DOTTORATO DI RICERCA IN INFRASTRUTTURE E TRASPORTI

DOTTORATO DI RICERCA IN INFRASTRUTTURE E TRASPORTI

DOTTORATO DI RICERCA IN INFRASTRUTTURE E TRASPORTI
SCHEDA PER L’AMMISSIONE AL II ANNO DI CORSO
Dottorando
Flavia De Simone
Ciclo
Curriculum Ingegneria dei Trasporti
XXVIII°
Tutore Prof. Luca Persia
SEZIONE A
Ricerca di Dottorato
1 – Acquisizione di conoscenze propedeutiche integrative (contenuti appresi mediante frequenza
di corsi, studio individuale, approfondimento del proprio bagaglio culturale, etc.).
Nel corso dell'anno, attraverso uno studio individuale, sono stati approfonditi i seguenti argomenti:
modellistica per la pianificazione dei trasporti, nel dettaglio dei modelli di domanda, offerta e
assegnazione;
■
■
modellistica per la stima dell’incidentalità, con particolare attenzione verso i modelli “real time”.
2 – Ricerca bibliografica svolta (raccolta ed analisi di letteratura scientifica, con individuazione
delle pubblicazioni maggiormente significative ai fini della ricerca proposta, per le quali si
presenta in allegato una sintesi commentata).
La ricerca bibliografica condotta si è concentrata sui modelli di stima dell'incidentalità. Si elencano
brevemente i titoli più significativi, suddivisi per argomento di ricerca:
Modelli basati sul traffico orario:
John N. Ivan a,*, Chunyan Wang b, Nelson R. Bernard, 1999. Explaining two-lane highway crash
rates using land use and hourly exposure.
■ Xiao Qin, John N. Ivan, Nalini Ravishanker, Junfeng Liu, Donald Tepas, 2006. Bayesian
estimation of hourly exposure functions by crash type and time of day.
■ Horace Look, Baher Abdulhai, University of Toronto, 2006. Accident Risk Assessment Using
Microsimulation for Dynamic Route Guidance.
■
Modelli basati su "precursori" degli incidenti:
Mohamed Abdel-Aty, Anurag Pande, Nizam Uddin, Haitham Al-Deek, Essam Radwan, 2004.
Florida Department of Transportation; Research Project Work Order #8, Contract No. BC-355.
Linking Crash Patterns to ITS-Related Archived Data.
■ Shamanth Kuchangi, MS Thesis, Office of Graduate Studies of Texas A&M University, 2006. A
categorical model for traffic incident likelihood estimation.
■ Dr. Nicholas Garber, Lili Luo, Center for Transportation Studies, University of Virginia, 2006.
Freeway crash predictions based on real-time pattern changes in traffic flow characteristics.
■ PRIME Project (start date: 01/01/2000-end date: 28/02/2002): Technical Manager: Prof. Yorgos
Stephanedes, Foundation for Research & Technology Hellas, Vassilika Vouton, Crete, Greece.
Prediction Of Congestion And Incidents In Real Time, For Intelligent Incident Management And
■
Emergency Traffic Management – Deliverable 6.1: 1Prototype Testing - Part III- Estimation of
Incident Probability.
Indicatori "surrogati" di sicurezza:
■
U.S. Department of Transportation, Federal Highway Administration, Publication no. FHWAHRt-08-051, 2008.Surrogate Safety Assessment Model and Validation: Final Report, FHWAHRT-08-051.
3 – Resoconto dello stato delle conoscenze relative alla tematica di ricerca (breve sintesi del
quadro scientifico di riferimento, in relazione alla tematica proposta: conoscenze consolidate e
spunti per approfondimenti).
La necessità di ridurre gli impatti complessivi del traffico, tenendo conto non solo dei tempi di
spostamento, ma anche degli impatti sulla sicurezza degli utenti della strada, ha orientato la ricerca
verso lo studio del possibile legame tra traffico e incidentalità. La ricerca ha appurato l'esistenza di
un legame tra traffico e incidentalità.
