Network regression and monitoring of public tranportations based on OD matrices

This thesis explores an existing pipeline for estimating dynamic origin-destination (OD) matrices, which integrates ticket and subscription sales data with automated passenger counting (APC) system data using the Iterative Proportional Fitting (IPF) algorithm. The central motivation is to adapt and extend this pipeline to segments of the Trenord network characterized by a higher incidence of missing APC data. The generalization of this pipeline allows for novel comparative analysis across different network segments, revealing key differences in their operational profiles. This thesis undertakes a comprehensive analysis of the pipeline's output. Applying the SuperCENT method to the estimated OD matrices allows us to quantify the network effect on delays while simultaneously tracking the temporal evolution of network centrality. Network centrality, a widely used metric for assessing node importance, is frequently incorporated into regression models to capture network effects on outcome variables. Hub and authority centralities, therefore, provide a concise network summary facilitating the correlation of variables of interest with the OD matrices. Control charts are further employed to identify periods of anomalous mobility, informing the need for intensified network maintenance.

Questa tesi esplora una pipeline esistente per la stima di matrici dinamiche di origine-destinazione (OD), che integra i dati di vendita di biglietti e abbonamenti con i dati del sistema di conteggio automatico dei passeggeri (APC) utilizzando l'algoritmo Iterative Proportional Fitting (IPF). La motivazione centrale è quella di adattare ed estendere questa pipeline a segmenti della rete Trenord caratterizzati da una maggiore incidenza di dati APC mancanti. La generalizzazione di questa pipeline consente una nuova analisi comparativa tra diversi segmenti di rete, rivelando differenze chiave nei loro profili operativi. Questa tesi intraprende un'analisi completa dei risultati della pipeline. Attraverso l'applicazione del metodo SuperCENT alle matrici OD stimate, si intende quantificare l'effetto di rete su una variabile di interesse (in questo studio, i ritardi) e monitorare l'evoluzione temporale della centralità di rete. La centralità è una metrica ampiamente utilizzata per valutare l'importanza dei nodi all'interno di una rete e viene spesso impiegata nei modelli di regressione per catturare gli effetti di rete. In particolare, le centralità Hub e Authority forniscono una sintesi della rete, consentendo la correlazione con variabili di interesse. Infine, mediante l'utilizzo di carte di controllo, si vogliono identificare periodi di mobilità anomala, che potrebbero richiedere un'intensificazione della manutenzione della rete.