13° Conferenza Nazionale di Statistica 4-5-6 luglio 2018 CAMPO DELLE PARTNERSHIP L’utilizzo dei Big Data: esperienze a confronto Centro Congressi Ergife via Aurelia 619 Roma

1. Open Street Map per lo
studio dell’incidentalità
sulla rete stradale e
autostradale
Marco Broccoli – Silvia Bruzzone
Istat
0
13a CONFERENZA NAZIONALE DI STATISTICA
Dall’incertezza alla decisione consapevole: un percorso da fare insieme
Roma 4 luglio 2018

2. Marco Broccoli – Silvia Bruzzone
Istat
1
Indicatori di Road Safety performance e uso di Big data
Gli indicatori di performance di sicurezza stradale (Road Safety Performance
Indicators RSPI) offrono un approccio multidimensionale per le analisi sugli
incidenti stradali e dimensioni del fenomeno: strade, veicoli e persone coinvolte.
Combinando l'uso di rilevazioni statistiche totali, sistemi informativi geografici
(GIS) e Big Data (BD), si forniscono nuovi elementi per le soluzioni di
pianificazione delle infrastrutture, per l’applicazione di politiche con l’obiettivo
di ridurre morti e feriti, per il contenimento dei costi sociali sulla collettività e per
la stima di efficienza ed efficacia dei piani di sicurezza stradale.
Prevenire la mortalità e la lesività sulle strade pubbliche è una delle principali
responsabilità del governo, delle istituzioni preposte e degli stakeholders inteso
come obbiettivo comune e condiviso.
La sfida per la sicurezza stradale e la consapevolezza delle gravi conseguenze
sulle persone infortunate rafforzano l'importanza di attivare sinergie tra i diversi
decisori e attori per la sicurezza stradale.

3. Marco Broccoli – Silvia Bruzzone
Istat
2
La costruzione di indicatori statistici
Nella costruzione di indicatori statistici per l’incidentalità stradale attualmente esiste una
distorsione delle informazioni con riferimento alla scelta dei denominatori più aderenti alla
misurazione del fenomeno.
La popolazione residente, infatti, spesso utilizzata, non sempre è una soluzione appropriata,
soprattutto alla luce della stagionalità degli incidenti stradali e della concentrazione, in
alcuni periodi dell'anno e in luoghi specifici.
Il parco veicolare per provincia di immatricolazione (di fonte PRA – ACI) fornisce
informazioni più precise rispetto alla popolazione, ma la caratteristica del fenomeno
implica una distorsione negli indicatori, legata alla mobilità degli utenti della strada sul
territorio.
La lunghezza in metri di carreggiata per senso di marcia di arco stradale (da Open Street
Map) fornisce sicuramente una prima serie coerente di informazioni relative ai diversi
territori.
Tale informazione non è disponibile dalle statistiche ufficiali a livello nazionale, benché
esistano archivi e grafi stradali dettagliati per singolo comune, provincia e regione, non è
stato ancora istituito, però, un catasto strade nazionale armonizzato e sistematico.

4. Marco Broccoli – Silvia Bruzzone
Istat
3
Big Data e l’utilizzo di Open Street Map
Il primo output del progetto, in linea con il processo di modernizzazione della
produzione statistica dell'Istat, è incentrato sulla valorizzazione delle fonti
amministrative esistenti, lo scouting di nuove fonti e l'analisi di registri integrati e
ausiliari.
La novità introdotta per la produzione statistica consiste nel ruolo focale
dell’integrazione di fonti e dell’introduzione di nuove tecniche e metodologie
applicate. Ogni elemento innovativo, infatti, alimenta un processo di miglioramento
della qualità delle informazioni statistiche fornite dall’Istat.
Il progetto prevede il calcolo di tassi di incidentalità, mortalità e lesività stradale,
rapportando queste misure alla relativa lunghezza in metri di carreggiata per senso di
marcia di arco stradale desunta da Open Street Map.
Benché il prodotto costituisca un primo spendibile risultato, obiettivo finale del
progetto è quello di stimare i reali flussi di traffico (veicoli/Km) sulla rete viaria
nazionale. Ciò consentirebbe di calcolare le probabilità di essere coinvolti in un
incidente e i tassi reali di esposizione a rischio di incidentalità.

5. Marco Broccoli – Silvia Bruzzone
Istat
4
L’utilizzo di sistemi GIS per la rappresentazione grafica
Un sistema informativo geografico (GIS) è un sistema progettato per acquisire, archiviare,
manipolare, analizzare, gestire e presentare dati spaziali o geografici.
Le applicazioni GIS sono strumenti che consentono agli utenti di analizzare le informazioni
spaziali, modificare i dati nelle mappe e presentare i risultati di queste operazioni.
Per correlare le informazioni provenienti da fonti diverse, GIS utilizza la posizione spaziale
come variabile chiave di riferimento (key reference by position).
Analogamente a quanto accade di consueto per un database relazionale contenente
diverse tabelle messe in relazione mediante chiavi comuni, GIS può mettere in relazione,
infatti, informazioni altrimenti non correlate utilizzando la posizione come variabile chiave.
Questa specifica caratteristica del GIS ha consentito di esplorare una frontiera alternativa
per la produzione di informazioni statistiche.
Qualsiasi variabile può essere localizzata spazialmente utilizzando le coordinate x, y e z
che rappresentano rispettivamente longitudine, latitudine ed elevazione. Queste
coordinate GIS possono rappresentare altri sistemi, come territori (poligoni), reti stradali
(linee) e punti di traffico (punti).

