ITUA20164045A1 - Sistema e procedimento per l’identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti al fine di determinare interventi di manutenzione - Google Patents

Description

“SISTEMA E PROCEDIMENTO PER L’IDENTIFICAZIONE DI VETTURE E FERMATE, IN UN PERCORSO DI TRASPORTO PUBBLICO, SOGGETTE A GUASTI O INCONVENIENTI AL FINE DI DETERMINARE INTERVENTI DI MANUTENZIONE”

DESCRIZIONE

Campo di applicazione dell 'invenzione

La presente invenzione si riferisce ad un sistema e procedimento per Γ identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a “guasti” o inconvenienti al fine di determinare interventi di manutenzione.

Stato della tecnica

Nel campo del trasporto pubblico, al fine di migliorare il servizio stesso, vi sono necessità orientate almeno ai seguenti fini:

ridurre il corrispettivo chilometrico;

incrementare il numero dei passeggeri;

generare un effetto positivo per ridurre le estemalità negative dei trasporti.

Di conseguenza nascono necessità di tipo tecnico quali le seguenti:

Necessità di sviluppare appropriati sistemi di identificazione di veicoli e fermate per cui si rende necessario intervenire, partendo dal punto di vista del passeggero.

Necessità di sviluppare appropriati sistemi di identificazione delle problematiche relative a veicoli e fermate che necessitano di intervento, partendo dal punto di vista del passeggero.

Necessità di creare uno storico sugli eventi problematici, partendo dal punto di vista del passeggero, che interessano fermate e veicoli di una linea di trasporto nel corso dell’ erogazione del servizio.

Necessità di intervenire in modo sistematizzato ed organico quando vengono rilevate forti criticità su linee, mezzi e fermate, partendo dal punto di vista del passeggero. Necessità di intervenire secondo delle scale di priorità per non disperdere risorse economiche e temporali, partendo dal punto di vista del passeggero. Infatti, le aziende di trasporto pubblico presentano molte linee, mezzi e fermate per cui l’intervento va accuratamente pianificato.

Attualmente non sono disponibili sistemi di identificazione automatica di dette carenze, quindi vi è l’esigenza di sviluppare un sistema atto al controllo obiettivo dei mezzi e fermate di linee di trasporto collettivo dove vi è la necessità di un intervento prioritario. Sommario dell 'invenzione

Pertanto scopo della presente invenzione è proporre un sistema e procedimento per Γ identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti al fine di determinare interventi di manutenzione, volto a superare tutti gli inconvenienti suddetti.

E’ oggetto della presente invenzione un procedimento per Γ identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti da rimediare, caratterizzato da ciò che comprende i passi di:

- individuare un insieme di parametri numerici di riferimento, atti a rappresentare attività di viaggio di passeggeri, relative a dette vetture e detti percorsi, ogni parametro essendo organizzato in maniera gerarchica in più livelli, in ogni livello essendo attribuito un peso a detti parametri;

- misurare ognuno di detti parametri numerici pesati tramite una rappresentazione binaria di valutazione mediante griglie di misura in valori positivi o negativi;

- popolare una banca dati con dette misure, tramite un insieme di record rappresentativi di ogni caratteristica di detti parametri pesati misurati, organizzati in tabelle rappresentative di dette vetture e fermate;

- trasformare dette rappresentazioni binarie dei parametri, prelevate da detta banca dati, in valori percentuali di passeggeri di detti percorsi di trasporto pubblico con valutazione positiva o negativa;

- aggregare detti parametri numerici pesati con valutazione negativa;

- ricercare in dette tabelle le relative rappresentazioni dei parametri aggregati di dette vetture e fermate con valutazioni negative, dette vetture e fermate con valutazioni negative essendo identificate come soggette a guasti o inconvenienti da rimediare.

E’ particolare oggetto della presente invenzione un sistema e procedimento per Γ identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti al fine di determinare interventi di manutenzione, come meglio descritto nelle rivendicazioni, che formano parte integrante della presente descrizione.

Breve descrizione delle figure

Ulteriori scopi e vantaggi della presente invenzione risulteranno chiari dalla descrizione particolareggiata che segue di un esempio di realizzazione della stessa (e di sue varianti), e con riferimento ai disegni annessi dati a puro titolo esplicativo e non limitativo, in cui:

nella Figura 1 è indicato uno schema funzionale delle fasi e degli algoritmi del metodo in accordo con Γ invenzione;

nella Figura 2 è riportato un esempio di scheda di misura relativa ad un parametro e relativi sub e sub-sub parametri, con relative motivazioni;

nella Figura 3 è riportato un esempio di schema esemplificativo di percorso con alcune coppie di fermate origine-destinazione;

nella Figura 4 è mostrato un diagramma di flusso della procedura denominata DAT A_H ANDLIN G ;

nella Figura 5 è mostrato un diagramma di flusso della procedura denominata DATA_OUTPUT ;

nella Figura 6 è riportata la Tabella 5 identificata in descrizione.

Descrizione di dettaglio.

A partire da misure oggettive di parametri di controllo in modalità binaria, il procedimento oggetto dell’ invenzione consente di individuare e quantificare in modo univoco, partendo dal punto di vista del passeggero, per ogni linea di trasporto pubblico e parametro, i veicoli e le fermate della linea su cui occorre intervenire per ripristinare il corretto funzionamento. Più nello specifico, il procedimento consente di fare una puntuale analisi delle inefficienze e stabilire con accuratezza un piano d'intervento con scala di priorità su mezzi e fermate di bnee di trasporto collettivo.

Sinteticamente il procedimento prevede le seguenti quattro fasi principali, con riferimento alla Figura 1.

FASE 1: Specificazione dei voluti parametri di controllo delle linee secondo appropriati parametri numerici di interesse del passeggero, rappresentativi delle proprie attività di viaggio.

FASE 2: Misura obiettiva degli stessi parametri numerici sulla base di una raccolta dati in modalità presenza/assenza delle caratteristiche del parametro.

FASE 3: Trasformazione dei dati rappresentativi dei parametri di controllo in percentuale di passeggeri che usufruiscono di un servizio “adeguato” vale a dire che rispetta determinati standard stabiliti precedentemente. Ad esempio una fermata si presenta “in ordine” se dispone delle informazioni sulle linee in transito nonché quelle relative agli orari chiaramente leggibili ed aggiornate.

FASE 4: Individuazione di linee, fermate e veicoli in cui si rende necessario un intervento per ripristinare il corretto funzionamento del servizio originariamente pianificato.

Nel seguito, ogni fase viene descritta dettagliatamente con l’aiuto di tabelle ed esempi illustrativi.

FASE 1 - Specificazione dei parametri e dei pesi

Nella prima fase si individua un insieme di parametri numerici di riferimento, rappresentativi delle attività di viaggio di passeggeri. Ad esempio, il passeggero nelFusare il servizio di trasporto (i.e., la linea) compie delle attività tipiche: acquista un biglietto, si reca in fermata, consulta le informazioni presenti alla fermata, attende il bus, sale a bordo, viaggia su un veicolo pulito, ecc.

Per semplificare il processo di misura, ogni parametro è organizzato in maniera gerarchica in più livelli, ad esempio in due o tre livelli.

In maniera formale,

P = {Pi, P2, Pi, ..., Prò rappresenta un primo livello: l’insieme dei parametri da monitorare;

P, = {Pn, P i2, Pij, Pimi rappresenta un secondo livello: l’insieme dei sub-parametri relativi al parametro Pt;

P ij= {Piji, Pij2, Pijk, ■■·, Puq) rappresenta un terzo livello: l’insieme dei sub-subparametri relativi al sub-parametro Pl}.

