Davide Longhi
Attitudine degli utenti verso l'utilizzo degli ATIS.
Rel. Cristina Pronello. Politecnico di Torino, Corso di laurea magistrale in Pianificazione Territoriale, Urbanistica E Paesaggistico-Ambientale, 2014
Abstract
PREMESSA
All'interno della disciplina urbanistica e della pianificazione territoriale, la pianificazione dei trasporti risulta essere un elemento di centrale importanza a causa degli impatti che essa ha sul territorio e quindi sulla popolazione che lo abita. Congestione, inquinamento, consumo di suolo, aumento dei prezzi del carburante e delle tariffe del trasporto pubblico e stress sono alcuni degli effetti connessi ad una pianificazione approssimativa che ad oggi fatica a trovare una giusta direzione. Analizzando i motivi legati all’utilizzo dell’automobile, la National Travel Survey inglese (2013) evidenzia che una grossa percentuale degli spostamenti avviene per motivi di piacere e di tempo libero. In questo senso appare evidente che gli automobilisti trovano nel loro mezzo il connubio perfetto tra flessibilità e privacy, motivo per cui spesso prediligano il mezzo privato, nonostante i prezzi più alti di quest’ultimo. Come dimostrato da Emmerink et al. (1995), gli automobilisti non considerano correttamente il costo generalizzato legato all’utilizzo dell’automobile e per questo motivo intraprendono troppo spesso scelte irrazionali, in parte anche a causa di una scarsa qualità dell’informazione e del trasporto pubblico. Diversi progetti negli ultimi decenni hanno volto l’attenzione a come il comportamento degli utenti possa essere condizionato da un’appropriata informazione (Taylor e Ampt, 2003; BTE, 2000). Per questi motivi, risulta chiaro come sia necessario ripensare la mobilità, integrando studi circa le attitudini degli utenti nonché le ragioni che condizionano le scelte di quest’ultimi.
In questo senso gli ATIS - Advanced Traveller Information Systems - rappresentano un’opportunità per ottimizzare l’offerta di mobilità, offrendo agli utenti informazioni in tempo reale circa la totalità dei mezzi di trasporto disponibili. L’obiettivo di questa tesi, dunque, è quello di analizzare quali sono le caratteristiche comportamentali dei fruitori della mobilità torinese, al fine di comprendere se quest’ultima può subire miglioramenti attraverso un dispositivo ATIS. Per raggiungere questo obiettivo è stato sottoposto ad un campione di 109 partecipanti, un questionario relativo alle caratteristiche personali degli utenti, nonché alle attitudini verso un ATIS, rappresentato dall’applicazione SmartMoov’ che, al momento della stesura di questa tesi è disponibile solamente a Lione, ma che sarà distribuita prossimamente anche a Torino, Madrid e Gothenburg (www.opticities.com, 2013). Al fine di avere un quadro esaustivo circa le attitudini dei partecipanti, sono state effettuate delle analisi descrittive, test parametrici e non parametrici e analisi dei fattori per poter comprendere in che modo e da cosa sono influenzate le intenzioni dei partecipanti.
Per l'analisi delle attitudini delle persone, è stata presa in esame la teoria del comportamento pianificato di Ajzen (1991), la quale sostiene che sono tre i fattori principali che influenzano le intenzioni e dunque il comportamento delle persone: le attitudini verso il comportamento, il controllo comportamentale percepito e le norme soggettive. Tuttavia nonostante questa tesi miri ad individuare il ‘peso’ di queste singole componenti, è bene ricordare come il comportamento delle persone sia spesso fortemente legato all'abitudine e alle scelte modali pregresse. Per queste ragioni all’interno del questionario sono state inserite domande volte a comprendere quali dovrebbero essere le caratteristiche di un’applicazione affinché possa soddisfare le richieste degli utenti.