6. Marco Broccoli – Silvia Bruzzone
Istat
5
La sovrapposizione di layer grafici
Come primo passo sono stati costruiti layer grafici sovrapposti, mediante l’utilizzo di un
algoritmo ad hoc programmato per effettuare un’operazione di “join spaziale” tra i
diversi attributi delle aree geografiche considerate.
L'algoritmo considera in input il vettore con i layer grafici del territorio e crea un nuovo
vettore costituito da una versione estesa rispetto a quella di input, con l’inclusione nella
tabella collegata di attributi aggiuntivi.
Gli attributi aggiuntivi e i loro valori sono desunti da un secondo livello vettoriale. Viene
applicato, infatti, un criterio spaziale per selezionare i valori dal secondo livello che
vengono, poi, aggiunti a ciascuna caratteristica del primo livello.

7. Marco Broccoli – Silvia Bruzzone
Istat
6
Le Basi territoriali Istat
Le basi territoriali Istat utilizzate con il sistema GIS
sono fornite per le seguenti unità amministrative:
• Regioni
• Province
• Comuni (aggiornati ogni anno)
• Località (solo al Censimento 2011)
Unità Amministrative 2011 2016
Regioni 20 20
Province 110 110
Comuni 8090 7998
Località 51227 NA
L'aggiornamento delle località del 2011 ai comuni
del 2016 è stato possibile mediante la costruzione
di una tabella di collegamento che ha consentito
l’aggregazione del territorio costituito da 8090
unità amministrative locali nel 2011, in 7998 comuni
del territorio italiano del 2016.
La scelta degli shape delle località è conseguente
all'armonizzazione del grafo stradale con la
variabile localizzazione degli incidenti stradali.

8. Marco Broccoli – Silvia Bruzzone
Istat
7
Open Street Map
(OSM) è un progetto collaborativo finalizzato a creare mappe a
contenuto libero del mondo. Il progetto punta ad una raccolta mondiale di dati
geografici, con scopo principale la creazione di mappe e cartografie.
La caratteristica fondamentale dei dati geografici presenti in OSM è che possiedono
una licenza libera, la Open Database License. È cioè possibile utilizzarli liberamente per
qualsiasi scopo con il solo vincolo di citare la fonte e usare la stessa licenza per
eventuali lavori derivati dai dati di OSM. Tutti possono contribuire arricchendo o
correggendo i dati.
Le mappe sono
create usando
come
riferimento i dati
registrati da
dispositivi GPS
portatili,
fotografie
aeree ed altre
fonti libere
Oggi Alcuni anni fa

9. Marco Broccoli – Silvia Bruzzone
Istat
8
I layer vettoriali di Open Street Map
I layer vettoriali di Open Street Map
aggiornati quotidianamente e i dati
scaricabili gratuitamente sono:
•Grafi stradali
•Punti di traffico (POT)
Shapes aggiuntivi sono:
•Edifici
•Uso del suolo
•Naturale
•Luoghi
•POWF (Point of Worship)
•POIS (Point of interest)
•Linee ferroviarie
•Trasporto
•Acqua
•Corsi d’acqua
Territori Archi
Nord Est 905.953
Nord Ovest 999.451
Centro 642.777
Sud 565.582
Isole 376.449
Italia 3.490.212
Territori POT
Nord Est 60.128
Nord Ovest 105.509
Centro 29.109
Sud 16.904
Isole 16.593
Italia 228.243
La maggior parte dei software di navigazione GPS Android e iOS su dispositivi
portatili sono alimentati da OSM come WisePilot, Maps.me, NavFree, Scout, ecc.

10. Marco Broccoli – Silvia Bruzzone
Istat
9
Le tipologie di arco stradale
Le tipologie di arco selezionate nello progetto sono tutte quelle riferite alla circolazione dei veicoli a
motore: Autostrade, Tangenziali, Strade di importanza nazionale e regionale, Strade di importanza
regionale e provinciale, Strade di importanza locale o comunale, Strade di importanza locale o
comunale, Strade urbane, Raccordi autostradali, Tratti di collegamento (svincoli/rampe) per strade
statali, regionali, provinciali o comunali, Strade di accesso o interne ad aree di servizio, non
classificate.
Aree pedonali, Strade carreggiabili ad uso prevalentemente agricolo o forestale, percorsi per
equitazione, piste ciclabili, percorsi e passaggi pedonali, rampe di scale non sono, invece oggetto
della rilevazione.
La classificazione località prevede 4
diverse modalità:
1.Aree urbane
2.Nucleo abitato
3.Località produttive
4.Case sparse