Ad esempio, si consideri il parametro pulizia del mezzo {Pò. Tale parametro può essere diviso in Pulizia esterna {Pu), odori {Pa) e pulizia interna {Pe). A sua volta la pulizia interna Pe può essere suddivisa in pulizia di corrimano e maniglie {Pei), sedili danneggiati {Pi32Ì e sedili puliti (P,??) e via dicendo.

Ogni paramento ed i relativi sub e sub-sub-parametri sono pesati per riflettere l’importanza di ognuno. Il termine importanza fa riferimento al valore dato ai sub e sub-sub parametri, così come sperimentato dal passeggero. Ad esempio, per un passeggero che solitamente viaggia in piedi, potrebbe essere più importante che sia pulito il corrimano e/o la maniglia (Pi3i) più che i sedili (P,3⁄4)· I pesi di sub-parametri e relativi sub- sub-parametri vengono determinati usando il processo analitico gerarchico noto con l’acronimo - AHP (Saaty, 1980), poiché si stabilisce un peso obiettivo tramite confronto a coppie fra sub-parametri e sub-sub-parametri. Il processo AHP viene impiegato due volte per attribuire un peso ad ogni sub-parametro relativo al parametro misurato e ad ogni sub-sub-parametro relativo allo stesso sub-parametro. Per gli scopi dell’ invenzione, il peso di ogni parametro è 1, quello dei sub-parametri è compreso fra 0 ed 1, mentre quello dei sub-sub-parametri varia fra 0 e 100.

In maniera formale:

• W= (7, 7,...,7) l’insieme dei pesi di ogni parametro;

• WPÌ= ( wpu , wpa, wpij, wpim) l’insieme dei pesi dei sub-parametri relativi al parametro Pt;

• Wpij= ( wpiji , Wpij2, wpijk, ..., wpup) l’insieme dei pesi dei sub-sub-parametri relativi al sub-parametro Pl}.

Ad esempio, si consideri il parametro pulizia del mezzo (Pi), il suo peso è 1, i pesi dei subparametri relativi alla pulizia esterna (Pu), odori (Ρ&) e pulizia interna (P^) sono wpa, WPQ e wPi3 ,rispettivamente. Inoltre, i pesi dei sub-sub-parametri della pulizia interna sono wpai, wpi22e wPi23,rispettivamente.

È importante notare che:

dove, j e k sono gli indici del sub-parametro Pte dei sub-sub-parametri PtJ, rispettivamente. La specificazione di parametri, sub-parametri e sub-sub-parametri viene fatta una volta per tutte, e gli attributi vengono riepilogati nella Tabella 1 qui sotto riportata relativa alle specifiche Pesi parametri.

Va osservato che il punteggio minimo che deve ottenere il parametro (assieme ai relativi sub e sub-sub-parametri) affinché la misura possa ritenersi positiva, deve superare una determinata soglia (SM Ai Soglia_Micro_Allarme) che varia fra un minimo di 0 ed un massimo di 100.

Tabella 1:

Attributo Formato del Note

dato

Parametro Testo È il parametro analizzato Sub_Parametro Testo È un sub-parametro afferente allo stesso parametro individuato dalla azienda Sub_Sub_Parametro Testo È un sub-sub- parametro afferente allo stesso sub-parametro individuato dalla azienda

Peso_Sub_Parametro Precisione singola È un valore compreso fra 0 ed 1.

Peso_Sub_Sub_Parametro Intero È un valore compreso fra 1 e 100. Soglia_Micro_Allarme Intero È un valore compreso fra 0 e 100. (SMA,)

Nella Tabella 2 seguente si riporta un esempio di dati delle specifiche della Tabella 1, relativo al parametro Pulizia.

Tabella 2:

2.a 2.b 2.c 2,d 2.e 2.f Assenza di odore di 80 Pulizia Odori chiuso e di 0,52 13

ammuffito

Assenza di odore di 80 Pulizia Odori 0,52 19

gasolio

Assenza di odori 80 Pulizia Odori 0,52 68

organici

Pulizia Carrozzeria del 80 Pulizia 0,06 8

esterna mezzo pulita

Pulizia Finestrini esterni 80 Pulizia 0,06 41

esterna puliti

Pulizia 80 Pulizia Parabrezza pulito 0,06 51

esterna

Pulizia Appigli e corrimano 80 Pulizia 0,42 17

interna puliti

Pulizia Assenza di rifiuti 80 Pulizia 0,42 21

interna organici

Corretto 80 Pulizia funzionamento

Pulizia 0,42 11

interna dell'impianto di

climatizzazione

2,a 2.b 'Le 2.d 2.e 2J_ Pulizia Finestrini interni

Pulizia 80

0,42 7

interna puliti

Pulizia

Pulizia 80

Pareti interne pulite 0,42 9 interna

Pulizia

Pulizia 80

Pavimento pulito 0,42 5 interna

Pulizia Posto guida

Pulizia 80

0,42 3

interna ordinato

Pulizia Sedili in buone

Pulizia 80

0,42 7

interna condizioni

Pulizia

Pulizia 80

Sedili puliti 0,42 20 interna

Nella tabella 2, i numeri utilizzati nei titoli delle colonne hanno il seguente significato: 2. a: Parametro; 2.b: Sub_Parametro; 2.c: Sub_Sub_Parametro; 2.d: Peso_Sub_Parametro; 2. e: Peso_Sub_Sub_Parametro; 2.f: Soglia_Micro_Allarme.

FASE 2 - Misura obiettiva dei parametri

Nella seconda fase, il processo di misura obiettiva dei parametri (e relativi sub e sub-sub parametri) avviene a terra (per lo più in fermata) ed a bordo (direttamente sui mezzi), secondo una metodologia nota in letteratura con la denominazione Mystery Client, di seguito utilizzata.

Il Mystery Client è una rappresentazione di un ipotetico rilevatore opportunamente formato che usa la linea di trasporto come farebbe un normale passeggero. Nell’ utilizzare la linea, egli valuta i sub- sub-parametri mediante delle griglie di misura in cui annota una misurazione positiva se il sub-sub-parametro rispetta gli standard fissati, altrimenti negativa.

I parametri della linea vengono misurati da più Mystery Client in giornate diverse (alternando, ad esempio, giorni e fasce orarie differenti). È importante sottolineare che la misurazione in modalità Mystery Client è indipendente:

• dalla soggettività del giudizio (tutti i Mystery Client misurano i sub- sub-parametri nello stesso modo in quanto utilizzano manuali di riferimento. Ad esempio, nel caso del parametro pulizia, il mezzo è pulito in accordo alla regola delle due mani o delle due dita);

• dalla sensibilità del passeggero;

dall’effetto memoria;

dal momento in cui viene fatta la rilevazione (e.g., stato d’animo del passeggero , influenza “del sentito dire”).

La misura avviene per tutti i sub- sub-parametri raccogliendo dati in modalità binaria (i.e., presenza/assenza di una caratteristica). Nella Figura 2 è riportato un esempio di misura relativa al parametro pulizia e ad i sub e sub-sub parametri con relative motivazioni. Si tratta di fatto di una scheda per raccolta dati.

A valle della misura, viene popolata una banca dati costituita da un insieme di record rappresentativi di ogni singola caratteristica del parametro e dei relativi sub- e sub-subparametri misurati, come descritto nella Tabella 3 qui sotto riportata, che illustra le specifiche dei record con relative note esplicative. La maggior parte degli elementi presenti nella Tabella 3 sono auto esplicativi. Perciò, ci si focalizzerà su quelli che meritano una maggiore attenzione quali:

ld_OD_Codice

Stato del sub-sub-parametro

Motivo principale

Passeggeri_Presenti

Quando un Mystery Client inizia la misura, viene inserito un nuovo record alTintemo della banca dati. Questo record contiene il codice del percorso di viaggio da parte del passeggero da una Origine verso una Destinazione ( ld_OD_Codice ). Lo Id_OD_Codice è replicato per ogni record che fa riferimento alla stessa coppia Origine-Destinazione. In altre parole, la banca dati viene popolata in funzione del percorso compiuto dal Mystery _Clienf. ad ogni percorso ( ld_OD_Codice ) corrispondono da 1 ad n record.

