Redazione di GO-Mobility

E se il TPL fosse gratis?

Esercizi di simulazione sull’area metropolitana di Milano

Hai mai pensato a cosa succederebbe se a Milano i trasporti pubblici fossero del tutto gratuiti? Noi sì, e per rispondere a questa domanda abbiamo applicato un modello activity-based all’area metropolitana meneghina per studiare le possibili conseguenze di un azzeramento totale delle tariffe di trasporto pubblico e, allo stesso tempo, le differenze con i modelli di tipo tradizionale. Una policy spesso ambita ed evocata come simbolo di equità – non a caso uno dei punti più celebri della campagna del neo-eletto sindaco progressista di New York – ma che può nascondere “effetti indesiderati” non immediatamente percepibili senza riflessioni più ampie e di lungo periodo. Grazie ad un approccio che mira a superare i modelli tradizionali e cogliere la complessità delle scelte individuali, siamo stati in grado di dettagliare alcune di queste riflessioni, con dati alla mano. Pronti?

Perché ci serve un nuovo approccio per rispondere (bene) a questa domanda?

Innanzitutto partiamo dai modelli, ovvero quei sistemi di simulazione utilizzati da trasportisti e decisori politici per prevedere i comportamenti di viaggio e gli spostamenti delle persone all’interno di un’area urbana o regionale. L’approccio più tradizionale in questo campo, considerato ancora lo stato dell’arte, è il modello a quattro stadi, che costruisce matrici di Origine-Destinazione (OD) a partire da diverse fonti dati, restituendo un quadro statico e aggregato.

Un’evoluzione rispetto a questo metodo è l’uso di modelli che considerano le catene di viaggi, quindi considerando ogni viaggio come vincolato al precedente. Tuttavia, anche in questo caso, il risultato finale rimane una fotografia aggregata dei flussi che non rappresenta in modo completo l’organizzazione complessiva della giornata delle persone.

Il modello activity-based (AcBM) cambia radicalmente il concetto. Non lavora più su gruppi di persone considerati in modo medio e aggregato, ma costruisce una popolazione virtuale composta da individui simulati uno per uno. Di conseguenza, non si analizzano più le scelte di categorie generiche (come ad esempio “pendolari” o “studenti”), ma si rappresenta ogni persona con le proprie caratteristiche specifiche (età, lavoro, orari, famiglia, disponibilità di auto), simulando le sue decisioni quotidiane e anche le possibili interazioni con altri membri del nucleo familiare.

È un approccio che viene utilizzato sia per simulare dettagli operativi (come ad esempio sapere se un dato utente salirà su un Italo o su un Frecciarossa) che politiche complesse, come l’introduzione di una congestion charge, di schemi di nudging, o, come nel nostro caso, l’azzeramento delle tariffe per il trasporto pubblico.

Dietro le quinte di una popolazione sintetica

L’implementazione del modello activity-based ha richiesto una vasta gamma di fonti dati, sia aggregate che disaggregate. Dai dati di tipo istituzionale (censimento e microdati ISTAT, indagini telefoniche e web, banche dati dell’Osservatorio del mercato immobiliare – OMI, parco auto ACI…) a big data quali i ping GPS da mobile app e matrici O/D ricavate da dati telefonici.

Il sistema di simulazione utilizzato è stato ActivitySim, una piattaforma open-source avanzata basata su modelli activity-based. Le catene di scelta vengono calibrate usando diverse fonti dati: la matrice O/D proveniente dai dati telefonici, i diari degli spostamenti ricostruiti dai ping GPS dei dispositivi mobili e le indagini effettuate sul campo.

La costruzione della popolazione sintetica è una parte fondamentale del processo di simulazione: si parte da una “popolazione seme”, ovvero individui appartenenti a nuclei familiari elaborati a partire da un robusto campione di interviste (oltre 20mila in questo caso) che indagano le caratteristiche sociodemografiche di base (età, genere, titolo di studio, stato e settore di occupazione, residenza, composizione del nucleo familiare ed eventuale condizione di mobilità ridotta) e la ricostruzione del diario di spostamento (motivo dello spostamento, ora, durata e mezzi usati ecc.).

Queste informazioni vengono arricchite con dati sul reddito e sul valore del tempo, che viene stimato attraverso le scelte dichiarate nelle interviste (analizzando quanto ogni individuo sia disposto a pagare per risparmiare tempo, ad esempio scegliendo tra un’opzione più veloce ma più cara o una più lenta ma più economica, grazie a modelli econometrici).

