Il cerchio mente: quanto copre davvero una fermata dell'autobus

Quanta città raggiunge davvero una fermata dell’autobus?

La risposta standard è un cerchio: 375 metri di raggio, cioè cinque minuti a 4,5 km/h. È la misura che si trova in gran parte delle analisi di accessibilità al trasporto pubblico, ed è comoda perché si calcola in una riga di codice.

È anche sbagliata di tre volte e mezzo.

Il problema

Un cerchio non conosce la città. Attraversa fiumi, ferrovie, muri di cinta e vicoli ciechi con la stessa disinvoltura con cui attraversa una piazza. Conta come raggiungibile tutto ciò che sta entro 375 metri in linea d’aria, mentre a piedi ci si muove solo dove c’è una strada.

Il problema non è teorico: su quella misura si decide dove aggiungere una fermata, quali sono ridondanti, quanta popolazione è servita. Se la misura è gonfia, lo sono anche le decisioni.

Misurare la cosa giusta, però, non è banale. Il primo ostacolo è che le fermate quasi mai coincidono con un incrocio. Se si facesse partire il calcolo dal nodo più vicino del grafo stradale — la scorciatoia più naturale — si butterebbe via fino a un quarto dell’isocrona prima ancora di iniziare a camminare.

La soluzione

Abbiamo costruito Fermata, che calcola per ognuna delle 1.308 fermate TPER del comune di Bologna l’area raggiungibile in cinque minuti percorrendo la rete stradale reale:

• Percorso minimo sul grafo vero — Dijkstra sulla rete stradale del Comune, non un buffer geometrico
• Aggancio per proiezione — ogni fermata viene proiettata sull’arco più vicino e inserita come nodo virtuale, collegato ai due estremi con la distanza reale lungo la geometria: così il budget si spende per camminare, non per raggiungere l’incrocio
• Tre reti pedonali a confronto — il grafo stradale ufficiale RIFTER, OpenStreetMap e la fusione dei due, confrontabili fermata per fermata, più un servizio terzo di isocrone come controprova
• Un indice sintetico di valore — popolazione servita, quota di popolazione fragile, reddito, accessibilità e sicurezza del percorso pedonale, distanza dal nodo di interscambio

Sul reddito la scelta è deliberatamente equity-first: un’area a reddito mediano più basso pesa di più, perché ha meno alternative di mobilità. Non è un default tecnico, è una scelta di valore — e come tale va dichiarata, non nascosta in un peso.

Il risultato

Sui dati reali di Bologna, l’area davvero raggiungibile a piedi dalla rete di fermate è 3,49 volte più piccola di quella che il metodo a cerchio dichiara coperta.

Non è uno scarto marginale, da assorbire con un fattore prudenziale: sono due mappe che raccontano due città diverse. E la seconda non esiste.

Il confronto si vede fermata per fermata nella demo dell’applicazione: il poligono che segue le strade, gli archi realmente percorsi e il cerchio euclideo sovrapposti sulla stessa fermata.

La parte che nessuno racconta: quando i numeri peggiorano

Due volte, durante il progetto, abbiamo cambiato metodo e i nostri risultati sono peggiorati. Entrambe le volte era la cosa giusta.

Il primo caso: la forma dell’isocrona. Inizialmente l’area raggiunta veniva chiusa con un concave hull. Passando a un buffer sugli archi effettivamente percorsi, l’area coperta si è quasi dimezzata — e la sovrastima del cerchio, di conseguenza, è cresciuta ancora. Il metodo precedente riempiva gli interni degli isolati attorno a ogni fermata: cortili e giardini privati contati come raggiungibili a piedi. Il numero più basso è quello corretto.

Il secondo caso: i buchi nella copertura. I walkshed hanno buchi voluti: cortili e interni di isolato che non si attraversano. Calcolando le “aree scoperte” come complemento della copertura, quei buchi finivano contati come periferia non servita. Sul dataset reale la quasi totalità di quei vuoti erano cortili interni, e gonfiavano di oltre la metà la popolazione classificata come non raggiunta. Un cortile non è un’area da servire con una nuova fermata: è un ostacolo fisico.

Se avessimo pubblicato la prima versione, avremmo raccontato una città con un problema di copertura molto più grave di quello reale, con numeri dall’aria autorevole.

Il principio che si applica ovunque

Un modello che ti dà ragione è un modello che non hai ancora finito di verificare.

Le due correzioni sopra non sono emerse da un test che falliva: il codice funzionava, i numeri erano plausibili, i grafici belli. Sono emerse andando a guardare cosa rappresentavano davvero quei poligoni, uno per uno, finché il conto non ha smesso di tornare per il motivo sbagliato.

Vale per le isocrone come per qualunque pipeline di dati: la domanda utile non è “il calcolo gira?”, ma “sto misurando la cosa che credo di misurare?”. La prima ha quasi sempre risposta sì. È la seconda che cambia le decisioni.

Hai dati geospaziali o operativi su cui stai prendendo decisioni? Scrivici — vediamo insieme se misurano quello che pensi.