11. Marco Broccoli – Silvia Bruzzone
10
L’utilizzo dell’informazione sul numero di carreggiate
Un metodo innovativo per misurare la lunghezza in metri di un grafo stradale è rappresentato
dall’utilizzo delle informazioni sul numero di carreggiate per ogni arco stradale rilevato da OSM.
Nello snapshot riportato viene mostrato come gli archi evidenziati in giallo siano tratti a senso
unico, mentre quelli evidenziati in verde rappresentino segmenti a doppio senso di marcia.
In futuro, al fine di fornire informazioni ancora più dettagliate, è stato programmato di
considerare anche l’informazione sul numero delle corsie contenenti ciascuna carreggiata

12. Marco Broccoli – Silvia Bruzzone
11
Gli indicatori sull’incidentalità stradale
I denominatori degli indicatori proposti sono calcolati mediante l’utilizzo delle seguenti fonti di dati:
•Elaborazione GIS Basi territoriali censuarie Istat + Grafo stradale Open Street Map, al 1/1/2017,
espresso in metri di lunghezza della strada per carreggiata;
•Parco veicolare ACI (Automobile Club d’Italia) veicoli a motore (esclusi i rimorchi) al 31/12/2016;
•Popolazione residente (demo.istat.it) 31 dicembre 2016.
Province Autostrade Strade urbane
Strade
extraurbane
Parco veicolare
Popolazione
residente
001 - Torino 873556 15301844 12603986 1876378 2277857
002 - Vercelli 243776 2251290 2959959 152282 173868
003 - Novara 304807 4081506 2866519 306233 370143
004 - Cuneo 384649 9628313 14445118 541730 589108
005 - Asti 150811 3502354 4731805 195536 216677
006 - Alessandria 468421 6057635 8566751 374777 426658
007 - Aosta 256429 2395474 3039503 214669 126883
008 - Imperia 172538 2508094 2733964 204588 215130
009 - Savona 297265 3606841 3190305 264570 279408
010 - Genova 383194 5920446 4378129 681833 850071
011 - La Spezia 188628 2521119 2354129 180879 220698
L’informazione statistica sull’incidentalità è raccolta dall’Istat mediante una rilevazione totale a
cadenza mensile di tutti gli incidenti stradali sulla rete stradale pubblica nazionale che hanno
causato lesioni alle persone (morti entro il 30° giorno e feriti) e verbalizzati da un organo di Polizia.

13. Marco Broccoli – Silvia Bruzzone
Istat
12
Indicatori di incidentalità per estesa stradale
Province/
100 KM
Incidenti
Autostrade
Incidenti
Strade
urbane
Incidenti
Strade
extra-
urbane
Veicoli
Autostrade
Veicoli
Strade
urbane
Veicoli
Strade
extra-
urbane
Morti
Autostrade
Morti
Strade
urbane
Morti
Strade
extra-
urbane
Feriti
Autostrade
Feriti
Strade
urbane
Feriti
Strade
extra-
urbane
015 - Milano 102,80 87,77 21,48 129,10 111,83 25,46 1,91 0,51 0,61 159,82 115,75 34,53
058 - Roma 93,75 66,00 13,05 115,34 86,08 16,19 1,82 0,69 0,50 147,86 85,93 20,42
010 - Genova 83,25 78,86 2,58 109,61 103,46 3,27 0,26 0,27 0,09 123,70 94,72 3,47
037 - Bologna 64,94 35,15 7,03 91,29 43,67 8,39 1,33 0,36 0,30 116,96 45,25 10,69
100 - Prato 62,69 73,45 5,48 70,78 95,41 6,36 0,00 0,41 0,11 93,02 93,45 8,44
048 - Firenze 62,46 62,75 10,67 82,56 79,75 12,80 0,48 0,46 0,20 102,90 76,48 15,21
108 - Monza e
della Brianza 60,97 40,65 43,89 69,68 50,10 54,35 1,09 0,30 0,43 89,82 54,43 64,80
012 - Varese 50,97 25,66 13,91 69,64 32,21 17,07 0,36 0,36 0,10 95,49 33,97 20,59
063 - Napoli 45,38 44,84 12,71 60,43 60,86 16,33 1,77 0,69 0,30 70,92 62,85 21,18
102 - Vibo
Valentia 16,83 5,08 2,43 24,41 7,17 3,65 5,05 0,04 0,15 21,88 7,98 4,37
049 - Livorno 3,07 46,92 11,14 5,22 58,67 13,90 0,00 0,33 0,67 5,22 59,66 16,48
097 - Lecco 0,00 23,01 16,63 0,00 30,14 20,87 0,00 0,35 0,41 0,00 30,39 24,82
Il set di indicatori di incidentalità per estesa stradale, presentato in tabella, misura il numero di
incidenti, veicoli coinvolti, morti e feriti ogni 100 chilometri di carreggiata nella provincia.
Le celle evidenziate in grassetto rosso sono riferite ai valori massimi delle distribuzioni.
Con riferimento alle province selezionate, la tabella mostra una massima esposizione al rischio
per le autostrade e le strade urbane principalmente nei grandi centri. Per le strade extra-
urbane, invece, le province di medie dimensioni sono quelle più colpite.