Le tecniche attualmente consolidate analizzano le relazioni tra componenti dell’ambiente stradale e
incidentalità basandosi su delle specifiche funzioni di prestazione per la sicurezza, chiamate Safety
Performance Function (SPF), che esprimono il livello di sicurezza che può essere assegnato ad un
elemento dell’infrastruttura stradale. Tali tecniche consentono di stimare la frequenza annuale attesa
di incidenti su un elemento della rete stradale in base al traffico giornaliero medio annuale, quindi
trovano applicazione in fase di pianificazione per stimare gli impatti della mobilità riferiti a periodi
di tempo estesi.
L’attenzione negli ultimi anni si è orientata gradualmente, grazie soprattutto alla diffusione delle
nuove tecnologie (telematica, informatica, etc.), alla gestione del traffico in tempo reale, al fine di
ridurre congestione e impatti.
La ricerca più recente ha dunque sviluppato modelli capaci di mettere in relazione il volume di
traffico orario e l'incidentalità (modelli basati su traffico orario), e modelli capaci di stimare la
probabilità che avvenga un incidente nei 5-15 minuti successivi tramite il monitoraggio
dell'andamento del traffico per mezzo di alcuni indicatori, detti "precursori" (modelli basati su
"precursori" degli incidenti). In tal caso, le variabili di traffico su cui basare la stima sono: media e
deviazione standard di velocità, flusso, densità.
Esistono inoltre dei modelli, applicati nell’ambito dei modelli di microsimulazione del traffico,
capaci di calcolare indicatori del livello di sicurezza di un elemento della rete stradale, quale ad
esempio il Time to Collision (indicatori "surrogati" di sicurezza). Tuttavia gli indicatori, in quanto
tali, non permettono di definire una relazione quantificabile tra traffico e incidentalità.
I modelli basati su traffico orario e su "precursori" degli incidenti trovano applicazione nella
gestione del traffico. Ad oggi esistono esempi di applicazione di tali modelli in ambito extraurbano,
ma non in ambito urbano.
Il progetto di ricerca proposto mira ad applicare il modello ritenuto più idoneo ad un contesto
urbano e a valutarne la possibilità di applicazione ai fini della gestione del traffico in tempo reale e
della riduzione del rischio di incidente sulla rete di interesse.
4 – Ricognizione delle attività in corso presso centri di ricerca nazionali ed internazionali
(inquadramento delle tendenze evolutive nello specifico ambito di ricerca, per quanto noto).
Tra i diversi studi condotti in ambito nazionale e internazionale, di seguito vengono riportati esempi
di particolare rilevanza.
Presso il Connecticut Transportation Institute è stata svolta un’accurata analisi della relazione tra la
frequenza degli incidenti e i volumi di traffico orario registrati in alcuni segmenti autostradali degli
Stati del Michigan e del Connecticut. E’ stato utilizzato un modello gerarchico Bayesiano per
predire il verificarsi degli incidenti, classificati in quattro diverse tipologie, come funzione del
volume di traffico orario, della lunghezza del segmento autostradale considerato, del limite di
velocità e dell’ampiezza della carreggiata. I risultati hanno mostrato che la relazione tra gli incidenti
e i volumi di traffico orario varia in base all’ora del giorno. Inoltre, in qualsiasi ora del giorno, il
verificarsi dell’incidente non è legato in modo proporzionale al volume di traffico orario.
Presso la University of Central Florida è stato svolto uno studio del legame tra i modelli di stima
dell’incidentalità e l’archivio di dati rilevati per mezzo di Intelligent Transport Systems (ITS).
