La qualità del trasporto pubblico dipende dalla qualità dei dati su cui si basa la pianificazione. Eppure, ancora oggi, la domanda di mobilità viene stimata con rilievi manuali, campagne periodiche o modelli statistici: strumenti che restituiscono soltanto una fotografia parziale della realtà.
Con RighTo di Techrail il paradigma cambia. Il suo sistema di conteggio passeggeri, basato sull’intelligenza artificiale, ricostruisce automaticamente la matrice Origine-Destinazione (OD): dove i passeggeri salgono, dove scendono e come si muovono realmente all’interno della rete, nel pieno rispetto del GDPR.
RighTo in sintesi
- Accuratezza superiore al 99%
- GDPR compliant
- Ottimizzazione della rete
Da una domanda stimata a una domanda misurata
Una matrice Origine-Destinazione quantifica i flussi di passeggeri tra coppie di fermate di origine e di destinazione, in un determinato intervallo di tempo. Non dice solo quante persone usano il servizio, ma come si distribuiscono i loro spostamenti.
Con RighTo si passa da una domanda stimata a una domanda continuamente misurata, attraverso dati oggettivi raccolti durante il servizio. Rispetto alle indagini campionarie, onerose e discontinue, l’acquisizione automatica a bordo aggiorna l’analisi con più continuità e con maggiore granularità temporale e spaziale.
Il valore cresce quando i dati si confrontano nel tempo. Periodi diversi mostrano le variazioni tra fasce di punta e di morbida, i cambiamenti nei comportamenti di mobilità e gli effetti di eventi, perturbazioni o modifiche del servizio.
| Metodo | Cosa restituisce | Limite o vantaggio |
| Rilievi manuali, campagne periodiche, modelli statistici | Una stima della domanda | Fotografia parziale della realtà |
| Conteggio tradizionale (APC) con sensori o telecamere alle porte | Quante persone salgono e scendono a ogni fermata | Non indica da dove a dove si spostano i passeggeri |
| Re-identificazione facciale o segnali dei dispositivi (Wi-Fi, Bluetooth, RFID) | Spostamenti origine-destinazione | Non garantisce un reale anonimato dei passeggeri |
| RighTo | Matrice Origine-Destinazione ricostruita automaticamente, domanda misurata in continuo | Nel rispetto del GDPR, senza dati biometrici né identificatori dei dispositivi |
Come funziona RighTo
RighTo evolve una piattaforma industriale di conteggio automatico dei passeggeri con funzioni di computer vision e intelligenza artificiale a bordo [Inferenza – vedi note].
Telecamere zenitali, non sensori sulle porte
Dispositivi di acquisizione immagini installati a soffitto, in posizione zenitale rispetto al corridoio centrale, rilevano salite e discese in funzione dello stato delle porte. Il sistema segue così, in forma aggregata, il percorso dei passeggeri all’interno del veicolo.
Un identificativo anonimo che dura una sola corsa
A ogni passeggero è associato un identificativo anonimo temporaneo, valido solo per la singola corsa ed eliminato alla discesa. Non c’è re-identificazione persistente tra corse o mezzi diversi.
Tracciamento geometrico multi-oggetto
Il collegamento tra salita e discesa avviene principalmente tramite il tracciamento geometrico della traiettoria, che non dipende da dati biometrici né personali:
- Ricostruzione tridimensionale: più telecamere calibrate ricostruiscono la posizione 3D dei passeggeri.
- Predizione del moto: è affidata a un filtro di Kalman.
- Associazione dei dati: è affidata all’algoritmo ungherese.
Una re-identificazione basata sull’aspetto interviene solo come fallback, in caso di occlusioni o affollamento.
Dai singoli eventi alla matrice OD
Ogni rilevazione è correlata con GPS, timestamp, linea, corsa, direzione, stato delle porte e identificativo di fermata. Ne derivano matrici stop-to-stop per singola corsa, aggregabili per linea, fascia oraria, giorno o periodo.
Non servono, come prerequisito, sistemi di bigliettazione elettronica o identificatori personali: la stessa infrastruttura di bordo usata per il conteggio viene estesa alla stima della domanda.
Privacy e GDPR: anonimato fin dall’acquisizione
RighTo ricostruisce la matrice Origine-Destinazione nel pieno rispetto del GDPR. Privacy by design e minimizzazione dei dati sono una caratteristica strutturale del sistema, non un trattamento successivo:
- nessun dato biometrico;
- nessun tracciamento degli identificatori dei dispositivi personali;
- un identificativo anonimo valido per una sola corsa ed eliminato alla discesa;
- nessun trattamento di dati personali.
Accuratezza e validazione
RighTo offre un’accuratezza superiore al 99% [Non verificato – vedi note]. Il sistema è stato validato in laboratorio, su un simulatore di autobus in scala 1:1, e sul campo, lungo un corridoio interurbano reale.
Ottimizzazione della rete
Con dati misurati, la pianificazione dei flussi di mobilità e delle frequenze diventa molto più accurata, perché si basa sui comportamenti dei passeggeri. Questo vale soprattutto nelle aree a domanda debole.
Le matrici OD, elaborate per corsa, linea, fascia oraria e periodo, permettono di individuare:
- tratte ad alta domanda;
- fermate generatrici o attrattive di domanda;
- segmenti con maggiore turnover, sovraccarico o sottoutilizzo;
- fasce orarie critiche e livelli di carico.
Aggregando i dati di più linee si passa dalla lettura del singolo corridoio a quella dei flussi di rete: coppie OD dominanti, nodi di interscambio e relazioni che richiedono coordinamento tra servizi, come nell’integrazione tra rete urbana e BRT (Bus Rapid Transit).
Per aziende ed enti del trasporto pubblico locale, queste informazioni supportano decisioni su orari e frequenze, capacità e allocazione dei veicoli, percorsi, nodi di interscambio e valutazione delle variazioni di servizio.
