ECC data mining (prima parte)

Da quando, non molti giorni fa, ho iniziato a metter mano all’incredibile mole di dati registrata nel corso dell’European Cycling Challenge 2014, tutta una serie di questioni affrontate fin qui solo su un piano teorico stanno iniziando a trovare delle risposte. La comprensione del significato vero di queste risposte richiede, a monte, una contestualizzazione: per capire le risposte occorre prima aver ben chiare le domande.

La domanda prima è: come usano, i ciclisti, la propria città? Quali strade preferiscono percorrere? Quali evitano? Dove passano volentieri e dove, invece, passano in quanto obbligati?

Nei lunghi anni che ho passato a lambiccarmi su questi argomenti sono riuscito a mettere in piedi un’impalcatura teorica (l’ormai famoso “modello a grappolo”) in grado di spiegare una parte consistente dei vincoli che il tessuto urbano impone agli attraversamenti in bicicletta. Un modello teorico, tuttavia, non capace di operare previsioni di dettaglio.

Il problema fondamentale è che una città sparpagliata su alcune centinaia di chilometri quadrati di tessuto urbano, tagliata a fette da fiumi, ferrovie, autostrade, con un territorio raggrumato in decine di “bolle” o “microcittà”, parte in pianura, parte in collina, abitata da tre milioni di persone che si spostano anche su distanze superiori ai dieci chilometri a tratta, non può essere maneggiata con una simulazione matematica. Va osservata.

Detta in altri termini: se prendiamo dieci ciclisti esperti, dati identici partenza ed arrivo, percorreranno la città seguendo dieci tracciati diversi, ognuno/a in base alle proprie caratteristiche e preferenze. Ci sarà chi sceglierà il percorso più diretto anche se trafficato, chi opterà per la viabilità secondaria per sentirsi più tranquillo, chi taglierà per i parchi urbani, chi preferirà la traiettoria con meno dislivelli, ecc, ecc.

L’European Cycling Challenge ci ha finalmente fornito questo “osservatorio privilegiato” sui comportamenti di alcune centinaia di ciclisti registrati nel corso di un mese. Qualche numero per capire di cosa stiamo parlando:

  • 750 partecipanti con registrazioni utili (su 1136 iscritti)
  • 167.330 km percorsi
  • 20.580 percorrenze (tracce) registrate sul territorio di Roma e provincia

Questi dati, benché anonimi, sono corredati di identificativi temporali, quindi risulta possibile discriminare le percorrenze nei giorni feriali da quelle del weekend, le preferenze stradali diurne da quelle notturne, e sviluppare su questa base un’analisi puntuale per poter definire una strategia d’intervento complessiva.

Il campione selezionato non è rappresentativo della totalità dei ciclisti romani. Si tratta in prevalenza di ciclisti navigati, con competenze minime sulle nuove tecnologie come la tracciatura GPS, o quantomeno capaci di attivare un’app per smartphone (anche questo giustifica la forte differenza tra gli utenti “attivi” ed il totale dei registrati).

Questo però è, a mio parere, un vantaggio, perché ci fornisce percorsi già lungamente ragionati e frutto di esperienza, quindi un buon “polso” dell’effettivo utilizzo della città proiettato su larga scala. Cosa ci racconti in dettaglio questa “istantanea” del ciclismo urbano lo approfondiremo nei prossimi post.

(continua)

Mappa1

11 pensieri su “ECC data mining (prima parte)

  1. Pingback: ECC data minig (seconda parte) | Mammifero Bipede

  2. Pingback: ECC data minig (terza parte) | Mammifero Bipede

  3. Pingback: ECC2015 – la sfida contro noi stessi | Mammifero Bipede

  4. Pingback: European cycling challenge, la Roma che vince e quella che perde

  5. Pingback: Il Mammifero, la città e le elezioni | Mammifero Bipede

  6. Pingback: ECC2014 e progettazione di reti ciclabili – Ripensare la città

  7. Pingback: ECC data mining (seconda parte) – Ripensare la città

  8. Pingback: ECC data mining (terza parte) – Ripensare la città

  9. Pingback: ECC2014 e progettazione di reti ciclabili | Mammifero Bipede

  10. Pingback: Gobba? Quale gobba? | Mammifero Bipede

Lascia un commento