Topolino #3337: Ingorgopoli

Topolino #3337: Ingorgopoli

Era da diversi decenni che Marco Rota mancava dalle pagine di Topolino. Così il suo ritorno sulle pagine del settimanale disneyano, coadiuvato da Stefano Rota, è un piccolo evento cui dedicargli la storia d’apertura del numero, la prima parte di Ingorgopoli che, come intuibile dal titolo, vede Paperino impegnato a districarsi tra le strade continuamente intasate della città dell’ingorgo continuo.

Gusto vintage?

Una delle cose più antipatiche che si possano scrivere relativamente agli autori del passato è accostarli alla parola vintage. Era già accaduto in occasione del sequel de Le sette città di Cibola di Carl Barks quando Nicola Tosolini venne intervistato sulla storia originale. E la cosa si è ripetuta anche con Marco Rota: nell’articolo introduttivo alla storia, si scrive di una avventura dal sapore vintage. E vediamo un po’ questo sapore vintage dando un’occhiata alle prime due pagine.

La tavola d’apertura è costituita da 7 strisce. Le prime 4 sono a inquadratura laterale sulla strada dove Paperino sta viaggiando a bordo della fedele 313. Con lo scendere verso la vignetta successiva, il numero di automobili aumenta, e così il traffico fino alla 5.a vignetta con Paperino che procede incolonnato in mezzo ad altri veicoli. L’ultima striscia è, a sua volta, suddivisa in tre vignette con un primo piano su Paperino che diventa primissimo enfatizzando l’espressione tra la disperazione e lo stupore del protagonista. La seconda pagina, infatti, è una splash page con il titolo della storia che mostra le strade intasate dal traffico che portano a Ingorgopoli.
La storia, da quel momento in poi, procede con un ritmo decisamente molto più alto del procedere delle automobili incolonnate: ora i battibecchi con gli altri automobilisti, ora la ricerca di una scorciatoia, ora le divertenti discussioni con barista e clienti di un fast food lungo la strada, tutto contribuisce a rendere dinamica la sceneggiatura, arricchendola di gag mai noiose e divertenti.
Ovviamente a Paperino, che alla fine si ritrova nuovamente imbottigliato nel traffico, sarebbe stato molto utile l’aiuto di un esperto nel campo: Roberto Natalini!

Gestione del traffico

Boyd Hakluyt, matematico e protagonista del romanzo La scacchiera di John Brunner, viene chiamato a Ciudad de Vados per modificare opportunamente la viabilità cittadina: il controllo sugli abitanti, infatti, viene esercitato anche tramite la gestione delle strade. Il traffico, infatti, può essere opportunamente incanalato scegliendo con attenzione i sensi unici, le zone pedonali e altre zone similari.
In effetti, uscendo dalla sovrapposizione del romanzo con la partita a scacchi del 1892 tra Steinitz e Cigorin, gli abitanti di Ciudad de Vados ne costituiscono la linfa vitale. Allo stesso modo i veicoli che attraversano le sue strade potrebbero essere proficuamente trattati come elementi di un liquido(1).
La fluidodinamica, ovvero la disciplina che studia il moto dei fluidi, è ricca di situazioni differenti. Nel caso del traffico il paragone più ovvio è quello di un liquido che scorre all’interno di un tubo. In questo caso la velocità di scorrimento del liquido è direttamente proporzionale al flusso del liquido, Q, e inversamente proporzionale alla sua sezione, A:

v \propto \frac{Q}{A}

A sua volta il flusso del liquido è dato dal rapporto tra il volume di tubo attraversato, V, e il tempo impiegato, t:

Q = \frac{V}{t}

Poiché il volume è inversamente proporzionale alla densità del liquido, allora aumentare la densità implica ridurre il flusso e quindi la velocità di percorrenza all’interno del tubo. Allo stesso modo se aumento il numero di auto all’interno di una strada, la velocità di percorrenza della strada diminuisce man mano fino al caso limite di velocità nulla, che si raggiunge quando sulla strada si trovano il numero massimo di veicoli che la riempiono.
Come si vede nell’immagine qui sotto questo approccio risulta abbastanza sensato quando lo si confronta con la realtà: pur con tutte le differenze del caso, i dati della situazione reale si distribuiscono lungo una “forma” non dissimile dal modello matematico a sinistra.

