di: Fabio Carlucci, Marialuisa Restaino, Andrea Cirà
EyesReg, Vol.5, N.5, Settembre 2015.
In Italia, secondo gli ultimi dati disponibili, nel 2013 si sono verificati 181.000 incidenti stradali che hanno provocato 260.000 feriti e 3.400 decessi. Le aree urbane, con il 77% degli eventi, costituiscono la porzione del territorio nazionale maggiormente interessata dall’incidentalità automobilistica (ISTAT, 2014). Gli stessi dati mettono inoltre in evidenza che il trend di riduzione degli incidenti in ambito urbano è risultato, dal 2010 al 2013, inferiore a quello riscontrato su autostrade e strade extra-urbane.
Purtroppo, ai fini del contenimento dell’incidentalità, la regolazione della domanda risulta difficilmente attuabile, a causa della scarsa tolleranza degli automobilisti nei confronti degli interventi che tendono a limitare l’utilizzo dei mezzi di trasporto privati. Tale motivazione dovrebbe incentivare i policy makers ad approfondire la tematica del rischio del trasporto stradale in ambito urbano, al fine di implementare strategie di intervento attraverso cui conseguire una riduzione dei danni alle persone.
Malgrado la rilevanza di tale fenomeno, le analisi delle cause degli incidenti in ambito urbano e soprattutto le politiche mirate a ridurre la loro severità risultano essere insufficienti.
Dati i limiti riscontrati nelle statistiche ufficiali e la scarsità di studi in materia, il nostro lavoro si è concretizzato in una prima fase di raccolta e campionamento degli incidenti stradali ed in una seconda fase di analisi e scelta dei modelli più adeguati per isolare e analizzare le cause degli incidenti stradali in ambito urbano.
Nelle conclusioni si cerca inoltre di individuare uno schema logico originale a supporto di coloro che a diverso titolo si occupano della tematica della sicurezza del trasporto in ambito urbano. A tal fine abbiamo considerato che i soggetti coinvolti nel processo di riduzione della severità degli incidenti stradali appartengono a categorie differenti ed hanno funzioni di utilità differente; inoltre l’investimento in sicurezza ha dei costi esterni che possono essere coperti in diversi modi attraverso processi di internalizzazione o collettivizzazione degli stessi.
Rassegna della letteratura
La letteratura scientifica in termini di incidenti si è soffermata in maniera specifica sullo studio delle cause attraverso l’uso di modelli econometrici. Non sempre però questi studi hanno prodotto ricadute operative sull’azione dei public policy makers. Ciò può essere attribuito ad una duplice motivazione. La prima è che non sempre i modelli econometrici sono stati in grado di fornire previsioni attendibili sulle cause degli incidenti e sugli effetti che eventuali politiche di contenimento della severità degli stessi potrebbero avere. La seconda motivazione è che sono stati effettuati pochissimi studi per dimostrare la convenienza economica in termini di risparmio sui costi sociali degli investimenti mirati al contenimento della severità degli incidenti.
In relazione al primo punto, in particolare, a partire dal 1986, Jovanis e Chang (1986) mettono in evidenza i limiti dell’uso di regressioni lineari per studiare i fattori determinanti per la spiegazione delle cause degli incidenti nelle autostrade e propongono di ricorrere ad una regressione di Poisson quale metodo alternativo e più efficiente, nel caso in cui la variabile di interesse sia di conteggio.
Al-Ghamdi (2002) utilizza una base dati di 560 osservazioni derivate dalla rilevazione degli incidenti registrati nella capitale dell’Arabia Saudita ed utilizza un modello logit per analizzare le variabili che influenzano la severità degli incidenti in ambito urbano. L’autore mette in evidenza nel lavoro che i risultati forniti da questo tipo di modello sono superiori ed hanno una capacità predittiva maggiore rispetto a quelli utilizzati da altri autori anche se, nel complesso, continuano ad essere poco affidabili.
Per quanto concerne il secondo punto, non è stata prodotta letteratura scientifica specifica per ciò che riguarda gli effetti dell’investimento in sicurezza sul trasporto stradale. Soltanto alcuni studi cercano attraverso analisi multicriterio di valutare dove e come è più opportuno investire risorse economiche per migliorare la sicurezza di un circuito stradale, ma non viene analizzata in assoluto la convenienza a stanziare nuovi fondi o intervenire in maniera mirata per ridurre il costo degli incidenti stradali (Rodrigues et al. 2015).
L’obiettivo di una politica della sicurezza nel trasporto stradale urbano dovrebbe mirare a valutare e fare percepire ai privati il costo sociale, o comunque il valore del rischio di causare o essere vittima di un incidente stradale. Alcuni studi hanno tentato di mettere in evidenza come la percezione del valore del rischio determini una riduzione del numero di incidenti (Vukina et al 2015).
Tali considerazioni ci spingono ad ipotizzare che un mix di politiche mirate ad agire sulla percezione del rischio può sortire effetti positivi in termini di abbattimento dei costi sociali dell’incidentalità automobilistica.