14. Marco Broccoli – Silvia Bruzzone
Istat
13
Indicatori di incidentalità stradale sul parco veicolare
Province/
100.000veicoli
immatricolati
Incidenti
Autostrade
Incidenti
Strade
urbane
Incidenti
Strade
extra-
urbane
Veicoli
Autostrade
Veicoli
Strade
urbane
Veicoli
Strade
extra-
urbane
Morti
Autostrade
Morti
Strade
urbane
Morti
Strade
extra-
urbane
Feriti
Autostrade
Feriti
Strade
urbane
Feriti
Strade
extra-
urbane
Savona 67,28 382,13 89,96 95,25 489,10 107,72 0,76 1,13 2,27 109,99 466,80 129,64
Genova 46,79 684,77 16,57 61,60 898,31 20,97 0,15 2,35 0,59 69,52 822,49 22,29
Ferrara 15,86 307,30 103,81 26,21 370,41 129,33 0,34 7,59 5,52 30,35 379,72 153,13
Grosseto 0,00 264,40 161,39 0,00 333,57 212,40 0,00 2,94 10,30 0,00 340,93 256,55
Nuoro 0,00 87,99 124,58 0,00 124,58 174,41 0,00 2,34 14,79 0,00 104,34 189,99
V. Valentia 15,06 89,59 48,18 21,83 126,48 72,27 4,52 0,75 3,01 19,57 140,78 86,58
Milano 37,16 538,02 36,64 46,66 685,56 43,42 0,69 3,11 1,04 57,76 709,58 58,89
Bologna 48,84 352,07 84,72 68,65 437,41 101,16 1,00 3,61 3,61 87,96 453,24 128,94
Brindisi 0,00 225,39 132,30 0,00 301,18 179,99 0,00 1,96 5,88 0,00 352,79 236,83
Prato 15,35 538,14 24,75 17,33 699,04 28,71 0,00 2,97 0,50 22,77 684,68 38,12
Piacenza 35,83 270,57 100,48 55,18 338,52 121,49 2,88 1,65 4,12 72,89 360,76 153,61
Il set di indicatori di incidentalità stradale, calcolato utilizzando il parco veicolare, misura il numero di incidenti,
veicoli coinvolti, morti e feriti ogni 100 mila veicoli immatricolati nella provincia. Le celle evidenziate in grassetto
rosso mostrano i valori massimi delle distribuzioni.
Sulle autostrade, per le province con la presenza di importanti nodi infrastrutturali e fattori stagionali, il numero di
immatricolazioni nella provincia, non proporzionato all’effettivo flusso di traffico sul territorio, amplifica la
distorsione per la distribuzione degli indicatori.
Il pendolarismo, inoltre, ad esempio, non è evidenziato nella distribuzione del parco veicolare nelle aree urbane.
Per le strade extra-urbane, invece, gli indicatori calcolati non consentono di tener conto della presenza della
fitta rete di strade consolari sul territorio e dell’effettiva portata della circolazione dei veicoli.

15. Marco Broccoli – Silvia Bruzzone
Istat
14
Indicatori di incidentalità stradale sulla popolazione
Province/
1M Residenti
Incidenti
Autostrade
Incidenti
Strade
urbane
Incidenti
Strade
extra-
urbane
Veicoli
Autostrade
Veicoli
Strade
urbane
Veicoli
Strade
extra-
urbane
Morti
Autostrade
Morti
Strade
urbane
Morti
Strade
extra-
urbane
Feriti
Autostrade
Feriti
Strade
urbane
Feriti
Strade
extra-
urbane
Savona 637,06 3618,36 851,80 901,91 4631,22 1020,01 7,16 10,74 21,47 1041,49 4420,06 1227,60
Genova 375,26 5492,48 132,93 494,08 7205,28 168,22 1,18 18,82 4,71 557,60 6597,10 178,81
Ferrara 132,05 2557,68 864,04 218,16 3083,00 1076,47 2,87 63,15 45,93 252,61 3160,51 1274,54
Grosseto 0,00 2416,55 1475,04 0,00 3048,71 1941,31 0,00 26,90 94,15 0,00 3115,96 2344,82
Nuoro 0,00 723,91 1025,01 0,00 1025,01 1435,01 0,00 19,22 121,72 0,00 858,45 1563,14
Vibo Valentia 123,75 736,30 395,99 179,43 1039,48 593,99 37,12 6,19 24,75 160,87 1157,04 711,55
Bologna 388,42 2800,21 673,79 545,97 3478,96 804,59 7,93 28,74 28,74 699,56 3604,80 1025,55
Isernia 0,00 559,41 1177,09 0,00 780,84 1666,57 0,00 0,00 58,27 0,00 804,15 2109,43
Prato 121,76 4269,31 196,38 137,47 5545,78 227,80 0,00 23,57 3,93 180,67 5431,88 302,43
Olbia-Tempio 0,00 1736,46 1213,65 0,00 2253,04 1742,68 0,00 6,22 49,79 0,00 2452,20 2103,66
Piacenza 303,39 2291,13 850,89 467,29 2866,53 1028,74 24,41 13,95 34,87 617,25 3054,84 1300,75
Livorno 29,64 4248,02 883,40 50,40 5312,24 1102,76 0,00 29,64 53,36 50,40 5401,18 1307,31
Il set di indicatori di incidentalità stradale, calcolato utilizzando la popolazione residente, misura il numero di
incidenti, veicoli coinvolti, morti e feriti ogni milione di residenti nella provincia. Le celle evidenziate in grassetto
rosso mostrano i valori massimi delle distribuzioni.
L’ammontare della popolazione residente nelle province non tiene conto del numero effettivo degli utenti esposti
al rischio in presenza di nodi della rete autostradale, ad esempio, portando a valori non realistici degli indicatori.
La presenza di aree portuali, aree di transito e di insediamenti produttivi nelle aree urbane, invece, portano
all’esposizione al rischio di un numero ben più alto di individui, rispetto a quelli inclusi tra i residenti. Anche per le
strade extra-urbane non si tiene conto della reale portata del fenomeno. Gli indicatori in questo caso risultano,
quindi, distorti e amplificati.

