progettare

Ottimizzazione controllo percorsi ausiliari

 

Cart ha all’attivo un progetto esecutivo con OPTIT per l’integrazione dei dati di

  • multe
  • ricavi parcometri
  • storici sanzioni e controlli
  • dati stalli di sosta via per via
  • regole di controllo
  • cartografia

La complessità gestionale l’ha fatto rimanere un test operativo ma le esperienze e le nuove opportunità che offre la tecnologia come

  • mobile mapping di vie e stalli sosta
  • georeferenziazione nativa delle sanzioni e dei controlli
  • open data

offrono nuove possibilità di semplificazione e automazione della gestione.

Ovviamente CART collabora con Optit o altre start up universitarie per gli algoritmi di ricerca operativa e opercorso ottimizzato

Disponibile anche le esperienza per progetti per aggregazione di Comuni, con percorsi su più comuni.

Anche dando grande valore e possibile disponibilità di open data è difficile credere che un simile prodotto si possa vedere come semplice software, le personalizzazioni, integrazioni e interpretazioni sono tante e tutte da legare

  • all’azienda che gestisce la sosta
  • all’amministrazione locale e alle sue politiche
  • alle integrazioni con la PM
  • ad accordi programmatici e regole di controllo non sempre banalmente legate alla redditività dei controlli
  • ai benefici economici (previsti e reali)
  • alla difficoltà di gestione

Si può dire che si tratti di un algoritmo di ottimizzazione di percorso ed è vero ma non è solo questo.

Il caso teorico è semplice, ho risorse sufficienti, regole chiare, grande libertà di pianificazione, aree di parcheggio stabili e facili da controllare, incassi dei parcheggi noti e allineati e storicizzati, storico multe su database, grafo stradale noto e dettagliato.

Peccato il caso teorico sia “teorico”, con tutti i dati è solo un problema di ricerca operativa sviluppare una soluzione standard, con coperture dei turni e riserve, su aree di sosta stabili e note, con automatizzazione incassi parcometri  e multe via database.

Da qui in avanti le cose, già complesse, si complicano in quanto molto raramente le regole di controllo sono note e il grafo stradale è conosciuto e aggiornato con ricavi sosta e multe georeferenziate.

Inoltre spesso, in base ad accordi locali, ci sono esigenze in contrasto sul controllo.

Se chi gestisce  il controllo incassa tutte o parte delle sanzioni cercare di ridurle non sarà una sua priorità.

O magari lo dichiarerà come priorità ma non lo farà.

Se invece (ma è il caso meno diffuso) non incassa nulla dalla sanzione potrebbe concentrarsi sull’ottimizzazione della resa dei parcometri.

Ma il caso reale ha più aspetti critici:

  • personale di norma scarso e con giorni in cui è insufficiente, quindi necessità di coprire le aree in più giornate
  • troppe strada da controllare con input contraddittori da parte dell’amministrazione
  • normative sindacali da rispettare in ogni caso

Quindi serve oltre alla ricerca operativa pura e semplice implementare algoritmi sull’ottimizzazione del personale disponibile (e interfacciartlo con gli obblighi sindacali <orari, non ripetività percorsi> in maniera ineccepibile) e sulla gestione e georeferenziazione del territorio.

Ove non è possibile acquisire tale e quale i grafo stradale e magari imporre un percorso strettamente dettagliato occorrono subroutine che a posteriori controllino che tutta l’area (in mancanza del grafo stradale non si possono che disegnare e gestire zone della città) sia coperta, lasciando opportunità di dare indicazioni estemporanee.

Spesso poi il dato dei parcometri non è in real time (magari acquisito 3 o 4 volte al giorno) e manca l’associazione parcometro-area di sosta coperta o meglio parcheggi logicamente controllati e si va sul dato del giorno precedente.

E occorre sempre integrare i dati sulla sosta ottenutio dai parcometri con dati che non esistono se non da rilevazioni esterne o sul campo:

  • altri sistemi di pagamento on line (integrabili solo in alcuni casi)
  • residenti che non pagano
  • disabili e autorizzati
  • abbonamenti e pagamenti con gratta e sosta

che complicano di tanto l’interpretazione del dato, che già risente di numerose altre variabili

  • stagionalità, d’estate si usa meno l’auto
  • giorno della settimana
  • tempo atmosferico
  • giornate particolari (scioperi, manifestazioni)

il sistema diventa quindi MOLTO complesso.

Quindi una “banale” ottimizzazione  o ricerca operativa diventa un piccolo sistema esperto che cerca di imparare da input e retroazioni.

Oltre alla complessità intrinseca del sistema si presenta un altro problema.

Integrare correttamente e al più presto diverse fonti di dati, gestiti da aziende diverse.

Sviluppati in tempi diverse, in tecnologie diverse, con sistemi operativi diversi vanno integrati dati in formato diverso.

Attività di base dell’ottimizzazione ma che ha una sua complessità.

Il limite sta nel dover interagire spesso con un sistema (di fatto un prototipo) che NON FUNZIONA da solo ma va assistito gestendo come trasferire regole sul personale e sulle aree da controllare che non sono informatizzate.

Ma non sono solo ombre.

I prototipi servono anche a individuare la fattibilità di un progetto.

E il progetto è fattibile, magari a partire da più dati strutturati , magari acquisiti dal mobile mapping e da open data e con regole magari semplificate all’avvio.

E con un impegno di supporto allo sviluppo , che ha come inconveniente di automatizzare tanti processi gestiti in maniera manuale.

Ritengo l’ottimizzazione dei percorsi degli accertatori una grande opportunità che sinora non è stata colta.

Quali i vantaggi se si porta a regime un progetto del genere?

L’ottimizzazione del personale di controllo della sosta e la sua “banalizzazione” in base a regole certe.

Essendo materia delicata spesso ci si affida a competenze “personali” e magari con contatti diretti con le pubbliche amministrazioni di controllo, mentre la soluzione dovrebbe essere standard.

In caso di assenze si tiene traccia delle aree tralasciate per non tralasciare sempre quelle.

In casi particolari si crea una regola per

-pioggia e neve

-eventi particolari

-votazioni e referendum

-eventuali squadre in più disponibili per uno o più giorni

In parole povere il sistema diventa depersonalizzato e automatizzato.

Passando le competenze dalla programmazione estemporanee, personali e dipendenti dall’esperienza al controllo dei risultati, che restano memorizzati e verificabili a piacere.