Le strade Italiane sono tra le più pericolose d’Europa. Velocità e mancanza di tutela per gli utenti deboli sono tra gli aspetti più critici. Il nuovo Codice della Strada, da poco approvato in Senato, fa poco. Anzi, come riportato dalle associazioni e dagli esperti, non contrasta gli eccessi di velocità e il Ministero osteggia esplicitamente la creazione di Città 30.
Il superamento dei limiti di velocità urbani ed extraurbani è una delle principali cause di incidenti gravi. Non è raro tuttavia che il traffico scorra a velocità ben superiori a quelle imposte. Inoltre, tante altre regole fondamentali per la sicurezza, come la precedenza ai pedoni sulle strisce, o i divieti di sorpasso sono spesso ignorate e le sanzioni sono relativamente rare.
Cosa possiamo fare come singoli? In un contesto così, i nostri comportamenti individuali possono sembrare una goccia nel mare, ma ricordiamoci che il traffico siamo noi e… sulla strada abbiamo un’arma in più: siamo tutti in fila!
Il comportamento del singolo automobilista ha effetto su tutta la colonna di traffico: se rispetto il limite, o mi fermo ad un attraversamento pedonale, lo devono fare per forza anche le auto che seguono! Qualcuno farà i fari, suonerà il clacson, o peggio si lancerà in sorpassi azzardati. La grande maggioranza degli automobilisti però, volenti o nolenti, dovranno adeguarsi, e comportamenti pericolosi oggi tollerati risulteranno sempre più evidenti e stonati.
Per studiare il modo in cui i comportamenti individuali possono influenzare l’andamento collettivo del traffico, possiamo considerare modelli di flusso del traffico basati sul framework matematico degli automa cellulari: semplici modelli che permettono di studiare l’evoluzione di sistemi complessi e lo sviluppo di comportamenti emergenti. In particolare, abbiamo costruito un modello Nagel-Schreckenberg (NaSch), che prevede la simulazione di una strada circolare costituita da celle discrete, in cui un certo numero di automobilisti si muovono in cerchio.
Questi automobilisti seguono regole semplici, che prevedono la possibilità di accelerare gradualmente se è presente abbastanza spazio libero di fronte a sé, e rallentare per evitare le collisioni. In aggiunta, è previsto che le auto rallentino in modo casuale (ad esempio per la presenza di un ostacolo imprevisto). Questi modelli sono inizialmente stati usati per studiare la creazione delle cosiddette “code fantasma”, e altri “comportamenti emergenti”, causate dalla presenza di piccoli rallentamenti casuali, che a catena si trasmettono e amplificano creando code in condizioni di traffico intenso, senza apparente ragione. Noi utilizziamo questo modello per studiare l’effetto che hanno le azioni di un gruppo ristretto di soggetti che rispettano i limiti in un contesto di traffico “indisciplinato”. Il modello è ovviamente semplificato rispetto alle reali dinamiche trasportistiche, ma ben illustra il potere di una minoranza sulla strada. Il modello è implementato in Python (il codice sarà reso disponibile a breve).
In particolare, consideriamo una strada circolare di 100 celle con 20 auto, e ipotizziamo tre scenari, che rappresentano il traffico a seguito dell’adozione di una zona 30 in un contesto urbano:
- Scenario base: Tutte le 20 auto rispettano una velocità massima di 5 celle/iterazione (corrispondenti a 50 km/h).
- Pochi disciplinati: Il 10% (2 auto) delle auto rispetta una velocità massima di 3 celle/iterazione (30 km/h), mentre il restante 90% continua a muoversi a 5 celle/iterazione (50 km/h).
- Rispetto diffuso: L’80% delle auto rispetta una velocità massima di 3 celle/iterazione (30 km/h), mentre un 20% di “indisciplinati considera un limite maggiore: 5 celle/iterazione (50 km/h)
Nel primo scenario nessuno degli automobilisti rispetta la zona 30 km/h, e accelera fino a 50 km/h (compatibilmente con il traffico). Nel secondo scenario solo una ristretta minoranza rispetta i nuovi limiti, mentre il 90% continua a guidare come prima. Infine, nel terzo scenario la maggioranza dei conducenti si adegua al nuovo limite. In tutti i casi le auto ad ogni iterazione rallentano casualmente di 1 unità (10 km/h) con il 20% di probabilità. Le simulazioni rispecchiano una situazione di traffico moderato-intenso in cui le auto difficilmente riescono a viaggiare alla velocità massima prevista (come solitamente accade in città).
I grafici successivi mostrano l’andamento dei tre scenari a partire dalla stessa situazione iniziale. Ogni riga mostra la posizione delle auto nelle 100 celle che compongono la strada, e spostandosi verso il basso la simulazione avanza di una iterazione. Le “onde” che si notano nei grafici sono code e ingorghi dovuti alle interazioni tra le auto a seguito dei rallentamenti casuali, sulla base delle semplici regole del modello.