16. Marco Broccoli – Silvia Bruzzone
Istat
15
Ranker Tool e i.Ranker
Per l’analisi e la comparazione degli indicatori sintetici costruiti, sono disponibili due strumenti sviluppati in
Istat:
RankerTool desktop software:
http://www.istat.it/en/tools/methods-and-it-tools/analysis-tools/ranker
i.Ranker web application
https://i.ranker.istat.it
Entrambi, con poche differenze, permettono all'utente di:
• acquisire in formato standard (csv o .xls) i valori dei diversi indicatori elementari disponibili per ogni
entità, già calcolati e normalizzati;
• effettuare il calcolo, per ogni entità, di uno o più metodi tra quelli implementati;
• visualizzare i valori e le graduatorie risultanti dall’applicazione di ogni singolo metodo, in forma sia
tabellare sia grafica;
• porre a confronto le graduatorie mediante i diversi metodi.

17. Marco Broccoli – Silvia Bruzzone
Istat
16
Analisi dei dati con Ranker tool
L’analisi dei dati prevede tre fasi distinte:
• Standardizzazione dei singoli indicatori: la standardizzazione è finalizzata a ottenere
indicatori depurati dalle specifiche unità di misura, che abbiano eguale ampiezza
(per es. tra 0 e 100) o ordine di grandezza (per es. media 0 e scarto 1).
• Aggregazione degli indicatori standardizzati: una volta caricata la matrice con i dati
elementari e dopo aver effettuato la loro standardizzazione, con Ranker,
l’applicazione effettua l’elaborazione di tutti i metodi sopra indicati al fine di
calcolare i relativi indici sintetici e descrivere ciascuna entità territoriale.
• Valutazione dei metodi: il software consente di valutare comparativamente i risultati
prodotti dai diversi metodi: in particolare, l’impatto della scelta del metodo sul
risultato finale (la graduatoria). Un primo strumento è dato dalla matrice di
cograduazione delle graduatorie ottenute con i diversi metodi. Un secondo
strumento utilizzato è la matrice dei diagrammi di dispersione, che può essere
prodotta sui valori degli indicatori o, meglio, sulle graduatorie ottenute. Un ultimo
strumento è dato dal diagramma di dispersione calcolato su coppie di metodi
selezionati, per individuare le entità su cui maggiore è l’impatto della scelta del
metodo.

18. Marco Broccoli – Silvia Bruzzone
Istat
17
Metodi di classificazione
I tre metodi utilzzati nel presente lavoro sono:
• MZ - media aritmetica (z-scores);
• MR - metodo degli indici relativi (IR);
• MPI - metodo Mazziotta-Pareto Index (De Muro et al. 2010)
La nota metodologica e la guida all’utilizzo sono disponibili ai link:
http://www.istat.it/en/files/2014/03/RANKER-manuale.pdf
https://i.ranker.istat.it/wr_guida.htm
https://i.ranker.istat.it/wr_guida_notametodologica.htm

19. Marco Broccoli – Silvia Bruzzone
Istat
18
Indicatori di incidentalità per estesa stradale: ranker
PROVINCE MZ MR MPI- MZ MR MPI-
Torino 14 11 13 0,6416 0,3375 106,0732
Vercelli 48 45,5 50 -0,017 0,2116 99,1453
Novara 36 40 35 0,1605 0,2289 101,4378
Cuneo 91 92 91 -0,6395 0,0902 93,5663
Asti 71 61 70 -0,2648 0,1702 96,9966
Alessandria 55,5 54 55 -0,1287 0,1884 98,5395
Aosta 103 103 102 -0,8391 0,0508 91,5172
Imperia 39 41 38 0,0967 0,2248 100,6247
Savona 22 19 22 0,4706 0,3014 104,0491
Genova 6 4 7 1,2715 0,4707 109,4584
La Spezia 42 38 41 0,0711 0,2355 100,3471
Ranks MZ MR MPI- Average
MZ 1,0000 0,9958 0,9980 0,9979
MR 0,9958 1,0000 0,9942 0,9967
MPI- 0,9980 0,9942 1,0000 0,9974
Values MZ MR MPI- Average
MZ 1,0000 0,9948 0,9960 0,9969
MR 0,9948 1,0000 0,9945 0,9964
MPI- 0,9960 0,9945 1,0000 0,9968
Per quanto concerne il set di indicatori di incidentalità per estesa stradale, l'applicazione dei
tre metodi mostra un'elevata correlazione tra i valori delle tre distribuzioni, confermati anche
dai rispettivi indici di cograduazione.

