Unveiling patterns in the underground systems and their ridership

This thesis presents a deep comparative analysis of underground networks across 33 global cities, aiming to elucidate their intrinsic properties and their correlation with ridership. Through examination of city, general, topological, centrality, and urban integration properties such as degree centrality, network density, and connectivity measures (alpha, beta, gamma), we uncover significant insights into network characteristics and their relationship with its ridership. Utilizing regression techniques, including both linear and non-linear models, we establish correlations between ridership per population and these key network properties, laying the groundwork for predictive models elucidating ridership dynamics based on network attributes. Additionally, we apply predictive modelling techniques to forecast the annual ridership of upcoming underground networks in Jakarta, Surabaya, and Denpasar, providing valuable insights into their anticipated performance and potential impact on urban mobility. This holistic understanding informs decision-making to identify hub nodes, or to evaluate the network’s vulnerability and connectivity. By bridging network analysis and ridership dynamics, this research contributes to advancing knowledge in transportation studies and improving transportation modelling methodologies in modern urban contexts.

Questa tesi presenta un'analisi comparativa approfondita delle reti sotterranee in 33 città in tutto il mondo, con l'obiettivo di chiarire le loro proprietà intrinseche e la loro correlazione con i passeggeri. Attraverso l’esame delle proprietà della città, generali, topologiche, di centralità e di integrazione urbana come il grado di centralità, la densità della rete e le misure di connettività (alfa, beta, gamma), scopriamo informazioni significative sulle caratteristiche della rete e sulla loro relazione con i suoi utenti. Utilizzando tecniche di regressione, inclusi modelli lineari e non lineari, stabiliamo correlazioni tra i passeggeri per popolazione e queste proprietà chiave della rete, ponendo le basi per modelli predittivi che chiariscono le dinamiche dei passeggeri basati sugli attributi della rete. Inoltre, applichiamo tecniche di modellazione predittiva per prevedere il numero di passeggeri annuali delle prossime reti metropolitane a Giacarta, Surabaya e Denpasar, fornendo preziose informazioni sulle prestazioni previste e sul potenziale impatto sulla mobilità urbana. Questa comprensione olistica informa il processo decisionale per identificare i nodi hub o per valutare la vulnerabilità e la connettività della rete. Collegando l'analisi della rete e le dinamiche dei passeggeri, questa ricerca contribuisce a far avanzare la conoscenza negli studi sui trasporti e a migliorare le metodologie di modellazione dei trasporti nei moderni contesti urbani.