Unveiling paratransit mobility in Maputo with GPS data : a functional data analysis approach

Over the past few years in many African cities the mobility of the urban population have been meeting mainly by an informal transport system. Often called paratransit, it is performed by small private sector operators on old, poorly mantained minibuses and it's characterized by flexible stops, schedules, routes and a "fill and go" formula. On the contrary, public transport is usually inefficient: local governments struggle to improve it and, moreover, are unable to understand even the informal one. As a result, the social and economic development of these cities is significantly slowed. Safari Njema, a research project of Politecnico di Milano, addresses this criticality and aims to provide innovative bottom-up and place-based solutions, alternative and complementary to traditional top-down initiatives, such as public policies and huge infrastructural investments. The project is based on the exploitation of Big Data Analysis and uses the metropolitan area of Maputo as pilot case, where the typical minibus is called ``chapa''. This thesis derives directly from the Safari Njema project and aims to build an urban mobility model from Global Positioning System (GPS) data of smartphones, given to us by Cuebiq, Inc. The focus of the project is the chapas stop. Firstly, we model its dynamics with target indicators that are constructed through the information extracted from the interaction between a smartphone user and the chapas stop. Due to the fact that the these quantities are time-dependent, a natural approach is to treat them as functions; moreover, it turns out that the majority are density functions. For this reason, we rely on the theoretical results of functional compositional data and Bayes spaces. After having applied a data-driven smoothing procedure to retrieve the functional structure of the chapas stop's indicators, we perform a Functional Data Analysis (FDA) to the set of all chapas stops in Maputo. In particular, together with an outlier detection based on functional depth and a hierarchical clustering on compositional data, we study the variability of the data through the Simplicial Principal Component Analysis. By displaying the results on the map of Maputo, we find interesting patterns that confirm the dualistic urban structure of Maputo: while the suburbs are basically residential areas to leave in the morning and to come back at evening, the city centre represents plays the role of attractive pole for all the demands of the populations such as job opportunities, education or welfare. The results of this work are made accessible to urban researches and policymakers by the implementation of a visualisation tool with R Shiny framework.

Negli ultimi anni, in molte città africane la popolazione urbana ha fatto affidamento su sistemi di trasporto "informali''. Queste forme di mobilità sono attuate da piccoli operatori privati su vecchi e scarsamente curati minibus, e sono caratterizzate da fermate, orari, tragitti flessibili, nonchè da una formula di funzionamento "riempi e parti''. Al contrario, il trasporto pubblico è spesso inefficiente: le autorità locali stentano a migliorarlo e al contempo non riescono a capire e formalizzare quello informale. Questo si riflette sullo sviluppo economico e sociale di queste città. Il progetto Safari Njema del Politecnico di Milano si prefigge di affrontare queste criticità fornendo un innovativo approccio bottom-up, sviluppando soluzioni personalizzate alla realtà cittadina presa in esame e al contempo complementari alle tradizionali iniziative top-down, tipicamente realizzate tramite rilevanti investimenti infrastrutturali. Il progetto di ricerca è basato sull'analisi di Big Data e utilizza come caso pilota l'area metropolitana di Maputo, capitale del Mozambico. Qui, il minibus emblema del trasporto informale prende il nome di ``chapa''. Questo lavoro di tesi deriva direttamente dal progetto Safari Njema e si prefigge di sviluppare un modello di mobilità a partire dai dati GPS degli smartphones fornitici da Cuebiq, Inc. Punto nevralgico dello studio è la fermata chapas, la cui dinamica è modellizzata attraverso particolari indicatori costruiti a partire dall'interazione tra le traiettorie dei proprietari di smartphone e la suddetta fermata. Poichè queste grandezze dipendono dal tempo, diventa naturale considerarle funzioni; più precisamente, la maggior parte di esse sono densità, e perciò ci avvaliamo dei risultati teorici sugli spazi di Bayes e sui functional compositional data. Dopo aver implementato una procedura automatizzata e data-driven nella fase di smoothing, ricorriamo alla Functional Data Analysis (FDA) per analizzare l'intera rete di fermate chapas. Tra le tecniche più importanti figurano l'outlier detection, il clustering gerarchico e la Simplicial Principal Component Analysis. I risultati di quest'analisi sono poi raffigurati spazialmente su Maputo ed evidenziano la struttura dualistica della città: il centro si conferma essere la zona principale in quanto ad opportunità lavorative e servizi, mentre le zone periferiche si rivelano essere prettamente residenziali. Infine, è stata implementata una app R Shiny per permettere di visualizzare e comunicare in modo efficace i risultati dell'analisi a chiunque interessato, quali ricercatori o responsabili delle politiche urbanistiche della città.