20. Marco Broccoli e Silvia Bruzzone
Istat
19
Indicatori di incidentalità stradale sul parco veicolare: ranker
Con riferimento al set indicatori di incidentalità stradale, calcolato utilizzando il parco
veicolare, l’applicazione dei tre metodi conduce a graduatorie degli indicatori sintetici
molto differenti.
MZ – Media aritmetica degli z-scores non è il miglior metodo applicabile, ad ogni modo la
differenza con l’indice relativo MR è accettabile.
PROVINCE MZ MR MPI- MZ MR MPI-
Torino 70 74 73 -0,1878 0,2623 97,3081
Vercelli 8 13 12 0,7045 0,4262 105,3578
Novara 40 41 38 0,1674 0,3327 101,4093
Cuneo 81 80 78 -0,3135 0,2508 96,5824
Asti 57 55 52 -0,0094 0,3001 99,5173
Alessandria 11 11 7 0,6703 0,4279 106,237
Aosta 109 109 109 -1,0611 0,1066 89,1809
Imperia 37 39 39 0,2196 0,3356 101,3224
Savona 1 1 1 1,2361 0,5369 109,5656
Genova 4 6 28 0,8225 0,4441 102,8264
La Spezia 23 26 30 0,4339 0,3781 102,5037
Ranks MZ MR MPI- Average
MZ 1,0000 0,9980 0,9862 0,9947
MR 0,9980 1,0000 0,9866 0,9949
MPI- 0,9862 0,9866 1,0000 0,9909
Values MZ MR MPI- Average
MZ 1,0000 0,9984 0,9857 0,9947
MR 0,9984 1,0000 0,9867 0,9950
MPI- 0,9857 0,9867 1,0000 0,9908

21. Marco Broccoli – Silvia Bruzzone
Istat
20
Indicatori di incidentalità stradale sulla popolazione: ranker
Gli indici sintetici basati sull’utilizzo di indicatori di incidentalità stradale sulla popolazione
residente, portano a risultati analoghi, nelle graduatorie, a quelli calcolati rispetto al parco
veicolare.
MZ – Media aritmetica degli z-scores è il metodo con il
miglior adattamento per la graduatoria degli indicatori
rispetto a MR e MPI-.
PROVINCE MZ MR MPI- MZ MR MPI-
Torino 72 77 72 -0,2167 0,2505 97,0752
Vercelli 9 11 11 0,7949 0,4289 106,1896
Novara 42 44 39 0,1218 0,3157 100,9608
Cuneo 68 66 66 -0,1865 0,2656 97,7868
Asti 44 45 41 0,1165 0,3118 100,7817
Alessandria 11 12 8 0,7584 0,4287 107,128
Aosta 79 79 75 -0,2783 0,2464 96,718
Imperia 19 19 21 0,4857 0,3828 103,8206
Savona 1 1 1 1,5918 0,5768 112,7116
Genova 13 13 30 0,7105 0,4179 102,2049
La Spezia 25 30 33 0,376 0,3566 102,052
Ranks MZ MR MPI- Average
MZ 1,0000 0,9980 0,9866 0,9949
MR 0,9980 1,0000 0,9862 0,9947
MPI- 0,9866 0,9862 1,0000 0,9909
Values MZ MR MPI- Average
MZ 1,0000 0,9988 0,9988 0,9992
MR 0,9988 1,0000 0,9983 0,9990
MPI- 0,9988 0,9983 1,0000 0,9990

22. Marco Broccoli – Silvia Bruzzone
Istat
21
Confronto tra i 3 metodi utilizzati da Ranker
L'applicazione di diversi criteri di ponderazione porta a risultati molto diversi.
L‘analisi del fenomeno dell’incidentalità, utilizzando indicatori basati sull’estesa chilometrica
stradale, consente di eliminare parte degli effetti della componente di mobilità del
fenomeno e di effettuare un confronto territoriale più adeguato e molto vicino a quanto
risulterebbe utilizzando il dato sugli esposti al rischio di incidente e sui flussi di traffico.
Rank MZ Road MZ Fleet MZ Population
1Milano Savona Savona
2Monza e della Brianza Bologna Ravenna
3Roma Piacenza Forli
4Napoli Genova Piacenza
5Firenze Forli Bologna
… … … …
106Carbonia - Iglesias
Carbonia -
Iglesias Napoli
107Crotone Caltanissetta Benevento
108Oristano Benevento Carbonia - Iglesias
109Isernia Aosta Caltanissetta
110Ogliastra Agrigento Agrigento
Cograduation Road Fleet Population
Road 1,0000 0,6006 0,5079
Fleet 0,6006 1,0000 0,9432
Population 0,5079 0,9432 1,0000
0
10
20
30
40
50
60
70
80
90
100
110
0 10 20 30 40 50 60 70 80 90 100 110
Road / Population

