Un modello di simulazione per la metropolitana: un applicazione alla linea di Genova

Abstract

Il lavoro di tesi affronta il tema dell'innovazione nel mondo metropolitano, proponendo una nuova concezione di stazione basata sull'integrazione delle tecnologie dell'Industria 4.0. Il lavoro è articolato in tre capitoli principali. Nel primo, viene presentata una panoramica del mondo metropolitano, analizzando l'evoluzione storica e le sfide attuali legate all'efficienza, alla sostenibilità e alla capacità di rispondere alla domanda crescente di mobilità urbana. Il secondo capitolo esplora tutti gli strumenti offerti dall'Industria 4.0, come l'Internet of Things (IoT), l'intelligenza artificiale (IA), l'analisi dei big data e l’avvento del 5G, per ottimizzare il funzionamento dei sistemi metropolitani. Il terzo capitolo rappresenta il cuore del lavoro e si concentra su un progetto innovativo: una stazione metropolitana in grado di adattare il tempo di fermata dei treni in tempo reale, in base alla domanda effettiva rilevata. Questo sistema, implementabile attraverso sensori avanzati e algoritmi predittivi, consente una gestione dinamica del traffico, migliorando sia l'efficienza operativa che l'esperienza dei passeggeri. Il capitolo, in particolare, è suddiviso in due parti: una spiegazione generale dei principi teorici e delle tecnologie abilitanti, seguita da un caso studio pratico che ne illustra l'applicazione nel contesto reale della metropolitana di Genova. Lo scopo principale della divisione del capitolo in due parti è quella di dimostrare come il progetto studiato possa, con le dovute accortezze ed implementazioni, essere applicato a qualsiasi sistema metropolitano.

The thesis addresses the topic of innovation in the metropolitan world by proposing a new concept of a station based on the integration of Industry 4.0 technologies. The work is structured into three main chapters. The first chapter provides an overview of the metropolitan sector, analyzing its historical evolution and the current challenges related to efficiency, sustainability, and the growing demand for urban mobility. The second chapter delves into the tools offered by Industry 4.0, such as the Internet of Things (IoT), artificial intelligence (AI), big data analytics, and the advent of 5G, to optimize the operation of metropolitan systems. The third chapter forms the core of the thesis and focuses on an innovative project: a metro station capable of adapting train stop times in real time based on the actual demand detected. This system, implementable through advanced sensors and predictive algorithms, enables dynamic traffic management, improving both operational efficiency and passenger experience. The chapter is specifically divided into two parts: a general explanation of the theoretical principles and enabling technologies, followed by a practical case study illustrating its application in the real-world context of the Genoa metro system. The primary purpose of dividing the chapter into two sections is to demonstrate how the studied project can, with appropriate adjustments and implementations, be applied to any metropolitan system.