La metodologia impiegata e le analisi preliminari
Allo scopo di isolare le cause degli incidenti stradali in ambito urbano per poter trarre utili indicazioni di policy, sono stati presi in esame i dati forniti dalla Polizia Municipale della città di Palermo. I dati raccolti riguardano gli incidenti che si sono verificati tra Agosto 2012 e Dicembre 2013, per un totale di 1.400 incidenti. Il database costruito riporta informazioni dettagliate sulla tipologia di incidente, sulle caratteristiche del tratto stradale interessato, sulle condizioni meteorologiche, sul tipo di veicolo coinvolto, sull’età e sul sesso dei conducenti, sulle condizioni del traffico veicolare. Il tipo di incidente prevede quattro modalità: incidenti senza danni alle persone, incidenti con feriti lievi, incidenti con prognosi (con ospedalizzazione superiore a tre giorni) e incidenti mortali.
Da una prima analisi emerge che la percentuale di incidenti senza lesioni personali per il periodo considerato è pari al 33,07% del totale, quella con feriti si attesta al 61,50%, quella degli incidenti che hanno richiesto ospedalizzazione superiore a tre giorni è pari a 5,29%, e solo nell’0,14% dei casi vi sono stati decessi. Inoltre, gli incidenti con feriti hanno coinvolto una percentuale di conducenti di sesso maschile pari al 72,47%. Per quanto attiene la tipologia dei mezzi coinvolti, è possibile osservare che la collisione è avvenuta nel 46% dei casi tra due autoveicoli e nel 12% tra un motociclo ed un autoveicolo. Inoltre i sinistri sono avvenuti principalmente in prossimità di incroci (44,6%). Il dato particolarmente sorprendente è relativo alle condizioni stradali e alla segnaletica stradale apposta nel luogo dove si sono verificate le collisioni. Infatti gli incidenti più gravi sono avvenuti in condizioni stradali ottimali (98,61%), con una segnaletica stradale efficiente (64,23%) e con una buona visibilità (60,51%).
Poiché l’obiettivo dello studio è quello di indagare sui fattori che influenzano il rischio di incidenti, si è scelto di utilizzare un modello di regressione logistica (Hosmer e Lemeshow, 1989). A tal fine la variabile di interesse, tipo di incidente, è stata codificata in una variabile binaria, a seconda che l’evento incidente si sia verificato oppure no. Per individuare l’insieme dei fattori che potrebbero influenzare il rischio di incidenti, le variabili rilevanti sono state selezionate attraverso la procedura stepwise, fissando il livello di significatività a α=0,05.
I risultati del modello di regressione logistica sono stati valutati in termini di odds ratio, definito come
dove π(x) è la probabilità condizionata che un incidente si verifichi e 1- π(x) è la probabilità condizionata che un incidente non si verifichi. Se l’OR è maggiore di 1, allora è più probabile che la variabile considerata abbia un effetto sul verificarsi dell’incidente.
Osservando gli odds ratio relativi alle informazioni sull’incidente (Tabella 1), emerge che la probabilità che si verifichi un incidente con feriti è più elevata nel caso in cui il primo veicolo sia un ciclomotore (OR=4,03), il secondo veicolo sia un ciclomotore (OR=6,34) oppure sia coinvolto un pedone (OR=10,06). Inoltre, tale propensione è più elevata nel caso in cui il conducente del primo veicolo sia una persona con un’età compresa tra 19 e 24 anni (OR=2,19), mentre essa è minore nel caso in cui le persone coinvolte come seconde hanno un’età compresa tra 5 e 18 anni (OR=0,36). Infine, essa è elevata se vi è stato un tamponamento (OR=2,59), un investimento pedonale (OR=5,26) e uno scontro frontale/laterale (OR=2,00). Infine la probabilità che si verifichi un incidente è maggiore nel caso di alta velocità (OR=1,74).
Per quanto riguarda gli odds ratio delle informazioni sul tratto della infrastruttura, si nota che la probabilità degli incidenti con feriti è più elevata in presenza di una strada con due carreggiate (OR=1,54) e con carreggiata a doppio senso (OR=1,36), mentre è più bassa se il fondo stradale è bagnato (OR=0,69). Ciò potrebbe far concludere che le persone sono più prudenti in caso di pioggia, in quanto gli automobilisti istintivamente prestano una maggiore attenzione alla guida.
Infine, guardando agli odds ratio delle informazioni sul traffico e delle condizioni atmosferiche, si nota che in presenza di traffico intenso (OR=0,58) la probabilità di fare incidenti con feriti è più bassa.
Tabella 1: I fattori che incidono sul verificarsi di un incidente
Discussione e indicazioni di policy
La letteratura specialistica (ad es. Balagh et al. 2014 e Castillo-Manzano et al. 2014) sottolinea l’influenza negativa delle condizioni atmosferiche sulla sicurezza stradale. Il nostro studio mette in evidenza un effetto paradossale: il tasso di incidentalità stradale in ambito urbano tende a ridursi quanto più proibitive sono le condizioni delle strade a causa degli eventi atmosferici o a causa dell’insufficienza/assenza di segnaletica stradale.