Tabella 3:

Attributo Formato del dato Note

Id_Record Contatore Numero progressivo del record

Id_ OD_ Codice Intero Numero identificativo del percorso compiuto dal Mystery Client da un’origine verso una destinazione. In una rilevazione si misurano più sub_sub parametri. Il progressivo per ognuno di questi è sempre lo stesso. Cambia al cambiare della rilevazione.

Attributo Formato del dato Note

Data gg/mm/aaaa Giorno in cui viene fatta la misura Tipo_Giorno Testo Giorno tipo in cui è stata compiuta la misura (e.g. Lun-Ven, Sab, Dom) Condizioni_Meteo Testo Condizioni meteo al momento della misura

Ora_Inizio_Rilievo hh.mm Ora di inizio della misura ID_Fermata_Salita Alfanumerico Codice della fermata di salita misurata Linea Alfanumerico Numero della linea misurata Direzione_Corsa Testo Direzione della corsa della linea misurata N°_vettura Intero Codice veicolo misurato Passeggeri_Presenti Intero Numero dei passeggeri a terra se in fermata, oppure di quelli presenti a bordo se sul mezzo

Parametro Testo Parametro di riferimento misurato (e.g.

pulizia del mezzo)

Sub-Parametro Testo Componente del Parametro (e.g. pulizia interna - P a)

Sub -Sub -Parametro Testo Rappresenta una componente del Sub_Parametro (e.g. pulizia del sedile, Pi33 )

Stato del Sub-Sub- Binario Stato del Sub-Sub-parametro misurato. parametro Lo stato è 1 se la misura del Sub-Subparametro è positiva, 0 altrimenti Motivo principale Testo Motivazione nel caso in cui lo stato del Sub-Sub-parametro è 0.

ID_Fermata_Discesa Alfanumerico Codice della fermata di discesa misurata Ora_Fine_Rilievo hh.mm Ora di fine della misura

Nella Figura 3 è riportato un esempio di schema esemplificativo di percorso con cinque coppie di fermate origine-destinazione corrispondenti a cinque Id_OD_Codice utilizzati dal Mystery Client.

Ad esempio, si considerino tre attività fatte dal passeggero nell’uso di una linea di trasporto per una generica coppia Origine-Destinazione, quali la lettura delle informazioni sugli orari presenti alla fermata (dato a terra), la possibilità di validare il proprio titolo di viaggio e viaggiare su un veicolo pulito (dati a bordo). Inizialmente, il Mystery Client raggiunge la fermata di salita 30 e consulta le informazioni pubblicate (e.g., le informazioni sugli orari). Successivamente quando il veicolo giunge in fermata 30, il Mystery Client sale a bordo, prova a validare il biglietto e osserva se il veicolo è pulito, compiendo il percorso fra due fermate della linea 30-31. Alla fine del viaggio, il Mystery Client scende dal veicolo alla fermata 31. Tutte queste attività elementari hanno lo stesso ld_OD_Code. La misura (raccolta dati) prosegue per una nuova coppia Origine-Destinazione, ad esempio i percorsi indicati con le coppie di numeri 32-33, 34-35, 36-37, 38-39.

È degno evidenziare che i record della banca dati organizzata secondo gli attributi della Tabella 3 sono generati in funzione di tre fasi di viaggio (i.e., pre-viaggio, in fermata, a bordo). Per ogni fase i Sub-Sub-parametri sono inseriti nella banca dati secondo bordine previsto dalla scheda di rilevazione (Figura 2). Ad esempio, a bordo andranno registrati tutti i Sub-Sub-Parametri riferiti allo stesso Sub-Parametro del parametro di riferimento (e.g. pulizia (PO, che è divisa in Pulizia esterna (Pu), odori (PQ) e pulizia interna (P^) e via dicendo).

L’attributo Stato del Sub-Sub-parametro è quello più rilevante e rappresenta la variabile binaria che identifica la condizione di ogni sub-parametro. Per maggiore chiarezza, il Mystery Client misura se ogni sub-sub-parametro di un sub-parametro afferente al parametro di riferimento è “ben-erogato”, vale a dire riflette lo standard fissato ( Stato del Sub-Sub-parametro = 1) oppure no (Stato del Sub-Sub-Parametro = 0). Questa valutazione viene fatta in accordo a regole severe e specifiche (e.g., il sedile viene considerato pulito -Stato del Sub-Sub-Parametro = 1 - o no - Stato del Sub-Sub-Parametro = 0 - secondo determinati standard, i.e. la regola della due mani, vale a dire per ogni sub-sub-parametro, se la superficie interessata dai “problemi” è superiore a quella di due mani allora lo Stato del Sub-Sub-Parametro = 0).

L’attributo Motivo principale rappresenta una motivazione sintetica del perché la misura ha dato esito negativo per quel sub-sub-parametro ( Stato del Sub -Sub -Parametro = 0).

Infine, per ogni coppia Origine-Destinazione, il Mystery Client registra il numero dei passeggeri incluso se stesso (Passeggeri Presenti). Esso rappresenta il numero di quelli presenti alla fermata di salita o a bordo, in relazione al luogo dove viene fatta la misura. Questi numeri non cambiano per la stessa coppia Origine Destinazione. Questi dati sono molto importanti nel presente contesto, poiché i risultati delle misurazioni sono pesati per il numero dei passeggeri al fine di stabilire le priorità di focalizzazione dell’attenzione. Perciò, se la misurazione di un parametro è negativa in accordo al suo stato, ma è relativa ad un piccolo numero di passeggeri, la procedura non enfatizzerà questa situazione.

Nella Tabella 4A e 4B è riportato un esempio di estratto della banca dati popolata in accordo alle specifiche della Tabella 3, ad esempio relativa al parametro Pulizia. In particolare:

Il record #1 ( Id_Record ) rappresenta una misurazione svolta sulla coppia Origine Destinazione 1 ( ld_OD_Codice ) il giorno 11/03/2015 {Data) in un giorno Lun_Ven {Giorno Tipo ) in condizioni meteo soleggiate {Condizioni meteo).

La rilevazione del record #1 è iniziata alle ore 15.50 {Ora Inizio Rilievo), alla fermata CI0002 {ID Fermata Salita), sulla linea M {Linea) diretta in piazza Matteotti {Direzione Corsa), sulla vettura 354 {N° Vettura). A bordo erano presenti 46 passeggeri {Passeggeri Presenti). Il parametro interessato dalla misura è stato la pulizia {Parametro)', il subparametro, la pulizia esterna {Sub-Parametro) ed il sub-sub-parametro la carrozzeria del mezzo {Sub -Sub -Parametro). Lo stato registrato per il Sub-sub-Parametro = 1 {Stato Sub-Sub-Parametro). In tale caso, non è stato riportato evidentemente il motivo principale {Motivo Principale).