A seguito di questa introduzione, all’interno del primo capitolo si cercherà di offrire un quadro esaustivo circa i diversi canali di informazione, facendo un particolare riferimento ai Social Media e come essi, negli ultimi anni, hanno teso la mano ai policy makers per la realizzazione delle cosiddette ‘politiche partecipate’ in differenti contesti urbani.
Nel capitolo 2, saranno spiegati gli Intelligent Transport Systems (ITS) e gli ATIS, prendendo in considerazione alcuni progetti chiave, concentrando l’attenzione su siti internet e applicazioni ‘crowdsourcing’, fra cui SmartMoov’. Verrà fatta luce su come, per ottenere risultati concreti circa il cambiamento comportamentale degli utenti, sia auspicabile che gli ATIS forniscano informazioni multimodali, al fine di garantire agli utilizzatori un quadro più ampio e preciso delle alternative. Saranno dunque presentati diversi progetti ATIS supportati daH'Unione Europea, fra cui SmartMoov’, oggetto di studio di questa tesi.
Il terzo capitolo prende in esame la teoria del comportamento pianificato di Ajzen (1991), alla base di questa tesi al fine di analizzare le attitudini della popolazione. Verranno spiegate le tre diverse componenti della suddetta teoria e, attraverso alcuni casi studio, si cercherà di mettere in chiaro come l’abitudine ostacolare le intenzioni.
Nel capitolo 4 verrà spiegata la metodologia utilizzata per effettuare l’analisi delle attitudini sul campione di Torino, descrivendo come sono stati raccolti i dati e quali assunzioni statistiche sono state effettuate.
Il capitolo 5, mostrerà i risultati ottenuti dallo studio, descrivendo le abitudini di mobilità degli utenti e le loro attitudini verso diversi dispositivi di informazioni, in particolare gli ATIS e l'applicazione SmartMoov’. All’interno di questo capitolo si cercherà di mettere in luce come sia importante considerare all’interno di una popolazione, differenti sottocategorie caratterizzate da altrettante diverse attitudini; in particolar modo verranno messi
a confronti i risultati ottenuti dal caso studio di Torino e quello di Lione, effettuato da Ramalho Veiga Simào (2013).
Il capitolo 6, presenta la discussione ed un’analisi relativa alle principali differenze attitudinali dei sotto-gruppi del campione di Torino e le principali differenze tra quest’ultimo ed il campione di Lione.
Infine le conclusioni proporranno un riassunto dei risultati ottenuti relativi alle attitudini della popolazione torinese, oltre ad alcune suggestioni per poter implementare l’utilizzo degli ATIS e delle applicazioni smartphone all’interno del settore della mobilità.
- Abstract in italiano (PDF, 262kB - Creative Commons Attribution)
- Abstract in inglese (PDF, 182kB - Creative Commons Attribution)
Relatori
Tipo di pubblicazione
Numero di pagine
Soggetti
U Urbanistica > UK Pianificazione urbana
Corso di laurea
Capitoli
Sommario
PREMESSA
1 I SOCIAL MEDIA COME CANALE PER DIFFONDERE INFORMAZIONI AI POLICY MAKERS
1.1 TIPOLOGIE DI SOCIAL MEDIA
1.2 L’UTILIZZO DEI SOCIAL MEDIA IN AMBIENTE URBANO
2 ITS E ATIS: INTELLIGENT TRANSPORT SYSTEMS E ADVANCED TRAVELLER INFORMATION SYSTEMS
2.1 ESEMPI DI APPLICAZIONI E SITI ‘CROWDSOURCING’
2.2 ALTRE APPLICAZIONI PER I TRASPORTI
2.2.1 SMARTMOOV’
3 LA TEORIA DEL COMPORTAMENTO PIANIFICATO
3.1 LE NORME SOGGETTIVE
3.2 CONTROLLO COMPORTAMENTALE PERCEPITO
3.3 IL RUOLO DELL’ ABITUDINE
4 OBIETTIVI E METODOLOGIA
4.1 IL CONTESTO E GLI OBIETTIVI DELLA RICERCA
4.2 PROGETTAZIONE DEL QUESTIONARIO
4.3 SELEZIONE DEL CAMPIONE E SOMMINISTRAZIONE DEL QUESTIONARIO
5 RISULTATI
6 DISCUSSIONE
7 CONCLUSIONI
BIBLIOGRAFIA
Bibliografia
Bibliografia
European Commission. (2009). Intelligent Transport Systems - Thematic Research Summary. Bruxell: Directorate - General for Eergy and Transport.