23. Marco Broccoli – Silvia Bruzzone
Istat
22
Dall’utilizzo di Open Street Map per gli indicatori di
performance sulla sicurezza stradale alla
localizzazione geografica degli incidenti stradali

24. Marco Broccoli – Silvia Bruzzone
Istat
23
Georeferenziazione degli incidenti: controllo e correzione
Validazione delle coordinate ricevute, mediante il controllo di tutte le informazioni
inviate (descrizione della strada, km e metri, provincia e comune).
Le coordinate mancanti vengono sostituite se sono disponibili informazioni aggiuntive
(circa per l’8% dei casi sul totale geolocalizzati).
Conversione nel sistema di coordinate WGS84, per le coordinate fornite con altri sistemi.
I principali errori riscontrati sono: inversione delle coordinate, virgola o punto per
separare le cifre, posizione errata se confrontata con informazioni di codice provincia e
comune, problemi sui sistemi utilizzati.
Sistemi utilizzati in Italia per la
trasmissione coordinate. Anno
2016
LIMITI GEOGRAFICI LATITUDINE LONGITUDINE LOCALITIES
LATITUDINE
NORD 47,09235 12,185898 Predoi (BOLZANO-BOZEN)
SUD 35,49327 12,605889 Punta Pesce Spada (LAMPEDUSA)
LONGITUDINE
EST 18,52016 40,107159 Faro di Capo d’Otranto (LECCE)
OVEST 6,627674 45,101093 Testata della Valle Stretta (TURIN)
Limiti Astronomici per
conversione in WGS84
Tipo di coordinate fornite Numero incidenti Percentuale
WGS84 90.885 71,8
EDS 50 UTM 14.738 11,6
Gauss_Boaga 13.629 10,8
Monte Mario 7.233 5,8
Gradi 130 0,1
Totale (su 175.791 incidenti stradali- 72%) 126.615 100.0

25. Marco Broccoli – Silvia Bruzzone
Istat
24
Georeferenziazione degli incidenti stradali nel 2016
Regioni
Incidenti con coordinate
geografiche valorizzate.
Anno 2016
Incidenti totali.
Anno 2016
%
copertura
graduatoria
Calabria 2.735 2.851 95,9
Piemonte 10.118 10.905 92,8
Emilia-Romagna 15.324 17.406 88,0
Friuli-Venezia Giulia 2.980 3.455 86,3
Puglia 8.488 9.854 86,1
Toscana 14.218 16.507 86,1
Lombardia 26.787 32.785 81,7
Lazio 15.988 19.939 80,2
Veneto 11.167 14.034 79,6
ITALIA 126.615 175.791 72,0
Trentino-Alto Adige 2.162 3.105 69,6
Umbria 1.460 2.382 61,3
Molise 258 479 53,9
Abruzzo 1.622 3.037 53,4
Valle d'Aosta 138 285 48,4
Basilicata 445 945 47,1
Liguria 3.729 8.282 45,0
Marche 2.159 5.185 41,6
Sardegna 1.414 3.508 40,3
Campania 3.205 9.780 32,8
Sicilia 2.218 11.067 20,0

26. Marco Broccoli – Silvia Bruzzone
Istat
25
Coordinate geografiche: miglioramento della copertura
 In virtù alla collaborazione con l’ACI, ratificata da uno specifico
Protocollo di intesa l’Istat-ACI sono state validate, integrate e
corrette le coordinate geografiche per gli anni 2013-2016.
 La fornitura dei dati sulle coordinate è andata gradualmente
migliorando nel tempo, passando da circa il 43% degli incidenti
geolocalizzati nel 2013 ad una copertura del 72% sul territorio
nazionale nel 2016.
 L’Arma dei Carabinieri, inoltre, a seguito di una graduale e
completa informatizzazione iniziata nel 2012, è arrivata a geo-
referenziare nel 2016, circa l’87% dei casi rilevati. Percentuali di
copertura più basse sono, invece, nel complesso, a carico di
Polizia stradale e Polizia Locale.