A questo punto si utilizza un add-on di ActivitySim chiamato “PopulationSim”, che clona questa popolazione seme per ricostruire la popolazione sintetica dell’area di studio sulla base dei dati del censimento ISTAT e dalla composizione del parco auto di ACI. Questa popolazione può poi essere arricchita con dettagli ulteriori, come ad esempio il possesso o meno di un abbonamento per il TPL o la quantità di automobili disponibili per nucleo famigliare, in modo da definire risorse e vincoli per ogni agente.

Questo ci permette di prevedere sia le scelte a lungo termine (se l’auto in famiglia è assente, la modalità “auto” non sarà disponibile tra le opzioni di scelta) che quelle a breve termine. Ad esempio, se l’utente sceglie l’automobile per il viaggio casa-lavoro, sappiamo che non potrà usare la bicicletta in pausa pranzo perché non l’ha portata con sé.

Nonostante la sua complessità, la popolazione sintetica viene ricostruita molto fedelmente: l’output include un elenco di individui con dati sociodemografici e diari di spostamento (orario, motivo, modo utilizzato), visualizzabili graficamente (tramite il software specializzato PTV Visum).

Dalla teoria all’applicazione: l’ipotesi del trasporto pubblico gratuito a Milano

Passiamo dunque al caso studio: per testare la bontà dei modelli activity-based si è scelto un caso estremo che vede l’azzeramento della tariffa per il trasporto pubblico di tutta l’area metropolitana (cosiddetta area STIBM – Sistema Tariffario Integrato del Bacino di Mobilità). L’obiettivo è stato duplice: da un lato valutare le risposte dei differenti approcci modellistici (AcBM VS modello a quattro stadi) a una misura volutamente di grande impatto; dall’altro ricostruire gli impatti di questa policy sul sistema dei trasporti sulla base di una serie di domande chiave:

Se il trasporto pubblico diventasse totalmente gratuito…

• Come cambierebbe lo split modale tra il trasporto pubblico e gli altri modi di spostamento?
• Chi beneficerebbe maggiormente della misura?
• Quali sarebbero gli effetti sul tasso di motorizzazione?
• Dove si avrebbero i maggiori benefici o peggioramenti a livello ambientale?
• Quanto è sostenibile la misura in termini di costi, mancati introiti e affollamento dei mezzi?

I risultati mostrano che l’approccio activity-based è in grado di tenere in considerazione elementi che il modello a quattro stadi non è in grado di catturare. Non cambia tanto la sostanza (le variazioni ottenute da entrambi i modelli sono concordi) ma la forma sì: l’ordine di grandezza dei risultati è completamente differente. Vediamo i numeri.

Se rendessimo gratuito il trasporto pubblico…

Come cambierebbe lo split modale?

Come si vede dal grafico sottostante, la differenza tra i risultati offerti dal modello activity-based e quello a quattro stadi è molto evidente. Entrambi i modelli mostrano che trasporto pubblico diventerebbe più attrattivo non solo per chi si sposta in auto, ma anche, in maniera proporzionalmente paritetica, anche per chi si sposta in bici e a piedi (mobilità attiva). L’AcBM, tuttavia, permette di “catturare” con maggiore fedeltà l’ordine di grandezza di queste variazioni: la quota di spostamenti con i mezzi pubblici aumenterebbe del +25,3% (contro il 3,1% previsto dal modello a quattro stadi), provenienti in parte dalla mobilità veicolare privata (12,2%) e in misura simile dalla mobilità attiva, che subirebbe un calo dell’11,8%. Una quota residuale di spostamenti viene assorbita anche da veicoli a due ruote, car/micromobilità sharing e taxi.

Chi beneficerebbe maggiormente della misura?

I maggiori benefici in termini di shift modale, ovvero il trasferimento di viaggi dall’auto privata a modalità più sostenibili, si concentrerebbero nelle zone posizionate lungo gli assi di forza (linee portanti ferroviarie e metropolitane interne al capoluogo, visibili nella mappa sottostante).

In termini di gruppi sociali, la politica risulterebbe più attrattiva per gli strati socialmente meno abbienti (in rosso nel grafico sottostante) e che vivono nelle aree dell’hinterland (pallini “vuoti”).

Quali sarebbero gli effetti sul tasso di motorizzazione?

Secondo le simulazioni, il numero complessivo di auto per abitante diminuirebbe del 3,64%. Una quota di utenza, infatti, sarebbe disposta a rinunciare all’auto se il trasporto pubblico coprisse in modo adeguato tutte le esigenze di mobilità proprie e del nucleo famigliare.