Tabella 4A:

4A.a 4A.b 4A.c 4A.d 4A.e 4A.f 4A.g 4A.h 4A.i 4A.1

1 11/03/2015 L-V Sole 15.50 00002 M Matteotti 354 2 11/03/2015 L-V Sole 00002 M Matteotti 354 3 11/03/2015 L-V Sole 00002 M Matteotti 354 4 11/03/2015 L-V Sole 00002 M Matteotti 354 5 11/03/2015 L-V Sole 00002 M Matteotti 354 6 11/03/2015 L-V Sole 00002 M Matteotti 354 7 11/03/2015 L-V Sole 00002 M Matteotti 354 8 11/03/2015 L-V Sole 00002 M Matteotti 354 9 11/03/2015 L-V Sole 00002 M Matteotti 354 10 11/03/2015 L-V Sole 00002 M Matteotti 354 11 11/03/2015 L-V Sole 00002 M Matteotti 354 12 11/03/2015 L-V Sole 00002 M Matteotti 354 13 11/03/2015 L-V Sole 00002 M Matteotti 354 14 11/03/2015 L-V Sole 00002 M Matteotti 354

15 1 11/03/2015 L-V Sole 00002 M Matteotti 354

Nella tabella 4A sopra riportata, i numeri utilizzati nei titoli delle colonne hanno il seguente significato: 4A.a: Id Record; 4A.b: Id OD Codice; 4A.c: Data; 4A.d: Tipo Giorno; 4A.e: Condizioni meteo; 4A.f: Ora Inizio Rilievo; 4A.g: ID Fermata Salita; 4A.h: Linea; 4A.i: Direzione Corsa; 4A.1: N° Vettura.

Tabella 4B:

Nella tabella 4B sotto riportata, i numeri utilizzati nei titoli delle colonne hanno il seguente significato: 4B.a: Id Record; 4B.b: Parametro; 4B.c: Sub-Parametro; 4B.d: Sub Sub Parametro; 4B.e: Stato sub-sub-parametro; 4B.f: Motivo Principale; 4B.g: ID Fermata Discesa; 4B.h: Ora Fine Rilievo.

4B.a 4B.b 4B.c 4B.d 4B.e 4B.f 4B.g 4B.h

Pulizia Carrozzeria del

1 Pulizia

esterna mezzo pulita

Pulizia Finestrini esterni

2 Pulizia

esterna puliti

Pulizia

3 Pulizia Parabrezza pulito 1

esterna

Assenza di odore

4 Pulizia Odori di chiuso e di 1

ammuffito

Assenza di odore

5 Pulizia Odori

di gasolio

Assenza di odori

6 Pulizia Odori

organici

Pulizia

7 Pulizia Pavimento pulito 1

interna

Pulizia Assenza di rifiuti

8 Pulizia

interna organici

Pulizia Appigli e

9 Pulizia

interna corrimano puliti

Pulizia Posto guida

10 Pulizia

interna ordinato

Pulizia Sedili in buone

11 Pulizia

interna condizioni

Pulizia

12 Pulizia Sedili puliti 1

interna

Pulizia Pareti interne

13 Pulizia

interna pulite

Pulizia Finestrini interni

14 Pulizia

interna puliti

Corretto

Pulizia funzionamento

15 Pulizia 21 16.00 interna dell'impianto di

climatizzazione

FASE 3 - Trasformazione dei dati grezzi in percentuale di passeggeri

Nella terza fase, per ogni parametro, i dati in modalità binaria, prelevati dalla banca dati, vengono trasformati in misure di percentuale di passeggeri per individuare per ogni linea, i parametri che non rispecchiano il controllo originariamente pianificato.

Nello specifico, collegando le equazioni (1) e (2), è possibile calcolare il punteggio (Sì) che un generico parametro i può raggiungere durante una rilevazione aggregando pesi e punteggi applicando la formula seguente:

Dal risultato della equazione (3), è possibile osservare che se un parametro (e relativi sub e sub-sub-parametri) è “ben erogato”, vale a dire riflette lo standard fissato, lo stato di ogni sub-sub-parametro è sempre 1 ed Si=100. Se questo non è il caso, St< 100. Se 100 < = St< SMAi, il parametro è comunque “ben erogato”. In seguito, i risultati della equazione (3) sono collegati al volume dei passeggeri per calcolare la percentuale di passeggeri che riceve un servizio “ben erogato” sul parametro Pi,Questa percentuale è etichettata con Perc_Paxi e viene calcolata come segue:

s rappresenta Γ indice della osservazione;

Xsrappresenta una variabile binaria che vale 1 se St>= SMAt0 altrimenti;

P

<s>rappresenta il numero dei passeggeri conteggiati per l’osservazione s.

A questo punto, si considerino i dati raccolti dal Mystery Client in accordo agli attributi della Tabella 3 e i dati sui parametri organizzati secondo le specifiche della Tabella 1.

Il terzo passo della procedura lavora in accordo con un algoritmo nel seguito indicato DATA HANDLING. L’obiettivo di DATA HANDLING è trasformare i dati binari relativi allo Stato del sub-sub-parametro in percentuale di passeggeri che ricevono un servizio “ben erogato”, vale a dire valutazioni positive, oppure valutazioni negative, per ogni parametro (vale a dire il risultato fornito dalla equazione (4)). DATA HANDLING può essere sintetizzato in tre parti principali.

- a) DATA HANDLING associa un peso negativo ad ogni sub-sub-parametro, se Γ attributo Stato del sub-sub-parametro = 0 ed assegna tale peso al sub-sub-parametro corrispondente. I pesi sono letti dalla Tabella 1. Inoltre, DATA HANDLING calcola il punteggio massimo e minimo per ogni sub-parametro come somma dei punteggi raggiunti per ogni sub-sub-parametro. Perciò in questa fase, viene effettuato il calcolo del valore riportato nella parentesi quadra della equazione (3). Chiaramente per ogni sub-parametro, il punteggio massimo raggiungibile è 100 se nessun sub-sub-parametro ha stato = 0.

- b) per ogni linea e coppia Origine Destinazione, DATA HANDLING aggrega a livello di parametro i punteggi di ogni sub-parametro corrispondente. Successivamente, DATA HANDLING calcola il punteggio pesato per ogni parametro come prodotto fra il 1⁄43⁄4<■>ed il valore riportato nella parentesi quadra della equazione (3).

- c) per ogni linea e parametro, DATA HANDLING aggrega a livello di coppia Origine-Destinazione, i punteggi relativi ad ogni parametro e calcola S, dalla equazione (3). Inoltre, confronta Stcon SMA, per verificare se il relativo parametro è erogato in accordo all’obiettivo. Infine, in accordo alla equazione (4), DATA HANDLING calcola la percentuale di passeggeri che riceve un servizio ben erogato in relazione al volume di passeggeri interessato.

Il diagramma di flusso, la lista dettagliata dei passi e la mappa strutturale dell’ algoritmo di “DATA HANDLING” sono riportate nel seguito, con riferimento alla Figura 4. L’algoritmo trasforma in percentuale di passeggeri i dati sopra determinati.

Le operazioni svolte sono le seguenti:

Step 0. Acquisisci i dati di input dalle tabelle Mystery Client (A) e Pesi Parametri (B), i cui nomi dei campi sono indicati lateralmente nella figura 4

Step 1. Crea attributi codici ricerca nelle tabelle A e B

Step 2. Attribuisci il valore del Peso Sub-Sub-Parametro ad ogni Record di A

Step 3. Attribuisci il valore del Peso Sub-Parametro ad ogni record di A

Step 4. Calcola punteggio massimo per ogni record di A

Step 5. Calcola punteggio minimo per ogni record di A

Step 6. Crea tabella Pivot 1 e calcola il punteggio pesato aggregato per ogni Subparametro afferente al parametro misurato

Step 7. Crea tabella Pivot 2 e calcola il punteggio pesato aggregato per ogni Parametro ed attribuisci Soglia Micro allarme ad ogni record di Pivot 2

Step 8. Verifica se il Parametro è “ben erogato”

Step 9. Calcola il numero dei passeggeri che ricevono un servizio ben erogato

Step 10. Calcola il numero totale dei passeggeri che hanno usufruito del servizio

Step 11. Calcola la percentuale dei passeggeri che hanno usufruito di un servizio ben erogato.

I termini Pivot 1 e Pivot 2 sopra utilizzati sono denominazioni attribuite alle tabelle.