Dailycrowdsource. (2012). Retrieved Novembre 07, 2014, from Dailycrowdsource:
http://dailycrowdsource.com/training/crowdsourcing/what-is-crowdsourcing
Ajzen, I. (1991). The Theory of Planned Behavior. Organizational Behaviour and Human Decision Processes 50,179-211.
Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behaviours. englewood Cliffs, NJ: Prentice Hall.
Anable, J. (2005). 'Complacent Car Addicts' or' Aspiring Environmentalist'? Identifying travel behaviour segments using attitude theory. Transport Policy 12, 65-78.
Beirao, G., & Sarsfield Cabral, J. (2007). Understanding attitudes towards public transport and private car: A qualitative study. Transport Policy Volume 14, 478-489.
Bertrand, K., Bialik, M., Virdee, K., Gross, A., & Yam, Y. B. (2013). sentiment in New York City: A high resolution spatial and temporal view. Cambridge (U.S.A.): New England Complex System Institute.
Biernbaum, L., Rainville, L., & Spiro, A. (2011). Multimodal Trip Planner System Final Evaluation Report. Chicago: Research and Innovative Technology Administration - U.S.
Bonsall, P., & Joint, M. (1991). Driver compliance with route guidance advice: the evidence and its implications. Vehicle Navigation and Information System Conference 2, (pp. 47-59). Warrendale, PA, USA.
BTE. (2000). Urban Congestion—The Implications for Greenhouse Gas Emissions - Information Sheet 16. Canberra: Bureau of Transport Economics.
Chen, C., & Chao, W. (2011). Habitual or Reasoned? Using the Theory of Planned Behavior, Technology Acceptance Model, and Habit to examine Switching Intensions towards Public Transit. Transportation Research Part F14,128-137.
Collins, C., Hasan, S., & Ukkusuri, S. (2013). A novel transit rider satisfaction metric: rider sentiments measured from outline social media data. Journal of Public Transportation, 21-45.
COMMISSION OF THE EUROPEAN COMMUNITIES. (2008). Action Plan for the Deployment of Intelligent Transport Systems in Europe. Brussels: COMMISSION OF THE EUROPEAN COMMUNITIES.
Commission, E. (2014, Luglio 1). Eurostat. Retrieved Novembre 28, 2014, from Eurostat:
http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Passenger_transport_statistics
COSMOS. (2013). COSMOS CollaborativeOnline Social Media Observatory. Retrieved May 28, 2014, from COSMOS CollaborativeOnline Social Media Observatory: http://www.cosmosproject.net/
COST. (2013). COST Action TU1305 -Social Network and Travel Behaviour. Bruxelles: COST.
Diga, M., & Kelleher, T. (2009). Social Media use, perceptions of decision making power and publiroles. Public Relations Review, 35 (4), 440ards, P., Corsar, D., Nelson,J., Velaga, N., BeecroP., et al. (20g an Information Ecosystem for Public Transl Areas. Newcastle, UK: Digital Engagement.
Efthymiotoniou Use of social media for transport data colnsport Research Arena- Europe 2012, 775 - 785.
EmNijkampveld, P. (1995). Is congestion pricing a fiategy in transport policy? A critical review of argument. Environme and Planning B, 581-602.
Eriksson, L., Garvill, J., & Nordlund, A. (2008). Interrupting habitual car use: The importance of car habit strength and moral motivation for personal car use reduction. Transportation Research Part F, 10-23.