Rispetto agli altri studi finora condotti inerenti le applicazioni dei dati rilevati per mezzo di ITS
all’ambito della sicurezza stradale, lo studio condotto presso la University of Central Florida si è
distinto mirando, sulla base dei dati rilevati per mezzo di ITS, a sviluppare modelli di stima
dell’incidentalità in tempo reale. Sebbene la ricerca in tal ambito sia ancora in fase di sviluppo, sono
stati raggiunti dei risultati importanti: dal confronto tra i dati di incidentalità registrati presso un
segmento dell’Interstate – 4 localizzato nell’area metropolitana di Orlando e il corrispondente
archivio di dati di traffico rilevati per mezzo di ITS, è stata condotta un’analisi specifica atta a
identificare i modelli spazio temporali di variazione del rischio di incidente. E’ stato quindi
sviluppato un modello di classificazione atto a differenziare le condizioni del traffico inclini
all’incidentalità dalle altre. Infine è stata dimostrata l’applicabilità della metodologia prodotta.
Presso la Texas A & M University è stato svolto uno studio avente come obiettivo quello di
formulare e calibrare un modello di predizione degli incidenti. L’idea principale del modello
sviluppato è stata di correlare il numero atteso di incidenti di una sezione autostradale a un set di
caratteristiche dei flussi di traffico, in modo tale da poter fornire una probabilità affidabile di
incidente in tempo reale. Il modello è stato calibrato utilizzando dati storici sui flussi di traffico e
sugli incidenti reperiti presso Austin, Texas. Le variabili dei flussi di traffico usate come variabili
esplicative in tale modello sono chiamate “precursori”. Il modello statistico utilizzato è un modello
categorico non lineare, caratterizzato da precursori quali il coefficiente di variazione della velocità e
la capacità. Il modello ha distinto diversi livelli di probabilità di incidente per diversi valori dei
precursori. E’ pertanto da ritenere uno strumento utile per la stima della probabilità di incidente
tramite i sistemi di gestione dell’incidentalità in tempo reale nelle autostrade.
5 – Definizione della Ricerca di Dottorato (formulazione del Tema per la Tesi finale, con
precisazione di: finalità, metodologia, fasi e tempi delle attività previste).
Ritenendo utile approfondire la questione del legame tra congestione urbana e incidentalità, è stato
deciso di focalizzare il progetto di ricerca sulla modellizzazione di sistemi di gestione del traffico in
tempo reale basati sulle condizioni istantanee di rischio della rete stradale, applicati ad un contesto
urbano. Il test-site da cui reperire i dati di traffico e incidentalità utili alla realizzazione del progetto
di ricerca sarà infatti un contesto urbano Italiano (probabilmente la città di Perugia, dove è già in
funzione una rete di rilevatori automatici dei dati di traffico e si ha disponibilità di dati aggiornati di
incidentalità).
Obiettivo principale del progetto di ricerca è valutare l'influenza che strategie di controllo e gestione
del traffico hanno sulla sicurezza in tempo reale.
Per raggiungere tale obiettivo sarà necessario definire un modello di stima dell'incidentalità da
applicare al contesto urbano di riferimento al fine di definire la relazione tra traffico e incidentalità,
e di un modello di assegnazione dinamica del traffico, con esso compatibile, utile per la stima dei
dati di traffico.
Le innovazioni principali apportate dal presente progetto di ricerca consisteranno dunque sia nella
realizzazione di un modello di stima dell'incidentalità in tempo reale e in un contesto urbano, che
nella valutazione della potenzialità di applicazione per lo sviluppo di un sistema in grado di
prevedere e gestire sia il traffico che l'incidentalità.
Il progetto di ricerca, concernente la gestione del traffico in tempo reale basata sulle condizioni di
rischio della rete stradale, consisterà nelle seguenti attività e sottoattività:
WP1. Sviluppo di un modello di assegnazione dinamica del traffico: tale attività avrà il fine di
stimare, per mezzo di opportuni strumenti di simulazione e sulla base dei flussi di traffico reali
rilevati in alcuni punti della rete stradale, i dati di traffico estesi a tutta la rete stradale. Tale attività
si svilupperà nelle seguenti sottoattività:
WP1.1. Studio del contesto di riferimento: in tale fase verrà effettuata un'analisi e confronto tra i
diversi modelli di stima del traffico noti in ambito internazionale.
