Migliorare la qualità del servizio di bike sharing

Il bike sharing è diventato comune in molti luoghi, e sicuramente lo avrete visto in diverse città svizzere: Biciclette elettriche o e-scooter dai colori vivaci che possono essere utilizzati nelle stazioni ferroviarie e in altri luoghi pubblici - di solito tramite app - per andare da A a B in modo rapido. Ma spesso questi veicoli vengono parcheggiati da qualche parte dopo l'uso, ad esempio sui marciapiedi, agli ingressi degli edifici o in altri luoghi dello spazio pubblico. Lì spesso diventano un fastidio per gli altri utenti della strada o per i residenti. E devono essere nuovamente raccolti dai fornitori di biciclette della città con costi elevati.

Le aspettative degli utenti del bike-sharing sono diverse: vogliono un veicolo rapidamente disponibile e funzionale. E lo vogliono dove ce n'è bisogno, cioè non solo nelle stazioni ferroviarie, ma anche, ad esempio, nelle sale da concerto, negli stadi sportivi o nei ristoranti, per poter tornare a casa in modo rapido e sicuro. Uno studio dell'Università norvegese di tecnologia e scienze naturali (NTNU) di Trondheim ha quindi esaminato come le città e i fornitori di bike-sharing possano migliorare il servizio e la gestione del traffico.

Come sparare a un bersaglio in movimento

Fornire biciclette o e-scooter dove e quando le persone ne hanno bisogno è una sfida. Il problema è descritto come dinamico, perché è in continua evoluzione, e stocastico, perché cambia in modo casuale e spesso difficile da prevedere. Steffen Bakker, ricercatore presso il Dipartimento di Economia Industriale e Gestione della Tecnologia della NTNU, lo spiega come segue: "Gli utenti del sistema di bike-sharing prelevano le loro biciclette in un luogo e poi le portano in un altro luogo. Poi lo stato del sistema cambia, perché improvvisamente le biciclette non sono più dove erano in origine, questa è la parte dinamica", ha detto. "Inoltre, non si sa quando i clienti ritireranno le biciclette e dove le parcheggeranno. Questa è la parte stocastica. Quindi, se si vuole pianificare all'inizio della giornata, non si sa cosa succederà". È come sparare a un bersaglio mobile, dice. In altre parole, si vuole un sistema in grado di fare previsioni più accurate su dove e quando ci sarà un aumento della domanda di biciclette e di e-scooter. Bakker e i suoi colleghi hanno quindi sviluppato un modello di ottimizzazione che fornisce raccomandazioni agli operatori di bike sharing su come programmare le biciclette e gli scooter e i veicoli di servizio. L'obiettivo è quello di migliorare il processo di cosiddetto "riequilibrio", ovvero la raccolta e il trasporto delle biciclette da una stazione di parcheggio all'altra.

Mettere insieme le parti in modo corretto

A questo scopo, i ricercatori norvegesi hanno condotto un test pilota a Trondheim. "Con questo, vogliamo utilizzare i sistemi di biciclette urbane esistenti come base di prova e aumentare l'efficienza delle squadre di riequilibrio di 30 % e la durata di vita delle biciclette di 20 % sviluppando nuovi strumenti di supporto alle decisioni", afferma Jasmina Vele, project manager di Urban Sharing, la società di bike sharing coinvolta nel progetto di ricerca. "Questo può essere ottenuto attraverso migliori decisioni di riequilibrio e manutenzione preventiva, che porteranno a una grande riduzione dei costi dei sistemi di biciclette urbane esistenti". Il modello di ottimizzazione, ancora in fase di sviluppo, può essere utilizzato per comunicare un nuovo piano ai conducenti dei veicoli di servizio ogni volta che arrivano a una stazione di biciclette.

È proprio questa la parte difficile. È importante non essere troppo miopi e concentrarsi solo sullo stato attuale del sistema, afferma Bakker, soprattutto se si prevede che alcune stazioni avranno una maggiore richiesta nelle prossime ore. "È molto complesso perché si tratta di un grande sistema", spiega. "Forse tra un'ora ci sarà una grande richiesta alla stazione. Quindi volete già portare lì delle biciclette. Ma allo stesso tempo, potrebbero esserci stazioni quasi vuote che hanno bisogno di biciclette. Quindi bisogna trovare un compromesso".

Modellare il bike sharing con un gemello digitale

Bakker e i suoi colleghi stanno collaborando con il Dipartimento di Informatica della NTNU per creare un "gemello digitale" o una simulazione al computer dei sistemi. In questo modo possono testare diversi modelli e sperimentare diversi approcci senza doverli testare nel mondo reale. I primi test hanno dimostrato che il modello creato dal gruppo è in grado di ridurre il numero di problemi (cioè un numero troppo basso di biciclette nel luogo in cui l'utente ne vuole una, oppure un numero troppo alto di biciclette che impedisce all'utente di parcheggiare la propria bicicletta) di 41 % rispetto al mancato riequilibrio.

Il team di Steffen Bakker ha lavorato anche su una componente del modello di ottimizzazione chiamata punteggio di criticità. Il punteggio di criticità è fondamentalmente un punteggio assegnato ai diversi parcheggi di bike sharing in base al numero di biciclette che attualmente contengono o richiedono. Questi punteggi sono relativamente facili da calcolare e possono essere forniti ai ciclisti durante gli spostamenti in città per bilanciare il numero di biciclette in ogni stazione. "È un punteggio che indica all'utente del servizio quale stazione deve assolutamente raggiungere", spiega Bakker. "Ci permette di offrire qualcosa che, pur non essendo il migliore, è probabilmente buono e molto migliore di quello che le società di bike-sharing hanno attualmente a disposizione". Jasmina Vele di Urban Sharing conferma poi che l'utilizzo di questo tipo di modelli di ottimizzazione può contribuire a rendere il bike sharing una parte importante del trasporto urbano. "La visione di Urban Sharing per la mobilità futura è un sistema di trasporto reattivo e adattabile. Utilizzando i dati e gli algoritmi di apprendimento automatico/ottimizzazione, possiamo combinare il meglio dei sistemi di trasporto tradizionali e moderni per creare un sistema efficiente dal punto di vista delle risorse che risponde alla domanda e si adatta alle esigenze dei singoli utenti", afferma Vele.

La ricerca è stata pubblicata sulla rivista European Journal of Operational Research. Fonte: Techexplore.com