La sicurezza negli spazi pubblici

Uno studio pubblicato su JSTAT mostra che misurazioni incoerenti dei dati nei modelli delle folle possono compromettere le previsioni di sicurezza

Come possono gli spazi pubblici rimanere sicuri quando un grande numero di persone li attraversano?

Ingegneri e ricercatori che studiano questi ambienti si basano spesso su modelli fisici presi in prestito dalla dinamica dei fluidi — un ramo della fisica che descrive il moto collettivo dei fluidi, il cui comportamento emerge dalle interazioni tra molte particelle. Un nuovo studio pubblicato sul Journal of Statistical Physics: Theory and Experiment (JSTAT) evidenzia però un problema cruciale: il modo in cui i dati vengono raccolti e misurati all’interno di questi modelli manca di standardizzazione e può trascurare aspetti importanti del comportamento collettivo umano. A differenza delle particelle, le persone sono agenti viventi con decisioni individuali e interazioni complesse, il che rende il loro movimento più difficile da descrivere con approcci tradizionali.

Nel loro studio, gli autori propongono e testano sperimentalmente nuovi metodi per superare questi limiti, confrontandoli con tecniche attualmente consolidate. I risultati indicano la strada verso linee guida metodologiche più chiare e lo sviluppo di strumenti più affidabili per chi si occupa della progettazione e gestione degli spazi pubblici.

Gli esseri umani come particelle fisiche (oppure no?)

"Il nostro campo di ricerca è la dinamica dei pedoni", spiega Juliane Adrian, ricercatrice presso l’Institute for Advanced Simulation 7: Civil Safety Research del Forschungszentrum Jülich (Germania) e prima autrice dello studio. "Vogliamo capire quando una situazione passa da normale a pericolosa", afferma Adrian. "Gli esseri umani però non sono particelle fisiche: hanno libero arbitrio".

Tradizionalmente, l’analisi parte dalla cosiddetta equazione di flusso, che combina la densità delle persone e la loro velocità. Sulla base di questa relazione, i ricercatori costruiscono un “diagramma fondamentale” di un determinato spazio, utilizzato per valutare in quali condizioni possono verificarsi congestioni o situazioni di affollamento pericoloso.

"Esiste un punto in cui si ha un flusso ottimale a una densità ottimale", spiega Adrian. "A un certo punto questo equilibrio si può rompere: se la densità aumenta ulteriormente, il flusso diminuisce perché le persone non riescono più a muoversi liberamente. Visto che ci sono troppe persone intorno, devono fermarsi, fare deviazioni e adattare la loro velocità".

Per questo motivo, ottenere un diagramma fondamentale realistico è cruciale per interpretare correttamente la dinamica delle folle e progettare spazi più sicuri. Ed è proprio qui che emerge il problema.

Come si misurano i dati è fondamentale

"L’equazione di flusso e il diagramma fondamentale non sono problematici in sé", spiega Adrian. "Il vero problema è come misuriamo quantità come velocità, densità e flusso".

Analizzando la letteratura esistente, Adrian e colleghi hanno individuato quella che la ricercatrice definisce "una generale mancanza di consenso" negli approcci di misura — un aspetto che può portare a differenze significative nell’interpretazione anche di situazioni molto simili.

I metodi tradizionali funzionano bene in scenari semplici, per esempio quando tutti si muovono nella stessa direzione. Ma le folle reali sono raramente così semplici. "Possono esserci disomogeneità nella folla. Può esserci movimento in direzioni opposte", spiega Adrian. "Per esempio, in un flusso bidirezionale alcune persone camminano in una direzione mentre altre vanno in quella opposta. Inoltre, le persone possono cambiare idea, girarsi, muoversi avanti e indietro. E le folle fatte dii pedoni possono raggiungere densità molto elevate".

Nelle situazioni più complesse, gli approcci standard possono diventare inaffidabili — e persino rilevare movimento dove in realtà non ce n’è. "Se la densità è molto alta, anche se le persone sono ferme può esserci comunque movimento nella folla", spiega Adrian. "Le persone possono inclinarsi o muoversi leggermente, quindi se si misura la loro velocità può sembrare che si stiano muovendo in diverse direzioni — persino in quella opposta".

Gli esperimenti

Nei loro esperimenti, Adrian e colleghi hanno registrato gruppi di persone che camminavano in ambienti controllati — come corridoi o spazi aperti — utilizzando videocamere dall’alto. Un software dedicato è stato poi utilizzato per ricostruire le traiettorie individuali di ciascun partecipante, trattato in modo semplificato come un punto in movimento.

A partire da queste traiettorie, i ricercatori hanno calcolato grandezze chiave come velocità, densità e flusso. La novità, però, sta nel modo in cui queste quantità vengono definite e misurate.

Per descrivere in modo coerente il movimento della folla, Adrian e colleghi hanno adottato un approccio basato sulle celle di Voronoi — dividendo lo spazio in modo che a ogni persona sia assegnata l’area più vicina. Questo permette di definire grandezze come densità, velocità e flusso in modo coerente nello stesso punto dello spazio. "Dividiamo lo spazio in regioni per definire queste quantità in modo consistente", spiega Adrian.

Un aspetto cruciale del metodo è che tutte le grandezze vengono misurate nello stesso luogo e nello stesso momento. Questo evita una limitazione importante degli approcci tradizionali, in cui densità, velocità e flusso sono calcolati in modi diversi — per esempio la densità su un’area e il flusso nel tempo — rendendo difficile confrontarli direttamente. "Possiamo avere misure nello stesso punto e nello stesso istante", spiega Adrian.

Su questa base, i ricercatori costruiscono campi continui simili a quelli utilizzati nella fisica dei fluidi e applicano l’equazione di continuità — una "legge di conservazione che garantisce che nessun pedone appaia o scompaia dal nulla", come spiega Adrian — per descrivere come le persone si distribuiscono e si muovono nello spazio.

Infine, Adrian e colleghi hanno confrontato il loro approccio con i metodi tradizionali utilizzando dati sperimentali, mostrando che le differenze diventano particolarmente rilevanti ad alte densità, quando le folle sono più soggette a congestione e a comportamenti collettivi complessi.

Una descrizione più accurata del moto collettivo

Sulla base del loro lavoro, Adrian e colleghi concludono che il modo in cui densità, velocità e flusso vengono misurati nelle folle è molto più importante di quanto si pensasse — soprattutto in situazioni critiche.

In particolare, mostrano che i metodi tradizionali — che combinano medie calcolate nello spazio (per la densità) e nel tempo (per il flusso) — possono produrre risultati incoerenti o addirittura fuorvianti, soprattutto quando le folle diventano dense o iniziano a congestionarsi. In queste condizioni, le diverse grandezze non sono più pienamente compatibili e il cosiddetto diagramma fondamentale — la relazione tra densità, velocità e flusso — può risultare distorto.

Il loro approccio fornisce invece una descrizione più affidabile del moto collettivo, catturando effetti spesso nascosti dai metodi standard, come rallentamenti locali, oscillazioni o persino situazioni di completo arresto della folla.