Dai risultati si evince inoltre che il TPL gratuito porterebbe a una diminuzione della distanza media svolta con i mezzi pubblici (come conseguenza di un aumento sensibile della quota di spostamenti brevi sul TPL) e con car/micromobilità sharing (dovuto a una maggiore possibilità di “spezzettare” un singolo spostamento su più mezzi, in una logica multimodale). Per contro, aumenterebbero le distanze percorse in moto (+3,4%) e in auto (+5,6%). I percorsi in bici e a piedi non subirebbero variazioni significative (+0,4%).

Dove si avrebbero i maggiori benefici o peggioramenti a livello ambientale?

Per quanto riguarda le emissioni, la riduzione stimata dall’AcBM è drastica: il calo di emissioni climalteranti e inquinanti (CO2, Nox, PM10) oscilla tra il -20% e il -25% in tutti i tipi di strade considerate, mentre il modello a quattro stadi colloca questo range tra il 2% e il 5%. La riduzione è soprattutto legata all’effetto della fluidità del traffico più che alla riduzione del numero di spostamenti veicolari.

Quanto è sostenibile la misura in termini di affollamento dei mezzi?

Anche i risultati relativi all’affollamento dei mezzi mostrano una notevole differenza: con l’approccio activity-based si registra una netta crescita della percentuale delle corse in sovraffollamento (ovvero quelle con un coefficiente di riempimento superiore all’80%) soprattutto sui sistemi portanti del capoluogo (metro e tram), dove gli aumenti toccano dei picchi intorno al +70% negli orari di punta mattutino e serale per la metropolitana, e nel picco intermedio (IP – interpeak) per i tram. Si tratta di un aumento che il modello a quattro stadi prevede in modo molto più limitato, come si evince dal grafico sottostante.

Quanto è sostenibile la misura in termini di costi e mancati introiti?

Per rispondere a questa domanda sono stati utilizzati i criteri forniti dal Ministero[1] per il calcolo degli impatti economici derivanti dai veicoli*km risparmiati, come la riduzione di incidentalità, rumore ed emissioni inquinanti, ma anche la stima dei mancati introiti derivanti dalla diminuzione dei veicoli in ingresso in Area C e nei parcheggi a pagamento.

Come si evince dalla tabella sottostante, sia dal punto di vista dei risparmi che da quello dei costi l’AcBM produce stime più drastiche. Si calcolano circa 30.000€ al giorno[2] risparmiati per la riduzione di sinistri stradali, 70.000€ per la diminuzione del rumore da traffico e 460.000€ per il calo di emissioni.

Dal punto di vista, dei costi, invece, la diminuzione di introiti derivanti da Area C e dalla sosta a pagamento ammonta rispettivamente a –50.000€ e –300.000€. In questo ambito si tratta di dati che il modello a quattro stadi non è in grado di stimare con precisione, poiché le informazioni aggregate non permettono di distinguere tra residenti con sosta gratuita e non residenti, o di determinare la durata della sosta. La perdita da mancata bigliettazione si attesta in entrambi i casi a -200.000€ di entrate.

Va inoltre considerato che l’aumento della domanda generato dalla gratuità comporterebbe un incremento dei livelli di affollamento. Se si volessero mantenere gli stessi standard di comfort, quindi con livelli di carico (load factor) simili ai valori attuali, sarebbe necessario aumentare frequenze e mezzi, con conseguente crescita dei costi di esercizio. In tale scenario, il saldo economico complessivo risulterebbe negativo in entrambi i modelli, e in misura ancora più significativa nel caso dell’Activity-Based Model, con perdite economiche che lievitano a -450.000€ (rispetto ai -40.000€ previsti dal modello a quattro stadi).

Conclusioni metodologiche: i modelli sono importanti (semicit.)

Le conclusioni che traiamo da questo esperimento sono molteplici.

Dal punto di vista metodologico possiamo intanto affermare che “i modelli sono importanti”: quello tradizionale a quattro stadi non ha la sensibilità necessaria per simulare politiche di grande impatto, non essendo in grado di simulare singolari combinazioni di attributi personali come genere, età e reddito e la loro incidenza sulle scelte di mobilità individuali. Una misura come l’azzeramento delle tariffe del TPL può incidere notevolmente sulle abitudini di mobilità e sulle scelte di vita delle persone, e per studiarle servono strumenti in grado di cogliere i dettagli e le sfumature delle diverse esigenze individuali.