European Council and Parliament. (2014, March 11). EUR Lex. Retrieved June 26, 2014, from eur-lex.europa.eu: http://eur-lex.europa.eu/legal-content/EN/TXT/?uri=uriserv:OJ.L_.2014.103.01.0015.01.ENG
Ezell, S. (2010). Explaining International IT Application Leadership: Intelligent Transportation Systems. ITIF Information Technology & Information Foundation.
Fabrigar, R., Wegener, D., MacCallum, R., & Strahan, E. (1999). Evaluating the Use of Exploratory Factor Analysis in Psychological Research. Psychological Meods, 4, 272-299.
Ferris, B., Watkins, K., Borning, A. (2010). Onebusaway: Results from Providing alime Arrival Infortion for Public Transit.807-1816.
Francis, J. E., Walker, A., Grimshaw, J., Foy, R., & Bonetti, D. (2004). Construting questionnaires based on the theory of planned behavior. Quality of life and management of living resources. Newcastle.
Giannopoulos, G. (2004). The application of information and communication technologies in transport. European Journal of Operational Research 152, 302-320.
Grant-Muller, S., Gal-Tzur, A., Minkov, E., Nocera, S., Kuflik, T., & Shoor, I. (2014). The efficacy of mining social media data for transport policy and practice. TRB.
Groves, R., Fowler, F., Couper, M., Lepkowski, J., Singer, E., & Tourangeau, R. (2004). Survey Methodology. Hoboker, New Jersey: Wiley and Sons.
Harding, M., Finney, J., Hannon, Jv Davies, N., & Rouncefield, M. (2013). Experiences with a
social travel information system. ACM international joint conference on Pervasive and ubiquitous computing (pp. 173-182). Zurich, Switzerland: Proceedings of the 2013 ACM international joint conference on Pervasive and ubiquitous computing.
Hato, E., Taniguchi, M., Sugie, Y., Kuwahara, M., & Morita, H. (1999). Incorporating an information acquisition process into a route choice model with multiple information sources. Trasportation Research Part C 7,109-129.
Howe, J. (2006, June). Wired. Retrieved July 07, 2014, from Wired: http://archive.wired.com/wired/archive/14.06/crowds.html
IBM, S. S. (2013). Column five. Retrieved May 27, 2014, from Colum five:
http://www.columnfivemedia.com/#/work-items/infographic-the-life-of-the-connected-commuter
Iryo, T., Yamabe, K., & Asakura, Y. (2011). Dynamics of information generation and transmissions. Procedia Social and Behavioral sciences, 169-188.
Kahn, J. (2006). Factor analysis in counseling psychology research, training, and practice: principles, advances and applications. The counseling psychologist, 34, 684-718.
Keller, H. (1999). Concertation and Achievements Report of the Transport Sector.. Brussels:
1 Telematics Applications Programme.
Khattak, A., Yim, Yv & Prokopy, L. (2003). Willingness to pay for travel information. Transportation Research Part C11, 137-159.
Kim, S., & Hovy, E. (2004). Determining the sentiment of options. Geneve - Switzerland: Proceedings of the 20th International conference on Computational Linguistic.
Meyer, M. (1999). Demand management as an element of transportation policy: using carrots and sticks to in’uence travel behavior. Transportation Research Part A, 575-599.
Nejdl, K. D. (2009). How valuable is medical social media data? Content analysis. Information Sciences, 1870-1880.
Nejdl, K., & Denecke, W. (2009). How valuable is medical social media data? Content analysis. Information Sciences, 1870-1880.
Nelson, J. (2013). A User-centric passenger information system for rural areas. ITS UK - Public Transport Interest Group Seminar.
