Il ruolo dei sistemi di traffico intelligenti basati sull'IoT nella riduzione delle perdite economiche dovute alla congestione a Milano

Urban congestion generates substantial economic losses for contemporary cities through time loss, reduced reliability, lower productivity, and environmental externalities. Although Internet of Things (IoT)-driven smart traffic systems are increasingly used to improve traffic management, empirical evidence on their measurable economic effects remains limited, particularly in Europe. This thesis investigates the effects of an IoT-enabled congestion regulation system in Milan (Italy), focusing on the Area C charging zone. The analysis is based on a 36-month daily administrative dataset derived from ANPR gate-entry records published by the Municipality, recording vehicles accessing the restricted area during active charging periods. The empirical strategy adopts a quasi-experimental approach centered on the October 2023 tariff increase, combining interrupted time-series (ITS) logic, a local event-study design, a longer-run filtered regression, a log-specification robustness check, and a placebo timing test. The results provide evidence of a significant reduction in vehicle entries following the tariff increase, including a short-run decline of approximately 12.8% in daily entries and a smaller but persistent longer-run effect. The response varied across user categories, with the strongest adjustment concentrated among more flexible payer groups. These effects are interpreted through a partial welfare framework based on value-of-time estimates, allowing an assessment of congestion-relief benefits associated with reduced traffic demand. The findings contribute to the literature on smart mobility and urban transport economics by showing that Area C operates not simply as a pricing mechanism, but as smart regulatory infrastructure in which pricing, enforcement, and continuous data generation are operationally unified. From a policy perspective, the study indicates that IoT-enabled congestion pricing can serve as an effective demand-management instrument when embedded in a broader planning framework and supported by continuous administrative monitoring.

La congestione urbana genera rilevanti perdite economiche per le città contemporanee, in termini di perdita di tempo, minore affidabilità degli spostamenti, riduzione della produttività ed esternalità ambientali. Sebbene i sistemi intelligenti di gestione del traffico basati sull’Internet of Things (IoT) siano sempre più utilizzati per migliorare la gestione della mobilità, le evidenze empiriche sui loro effetti economici misurabili restano ancora limitate, in particolare in Europa. Questa tesi analizza gli effetti di un sistema di regolazione della congestione abilitato dall’IoT nella città di Milano (Italia), con specifico riferimento alla zona a pedaggio Area C. L’analisi si basa su un dataset amministrativo giornaliero di 36 mesi, ricavato dai registri di accesso ai varchi ANPR pubblicati dal Comune, che rilevano i veicoli in ingresso nell’area soggetta a restrizione durante i periodi di attivazione della tariffazione. La strategia empirica adotta un approccio quasi-sperimentale incentrato sull’aumento tariffario dell’ottobre 2023, combinando la logica delle interrupted time series (ITS), un disegno event-study locale, una regressione filtrata di più lungo periodo, un controllo di robustezza con specificazione logaritmica e un test placebo. I risultati mostrano una riduzione significativa degli ingressi veicolari in seguito all’aumento tariffario, con una diminuzione di breve periodo pari a circa il 12,8% degli ingressi giornalieri e un effetto di più lungo periodo più contenuto ma persistente. La risposta varia inoltre tra le categorie di utenti, con l’aggiustamento più marcato concentrato nei gruppi di pagatori più flessibili. Tali effetti sono interpretati attraverso un quadro di welfare parziale basato sul valore del tempo, che consente di valutare i benefici di riduzione della congestione associati alla diminuzione della domanda di accesso. I risultati contribuiscono alla letteratura sulla smart mobility e sull’economia dei trasporti urbani mostrando che Area C non opera semplicemente come un meccanismo di tariffazione, ma come un’infrastruttura regolativa intelligente nella quale tariffazione, enforcement e generazione continua di dati sono operativamente integrati. Dal punto di vista delle politiche pubbliche, lo studio indica che la congestion pricing abilitata da sistemi IoT può costituire uno strumento efficace di gestione della domanda, a condizione che sia inserita in un più ampio quadro pianificatorio e supportata da un monitoraggio amministrativo continuo.