Qui di seguito si fornisce un esempio di mappa strutturale dell’ algoritmo DATA HANDLING in codice software del programma EXCEL utilizzato. Le operazioni sono riferite alla linea ed al parametro misurato. Inoltre, per semplificare la lettura, il simbolo \\ identifica parole di commento seguenti il simbolo.

Algoritmo “DATA HANDLING”. W Trasforma in % dì passeggeri i dati dello stato del Sub-Sub-Parametro raccolti dal Mystery Client

Step 0. Acquisisci i dati di input dalle tabelle Mystery Client (A) e Pesi Parametri (B) Sia A = [ai, a2, ..., a IH] la lista dei 18 attributi della Tabella 3: Id_Record, Id OD Codice, Data, Tipo Giorno, Condizioni meteo, Ora Inizio Rilievo, ID Fermata Salita, Linea Monitorata, Direzione Corsa, N° Vettura, Passeggeri Presentì, Parametro, Sub-Parametro, Sub-Sub-Parametro, Stato del Sub_Sub_Parametro, Motivo principale, ID Fermata Discesa, Ora Fine Rilievo

Sia B = [b/, b2, .... be] la lista dei 6 attributi della Tabella 2: Parametro, Sub-parametro, Sub -Sub -parametro, Peso Sub-Parametro, Peso Sub-Sub-Parametro, Soglia Micro Allarme.

Step 1. Crea attributi codici ricerca nelle tabelle A e B

Definisci IDA;

Definisci IDB;

Per ogni record p di A, \\ Inserisci un nuovo attributo in A

IDAP= Concatena {Parametro; Sub_parametro; Sub_Sub_parametro )

Aggiorna A con il nuovo attributo IDA; \\ Ogni record della tabella Mystery Client contiene il Codice così come precedentemente calcolato Per ogni record q of B, \\ Inserisci un nuovo attributo in B

IDBq= Concatena {Parametro; Sub_parametro; Sub_Sub_parametro )

Aggiorna B con il nuovo attributo IDB;

Step 2. Attribuisci il valore del Peso Sub-Sub-Parametro ad osni Record di A Definisci WSSP;

Per ogni record p di A, \\ inserisci il peso dell’attributo Sub-Sub-Parametro nella tabella A, cercando nella tabella B dove IDAp=IDBqquando lo Stato del SubSub-Parametro = 0

Se ( Stato del Sub-Sub-Parametro )p= 0;

WSSPp= Funzionericerca ( IDAp=IDBq; B; - Peso Sub-Sub- parametro); \\ Estratto della funzione cerca verticale di EXCEL

Altrimenti 0;

Aggiorna A con il nuovo attributo WSSP;

Step 3. Attribuisci il valore del Peso Sub-Parametro ad osni record di A

Definisci WSP;

Per ogni record p di A, \\ inserisci il peso dell’attributo Sub-Parametro nella tabella A, cercando nella tabella B dove IDAp=IDBq

WSPp= Funzionericerca ( IDAp=IDBq;B ; Peso Sub-parametro);

Aggiorna A con il nuovo attributo WSP;

Step 4. Calcola il punteggio massimo per osni record di A

Definisci S_MAX;

Per ogni record p di A, \\ calcola il punteggio massimo per ogni record della tabella A Se ( Sub_parametro)p= ( Sub_parametro)p.i ;

S_MAXp= nuli;

Altrimenti S_MAXP= 100;

Aggiorna A con il nuovo attributo SMAX;

Step 5. Calcola il punteggio minimo per osni record di A

Definisci S_MIN;

Per ogni record p di A, \\ calcola il punteggio minimo per ogni record della tabella A in accordo alla equazione (3), della parte in [.]

Se SMAXP<> nuli

S_MINP= S_MAXP+WSSPp;

Altrimenti S_MINP= S_MINP.] WSSPp;

Aggiorna A con il nuovo attributo S_MIN;

Step 6. Crea tabella Pivot 1 e calcola il punteggio pesato aggregato per osni Subparametro afferente al parametro misurato

Seleziona Linea Monitorata', Id_OD_Codice; Parametro', Sub-parametro', S_MIN; WSP; Passeggeri Presenti da A;

Pivot (min as [S_MIN2]; max (WSP) as [WSP2\; max (Passeggeri Presenti) as [Pax]) as Pivot 1;

\\ Pivot 1 contiene i seguenti attributi: Linea Monitorata', Id_OD_Codice; Parametro', Subparametro', S_MIN2; WSP2; Pax.

I campi S_MIN2, WSP2 e Pax rappresentano campi calcolati dalla funzione Pivot di Excel relativi al: valore minimo del campo S_MIN della tabella A; valore del campo WSP della tabella A e valore del campo Pax della tabella A.

Va osservato che nella funzione Pivot di EXCEL, per calcolo del valore da inserire nel campo WSP2 si può usare indifferentemente il valore massimo, minimo o medio poiché in corrispondenza di una linea, rilevazione, parametro esiste un valore unico di Sub_Parametro per ogni Sub-Sub-Parametro di rilevazione. Lo stesso ragionamento vale per il campo Pax. Anche in questo caso, per ogni ld_OD_Codìce e parametro si avrà sempre lo stesso numero di passeggeri.

Definisci S W ;

For ogni record r of Pivot_l, \\ Calcola il punteggio pesato in accordo ai risultati dello Step 5

SWr= S_MIN2r* WSP 2r;

Aggiorna Pivot 1 con il nuovo attributo SW;

Step 7. Crea tabella Pivot 2 e calcola il punteggio pesato aggregato per osni parametro misurato ed attribuisce Soslia Micro allarme ad osni record di Pivot 2

Seleziona Linea Monitorata', Parametro', Id_OD_Codice; SW; Pax da Pivot 1

Pivot (somma ( SW) as [Si]; max (Pax) as [Pax2\) as Pivot 2

\\ somma (SW) è la completa applicazione della equazione (3) per ogni parametro e linea monitorata. Pivot 2 contiene i seguenti attributi: Linea Monitorata; Parametro; Id_OD_Codice; S,; Pax2.

Define SMA;

Per ogni record s of Pivot_2;

SMAs= Funzionericerca ( Parametros= Parametroq; B; Soglia Micro Allarme);

W inserisci il valore dell’attributo Soglia Micro Allarme nella Pivot 2, cercando nella tabella B dove Parametros= Parametroqy

Aggiorna Pivot 2 con il nuovo attributo SMA;

Stey 8. Verifica se il Parametro è “ben erogato ”

Definisci Conf; W Si verifica se l ’ osservazione relativa al parametro è “ben erogata vale a dire se registra un punteggio > della Soglia di Micro Allarme (SMA) Per ogni record s of Pivot_2;

Se SÌS> SMAs;

Confi=l;

Altimenti Confi= 0;

Aggiorna Pivot 2 con il nuovo attributo Conf;

Step 9. Calcola il numero dei passeggeri che ricevono un servizio ben erosato Definisci Conf_Pax; W Si calcola il numero dei passeggeri che ricevono un servizio ben erogato

Per ogni record s of Pivot_2;

Se (Parametros= Parametro^ and Confi = 1 )

Conf_Paxs= Pax2s+ Conf_Paxs.i;

Altrimenti se (Parametros= Parametro^ and Confi = 0)

Conf_Paxs= Conf_Paxs.j;

Altrimenti se (Parametros<> Parametro^ and Confi = 1)

Conf_Paxs= Pax2s;

Altrimenti 0;

Aggiorna Pivot 2 con il nuovo attributo Conf_Pax;

Step 10: Calcola il numero totale dei passe sseri che hanno usufruito del servizio Definisci Total_Pax; W Si calcolano i passeggeri che hanno usufruito del servizio Per ogni record s of Pivot_2;

Se Parametros= Parametros-i

Total_Paxs= Pax2s+ Total_Paxs.j;