27. Marco Broccoli – Silvia Bruzzone
Istat
26
Geolocalizzazione incidenti stradali : utilizzo di QGIS (Nord Ovest)

28. Marco Broccoli – Silvia Bruzzone
Istat
27
Geolocalizzazione incidenti stradali nel comune di Milano: QGIS

29. Marco Broccoli – Silvia Bruzzone
Istat
28
L’attività internazionale e la disponibilità di dati geo-riferiti nel
sistema CARE
CARE è una banca dati
comunitaria sugli incidenti stradali
con lesioni a persone.
Il riferimento normativo è la
Decisione del Consiglio europeo n.
704 del 30 novembre 1993 relativa
alla creazione di una banca di dati
comunitaria sugli incidenti stradali.
L’Italia con la partnership di ACI -
Automobile Club d’Italia, seguendo
le raccomandazioni della
Commissione Europea, ha fornito le
coordinate geografiche validate e
integrate per i dati 2016, convertite in
un unico sistema di proiezione, il
WGS84, sistema preferenziale
richiesto.
Paese Anno
Presenza
XY
Assenza
XY
Percentuale
copertura
coordinate
AT 2016 38.466 - 100
CH 2016 17.577 - 100
CZ 2015 21.561 - 100
FR 2015 29.014 27.586 51,3
HR 2016 10.779 - 100
IE 2014 5.729 68 98,8
IS 2015 912 - 100
IS 2016 986 - 100
LU 2016 941 - 100
LV 2016 1.402 2.390 37
MT 2015 10 1.367 0,7
NL 2015 17.300 1.223 93,4
NO 2016 4.164 31 99,3
PT 2015 31.951 2 100
RO 2016 30.547 204 99,3
SE 2015 14.829 - 100
SI 2016 6.494 - 100
UK 2015 146.203 - 100
IT 2016 126.615 49.176 72

30. Marco Broccoli – Silvia Bruzzone
Istat
29
Verso la misurazione dei flussi di traffico
Questo primo risultato ci consente di effettuare un primo passo verso la correlazione
degli incidenti stradali ai flussi di traffico per una più corretta misurazione del fenomeno.
Era essenziale, comunque, partire dalla conoscenza dell’estesa chilometrica della rete
stradale nazionale per località, per passare a breve al calcolo dell’indicatore più
frequentemente utilizzato dei "veicoli per chilometro" per arco stradale.
Il prossimo passo del processo è
quello di identificare gli archi
stradali sui quali si registrino flussi
di traffico intenso (Point of
Traffic POT), per poi procedere
alla costruzione di nuovi
indicatori sintetici.

31. Marco Broccoli – Silvia Bruzzone
Istat
30
Progetti in progress
Trattamento immagini per la stima dei flussi di traffico
Il progetto prevede, tramite accordi con gestori delle strade, l’acquisizione di filmati da
webcam posizionate in punti strategici delle tratte stradali, l’analisi dei flussi di traffico e la
stima su archi più ampi. E’ stata sperimentata anche una soluzione alternativa basata
sull’utilizzo di snapshot, da tratti stradali e autostradali, catturati su web. L’attività, fondata
sull’uso di filmati e immagini acquisite, è mirata all’utilizzo di un Kernel sviluppato per la
realizzazione di un sistema di monitoraggio della rete stradale italiana, con la finalità di
stimare i flussi di traffico veicolare.
Sensori di traffico
Il Progetto Big Data “sensori di traffico” ha come scopo la misurazione dei relativi flussi sulla
rete stradale italiana.
La finalità del progetto è di ampliare l’informazione statistica con la fornitura dei flussi di
traffico, misurando le frequenze degli eventi, da interpretare non solo, come valori assoluti,
ma come vere e proprie probabilità di essere coinvolti nel sinistro, tenendo conto della
diversa esposizione al rischio.

32. Marco Broccoli – Silvia Bruzzone
Istat
31
Video
proprietari dei
concessionari
Video scraping
dai portali dei
concessionari
Fotogrammi
di intensità di
traffico
Fotogrammi cartografici di
monitoraggio del traffico
Tecnica di rilevazione Flusso Flusso Stato Stato
Tipo di rilevazione Censuaria Campionaria Campionaria Campionaria
Variabile rilevata Quantitativa
Continua
Quantitativa
Continua
Quantitativa
Discreta
Qualitativa Ordinale
• In corrispondenza delle giornate di rilievo con video Anas, è stato effettuato webscraping da Google
Traffic per misurare l’intensità di traffico rilevata nel punto. Il software, già sviluppato prevede di
estrapolare i singoli frame secondo un passo di refresh ipotizzando degli snapshot ogni 2 minuti. E’ in
fase di test un modulo aggiuntivo che prevede il conteggio di veicoli presenti all’interno di una
specifica area dei singoli fotogrammi.
• Matrici con dati da sensori di traffico forniti da ANAS
Il sistema automatico di rilevamento statistico del traffico, costituito da oltre 1.150 sezioni di conteggio,
è distribuito sull’intera rete Anas: tutti i sensori inviano i propri dati ad un sistema di monitoraggio
centralizzato.
Fonti di dati utilizzate nelle sperimentazioni

33. Marco Broccoli – Silvia Bruzzone
Istat
32
Open Street Map per lo studio
dell’incidentalità sulla rete
stradale e autostradale Istat
www.istat.it
silvia.bruzzone@istat.it
Direzione centrale per le statistiche
sociali e il censimento della
popolazione (DCSS)
marco.broccoli@istat.it
Direzione centrale per la metodologia
e disegno dei processi statistici
(DCME)