Discrete choice models for pedestrian behaviour under different climatic conditions

Extreme weather conditions due to climate change and the general trend of increasing urban population are threatening liveability in cities. Increasing walkability of urban spaces could help reducing vehicle traffic and thus congestions and emissions. In this research, discrete choice models, a consolidated and widely used tool in transportation planning, will be applied to pedestrian behaviour in an innovative way, to explore how people tend to choose their walk path in different climate conditions. Starting from real experiment data of a past experiment, a virtual assessment of the climate comfort of the experimental environment has been performed, using the PET climate comfort index. Then, a multinomial logit model has been calibrated iteratively on the experimental data, segmented by level of PET. It has been observed how weights of the utility functions change as PET increases, trying to extrapolate a function for pedestrian path choice probability in different climatic scenarios. Then, a stated preference survey has been carried out and has been used to calibrate a second logit model, with the aim of comparing the novel use of the discrete choice model with a more traditional method.

Fenomeni metereologici estremi e la generale crescita della popolazione urbana stanno minacciando la vivibilità nelle città. Aumentare la camminabilità degli spazi urbani, potrebbe contribuire a ridurre il traffico veicolare, con una conseguente riduzione della congestione stradale e delle emissioni. In questo studio, i modelli di scelta discreta, uno strumento consolidato e ampiamente usato nella pianificazione dei trasporti, sono stati usati in un modo innovativo per studiare come i pedoni scelgono il proprio percorso in diverse condizioni climatiche. Partendo dai dati di un esperimento reale, è una stata condotta, virtualmente, una stima del comfort climatico nel luogo dell’esperimento, usando come riferimento l’indice di comfort climatico PET. Successivamente, un modello logit multinomiale è stato calibrato iterativamente sul dataset dell’esperimento, segmentato per livello di PET. È stato osservato come i coefficienti della funzione di utilità aleatoria variano all’aumentare del PET, provando così a estrapolare una funzione per prevedere la probabilità di scelta di un percorso da parte di pedoni in diverse condizioni climatiche. Successivamente, è stata condotta un’indagine alle preferenze rilevate e un secondo modello di scelta discreta è stato calibrato, con lo scopo di confrontare il modello innovativo con un metodo più tradizionale.