Altrimenti Total_Paxs= Pax2s\

Aggiorna Pivot 2 con il nuovo attributo Total_Pax;

Step 11. Calcola la percentuale dei passesseri che hanno usufruito di un servizio ben erosato

Definisci Perc_Pax; W Si calcola la percentuale di passeggeri che hanno usufruito del un servizio ben erogato in accordo alla eqn. (4)

Per ogni record s of Pivot_2,

Se Parametros<> Parametros+i

Perc_Paxs= Conf_Paxs/ Total_Paxs

Altrimenti nuli',

Aggiorna Pivot 2 con il nuovo attributo Perc_Pax

\\ Pivot 2 contiene i seguenti attributi: Linea Monitorata, Parametro, Id_OD_Codice, SÌ; Pax2; SMA, Conf, Conf_Pax, Total_Pax, Perc_Pax

Arresta HAN;

In Tabella 5 (Figura 6) è riportato un esempio di dati di uscita dell’ applicazione dell’ algoritmo DATA HANDLING. In grassetto, sono indicati i valori Perc_Paxi calcolati in accordo alla equazione (4) per cui è richiesta la necessità di specificare le problematiche per veicoli e/o fermate secondo l’algoritmo DATA OUTPUT, descritto in seguito.

Ad esempio, solo Γ 87,26% della clientela può validare il titolo di viaggio. Pertanto, occorre individuare le vetture per cui lo standard minimo non viene garantito.

FASE 4 - Ricerca di veicoli e fermate interessati ai ripristini

Nella quarta fase, per ogni parametro non soddisfacente vengono ricercati veicoli e/o fermate che necessitano di un intervento di rispristino per stabilire anche i criteri di priorità di intervento. A tale scopo, viene impiegato un algoritmo nel seguito denominato DATA OUTPUT. L’obiettivo di DATA OUTPUT è fornire un report dettagliato di “guasti” su veicoli e fermate su cui è necessario intervenire per ripristino.

DATA OUTPUT viene suddiviso in tre parti.

- a) i valori calcolati dalla equazione (4) vengono aggregati per ogni parametro e linea per individuare dove non vengono raggiunti gli standard fissati. Questo è possibile comparando i valori calcolati dalla equazione (4) con una soglia “obiettivo” fissata preventivamente per ogni parametro Pi,in accordo a determinati vincoli (ad esempio vincoli tecnici). Se la soglia “obiettivo” non è raggiunta, vale a dire non si raggiunge la percentuale minima di passeggeri per cui il parametro è “ben erogato”, il parametro viene etichettato come critico e questa informazione viene usata come un dato di input per la fase successiva.

- b) per ogni linea e parametro critico, DATA OUTPUT ricerca nella tabella originaria (Tabella 3) per ogni linea, il corrispondente parametro (e relativi sub e sub-sub-parametri) e 10 etichetta come critico.

- c) mediante la creazione di due tabelle Pivot, per ogni linea e parametro critico vengono determinate le liste di veicoli e di fermate per cui è richiesto un intervento. La lista dei veicoli contiene principalmente i seguenti attributi: Linea Monitorata , N° Veicolo', Parametro', Motivo principale. La lista delle fermate contiene gli stessi elementi della precedente, ma il codice della fermata di salita in luogo del numero della vettura. Utilizzando i risultati di DATA OUTPUT, è possibile costruire piani di intervento dettagliati.

11 diagramma di flusso, la lista dettagliata dei passi e la mappa strutturale dell’ algoritmo sono riportate nel seguito, con riferimento alla Figura 5.

L’algoritmo di DATA OUTPUT individua in modo obiettivo le fermate ed i mezzi di ogni linea sulle quali occorre intervenire.

Le operazioni svolte sono le seguenti:

Step 0. Acquisisci i dati di input dalle tabelle Mystery Client (A) e Pivot 2, i cui nomi dei campi sono indicati lateralmente nella figura 5

Step 1. Crea una la tabella Pivot 3 e calcola, per linea e parametro, il numero di osservazioni e la percentuale aggregata di passeggeri che ricevono un servizio “ben erogato ”

Step 2. Etichetta in Pivot 3 i parametri che non raggiungo lo standard (i.e., critici) Step 3. Crea in Pivot 3 un campo identificativo del problema

Step 4. Crea in A un campo identificativo del problema

Step 5. Ricerca in A le problematiche etichettate in Pivot 3

Step 6. Crea la tabella Pivot 4 identificando in A i veicoli che non raggiungono lo standard ed evidenzia le problematiche

Step 7. Crea la tabella Pivot 5 identificando in A le fermate che non raggiungono lo standard ed evidenzia le problematiche

I termini Pivot 3, Pivot 4 e Pivot 5 sopra utilizzati sono denominazioni attribuite alle tabelle.

Qui di seguito si fornisce un esempio di mappa strutturale dell’ algoritmo DATA OUTPUT in codice software del programma EXCEL utilizzato. Le operazioni sono riferite alla linea ed al parametro misurato.

Inoltre, per semplificare la lettura, il simbolo W identifica parole di commento seguenti il simbolo.

Algoritmo “DATA OUTPUT”. W Dalle % di passeggeri della Tabella Pivot2, si identificano mezzi e fermate per le quali occorre intervenire.

Step 0. Acquisisci i dati di input dalle tabelle Mystery Client (A) e Pivot 2

Sia A = [ai, a2, ..., ajs] la lista dei 18 attributi della Tabella 3: Id_Record, Id OD Codice, Data, Tipo Giorno, Condizioni meteo, Ora Inizio Rilievo, ID Fermata Salita, Linea Monitorata, Direzione Corsa, N° Vettura, Passeggeri Presentì, Parametro, Sub-Parametro, Sub_Sub_parametro, Stato del Sub_Sub_parametro, Motivo principale, ID Fermata Discesa, Ora Fine Rilievo

Sia Pivot 2 = [Piv2lt..Piv29] la lista dei 9 attributi restituiti dall’algoritmo DATA HANDLING: Linea Monitorata, Parametro, Id_OD_Codice, St;Pax2; SMA, Conf Conf_Pax, Total_Pax, Perc_Pax

Step 1. Crea la tabella Pivot 3 e calcola , per linea e parametro , il numero di osservazioni e la percentuale aggregata di passeggeri che ricevono un servizio “ben erosato ” Seleziona Linea Monitorata', Parametro', Perc_Pax da Pivot 2

Pivot (Conteggio {Parametro) as [C_Par\\ max (. Perc_Pax ) as [Perc_Pax2]) as Pivot 3. \\ Pivot 3 contiene i seguenti attributi: Linea Monitorata', Parametro', C_Par, Perc_Pax2. I campi C_Par e Perc_Pax2 rappresentano campi calcolati dalla funzione Pivot di Excel relativi al: conteggio del numero delle osservazioni del campo Parametro della tabella Pivot2 ed al valore aggregato per parametro del campo Perc_Pax della tabella Pivot2 \W a osservato che nella funzione Pivot di EXCEL, per il calcolo del valore da inserire nel campo Perc_Pax2 si può usare indifferentemente il valore massimo, minimo o medio poiché in corrispondenza di una linea e parametro esiste un solo valore aggregato di Perc_Pax

Definisci AT; W crea un nuovo attributo in Pivot3 e stabilisci una Soglia di Allarme per ogni parametro (e.g. 80% dei passeggeri)

Per ogni record t of Pivot_3;

ATt= 80%;

Aggiorna Pivot 3 con il nuovo attributo AT;

Step 2. Etichetta in Pivot 3 i parametri che non raggiungo lo standard ( i. e. , critici) Definisci Prob; W crea un nuovo attributo in Pivot 3 per evidenziare i parametri critici per lìnea

Per ogni record t of Pivot_3;

Se Perc_Pax2t< ATt;