Il modello activity-based, invece, permette di studiare approfonditamente i cambiamenti nell’organizzazione giornaliera delle attività delle persone, tenendo conto anche dell’interazione tra agenti dello stesso nucleo famigliare (es. la presenza di figli e delle relative esigenze di mobilità). Di contro, applicare questo tipo di analisi richiede la capacità di acquisire, pulire, gestire, archiviare e maneggiare una maggiore quantità di dati, sia aggregati che disaggregati, per la corretta calibrazione dei modelli. Non mancano inoltre alcune criticità da risolvere per poter migliorare ancora di più la bontà di questo modello, come la possibilità di integrare altre fonti dati per affinare i processi di calibrazione e aggiungere modelli di scelta aggiuntivi come la tipologia di veicolo o la frequenza del lavoro da remoto.

Conclusioni strategiche: ma quindi ne vale la pena?

Parlando invece del caso in sé, i dati mostrano che la quota di spostamenti “assorbita” dal TPL reso più appetibile dalla gratuità non è composta solo da chi si sposta in auto, ma anzi in ugual misura attrae un’utenza che si spostava già con modalità sostenibili (a piedi e in bici).

Se l’obiettivo strategico di un sistema di mobilità è distribuire in modo equilibrato le esigenze di spostamento tra le diverse modalità – promuovendo attivamente sia il trasporto collettivo che la mobilità attiva – una misura di indiscriminata di gratuità rischia quindi di alterare tale equilibrio, concentrando ulteriormente la pressione sul TPL e comprimendo la qualità del servizio per l’utenza che ne ha veramente bisogno (i cosiddetti “captive” dei mezzi pubblici).

Il risultato diventa dunque paradossale: utenti che potrebbero agevolmente coprire tragitti brevi a piedi o in bicicletta scelgono il mezzo pubblico perché il costo marginale è nullo, contribuendo al sovraffollamento e riducendo l’accessibilità effettiva per coloro che non dispongono di alternative realistiche, come anziani, studenti, persone con mobilità ridotta o lavoratori pendolari su distanze medio-lunghe.

Nel complesso, in assenza di un contestuale aumento dell’offerta, questo genera un utilizzo meno efficiente della capacità disponibile, traducendosi in peggioramento della puntualità, aumento dei tempi di attesa effettivi e riduzione del comfort, con il rischio di colpire proprio l’utenza più vulnerabile e minare quell’equità auspicata dalla misura.

Periferie di Serie A e di Serie B

C’è un ulteriore effetto da considerare: le periferie non servite da linee portanti, dove l’offerta rimane debole o frammentata, tendono a beneficiare in misura molto minore dell’azzeramento tariffario. In tali contesti, il vincolo principale non è il prezzo ma la qualità del servizio. La gratuità, quindi, può accentuare un divario interno tra periferie “forti” già integrate nella rete portante e periferie “deboli”, dove la gratuità non può compensare l’inadeguatezza del servizio rispetto alle esigenze reali. In questo quadro, l’azzeramento tariffario sembra funzionare soprattutto come leva di intensificazione dell’uso del TPL laddove esso è già competitivo, più che come strumento di riequilibrio complessivo del sistema di mobilità urbana.

Dalle simulazioni alle esperienze reali

La proposta di Zohran Mamdani di rendere gratuito il trasporto pubblico a New York ha scatenato uno dei dibattiti più accesi della politica cittadina. Se da un lato chi la sostiene porta avanti istanze legate all’equità sociale (alleggerimento dei bilanci famigliari, fine della criminalizzazione della povertà legata all’evasione tariffaria), all’efficienza operativa (aumento della velocità commerciale data dall’assenza di tornelli e controlli) e alla lotta contro il cambiamento climatico, chi è contrario si concentra soprattutto sull’insostenibilità finanziaria (anche considerati i risultati del pilota di un anno), sul rischio di affollamento e di conseguenza sulla necessità di dare priorità alla qualità ed espansione del servizio piuttosto che alla gratuità, sostenendo che chi guida cerca comfort e velocità, non il risparmio di pochi dollari. La Metropolitan Transportation Authority (MTA), infatti, senza una fonte di finanziamento sostitutiva garantita e permanente rischierebbe di dover tagliare dei servizi e rendere il sistema totalmente dipendente dalle oscillazioni politiche del Governatore di Stato che la finanzia e la controlla.

Fonte: “Transit campaign lessons from Zohran Mamdani”, Transportation Riders United.