Tra i primi autori che hanno individuato tale effetto vi è Peltzman (1975) che intuì e descrisse la relazione che viene ad instaurarsi tra Driving Intensity, intesa quale stile di guida (velocità, livello di concentrazione dell’automobilista, ecc.), e percezione del rischio di incidente da parte del conducente.
In termini economici (Figura 1), è possibile notare che il costo marginale (MC) del viaggio automobilistico è crescente al crescere della Driving Intensity (DI). Allo stesso tempo, l’utilità marginale (MB) decresce quando aumenta la DI.
Figura 1: Costo Marginale, Utilità Marginale e Driving Intensity
Tali condizioni derivano dalla circostanza che la probabilità di incidenti e la gravità delle conseguenze e, con esse, il costo marginale, aumentano più che proporzionalmente all’aumentare della Driving Intensity. Si pensi, ad esempio, alle sanzioni per il superamento dei limiti di velocità che, generalmente, sono proporzionali alla velocità rilevata, o ai danni alle cose e alle persone che tendenzialmente aumentano all’aumentare della velocità dei veicoli coinvolti. L’utilità marginale del viaggio automobilistico, sostanzialmente il risparmio in termini di tempo di viaggio conseguibile mediante un aumento della DI, risulta decrescente.
Pertanto, uno spostamento della curva MC verso il basso (MC1) conseguente ad una riduzione del rischio percepito in seguito, ad esempio ad un miglioramento del fondo stradale, genera un aumento della DI.
Dal punto di vista della implementazione delle strategie di policy volte al contenimento dell’incidentalità stradale, trattasi di valutare il costo marginale e l’utilità marginale della intensità di guida. Il conducente, sceglierà di guidare con un’intensità che gli consente un equilibrio tra costo e utilità marginale. In tale ambito, una riduzione della percezione del rischio può comportare un aumento dell’intensità di guida in quanto i costi marginali percepiti si riducono. Tale condizione rischia di generare un effetto paradossale, cioè un intervento volto a migliorare le condizioni delle strade, agendo in senso diminutivo sulla percezione del rischio, può indurre gli automobilisti ad adottare uno stile di guida poco idoneo al mantenimento di un livello di sicurezza sufficiente. Ciò può verificarsi anche quando, in condizioni meteorologiche favorevoli, la intensità di guida è troppo elevata, laddove i conducenti utilizzano cautele eccessive nel caso in cui le condizioni meteorologiche sono proibitive. Allo stesso modo agisce la regolazione del traffico che può influenzare la percezione del rischio da parte degli utenti delle strade.
In letteratura tale effetto (Offsetting Behaviour Effect) è stato dibattuto principalmente nell’ambito delle innovazioni dell’industria automobilistica nel campo della sicurezza e nel settore della progettazione degli interventi stradali (Vrolix, 2006).
Nonostante la rilevanza di queste considerazioni, allo stato attuale la formulazione delle politiche per la sicurezza stradale sottovalutano gli effetti degli interventi in termini comportamentali.
Fabio Carlucci, Università di Salerno
Marialuisa Restaino, Università di Salerno
Andrea Cirà, Università di Messina
Riferimenti bibliografici
Al-Ghamdi, A. S., Using logistic regression to estimate the influence of accident factors on accident severity, Accident Analysis and Prevention, 34(6), 729–741 (2002).
Balagh, A.K.G., Naderkhani, F., Makis, V., Highway Accident Modeling and Forecasting in Winter, Transportation Research, Part A, 59, 384–396 (2014).
Castillo-Manzano, J.I., Castro-Nuno, M., Pedregal, D.J., The trend towards con- vergence in road accident fatality rates in Europe: The contributions of non- economic variables, Transport Policy, 35, 229–240 (2014).
Hosmer, D.W., Lemeshow, S., Applied Logistic Regression. Wiley, New York (1989).
Istat, Incidenti stradali in Italia http://www.istat.it/it/archivio/137546 (2014).
Jovanis, P. P., Chang, H., Modeling the relationship of accidents to miles traveled, Transportation Research Record TRB, National Research Council, Washington DC 1068, 42-51 (1986).
Peltzman, S., The Effects of Automobile Safety Regulation, Journal of Political Economy, 83(4), 677–725 (1975).
Rodrigues, D.S., Ribeiro, P.J.G., da Silva Nogueira, I.C., Safety classification using GIS in decision-making process to define priority road interventions, Journal of Transport Geography, vol. 43, pp. 101-110 (2015).
Vrolix, K., Behavioural Adaptation, Risk Compensation, Risk Homeostasis and Moral Hazard in Traffic Safety, University of Hasselt, Hasselt (2006).
Vukina, T., Nestic, D., Do people drive safer when accidents are more expensive: Testing for moral hazard in experience rating schemes, Transportation Research Part A, vol. 71, pp. 46–58 (2015).