WP1.2. Data Collection: in tale fase verranno raccolti i dati utili ai fini dello sviluppo di un
modello di assegnazione dinamica del traffico, ovvero:
•
domanda di trasporto, espressa per mezzo della matrice O/D;
•
offerta di trasporto, espressa per mezzo del grafo della rete stradale;
•
flussi di traffico, rilevati su alcuni punti della rete stradale per mezzo di specifici rilevatori
automatici.
WP1.3. Definizione e calibrazione del modello: Il modello dovrà essere definito e calibrato sulla
base dei dati disponibili. Il modello definito dovrà restituire in output parametri compatibili con il
modello di stima dell'incidentalità contemporaneamente sviluppato. Caratteristica del modello
dovrà essere la capacità, ricevute in input diverse strategie di gestione semaforica e/o delle
informazioni all'utenza (Variable Message Signs), di restituire in output diversi scenari di traffico.
WP2. Sviluppo di un modello di stima dell'incidentalità: tale attività avrà il fine di stimare, sulla
base di determinati parametri ricavati dai flussi di traffico reali rilevati in alcuni punti della rete
stradale per mezzo di specifici rilevatori, la probabilità di incidente sulla rete. Tale attività si
svilupperà nelle seguenti sottoattività:
WP2.1. Studio del contesto di riferimento: in tale fase verrà effettuata un'analisi e confronto tra i
diversi modelli di stima dell'incidentalità noti in ambito internazionale.
WP2.2. Data Collection: in tale fase verranno raccolti i dati utili ai fini dello sviluppo del
modello di stima dell'incidentalità, ovvero i dati sugli incidenti, localizzati con esattezza sulla rete
stradale.
WP2.3. Individuazione del modello e relativi parametri di input: in tale fase dovrà essere
individuato, tra i modelli esistenti, quello che si riterrà più adatto alle esigenze specifiche di
progetto, considerato che i parametri che il modello dovrà acquisire in input dovranno essere
compatibili con quelli prodotti in output dal modello di assegnazione dinamica del traffico.
WP2.4. Messa a punto e calibrazione del modello: in tale fase il modello verrà messo a punto e
calibrato sulla base dei dati disponibili e del contesto urbano di riferimento.
WP3. Applicazione al contesto di riferimento: tale fase consisterà nell'applicazione del modello di
stima dell'incidentalità (rif. WP2) alla nuova base dati, generata dal modello di simulazione
dinamica del traffico adottato (rif. WP1), e avrà il fine di stimare la probabilità di incidente
connessa ai flussi di traffico estesi a tutta la rete stradale. In particolare, il modello realizzato verrà
applicato a due diversi scenari di gestione del traffico, caratterizzati da due diverse strategie di
gestione semaforica e/o delle informazioni agli utenti (Variable Message Signs), al fine di valutare i
corrispondenti livelli di rischio per gli utenti.
WP4. Redazione della tesi di dottorato: tale attività consisterà nella stesura della tesi di dottorato,
completa della descrizione di tutte le attività svolte, gli strumenti utilizzati, e i risultati ottenuti.
Il progetto di ricerca si svilupperà seguendo le seguenti tempistiche:
ALLEGATI: Relazione di dettaglio (eventuale) sullo stato delle conoscenze e proposta di
ricerca, bibliografia commentata, eventuali pubblicazioni.
BIBLIOGRAFIA COMMENTATA
Modelli basati sul traffico orario:
■
John N. Ivan a,*, Chunyan Wang b, Nelson R. Bernard, 1999. Explaining two-lane highway crash
rates using land use and hourly exposure.