Notiamo come nello scenario base si creano più facilmente rallentamenti, mentre nel terzo caso il traffico scorre in modo più fluido. È interessante come l’andamento del traffico nel secondo scenario sia notevolmente diverso dal primo, nonostante solo una piccola percentuale di individui rispetti i limiti di 30 km/h.
Per analizzare l’effetto sul traffico e sulle abitudini dei singoli, abbiamo preparato alcune statistiche descrittive, calcolate su 50000 iterazioni del modello. Calcoliamo in particolare:
- Velocità media: rappresenta l’efficienza del sistema. Dato che il sistema è chiuso e le auto circolano in tondo senza possibilità di sorpassi, è direttamente proporzionale alla portata della strada.
- Deviazione standard della velocità: se bassa indica un traffico che scorre in modo regolare, mentre se alta è indice di un traffico “nervoso”.
- Auto > 30 km/h: Percentuale di auto che in ogni istante viaggiano a più di 3 celle iterazione (30 km/h). Un’alta percentuale di auto ad alta velocità rende le strade pericolose e non si traduce necessariamente in velocità medie più alte.
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
|---|---|---|---|
| Scenario base | 26,61 | 10,57 | 41,7% |
| Pochi disciplinati | 25,46 | 10,91 | 22,4% |
| Rispetto diffuso | 24,88 | 8,05 | 2,0% |
Statistiche descrittive del modello. La velocità è espressa in km/h per chiarazza espositiva. Tecnicamente è calcolata in celle/iterazione (1 cella/iterazione è convertita in 10 km/h).
Vediamo che rispetto allo scenario base le velocità medie cambiano di poco nel secondo e terzo caso. Notiamo invece che nel secondo scenario la percentuale di auto che supera i limiti di velocità è quasi dimezzata, grazie al comportamento di solo 2 auto su 20.
Abbiamo eseguito altri test con il nostro modello, aumentando o diminuendo il numero di auto, aumentando la velocità massima degli autisti “indisciplinati”, e inserendo un semaforo. In ogni caso notiamo che l’effetto di una piccola percentuale di automobilisti rispettosi dei limiti riesce a ridurre significativamente la percentuale di auto in eccesso di velocità. I risultati sono in linea con alcuni studi che mostrano come l’introduzione di un numero piccolo di veicoli a guida autonoma possano migliorare il flusso del traffico rendendolo più regolare (link) (con questo non stiamo sostenendo che le auto a guida autonoma siano la soluzione ai problemi di trasporto urbano, anzi, come ben illustrato da questo video di Not Just Bikes, potrebbero generare una serie infinita di problemi).
| 20 auto (modello base) | |||
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
| Scenario base | 26,6 | 10,6 | 41,7% |
| Pochi disciplinati | 25,5 | 10,9 | 22,4% |
| Rispetto diffuso | 24,9 | 8,0 | 2,0% |
| 15 auto (traffico leggero) | |||
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
| Scenario base | 39,4 | 9,4 | 73,7% |
| Pochi disciplinati | 28,0 | 11,0 | 29,0% |
| Rispetto diffuso | 27,4 | 6,8 | 2,3% |
| 30 auto (traffico intenso) | |||
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
| Scenario base | 15,8 | 10,4 | 17,3% |
| Pochi disciplinati | 15,7 | 10,5 | 9,8% |
| Rispetto diffuso | 15,7 | 9,4 | 1,1% |
| 20 auto, velocità max delle auto “indisciplinate”: 70 km/h | |||
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
| Scenario base | 26,5 | 12,9 | 33,7% |
| Pochi disciplinati | 25,4 | 11,5 | 20,4% |
| Rispetto diffuso | 24,9 | 8,1 | 2,3% |
| 20 auto. Inserito un semaforo rosso per il 50% del tempo | |||
| Velocità media | Dev. Std. velocità | Auto > 30 km/h | |
| Scenario base | 23,5 | 11,1 | 31,5% |
| Pochi disciplinati | 24,0 | 10,8 | 20,8% |
| Rispetto diffuso | 23,1 | 8,4 | 2,2% |
Quello che emerge dall’analisi è che non è necessario convincere tutti a guidare in modo più sicuro e rispettoso: basta convincere una parte della popolazione, e gli altri dovranno adeguarsi!
A questo fenomeno “fisico”, si aggiunge un importante aspetto psicologico: nel momento in cui una larga maggioranza si comporta in modo rispettoso sulla strada, certi comportamenti “indisciplinati” diventano sempre meno socialmente accettabili, riducendone ulteriormente la diffusione.
Quindi, la prossima volta che ti metti in auto ricorda di avere una grande responsabilità. Rallenta, dai la precedenza ai pedoni sulle strisce, lascia spazio alle biciclette in fase di sorpasso e soprattutto… keep calm e lasciali sfanalare, prima o poi si stufano e smettono!
Bike2UNIBG 