello, gli autori hanno confrontato le distribuzioni di affluenza sotto tre tipi di condizioni estreme—giornate molto fredde, molto calde e piogge intense—con le condizioni di riferimento caratterizzate da temperature miti e assenza di pioggia. Hanno esaminato sia le ore di punta, quando i pendolari affollano i treni, sia i periodi di bassa affluenza, quando i viaggi sono più opzionali. La pioggia intensa durante le ore di punta ha prodotto i cali più pronunciati dell’affluenza, con alcune stazioni molto frequentate che registrano diminuzioni tipiche di circa un quinto fino a quasi un terzo rispetto al meteo normale, e una vasta gamma di possibili esiti. Al contrario, le temperature gelide hanno avuto effetti modesti sui viaggi durante le ore di punta ma hanno inciso più profondamente sui viaggi fuori punta, suggerendo che le persone sono più propense a saltare commissioni o incontri sociali che a mancare lavoro o scuola nei giorni freddi. Il caldo estremo ha ridotto l’affluenza sia nelle ore di punta sia in quelle non di punta, con impatti leggermente più forti quando treni e banchine erano più affollati.

Nodi più forti, margini più esposti

Lo studio mostra inoltre che non tutte le stazioni sono ugualmente vulnerabili. I grandi snodi nel cuore di Manhattan—come Grand Central e Union Square—tendono a riprendersi meglio sotto stress, con cali mediani più piccoli e comportamenti più prevedibili. Le stazioni dei borough esterni, inclusi terminal affollati nel Queens e a Brooklyn, spesso subiscono diminuzioni più ampie e più incerte. Le stazioni che si trovano al centro della rete di dipendenze del modello, cioè la cui affluenza è strettamente legata a molte altre, mostrano in genere maggiore resilienza e risposte più stabili al maltempo, in particolare fuori dalle ore di punta. Tuttavia, il quadro è sfumato: alcune posizioni centrali di Manhattan, come Columbus Circle, possono essere colpite in modo particolarmente severo dalla pioggia intensa, in relazione al design locale della stazione, all’affollamento e alle condizioni di accesso.

Cosa significa per i passeggeri e per i pianificatori

Per i passeggeri di tutti i giorni, i risultati confermano un racconto intuitivo: quando il meteo è pessimo, la metropolitana resta una linea vitale per i viaggi essenziali ma i viaggi discrezionali calano, e il disagio viene distribuito in modo non uniforme sulla rete. Per pianificatori e decisori, il framework a vine copula offre un modo potente per testare scenari “e se” per eventi rari ma dannosi, anche quando i dati storici sono scarsi. Individuando quali stazioni e quali fasce orarie sono più esposte—a rovesci intensi, ondate di calore o ondate di freddo—il metodo può guidare interventi mirati come miglior riparo, drenaggio potenziato, raffrescamento e ventilazione o potenziamento del servizio dove è più necessario. In breve, il lavoro fornisce una mappa basata sui dati di come meteo e comportamento umano interagiscono sottoterra, aiutando le città a investire con saggezza in un sistema di trasporto più resiliente al clima.

Citazione: Guo, Y., He, B.Y., Chow, J.Y.J. et al. Assessing subway ridership resilience under extreme weather with vine copula modeling. npj. Sustain. Mobil. Transp. 3, 25 (2026). https://doi.org/10.1038/s44333-026-00094-4

Parole chiave: affluenza in metropolitana, condizioni meteorologiche estreme, resilienza urbana, trasporti a New York City, modellazione della domanda