Tale studio ha effettuato una valutazione di diversi modelli di regressione Poissoniana aventi lo
scopo di predire le percentuali di incidenti di veicoli singoli e tra diversi veicoli come funzione
della densità del traffico e di caratteristiche di utilizzo del suolo, quali le condizioni ambientali e
l’ora del giorno. I risultati prodotti mostrano la diversa influenza che fattori diversi hanno sugli
incidenti di veicoli singoli e tra veicoli.
■
Xiao Qin, John N. Ivan, Nalini Ravishanker, Junfeng Liu, Donald Tepas, 2006. Bayesian
estimation of hourly exposure functions by crash type and time of day.
Tale studio ha analizzato la relazione tra la frequenza degli incidenti e i volumi di traffico orario
registrati in alcuni segmenti autostradali degli Stati del Michigan e del Connecticut. E’ stato
utilizzato un modello gerarchico Bayesiano per predire il verificarsi degli incidenti, classificati in
quattro diverse tipologie, come funzione del volume di traffico orario, della lunghezza del
segmento autostradale considerato, del limite di velocità e dell’ampiezza della carreggiata. I
risultati hanno mostrato che la relazione tra gli incidenti e i volumi di traffico orario varia in base
all’ora del giorno. Inoltre, in qualsiasi ora del giorno, il verificarsi dell’incidente non è legato in
modo proporzionale al volume di traffico orario.
■
Horace Look, Baher Abdulhai, University of Toronto, 2006. Accident Risk Assessment Using
Microsimulation for Dynamic Route Guidance.
Tra gli Intellingent Transportation Systems (ITS), i Dynamic Route Guidance Systems (DRG)
forniscono agli automobilisti informazioni sul routing basate sulle correnti condizioni di traffico
sulla rete. Gli obiettivi di tale studio sono state di individuare la variazione degli incidenti sulla
rete causata dalla ridistribuzione del traffico legata all’applicazione dei DRG, e di esaminare le
potenzialità di un nuovo Route Guidance System basato sulla sicurezza (Safety-enhanced Route
Guidance System – SRG - ). A supporto è stato sviluppato un modello di microsimulazione,
integrato con un set di modelli di predizione degli incidenti su archi e intersezioni.
Modelli basati su "precursori" degli incidenti:
■
Mohamed Abdel-Aty, Anurag Pande, Nizam Uddin, Haitham Al-Deek, Essam Radwan, 2004.
Florida Department of Transportation; Research Project Work Order #8, Contract No. BC-355.
Linking Crash Patterns to ITS-Related Archived Data.
Tale studio ha analizzato il legame tra i modelli di stima dell’incidentalità e l’archivio di dati
rilevati per mezzo di Intelligent Transport Systems (ITS). Esso ha mirato, sulla base dei dati
rilevati per mezzo di ITS, a sviluppare modelli di stima dell’incidentalità in tempo reale. In
particolare, dal confronto tra i dati di incidentalità registrati presso un segmento dell’Interstate – 4
localizzato nell’area metropolitana di Orlando e il corrispondente archivio di dati di traffico
rilevati per mezzo di ITS, è stata condotta un’analisi specifica atta a identificare i modelli spazio
temporali di variazione del rischio di incidente. E’ stato quindi sviluppato un modello di
classificazione atto a differenziare le condizioni del traffico inclini all’incidentalità dalle altre.
Infine è stata dimostrata l’applicabilità della metodologia prodotta.
■
Shamanth Kuchangi, MS Thesis, Office of Graduate Studies of Texas A&M University, 2006. A
categorical model for traffic incident likelihood estimation.
Tale studio ha avuto l’obiettivo di formulare e calibrare un modello di predizione degli incidenti.