Probi = ‘P’ ;

Altrimenti nuli

Aggiorna Pivot 3 con il nuovo attributo Prob;

Step 3. Crea in Pivot 3 un campo identificativo del problema

Definisci Prob_Code \\ crea un nuovo attributo in Pivot 3 per perfezionare una ricerca nella tabella A

Per ogni record t of Pivot 3, \\ inserisci il nuovo attributo in Pivot 3

Prob_Codet= Concatena ( Linea Monitorata', Parametro )

Aggiorna Pivot 3 con il nuovo attributo Prob_Code;

Step 4. Crea in A un campo identificativo del problema

Define Prob_Code_A \\ crea un nuovo attributo in A per perfezionare una ricerca nella stessa tabella

Per ogni record p of A, \\ inserisci il nuovo attributo in A

Prob_Code_Ap= Concatena ( Linea Monitorata', Parametro)

Aggiorna A con il nuovo attributo Prob_Code_A;

Step 5. Ricerca in A le problematiche etichettate in Pivot 3

Define Prob_A W crea un nuovo attributo in A per evidenziare le problematiche elementari;

Per ogni record p of A

Se Stato del sub -sub -parametro = 0

Prob_As= Funzionericerca ( Prob_Code_A = Prob_code; Pivot3; Prob);X\ Nel caso dì un P del campo Probtdella tabella Pivot 3, per quel P, la routine ricerca, nella Tabella 3 il Sub-Sub-Parametro corrispondente al Sub-Parametro del parametro di riferimento ed attribuisce al Sub-Sub-Parametro il corrispondente valore presente nel campo Probt.

Altrimenti Prob_Ap= nuli

Aggiorna A con il nuovo attributo Prob_A; W A contiene i 18 attributi iniziali più i nuovi Prob_Code_A e Prob_A

Step 6. Crea la tabella Pivot 4 identificando in A i veicoli che non rassiunsono lo standard ed evidenzia le problematiche

Seleziona Linea Monitorata', N° Vettura', Parametro; Motivo Principale; Prob_A; da A Pivot (Conteggio {Parametro) as [ C_Par_2 ]) as Pivot 4;

Dove Prob_A = ‘P ’;

Ordina crescente per N° Vettura;

Step 7. Crea la tabella Pivot 5 identificando in A le fermate che non rassiunsono lo standard ed evidenzia le problematiche

Seleziona Linea Monitorata', Id_Fermata_Salita\ Parametro; Motivo Principale; Prob_A; da A

Pivot (Conteggio {Parametro) as \C_Par_3]) as Pivot 5;

Dove Prob_A = ‘P ’;

Ordina crescente per ld_F ermata_Salita;

Arresta DATA OUTPUT;

Nelle tabelle 6 e 7, sono riportate alcune uscite dell’ applicazione dell’ algoritmo DATA OUTPUT, per individuare l’elenco dei veicoli (tabella 6) e delle fermate (tabella 7) sulle quali intervenire.

Tabella 6:

N°

Linea Vettura Parametro Motivazione principale C_Par_2

Validazione del Nessuna restituzione del titolo

LI

314 titolo di viaggio di viaggio 1 Validazione del Nessuna leggibilità della

LI

314 titolo di viaggio validazione 1 Validazione del Nessuna stampa della data e

LI

314 titolo di viaggio dell’ora della validazione 1 Validazione del Nessuna leggibilità della

LI

348 titolo di viaggio validazione 2 Validazione del Nessuna leggibilità della

LI

352 titolo di viaggio validazione 4 Validazione del Nessuna leggibilità della

LI

386 titolo di viaggio validazione 2 Validazione del Nessuna stampa della data e

L20

186 titolo di viaggio dell’ora della validazione 1 Validazione del Nessuna stampa della data e

L20

223 titolo di viaggio dell’ora della validazione 3 Validazione del Nessuna stampa della data e

L20

223 titolo di viaggio dell’ora della validazione 2 N°

Linea Vettura Parametro Motivazione principale _ C_Par_2 L20 Validazione del Nessuna leggibilità della

229 titolo di viaggio validazione 2 Validazione del Nessuna leggibilità della

L20

228 titolo di viaggio validazione 6 Validazione del Nessuna restituzione del titolo

L20

230 titolo di viaggio di viaggio 1 Validazione del Nessuna leggibilità della

L20

230 titolo di viaggio validazione 1 Validazione del Nessuna stampa della data e

L20

230 titolo di viaggio dell’ora della validazione 1

Tabella 7:

Id_Ferma

Linea ta Salita Parametro Motivazione principale C_Par_2

Informazioni di Nessuna indicazione di orari

L24 AD0241 viaggio su orario e/o intervalli 2 Informazioni di Indicazione illeggibile di orari

L24 AD0265 viaggio su orario e/o intervalli 1 Informazioni di Nessuna indicazione di orari

L24 AU0355 viaggio su orario e/o intervalli 1 Informazioni di Indicazione non aggiornata di

L24 LP0308 viaggio su orario orari e/o intervalli 1 Informazioni di Indicazione illeggibile di orari

L24 LP0322 viaggio su orario e/o intervalli 1 Informazioni di Indicazione non aggiornata di

L24 LP0328 viaggio su orario orari e/o intervalli 1 Informazioni di Indicazione non aggiornata di

L24 LP0332 viaggio su orario orari e/o intervalli 1 Informazioni di Indicazione non aggiornata di

L24 LP0381 viaggio su orario orari e/o intervalli 1 Informazioni di Indicazione non aggiornata di

L24 LS0349 viaggio su orario orari e/o intervalli 1 Informazioni di Indicazione illeggibile di orari

L24 LS0352 viaggio su orario e/o intervalli 1 Informazioni di Nessuna indicazione di orari

L24 PZ0705 viaggio su orario e/o intervalli 1 Informazioni di Nessuna indicazione di orari

L24 AD0241 viaggio su orario e/o intervalli 2 Informazioni di Indicazione illeggibile di orari

L24 AD0265 viaggio su orario e/o intervalli 1 Informazioni di Nessuna indicazione di orari

L24 AU0355 viaggio su orario e/o intervalli 1 Ad esempio, un sistema che realizza il procedimento su descritto può essere realizzato con mezzi informatici in sé noti, quindi si ritiene che F esperto del ramo, applicando normali conoscenze informatiche, sia in grado di realizzare un tale sistema, basandosi sulla sola lettura di quanto descritto in precedenza a riguardo del procedimento oggetto dell’invenzione.

Il procedimento della presente invenzione può essere vantaggiosamente realizzato tramite un programma per computer che comprende mezzi di codifica per la realizzazione di uno o più passi del metodo, quando questo programma è eseguito su di un computer. Pertanto si intende che l’ambito di protezione si estende a detto programma per computer ed inoltre a mezzi leggibili da computer che comprendono un messaggio registrato, detti mezzi leggibili da computer comprendendo mezzi di codifica di programma per la realizzazione di uno o più passi del metodo, quando detto programma è eseguito su di un computer.

Sono possibili varianti realizzative all'esempio non limitativo descritto, senza per altro uscire dall’ambito di protezione della presente invenzione, comprendendo tutte le realizzazioni equivalenti per un tecnico del ramo.

Gli elementi e le caratteristiche illustrate nelle diverse forme di realizzazione preferite possono essere combinati tra loro senza peraltro uscire dall’ambito di protezione della presente invenzione.

Sono chiari i vantaggi derivanti dall’applicazione della presente invenzione. Quelli principali sono elencati qui di seguito.

