Localizzazione ottimale degli uffici postali
Poste Italiane – Ottimizzazione territoriale e localizzazione-allocazione
Un quadro di analisi integrato che combina programmazione lineare intera mista (MILP), processi di geocodifica e modellazione dinamica degli scenari per studiare la localizzazione degli uffici postali e simulare la redistribuzione della clientela.
Gli uffici postali (UP – Ufficio Postale) costituiscono una rete essenziale per l’accesso ai servizi in Italia. La chiusura di un ufficio o una variazione della sua capacità provoca una redistribuzione territoriale dei flussi di clientela e dei ricavi, con possibili spostamenti verso reti convenzionate, come iLIS – Punto LIS), i canali digitali o gli operatori concorrenti.
12,800+
Uffici postali (UP) considerati50,000+
Punti convenzionati LIS< 100ms
Tempo di calcolo della redistribuzione100%
Validazione dei CAPI valori relativi al tempo di calcolo e alla validazione dipendono dalle prove effettuate: consultareIpotesi e limitiper i dettagli metodologici.
La sfida operativa
Per valutare la riorganizzazione della rete o la chiusura di un ufficio, la domanda di servizi viene distinta in base alle caratteristiche delle operazioni e alle possibili modalità di redistribuzione:
| Categoria di servizio | Modalità di redistribuzione | Dinamica dei flussi di clientela |
|---|---|---|
|
Operazioni allo sportello (Bollettini, PagoPA, MAV, ricariche Postepay e SIM, consegna di pacchi) |
Trasferimento parziale verso i punti LIS e gli uffici postali vicini. | La clientela si distribuisce tra servizi di prossimità, canali digitali e operatori concorrenti, con possibili perdite per la rete. |
|
Prodotti finanziari e assicurativi (Polizze, libretti, conti, contratti energetici e di telecomunicazione) |
Trasferimento principalmente verso uffici postali vicini che offrono l’intera gamma di servizi, entro il raggio di spostamento considerato. | Maggiore sensibilità alle difficoltà di accesso; richiede una modellazione dell’accessibilità territoriale basata sulla densità della popolazione. |
Schema di ottimizzazione e trattamento dei dati
Il processo va dall’acquisizione degli indirizzi grezzi all’ottimizzazione lineare prevista e alla rappresentazione cartografica degli scenari:
01. Normalizzazione
Interpretazione degli indirizzi italiani, standardizzazione delle tipologie stradali e validazione dei codici di avviamento postale (CAP).
02. Geocodifica
Geocodifica tramite API OpenStreetMap con controllo della frequenza delle richieste, utilizzo di una cache e proiezione delle coordinate.
03. Risolutore MILP
Modello di programmazione lineare per la localizzazione-allocazione, che considera matrici di distanza e vincoli di capacità.
04. Mappa interattiva
Simulatore web PosteScope e mappe Folium per esplorare scenari alternativi a supporto delle decisioni.
Formulazione matematica
L’ottimizzazione della localizzazione e dell’allocazione rappresenta la posizione degli uffici e l’assegnazione dei punti di domanda attraverso un modello diprogrammazione lineare intera mista (MILP)la cui implementazione in Python è prevista tramitePuLP.
Funzione obiettivo (minimizzare la distanza totale di spostamento)
Legenda dei simboli:
d(i, j): Matrice delle distanze o dei tempi tra il punto di domandaie l’ufficiojx(j): Variabile binaria (1 se l’ufficiojè aperto, 0 altrimenti)y(i, j): Variabile binaria (1 se la domandaiè assegnata all’ufficioj)w(i): Volume delle operazioni o peso del punto di domandaic(j): Capacità di servizio dell’ufficioj
Ipotesi e limiti
- Il modello MILP per la selezione degli uffici è stato progettato, ma non implementato nel prototipo attuale.La formulazione riportata sopra, che minimizza la distanza totale rispettando vincoli di copertura, attivazione, capacità e numero di uffici, descrive il modello previsto per scegliere quali sedi aprire o chiudere entro un numero obiettivoP. Il prototipo funzionante non esegue questo risolutore: le chiusure sono impostate manualmente, un ufficio alla volta, e non selezionate tramite ottimizzazione.
- La redistribuzione utilizza un modello gravitazionale ponderato in base alla distanza, effettivamente implementato.Una volta impostata una chiusura, la domanda interessata viene redistribuita tra uffici postali vicini, punti LIS e concorrenti con pesi inversamente proporzionali al quadrato della distanza. I raggi dei bacini si adattano alla densità locale della popolazione, distinguendo contesti rurali, suburbani, urbani e ad alta densità. I coefficienti di redistribuzione variano per servizio: pacchi e prodotti finanziari, ad esempio, seguono ripartizioni differenti. Questa parte del processo è stata implementata.
- Tempo di calcolo.Il valore inferiore a 100 ms si riferisce al calcolo della redistribuzione con il modello gravitazionale per una singola chiusura. Non riguarda la risoluzione di un MILP, che il prototipo attuale non esegue.
- Dati.Alcune esecuzioni dimostrative utilizzano posizioni sintetiche o generate casualmente per uffici postali, punti LIS e banche. Il modello di redistribuzione più avanzato è predisposto per caricare dati reali su uffici, punti LIS, banche, censimento e affluenza, ma non è stato eseguito dall’inizio alla fine su un insieme completo di dati nazionali.
- Validazione dei CAP.Il valore del 100% riguarda i controlli sul formato dei CAP e sull’interpretazione degli indirizzi acquisiti. Non indica l’accuratezza delle coordinate ottenute dalla geocodifica, che dipende dalla qualità dei dati di origine.
- Misura delle distanze.Le distanze sono approssimate mediante la formula di haversine, la distanza sulla superficie terrestre o la distanza in linea d’aria. Non includono ancora il traffico in tempo reale o gli orari del trasporto pubblico.
Il simulatore PosteScope
PosteScope: simulatore interattivo di scenari
Funzioni per esplorare scenari alternativi:
- Analisi della chiusura di un ufficio:Selezionare un ufficio da chiudere e osservare la conseguente redistribuzione dei volumi di attività.
- Localizzazione dei punti LIS:Simulare l’aggiunta di nuovi punti convenzionati per assorbire le operazioni eccedenti.
- Stima dei ricavi e della perdita di clientela:Indicatori aggiornati durante la simulazione stimano l’impatto economico, gli spostamenti verso i canali digitali e le quote assorbite dai concorrenti.
- Raggi adattati alla densità:L’estensione dei bacini si adatta dinamicamente alla classificazione dei comuni come urbani, suburbani o rurali.