L’idea principale del modello sviluppato è stata correlare il numero atteso di incidenti di una
sezione autostradale a un set di caratteristiche dei flussi di traffico, in modo tale da poter fornire
una probabilità affidabile di incidente in tempo reale. Le variabili dei flussi di traffico usate come
variabili espicative in tale modello sono chiamate “precursori”. Il modello statistico utilizzato è
un modello categorico non lineare con coefficiente di variazione della velocità e capacità come
precursori. Il modello ha distinto diversi livelli di probabilità di incidente per diversi valori dei
precursori e quindi dovrebbe essere uno strumento utile per la stima della probabilità di incidente
per i sistemi di gestione dell’incidentalità in tempo reale nelle autostrade.
■
Dr. Nicholas Garber, Lili Luo, Center for Transportation Studies, University of Virginia, 2006.
Freeway crash predictions based on real-time pattern changes in traffic flow characteristics.
Tale studio ha mirato a sviluppare un modello attendibile di predizione degli incidenti basato su
dati rilevati in tempo reale. A tal fine sono stati identificati diversi modelli di stima
dell’incidentalità esistenti e i fattori che descrivono tali modelli. L’attendibilità dei risultati
ottenuti dall’implementazione di tali modelli sulla base di dati di traffico e incidentalità è stata
valutata per mezzo del confronto con la realtà. Tale confronto, avvenuto per mezzo di tre diversi
metodi di ricognizione dei modelli, ha individuato una percentuale complessiva di errore di
classificazione rispetto alla realtà pari a circa il 50%. Non è stato dunque possibile identificare
modelli attendibili di stima dell’incidentalità. Tuttavia nello studio sono state discusse le possibili
ragioni di tale insuccesso e redatte utili raccomandazioni per eventuali studi futuri.
■
PRIME Project (start date: 01/01/2000-end date: 28/02/2002): Technical Manager: Prof. Yorgos
Stephanedes, Foundation for Research & Technology Hellas, Vassilika Vouton, Crete, Greece.
Prediction Of Congestion And Incidents In Real Time, For Intelligent Incident Management And
Emergency Traffic Management – Deliverable 6.1: 1Prototype Testing - Part III- Estimation of
Incident Probability.
L’obiettivo del progetto PRIME è stato quello di sviluppare e implementare un modello capace di
riconoscere le condizioni in cui è piu’ probabile che avvenga un incidente, collezionare i dati
necessari per poterne testare l’affidabilità, e condurre tale test.
Il modello sviluppato, noto come Estimation of Incident Probability model (EIP), ha avuto la
finalità di stabilire una connessione tra le condizioni di traffico, le condizioni meteo, le
caratteristiche geometriche della strada e l’accadimento dell’evento incidente.
La fase di test ha mirato, usando dati on-line e off-line sottoposti a condizioni diverse, a fornire
una visione completa dei punti di forza e debolezza, nonchè delle reali capacità, del modello
costituito.
Sebbene sia risultata evidente la necessità di avere molti dati in ingresso per ottenere risultati più
affidabili, i risultati ottenuti in termini di associazione statistica tra i dati di traffico e la
probabilità d’incidente sono stati molto positivi.
Indicatori "surrogati" di sicurezza:
■
U.S. Department of Transportation, Federal Highway Administration, Publication no. FHWAHRt-08-051, 2008. Surrogate Safety Assessment Model and Validation: Final Report, FHWAHRT-08-051.
Tale studio è consistito nello sviluppo di un software, chiamato Surrogate Safety Assessment
Model (SSAM), atto a derivare degli indicatori surrogati di sicurezza stradale a partire dai dati di
output di modelli di simulazione del traffico. Gli indicatori surrogati sviluppati in tale progetto
sono basati sull’identificazione, classificazione, e valutazione delle collisioni che si creano nei
modelli di simulazione. Tramite il confronto di scenari di simulazione diversi, tale software
permette agli analisti di fare valutazioni statistiche sulla sicurezza dei diversi scenari.
I dati di output di SSAM vengono inoltre validati attraverso il confronto con i dati reali di
incidentalità.
