Milan

L’iniziativa si inserisce in un contesto in cui Milano sta vivendo una profonda trasformazione urbana: nuove linee metropolitane, l’espansione del sistema ferroviario suburbano (S-Line), lo sviluppo dei servizi notturni e gli investimenti previsti dal SUMP stanno ridisegnando il modo in cui le persone si muovono e di conseguenza, dove scelgono di vivere e investire.

Modello Previsionale

Il modello utilizza XGBoost, un algoritmo di Machine Learning tree-based particolarmente adatto alle analisi spaziali perché capace di catturare:

• Relazioni non lineari (es. distanza/valore non proporzionale),
• Interazioni complesse tra variabili territoriali,
• Effetti locali e differenze tra aree urbane.

Il modello spiega il 65% della variabilità dei prezzi immobiliari a Milano, confermando un’ottima capacità predittiva. The cross-validation e il controllo dell’overfitting ne attestano la solidità e la robustezza.

Le variabili esplicative comprendono indicatori di:

• Accessibilità TPL (corse diurne, serali, densità e distanza da fermate TPL e metro);
• Interscambio e connettività (nodi entro 1-2 km);
• Struttura territoriale (popolazione, superficie);
• Accesso ferroviario (S-Line, Linee regionali).

Struttura del Dataset

Per rappresentare in modo realistico la città, la costruzione del dataset ha seguito un approccio multilivello.

In questo modo il forecasting model e, di conseguenza, gli insights possono essere ricavati a livello di municipio, zona funzionale, sottozone and singolo annuncio.

Il campione è composto di 4.000 unità, raccolte rispettando la popolosità delle zone di Milano e la varietà del tipo di annuncio (monolocale, bilocale, villa, ecc…)

Implicazioni Strategiche

Il modello evidenzia che la mobilità pubblica è un fattore di competitività urbana, riuscendo a predire il 65% della variabilità dei prezzi a Milano usando solo variabili TPL.
Ogni intervento che aumenta la copertura serale, la frequenza o la connessione intermodale genera:

• Valore economico diretto per il mercato immobiliare locale,
• Riduzione delle disparità territoriali,

In quest’ottica, gli investimenti del PUMS di Milano non solo migliorano la mobilità, ma creano valore urbano misurabile.

Indicatori di Accessibilità e Potenziale di Investimento Immobiliare

Per valutare il potenziale di crescita delle diverse zone di Milano in relazione al Trasporto Pubblico Locale (TPL), sono stati sviluppati due indici principali: IINF and Indice di Riqualificazione.

The indice IINF (Influenza del TPL sul Prezzo) misura quanto le variabili legate al trasporto pubblico incidano sui valori immobiliari medi di ciascuna zona. È stato calcolato tramite una regressione lineare (OLS) che mette in relazione il prezzo medio al metro quadro con i principali driver del TPL (numero di corse, fermate, linee e offerta metropolitana). L’elasticità aggregata dei coefficienti stima la sensibilità dei prezzi alle variazioni dell’offerta TPL, normalizzata poi in un intervallo 0–1.

The indice di Riqualificazione sintetizza il potenziale di rivalutazione di ciascuna area, combinando in un unico valore tre dimensioni:

• Dotazione TPL attuale (ITPL) 
• Influenza effettiva del TPL sui prezzi (IINF) 
• Impatto atteso del PUMS (IPUMS) 

A questi fattori vengono applicate penalizzazioni per i valori immobiliari già elevati e per la maggiore distanza dal centro città, in modo da individuare le aree dove il trasporto pubblico rappresenta un motore di crescita futura e non un fattore già capitalizzato.