Slide della tesi magistrale con titolo "Analisi, ottimizzazione e applicazione della teoria delle code al traffico camionistico tra autoporti e porto di trieste"

1. ANALISI, OTTIMIZZAZIONE E APPLICAZIONE
DELLA TEORIA DELLE CODE AL TRAFFICO
CAMIONISTICO TRA AUTOPORTI
E PORTO DI TRIESTE
Candidato:
Michielin Davide
Relatore:
Prof. Lorenzo Castelli
Correlatore:
Dott. Lorenzo Cerini
A.A. 2020-2021
UNIVERSITÀ DEGLI STUDI DI TRIESTE
DIPARTIMENTO DI INGEGNERIA E ARCHITTETURA
LAUREA MAGISTRALE IN INGEGNERIA ELETTRONICA ED
INFORMATICA

2. Descrizione del problema
• Numero elevato di scambi con la Turchia (Autostrada del mare)
• Traffico effettuato per mezzo di navi Ro-Ro
• Camion sostano in autoporto in attesa del permesso d'accesso
• Una volta stampato il permesso, scendono verso il varco portuale
• Validità del permesso di 24 ore
• Presenza di code elevate
• Soprattutto venerdì e sabato
• Problema per viabilità e ambiente

3. Descrizione del problema
• Passato: problema con Fernetti e Samer & Co. Shipping
• Parte dei traffici gestito con sistemi privati
• Mancanza di una vera procedura nelle autorizzazioni
• 2008-2016: integrazione in Fernetti e in Sinfomar
• Progetto Fer-Net:
• Fernetti diventa terminal portuale
• Corridoio monitorato tra autoporto e porto
• Presente: problema delle code non ancora completamente debellato
• Obiettivo: sviluppo e applicazione di cambiamenti allo scenario
attuale
• Verifica eventuali benefici

4. Porto di Trieste
• Gestito dall'Autorità di Sistema
Portuale del Mare Adriatico
Orientale
• Cinque aree principali
• Traffici sia turistici (crociere)
sia di merci (Ro-Ro, container,
cisterne)
• Regime di Porto Franco con
vantaggi economici e di
stoccaggio

5. Traffico Ro-Ro e aree di sosta
• Navi permettono sbarco e imbarco di automezzi
• Due possibilità di imbarco:
• Motrice e rimorchio
• Rimorchio
• Principali aree di sosta:
• Interporto di Fernetti
• Authorized Buffer Area

6. Fase pre-analisi
• Periodo Marzo-Aprile 2021
• Navi dirette a: Cesme, Pendik, Yalova e Mersin
• Dati prelevati da database Sinfomar
• Port Community System del porto di Trieste
• Permette di gestire tutti i traffici
• Tre elementi fondamentali:
• Preavvisi
• Registrazioni
• Stati

7. Data Cleaning e individuazione tratti
• Registrazioni totali: 20889
• Eliminazione di duplicati e dati poco utili
• Registrazioni con stato "INDETERMINATO"
• O risultanti in superstrada
• Registrazioni restanti: 13556 (71,1%)
• Analisi approfondita degli stati possibili
• Ricerca dei tratti identificanti il percorso di un camion

8. Data Cleaning e individuazione tratti
• Percorso individuato da 6 tratti fondamentali
• Calcolo tempi per ogni tratto basandosi su stati Sinfomar
• Tempi raggruppati con precisione di 10 minuti
• In caso di dato partenza o arrivo del tratto mancante, tempo
impostato a -1
• Dati dei tempi salvati su un database Document-Based
• Visualizzazione dei grafici attraverso Spring Data e Vue.js

9. Analisi dei tratti
• Dati secondo le aspettative in tre tratti (Registrazione,
Concessione-Stampa, Stampa-Uscita)
• Comportamenti inaspettati negli altri tre:
• Entrata-Uscita Autoporti
• Tempi di sosta elevati, anche fino a due giorni
• Superstrada
• Tempi di percorrenza elevati, anche oltre i tempi di
permesso (17% del totale sotto i 90 minuti)
• Terminal-Imbarco
• Presenza di tre lobi
• Causa: registrazioni degli imbarchi

10. Analisi dei tratti
• Analisi di due ulteriori informazioni fondamentali per la seconda
parte del progetto:
• Uscite autoporti medie in una giornata
• Picco massimo di 5 camion
• Concentrate negli orari "d'ufficio"
• Entrate in terminal medie in una giornata
• Picco massimo di 3 camion
• Segnalate anche dopo la mezzanotte

11. Fitting delle distribuzioni
• Utilizzo del Distribution Fitter di Matlab
• Goodness-Of-Fit
• Vari "test di ipotesi" non validi per questa situazione
• Possibilità di overfitting se utilizzata solo massima
verosimiglianza
• Utilizzo di tre indici per scegliere miglior distribuzione
• Akaike Information Criterion
• Bayesian Information Criterion
• Hannan-Quinn Information Criterion
• Limitazione nell'overfitting

12. Fitting delle distribuzioni
Tratto Distribuzione
Superstrada Generalized Extreme Value
Superstrada No Traffico (*) Burr
Uscita Autoporto Gaussian Mixture Model (3
componenti)
Entrata Terminal 0.95*Weibull+0.05*Uniforme
• (*) Dati percorrenza superstrada con ipotesi di momenti senza
traffico
• Necessari per la validazione del modello nel passo successivo

13. Sviluppo del modello
• Percorso dall'uscita da un autoporto all'entrata in terminal
• Necessarie ipotesi per varchi portuali
• Entrata terminal = Entrata varco portuale
• Distanza tra i due minore di 10 minuti
• Utilizzo di Simulink e SimEvents per la creazione del modello
• Uscite autoporti: Entity Generator
• Superstrada: Entity Server con capacità infinita
• Varco portuale: Entity Server con capacità 2 e tempo di servizio
costante a 8 minuti

14. Applicazione ai dati attuali
• Validazione del modello con distribuzione entrate terminal
• Applicazione dei dati di percorrenza al modello
• Gestione efficace dei primi arrivi
• Con il tempo, gli automezzi si accumulano
• Coda cresce fino ai 20-21 camion verso fine giornata
• Tempo di permesso concede una certa autonomia agli autisti

15. Applicazione ai dati attuali

16. Sviluppo e applicazione
delle ipotesi
• Prima ipotesi
• Passaggio da 24 ore a 90 minuti del permesso d'accesso
• Cambiamento nella distribuzione della superstrada
• Risultato: aumento notevole della coda
• Seconda ipotesi
• Adottata nelle uscite dagli autoporti
• Necessaria eliminazione dei picchi
• Massimo 3 camion ogni 10 minuti
• Risultati ottimali con applicazione di entrambe le ipotesi

17. Sviluppo e applicazione
delle ipotesi

18. Sviluppo e applicazione
delle ipotesi

19. Risultati
Solo prima ipotesi Con entrambe le ipotesi

20. Conclusioni
• Raggiunti risultati ottimi con dimezzamento delle coda "di picco"
• Ipotesi formulate con tempo tra concessione e stampa minimo
(<10 minuti)
• Dai dati attuali tempi si allungano anche a 30 minuti
• Necessario cambiamento per riduzione tempi
• Eliminazione di registrazioni
• Sottostima del numero di camion in coda
• Migliorare il processo di raccolta dei dati
• Necessaria applicazione "sul campo" per verifica risultati simulazione

21. Grazie per l'attenzione