SEZIONE B
Attività di collaborazione e supporto; formazione ed acquisizione di capacità evolute
1 – Partecipazione alle attività di didattica presso la struttura di afferenza (attività seminariale,
supporto alla didattica frontale, preparazione di materiale didattico, collaborazione per
ricevimento studenti, collaborazione allo svolgimento di tesi di laurea e stages).
La partecipazione alle attività di didattica è consistita nelle seguenti esperienze:
Preparazione materiale di approfondimento per il corso "Sicurezza ed esternalità dei Trasporti"
tenuto dal docente prof. Luca Persia nell'ambito del corso di laurea magistrale in Ingegneria dei
Sistemi di Trasporto.
■
Lezioni nell'ambito del corso di "Sicurezza ed esternalità dei Trasporti" tenuto dal docente prof.
Luca Persia nell'ambito del corso di laurea magistrale in Ingegneria dei Sistemi di Trasporto
inerenti le tematiche:
■
- Project Management
- Costi sociali dell'incidentalità stradale.
2 – Attività di formazione (soggiorni presso strutture di didattica e ricerca in Italia e all’estero,
corsi curriculari o speciali frequentati, partecipazione a seminari, convegni, workshop, etc.).
Sono state effettuate le seguenti attività di formazione:
Nell'ambito del programma TEE - TRANSATALANTIC PARTNERSHIP FOR EXCELLENCE
IN ENGINEERING, svolgimento di una parte del progetto di ricerca, della durata complessiva di 6
mesi, presso la North Carolina State University (NCSU) sita a Raleigh, North Carolina, USA.
Durante tale periodo all'estero, attualmente in corso (Ottobre 2013 – Marzo 2014), verrà
approfondito il WP1: Sviluppo di un modello di assegnazione dinamica del traffico, di cui si è
trattato precedentemente. L'approfondimento della tematica verrà svolto con il supporto del Prof.
Billy Williams, professore associato del Dipartimento di Ingegneria Civile, Edile e Ambientale
della NCSU, nonché esperto riconosciuto nelle tematiche di modellizzazione analitica e simulativa
dei flussi di traffico e delle reti di trasporto (http://www.ce.ncsu.edu/faculty/billy-williams).
■
Partecipazione al convegno PIN Talk Italia sulla sicurezza stradale: La sicurezza stradale in
Italia nel contesto dell’obiettivo Europeo 2020, Consiglio Nazionale dell'Economia e del Lavoro,
Roma, 18 Settembre 2013.
■
Partecipazione al convegno Muoversi per crescere, infrastrutture e mobilità nella Regione Lazio,
Radisson Blu Es Hotel, Roma, 14 Febbraio 2013.
■
Partecipazione al seminario La Strategia dell’Unione Europea per l’Energia Pulita nei Trasporti,
Sala degli affreschi, Facoltà di Ingegneria - "La Sapienza" Università di Roma, 17 Luglio 2013.
■
Partecipazione al seminario Il sistema portuale spagnolo e in particolare il porto di Gijòn, Sala
degli affreschi, Facoltà di Ingegneria - "La Sapienza" Università di Roma, 14 Giugno 2013.
■
3 – Collaborazione a studi, ricerche, programmi strutturati (contributi in PRIN, ricerche di
Facoltà e di Ateneo, convenzioni, etc., con inquadramento del programma e specificazione
dell’attività prestata).
Contributo alla realizzazione del corso di formazione alle Regioni organizzato dal Ministero delle
Infrastrutture e dei Trasporti inerente la gestione dei Centri di Monitoraggio (CdM) Regionali per la
Sicurezza Stradale.
■
Contributo all’attività di valutazione dei Corsi di Guida Sicura Avanzata condotta dal Ministero
delle Infrastrutture e dei Trasporti, Direzione Generale per la Sicurezza Stradale, nell’ambito della
formazione avanzata dei conducenti di veicoli stradali finalizzata al miglioramento della sicurezza
stradale.