Se, però, pensiamo al traffico su un tratto di strada sufficientemente lungo, possiamo pensare che ci vogliano un certo numero di veicoli per ottenere un abbassamento apprezzabile della velocità di percorrenza. Un andamento di questo genere, ovvero una situazione in cui la velocità si mantiene costante anche all’aumentare della densità, per poi iniziare a diminuire, con la presenza di una densità critica oltre la quale il traffico va considerato fermo, è molto simile a un sistema che sta subendo una transizione di fase. E non a caso esistono alcuni approcci al problema che utilizzano proprio le equazioni delle transizioni di fase(2).

Rete stradale

Ovviamene una singola strada fa parte di una più ampia rete stradale, dunque bisogna considerare il flusso di veicoli come qualcosa in cambiamento che non resta necessariamente costante. In questo caso può venire in aiuto anche la fuidodinamica delle reti (in effetti sarebbe la pipe network analysis, l’analisi delle reti di tubi) in cui vengono utilizzate delle leggi non molto differenti da quelle utilizzate per studiare i circuiti elettrici.
Il problema di questo approccio, come ricorda Roberto Natalini su Scienza in rete, è quello di non riuscire a distinguere il comportamento del singolo veicolo, per cui bisogna avere pronti anche modelli in cui si riesce a descrivere l’automobile che si ferma all’improvviso per far attraversare un pedone, o il furgoncino o il camion che generalmente hanno una velocità di percorrenza inferiore rispetto alla media e tutta una serie di altre situazioni differenti.
In questo secondo caso, però, le variabili diventano decisamente molto grandi, quindi possono effettivamente essere applicate a situazioni limitate. Dunque, come ricorda sempre Natalini, bisogna essere in grado di capire quale dei due approcci applicare di volta in volta, calandoli opportunamente nel caso reale, che, come detto, è più simile a una rete che non a una singola strada.
In questo caso un gruppo di matematici del CNR, cui anche Roberto ha collaborato, ha sviluppato un modello che, a partire dai dati reali, è in grado di prevedere lo sviluppo del traffico lungo una rete stradale reale. Il modello è stato anche applicato nella realtà per sviluppare un’applicazione in grado di suggerire il percorso ottimale all’automobilista. Ovviamente la condizione necessaria per avere suggerimenti precisi era che tutti gli automobilisti utilizzassero quella app per calcolare il loro percorso, cosa ovviamente non ovvia.
Un modo per aggirare il problema è quello di pescare i dati forniti dagli smartphone a Google Maps: ci sarebbe ovviamente il problema della privacy, visto che non tutti gli utilizzatori di smartphone forniscono a Google la possibilità di monitorare la propria posizione, ma sembrerebbe che tali utenti siano una percentuale irrisoria, vista la corrispondenza tra i dati raccolti da Google e la situazione prevista a partire dai dati forniti da Telecom Italia(3):

A sinistra i dati di Google Maps a destra le previsioni del modello.

Ovviamente tutto questo può migliorare la viabilità dal lato dell’automobilista, ma potrebbe anche permettere a chi gestisce le strade (quindi i tecnici del comune) di avere un quadro preciso che possa, in linea di principio, consentire loro di prendere decisioni relativamente a zone pedonali, strade a senso unico, posizione dei semafori e altro ancora.


  1. Lighthill, M. J., & Whitham, G. B. (1955). On kinematic waves II. A theory of traffic flow on long crowded roads. Proceedings of the Royal Society of London. Series A. Mathematical and Physical Sciences, 229(1178), 317-345. doi:10.1098/rspa.1955.0089 
  2. Blandin, S., Goatin, P., Piccoli, B., Bayen, A., & Work, D. (2012). A general phase transition model for traffic flow on networks. Procedia-Social and Behavioral Sciences, 54(Supplement C), 302-311. doi:10.1016/j.sbspro.2012.09.749 
  3. Solé-Ribalta, A., Gómez, S., & Arenas, A. (2016). A model to identify urban traffic congestion hotspots in complex networks. Royal Society open science, 3(10), 160098. doi:10.1098/rsos.160098