OptiCities. (2013, Dicembre 31). www.opticities.com. Retrieved Novembre 27, 2014, from www.opticities.com:http://www.opticities.com/
PassengerFocus. (2012). Short and Tweet. How passengers want social media during disruption. Retrieved May 27, 2014, from Passenger Focus:
http://www.passengerfocus.org.uk/research/publications/short-and-tweet-how-passengers-want-social-media-during-disruption
Potocnik, J. (2008). Making the European Transport industry "greener, safer and smarter" to boost our industrial competitiveness. Ljubljana: Transport Research Arena Opening Ceremony.
Ramalho Veiga Simao , J. (2013). Impacts ofAdvaced Travel Information Systems on Travel Behaviour - SmartMoov' case study. Torino: Politecnico di Torino.
Reddy, S., Shilton, K., Denisov, G., Cenizal, C., Estrin, D., & Scrivastava, M. (2010). Biketastic:
sensing and mapping for better biking. Proceedings of the 28th international conference on Human factors in computing systems (pp. 1817-1820). New York NY, USA: ACM.
Rudin-Brown , C., & Jamson, S. (2013). Behavioural Adaptation and Road Safety: Theory,
Evidence and Action. Boca Raton: CRC Press.
Simmhan, Y., Plale, B., & Gannon, D. (2005). A Suey of data provennance in e-science. SIGMOD Record, 31-36.
Steinfeid, A., Zimmerman, J., Tomasic, A., Yoo, D., & Az, R. (2011). Mobile Transit Information
from Universal Design and Crowdsourcing. Transportation Research Record Journal, 95-102.
Sterne, J. (2010). Social media metrics: How to measure and optimize your marketing investment. books.google.com.
Takeuchi, K., & Maeda, S. (2007). Outlook on the next steps of Intelligent transport systems (ITS) technologies in Japan: for overcoming Social and Environmental problems brought by Automobiles. Quarterly Review n°22, 25-44.
Taylor, E., Humphrey, A., Pickering, K., & Tipping, S. (2012). National Travel Survey. London: NatCen Social Research.
Taylor, M., & Ampt, E. (2003). Travelling smarter down under: policies for voluntary travel behaviour change in Australia. Transport Policy 10,165-177.
Transport Systems Catapult, C. R. (2014). CommonRoute. Retrieved July 11, 2014, from CommonRoute: http://commonroute.commonplace.is/journeyComment
TransportAPI. (2013). TransportAPI. Retrieved May 28, 2014, from TransportAPI: http://transportapi.com/
Travisi, C., Camagni, R., & Nijkamp, P. (2010). Impacts of urban sprawl and commutig: a modelling study for Italy, journal of Transport Geography, 382-392.
TRB, T. R. (2012). Uses of Social Media in Public Transportation. Washington D.C.: Federal Transit Administration in Cooperation with the Transit Development Corporation.
Tseng, Y., Knockaert, J., & Verhoef, E. (2013). A revealed-preference study of behavioural impacts of real-time. Transportation Research Part C, 196-209.
UCL. (2012, July 3). UCL News. Retrieved July 07, 2014, from UCL:
http://www.ucl.ac.uk/news/news-articles/1207/120701-tube-star-app
URBAN ITS EXPERT GROUP. (2013). GUIDELINES FOR ITS DEPLOYMENT IN URBAN AREAS -MULTIMODAL INFORMATION. Bruxelles: Szeligowksa D. & EgelerC.
Wolinetz, L., Khattak, A., & Yim, Y. (2004). Why will some individual pay for travel information
when it can be free? Analysis of a Bay Area Traveller Survey. 80th annual Meeting of the Transportation Research Board (pp. 9-18). Washington DC, USA: Transportation Research Board.
Zhou, L., & Wang, T. (2014). Social media: A new vehicle for city marketing in China. Cities, 27-32.
Zimmerman, J., Tomasic, A., Garrod, C., Yoo, D., Hiruncharoenvate, C., Aziz, R., et al. (2011). Field trial of Tiramisu: Crowd-sourcing bus arrival times to Spur Co-Design. Evaluation and/or Design based on many users. Vancouver: Canada.
URI
 |
Modifica (riservato agli operatori) |
