Fleg-Flow: Modello di ottimizzazione per il Piano di Evacuazione per l'area dei Campi Flegrei

Modellazione, analisi ed ottimizzazione di un piano di evacuazione della popolazione dalla zona rossa e gialla dei Campi Flegrei, utilizzando un algoritmo di Quickest Flow su una rete stradale reale.

Autori

• Bruno Vincenzo Luigi
• Carleo Cristina
• Castaldo Giuseppe

---

Indice

1. Obiettivo del Progetto
2. Riferimenti Accademici
3. Struttura del Progetto
4. Flusso di Lavoro
5. Dettagli dei Notebook
   • creazione_grafo.ipynb
   • fleg_flow.ipynb
     • Scenari avversi
6. Installazione ed Esecuzione

Obiettivo del Progetto

Lo scopo di Fleg-Flow è applicare un modello di ottimizzazione su rete per analizzare il piano di evacuazione previsto per la crisi vulcanica dei Campi Flegrei. Il progetto si propone di:

• Calcolare il tempo minimo stimato per evacuare l'intera popolazione della zona rossa e gialla, data la rete stradale e le sue capacità.
• Identificare i colli di bottiglia (strade critiche) che limitano la velocità dell'intera operazione.
• Simulare scenari avversi (es. blocco di strade o capacità ridotte) per valutare la resilienza del piano.
• Fornire una visualizzazione chiara ed interattiva del piano di flusso risultante.

Riferimenti accademici

La metodologia implementata trae ispirazione principale da:

• Fleischer, L., & Skutella, M. (2007). Quickest Flows Over Time. Questo paper fornisce il framework teorico fondamentale per il progetto. Nello specifico, è stato implementato l'algoritmo di 2-approssimazione descritto nella Sezione 3, che riduce il complesso problema del flusso più rapido a una serie di problemi di flusso a costo minimo, risolvibili efficientemente. Nella cartella riassunto_paper è possibile leggerne i passaggi principali.

Struttura del Progetto

La repository è organizzata come segue:

fleg-flow/
│
├── creazione_grafo.ipynb       # (FASE 1) Prepara i dati e crea il grafo
├── fleg_flow.ipynb             # (FASE 2) Esegue l'ottimizzazione e l'analisi
│
├── campi_flegrei_features.json # Input: dati ufficiali della Protezione Civile
│
├── grafo_flegreo.graphml       # Output Fase 1: Grafo della rete stradale
├── sorgenti_pozzi.json         # Output Fase 1: Dati su sorgenti e pozzi
│
├── 📂 risultati/
│   └── mappa_evacuazione.html      # Output Fase 2: Mappa interattiva del piano
│
├── requirements.txt                # Lista delle dipendenze Python per pip
│
├──📂 riassunto_paper/
│    └──Quickest_Flow_Over_Time_paper_resume.pdf #Riassunto articolo di riferimento
│
└── README.md                       # Questo file

Flusso di lavoro

Il progetto è diviso in 2 fasi computazionali distinte, implementate in 2 notebook separati.

Fase 1: Preparazione dei dati (creazione_grafo.ipynb)

• Input: Un file GeoJSON contenente le aree di incontro e i comuni associati. Per il piano ufficiale, il file è scaricabile dal repository della Protezione Civile.
• Processo:
  1. Utilizza OSMnx per scaricare la rete stradale reale dell'area flegrea.
  2. Processa il grafo calcolando attributi personalizzati per ogni strada: tempo di transito (tau) e capacità di flusso (capacity).
  3. Legge il file GeoJSON per identificare le coordinate delle aree di incontro (pozzi) e i nomi dei comuni da evacuare (sorgenti).
  4. Mappa sorgenti e pozzi ai nodi più vicini sulla rete stradale scaricata.
• Output:
  • grafo_flegreo.graphml: Un file che contiene il grafo della rete stradale completo e processato.
  • sorgenti_pozzi.json: Un file che contiene i dizionari con le informazioni su sorgenti (ID del nodo e popolazione) e pozzi (ID del nodo e nome dell'area).

Fase 2: Ottimizzazione e Analisi (fleg_flow.ipynb)

• Input: I file .graphml e .json generati dalla Fase 1.
• Processo:
  1. Carica il grafo e i dati di sorgenti/pozzi.
  2. Implementa una ricerca binaria sul tempo totale di evacuazione T.
  3. Ad ogni iterazione, risolve un problema di flusso a costo minimo utilizzando il solutore Gurobi per determinare se un piano è fattibile per il tempo T dato.
  4. Una volta trovato il tempo minimo di riferimento $$T^*$$, calcola il piano di flusso ottimale associato.
  5. Analizza il piano, calcolando la saturazione di ogni strada per identificare i colli di bottiglia.
• Output:
  • Analisi stampata a console con il tempo di evacuazione stimato e le strade più critiche.
  • mappa_evacuazione.html: Una mappa interattiva (creata con Folium) che visualizza le rotte di evacuazione, colorandole in base al livello di saturazione.

Dettagli dei notebook

1. creazione_grafo.ipynb

Questo notebook è il motore di preparazione dei dati. La sua esecuzione è necessaria solo una volta o ogni volta che si desidera aggiornare la mappa stradale o i dati di input. Contiene tutte le logiche di interfacciamento con OSMnx e GeoPandas.

Per utilizzare il file ufficiale del Piano Nazionale Campi Flegrei, è possibile scaricarlo da questo link:

• Link al GeoJSON della Protezione Civile

Riferimenti protezione civile:

• Piano di allontamento autonomo
• Opuscolo Piano reperibile qui

2. fleg_flow.ipynb

Questo è il notebook principale per l'analisi. Una volta che i file di input sono stati generati, può essere eseguito più volte per testare diversi scenari senza dover riscaricare o riprocessare la mappa.

Analisi di Scenari Avversi

Il notebook è strutturato per facilitare l'analisi di scenari avversi. Modificando il grafo caricato prima dell'ottimizzazione, è possibile simulare:

• Blocco di strade critiche
• Riduzione della capacità

Il confronto tra i risultati del caso base e quelli degli scenari avversi permette di valutare la resilienza del piano di evacuazione.

Installazione ed Esecuzione

Prerequisiti

• Python 3.9 o superiore
• Git
• Gurobi Optimizer installato e licenza attiva (la licenza accademica è gratuita).

Istruzioni

1. Clonare la repository

    git clone [https://github.com/vlb20/Fleg-Flow.git](https://github.com/vlb20/Fleg-Flow.git)
    cd fleg-flow

2. Creare ed attivare l'ambiente virtuale:

    # Crea un ambiente virtuale chiamato 'fleg-env'
    python -m venv fleg-env
   
    # Attiva l'ambiente
    # Su Windows:
    .\fleg-env\Scripts\activate
    # Su macOS/Linux:
    source fleg-env/bin/activate

3. Installare le dipendenze:

   pip install -r requirements.txt