Ma cosa sappiamo delle reali esperienze effettive di fare-free public transport in Europa? Il caso di Tallinn, prima capitale europea ad adottare un trasporto pubblico gratuito per i suoi residenti, è spesso citato come esempio pionieristico di accessibilità universale alla mobilità urbana. Tuttavia, le evidenze empiriche suggeriscono che gli effetti su riduzioni significative dell’uso dell’auto privata sono limitati e che l’aumento della domanda non è sempre proporzionale alle aspettative iniziali (+14% dopo il primo anno), soprattutto in sistemi che partivano già con un’alta quota modale di trasporto pubblico. A Tallinn, gran parte dell’aumento dei passeggeri non deriva dalla quota auto ma soprattutto dalla componente pedonale (che subisce un calo del -40%).

Montpellier, che ha recentemente seguito l’esempio di Tallinn, ha posto però particolare attenzione ad accompagnare la misura con imponenti investimenti infrastrutturali in nuove linee tramviarie, potenziamento della frequenza, rinnovo del materiale rotabile e rafforzamento delle carreggiate dedicate, nell’intento di sostenere un aumento atteso dell’utenza e mantenere standard di servizio accettabili. Questo ha portato ad un aumento di circa il 20% dei viaggi, ma  anche in questo caso il trasferimento modale dall’auto privata ai mezzi pubblici è stato relativamente limitato (circa un terzo dei nuovi utenti), con una quota consistente proveniente dagli spostamenti a piedi e in bici (39%) e nuovi viaggi (28%).

Fonte: articoli di TGR Liguria e Genova Quotidiana

Ma non serve andare per forza oltralpe: il caso di Genova è diventato, negli ultimi mesi, il monito principale per chi studia e valuta la gratuità del TPL. A inizio anno la Procura di Genova ha chiesto il fallimento di AMT Genova e la misura (gratuità totale per residenti su metropolitana e impianti verticali, attivata il 1° gennaio 2024) è stata interrotta e profondamente ridimensionata (mantenuta solamente per under 14 e over 70 con requisiti di reddito e fasce orarie). Nel biennio 2024-2025 la differenza tra i ricavi incassati e quelli stimati dalla previsione aziendale è stata di 36,6 milioni di euro, dimostrando che il trasporto gratuito non può essere una scommessa basata su fondi correnti, ma richiede una copertura strutturale esterna, come tasse dedicate o fondi statali certi.

Questi elementi sollevano interrogativi di sostenibilità economica e di capacità gestionale del sistema: la gratuità, anche se accompagnata da un aumento altrettanto robusto dell’offerta (nuove linee, frequenze maggiorate, rinnovo del materiale rotabile), rischia di erodere le risorse disponibili per investimenti futuri e manutenzione, comprimendo la qualità del servizio e la soddisfazione dell’utenza.

Immagine tratta dal blog Transport Leaders. Qui la puntata dedicata al trasporto pubblico gratuito

La resa dei conti

Per citare Transportation4America, l’idea del trasporto pubblico gratuito è nobile e offre grandi vantaggi, ma un servizio affidabile è molto meglio. Il fatto che il maggiore shift avvenga sulle linee portanti dimostra che non è la gratuità in sé a generare mobilità, ma la combinazione tra gratuità e qualità del servizio. Questo suggerisce che misure mirate di tariffazione nulla o fortemente agevolata per specifici gruppi target, come le fasce di reddito medio-basse o residenti nelle periferie meno servite, accompagnate da investimenti infrastrutturali e di potenziamento dei servizi, potrebbero offrire un rapporto costo-beneficio più favorevole rispetto a politiche universalistiche, consentendo di elevare l’accessibilità per chi ha realmente bisogno e contemporaneamente perseguire obiettivi ambientali, sociali ed economici senza trasferire oneri di bilancio insostenibili su tutta la popolazione.

Inoltre, uscendo dal mero ragionamento trasportistico, sarebbe importante considerare anche i possibili effetti di lungo termine di questa misura sullo sviluppo territoriale, come fenomeni di gentrificazione o sprawl urbano legati all’aumento di valore immobiliare delle zone servite dai mezzi pubblici e della convenienza a spostarsi sempre di più verso l’esterno della città, i quali richiederebbero un adeguato approfondimento e monitoraggio per prevenire distorsioni sociali e disuguaglianze “di secondo livello” non immediatamente visibili o prevedibili.

Fonte: Transport4America

[1] Indicatori desunti dalle tabelle associate all’Avviso n. 3 per la presentazione di istanze ai fini della programmazione degli interventi finanziabili dallo Stato in via ordinaria nel settore del Trasporto Rapido di Massa.

[2] Tutti i dati di costo/risparmio si riferiscono a un giorno feriale medio.

Data Mobility è un progetto di GO-Mobility
Scopri chi siamo e i progetti con cui trasformiamo i dati in soluzioni di mobilità.