Chiara evidenza del numero della vettura per cui è necessario intervenire

Chiara evidenza della fermata per cui è necessario intervenire

Individuazione della problematica per veicolo

Individuazione della problematica per fermata

Statistiche sulla problematiche più ricorrenti per ogni vettura

Statistiche sulla problematiche più ricorrenti per ogni fermata

Individuazione del settore aziendale competente per la risoluzione delle problematica Soprattutto le rilevazioni eseguite sono obiettivamente riscontrate, minimizzando l’ alcatorietà dei rilievi eseguiti con sistemi manuali.

Dalla descrizione sopra riportata il tecnico del ramo è in grado di realizzare l’oggetto dell’invenzione senza introdurre ulteriori dettagli costruttivi.

Claims (6)

1. RIVENDICAZIONI 1. Procedimento per Γ identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti da rimediare, caratterizzato da ciò che comprende i passi di: - individuare un insieme di parametri numerici di riferimento, atti a rappresentare attività di viaggio di passeggeri, relative a dette vetture e detti percorsi, ogni parametro numerico essendo organizzato in maniera gerarchica in più livelli, in ogni livello essendo attribuito un peso a detto parametro; - misurare ognuno di detti parametri numerici pesati tramite una rappresentazione binaria di valutazione mediante griglie di misura in valori positivi o negativi; - popolare una banca dati con dette misure, tramite un insieme di record rappresentativi di ogni caratteristica di detti parametri numerici pesati misurati, organizzati in tabelle rappresentative di dette vetture e fermate; - trasformare dette rappresentazioni dei parametri numerici, prelevate da detta banca dati, in valori percentuali di passeggeri di detti percorsi di trasporto pubblico con valutazione positiva o negativa; - aggregare detti parametri numerici pesati con valutazione negativa; - ricercare in dette tabelle le relative rappresentazioni dei parametri aggregati di dette vetture e fermate con valutazioni negative, dette vetture e fermate con valutazioni negative essendo identificate come soggette a guasti o inconvenienti da rimediare.
2. 2. Procedimento come nella rivendicazione 1, in cui detti parametri numerici pesati organizzati in maniera gerarchica in più livelli, sono organizzati su tre livelli in cui: • P = {Pi, P2, Pi, ..., Prò rappresenta un primo livello: l’insieme dei parametri da monitorare; • P, = {Pn, P i2, Pij, Pimi rappresenta un secondo livello: l’insieme dei sub-parametri relativi al parametro Pt; • Py= {Piji, Pift, Pijb■■·, PHq) rappresenta un terzo livello: l’insieme dei sub-subparametri relativi al sub-parametro Ρφ il peso di ogni parametro del primo livello essendo 1, il peso di ogni sub-parametro essendo compreso fra 0 ed 1, il peso di ogni sub-sub-parametro variando fra 0 e 100, valendo le seguenti relazioni: W= (1J,...,1 ) , insieme dei pesi di ogni parametro; WPÌ= ( wpn , WPÌ2, wpij, wpim), insieme dei pesi dei sub-parametri relativi al parametro Pi; Wpij= ( wpiji , Wpij2, Wpijk, wpup), insieme dei pesi dei sub- sub-parametri relativi al sub-parametro Pl}., ed essendo: m <W>≠ = ∑<W>PV<= 1 VP>i<e P>(D WPIJ= ∑WPI≠= 10° VR E R (2) k= 1 dove, j e k sono gli indici del sub-parametro Pte dei sub-sub-parametri PtJ, rispettivamente.
3. 3. Procedimento come nella rivendicazione 2, in cui detti valori percentuali che ogni parametro i può raggiungere sono ottenuti con i seguenti passi: - calcolare il punteggio (Si) che un generico parametro i può raggiungere tramite la formula seguente: m s = y Lu w<ry>Pij 100-∑w ΫΡ. <Ξ Ρ (3) j= 1 - calcolare la percentuale Perc_Paxi di passeggeri con valutazione positiva relativa al parametro Pi,tramite la formula seguente: 2 xs* Ps Pere _ Pax = — - * 100 (4) ∑ s<p>. dove: s rappresenta l’indice della osservazione; Xsrappresenta una variabile binaria che vale 1 se St>= SMAt, 0 altrimenti, dove SMAi'è una soglia di micro-allarme; P<s>rappresenta il numero dei passeggeri conteggiati per l’osservazione ,s\
4. 4. Procedimento come nella rivendicazione 3, in cui detto passo di trasformare dette rappresentazioni dei parametri numerici, prelevate da detta banca dati, in valori percentuali di passeggeri di detti percorsi di trasporto pubblico con valutazione positiva o negativa, comprende i passi di: - associare un peso negativo ad ogni sub-sub-parametro, se un attributo Stato del sub-subparametro = 0; - assegnare detto peso negativo al sub- sub-parametro corrispondente; - calcolare il punteggio massimo e minimo per ogni sub-parametro come somma dei punteggi raggiunti per ogni sub- sub-parametro. - per ogni percorso e coppia Origine-Destinazione del percorso, aggregare a livello di parametro i punteggi di ogni sub-parametro corrispondente; - calcolare il punteggio pesato per ogni parametro come prodotto fra detto 1⁄43⁄4<■>ed il valore riportato nella parentesi quadra di detta equazione (3); - per ogni percorso e parametro, aggregare, a livello di coppia Origine-Destinazione, detti punteggi relativi ad ogni parametro e calcolare il valore S, da detta equazione (3); - confrontare 5, con SMAt, per verificare se St>= SMAt\ - in accordo con detta equazione (4), calcolare detti valori percentuali di passeggeri di detti percorsi di trasporto pubblico con valutazione positiva e negativa.
5. 5. Procedimento come nella rivendicazione 4, in cui detti passi di aggregare detti parametri numerici pesati con valutazione negativa, e ricercare in dette tabelle le relative rappresentazioni dei parametri aggregati di dette vetture e fermate con valutazioni negative, comprendono i passi di: - aggregare i valori calcolati da detta equazione (4) per ogni parametro e percorso, comparando detti valori calcolati dalla equazione (4) con una soglia obiettivo, definita per ogni parametro PL\ - se detta soglia obiettivo non è raggiunta, il relativo parametro viene considerato con valutazione negativa; - per ogni percorso e parametro con valutazione negativa, ricercare in dette tabelle, per ogni percorso, il corrispondente parametro e relativi sub- e sub-sub-parametri considerati con valutazione negativa; - per ogni percorso e parametro con valutazione negativa determinare liste di corrispondenti vetture e di fermate, da identificare come soggette a guasti o inconvenienti da rimediare.
6. 6. Sistema per l’identificazione di vetture e fermate, in un percorso di trasporto pubblico, soggette a guasti o inconvenienti da rimediare, comprendente mezzi per la realizzazione del metodo come in una qualsiasi delle rivendicazioni precedenti, caratterizzato da ciò che comprende: - mezzi per individuare un insieme di parametri numerici di riferimento, atti a rappresentare attività di viaggio di passeggeri, relative a dette vetture e detti percorsi, ogni parametro numerico essendo organizzato in maniera gerarchica in più livelli, in ogni livello essendo attribuito un peso a detto parametro; - mezzi per misurare ognuno di detti parametri numerici pesati tramite una rappresentazione binaria di valutazione mediante griglie di misura in valori positivi o negativi; - mezzi per popolare una banca dati con dette misure, tramite un insieme di record rappresentativi di ogni caratteristica di detti parametri numerici pesati misurati, organizzati in tabelle rappresentative di dette vetture e fermate; - mezzi per trasformare dette rappresentazioni dei parametri numerici, prelevate da detta banca dati, in valori percentuali di passeggeri di detti percorsi di trasporto pubblico con valutazione positiva o negativa; - mezzi per aggregare detti parametri numerici pesati con valutazione negativa; - mezzi per ricercare in dette tabelle le relative rappresentazioni dei parametri aggregati di dette vetture e fermate con valutazioni negative, dette vetture e fermate con valutazioni negative essendo identificate come soggette a guasti o inconvenienti da rimediare.