Matching public transport offer and travel demand during night-time through open-source data

La presente tesi esamina come la domanda di viaggio si concilia con l'offerta di trasporto pubblico durante le ore notturne dei fine settimana, sviluppando un framework che può essere utilizzato in qualsiasi città europea (e non), utilizzando dati open source disponibili online. Dopo un’introduzione della composizione del framework e la sua implementazione, vengono mostrate le fonti open source a cui attinge. Infine, vengono esposti i risultati del framework sulle otto città e vengono presentate le correlazioni tra le città considerate e i parametri coinvolti. Abbiamo raccolto i dati relativi alle linee di trasporto pubblico in formato GTFS dalle relative agenzie locali o da database web di parti terze. Le distribuzioni di popolazione sono state scaricate dai database GHS-UCDB R2019A (con il quale abbiamo delimitato l'area di studio seguendo la definizione di Functional Urban Areas e centri urbani) e Urban Atlas 2018 che abbiamo utilizzato per popolare numericamente le città. Abbiamo poi scaricato le informazioni sulle amenities riferite alle ore notturne di ogni città attraverso Overpassturbo. La piattaforma che abbiamo utilizzato per il trattamento dei dati è QGIS, dove i dati scaricati relativi alla distribuzione della popolazione, alle attrazioni della vita notturna e ai servizi di trasporto pubblico sono stati visualizzati e correlati tra loro. Abbiamo identificato i luoghi all'interno di ogni città in cui si svolge la vita notturna (Night Life Areas, NLAs): per farlo, abbiamo raggruppato le attrazioni notturne con l'algoritmo DBSCAN, che è un algoritmo di clustering sensibile alla densità. Successivamente, utilizzando il plugin Traveltime, abbiamo calcolato quanti abitanti possono essere raggiunti partendo da questi punti utilizzando il trasporto pubblico, considerando due diverse soglie temporali di 30 e 45 minuti a nove diversi orari di partenza distribuiti su un arco di tempo di due ore. Il numero di abitanti raggiunti da diversi NLA fornisce, se rapportato alla popolazione all'interno di un'area intorno a ciascun NLA, una percentuale di copertura del servizio. Abbiamo considerato anche un'altra serie di due valori, che sono il numero medio di abitanti serviti da almeno un NLA considerando separatamente ogni orario di partenza e il numero di abitanti serviti da almeno un NLA ad almeno un orario di partenza. I risultati delle percentuali di abitanti serviti dal servizio pubblico notturno sono stati poi correlati numericamente e graficamente ad altri fattori quali l'offerta di trasporto pubblico (dedotta dalla lunghezza della rete di linee notturne e dalla frequenza delle linee) e il numero di abitanti dell'area di studio. Il framework, è stato studiato su 8 diverse città europee che sono state scelte in base a criteri eterogeneità legati al Paese in cui si trovano, alla loro posizione geografica, alle origini storiche e quindi alle loro dimensioni e strutture; queste città sono Budapest, Milano, München, Praha, Roma, Torino, Valencia e Wien.