■
Coordinamento dell’attività di valutazione degli enti definiti come “buone pratiche”, tra quelli che
hanno usufruito dei finanziamenti erogati dal Ministero delle Infrastrutture e dei Trasporti
nell’ambito del Piano Nazionale della Sicurezza Stradale 2001-2010. Tale attività si colloca
nell’ambito del servizio di monitoraggio e assistenza tecnica ed amministrativa per l’attuazione del
Piano Nazionale della Sicurezza Stradale condotto dal Ministero delle Infrastrutture e dei Trasporti,
Direzione Generale per la Sicurezza Stradale.
■
Contributo alla redazione dello studio di valutazione dei costi sociali dell’incidentalità stradale
condotto dal Ministero delle Infrastrutture e dei Trasporti, Direzione Generale per la Sicurezza
Stradale, in ottica della stima del danno economico subito dalla società e causato dall’incidentalità
stradale.
■
Contributo alla redazione del Piano Nazionale della Sicurezza Stradale orizzonte 2020 condotto
dal Ministero delle Infrastrutture e dei Trasporti, Direzione Generale per la Sicurezza Stradale.
■
Contributo alla redazione della proposta PRIN, Bando 2012, dal titolo: " Un sistema di gestione
della mobilità e del traffico in tempo reale sulla base delle condizioni istantanee di sicurezza
stradale e delle emissioni di inquinanti" (rif. D.M. 28 Dicembre 2012 n.957/Ric).
■
Contributo alla redazione della proposta PRIN, Bando 2012, dal titolo: " Sistema di Supporto alle
Decisioni per la Pianificazione della Mobilità Urbana Sostenibile" (rif. D.M. 28 Dicembre 2012
n.957/Ric).
■
Contributo alla redazione di proposte di partecipazione a bandi di finanziamento erogati dal
Ministero delle Infrastrutture e dei Trasporti nell’ambito dei programmi di attuazione del Piano
Nazionale della Sicurezza Stradale 2001-2010, atti alla tutela della sicurezza stradale presso i
comuni e le province Italiani.
■
Coordinamento del progetto “Avezzano Sostenibile, per la creazione di un sistema di mobilità
ciclabile urbana” finanziato dal Ministero dell’Ambiente e della Tutela del Territorio e del Mare
nell’ambito del programma di finanziamenti per il miglioramento della qualità dell’aria nelle aree
urbane e per il potenziamento del trasporto pubblico.
■
Coordinamento del progetto “Centro per la Sicurezza Stradale della Regione Marche”, finanziato
dal Ministero delle Infrastrutture e dei Trasporti nell’ambito del Secondo Programma Annuale di
Attuazione del Piano Nazionale della Sicurezza Stradale 2001-2010.
■
Coordinamento del progetto “PIU’ Sicurezza - Programma Integrato Urbano per la Sicurezza”,
finanziato dal Ministero delle Infrastrutture e dei Trasporti nell’ambito del Primo Programma
Annuale di Attuazione del Piano Nazionale della Sicurezza Stradale 2001-2010.
■
Coordinamento del progetto “PIU’ Sicurezza 2 - Programma Integrato Urbano per la Sicurezza”,
finanziato dal Ministero delle Infrastrutture e dei Trasporti nell’ambito del Secondo Programma
Annuale di Attuazione del Piano Nazionale della Sicurezza Stradale 2001-2010.
■
Pubblicazione di articoli di interesse nazionale inerenti la tematica della sicurezza stradale nel
ROAD SAFETY News-Magazine, News-Magazine di approfondimento sulla sicurezza stradale
pubblicato da Centro di Ricerca per il Trasporto e la Logistica – Sapienza Università di Roma.
■
Contributo alla redazione dello studio inerente i costi della non sicurezza dei veicoli,
commissionato dalla società ARVAL, BNP Paribas Group in ottica di una migliore gestione dei
costi societari per il noleggio dei veicoli.
■