Abstract/Hauptbeschreibung (Italienisch)

Le reti di trasporto pubblico si stanno espandendo adottando allo stesso tempo l’automazione, rendendo necessario l’esame degli impatti sulle risorse umane come i macchinisti della metropolitana. Questo studio ha analizzato la rete metropolitana delle West Midlands per determinare gli effetti dell’espansione e dell’automazione sulle risorse dei macchinisti. Utilizzando previsioni probabilistiche basate sui dati, sono state valutate le potenziali capacità automatizzate della metropolitana proposta per progettare le tempistiche e analizzare i conseguenti cambiamenti di ruolo per i macchinisti. I risultati indicano che iniziare con l’automazione parziale consente la stabilizzazione dell’infrastruttura prima di passare a sistemi completamente senza macchinista. La sequenza temporale graduata compensa l’adozione della tecnologia e la gestione del cambiamento. Prevedendo le fasi di automazione e visualizzando i ruoli operativi decrescenti, lo studio fornisce approfondimenti attuabili dell’autorità dei trasporti sulle competenze sostenibili in evoluzione e sulle esigenze della forza lavoro in seno all’automazione. Iniziare con l’automazione parziale concede tempo per il supporto della transizione misurata prima dell’esercizio senza macchinista. La ricerca fornisce proiezioni basate sui dati e localizzate per guidare la pianificazione strategica per le implementazioni di automazione della metropolitana e mitigare le interruzioni del lavoro.

Abstract/Hauptbeschreibung (Englisch)

Public transport networks are expanding while adopting automation, necessitating examination of impacts on human resources like metro drivers. This study analysed the West Midlands Metro Network to determine effects of expansion and automation on driver resources. Using data-driven probabilistic forecasting, potential automated capabilities were evaluated for a proposed metro expansion to project timelines and analyse resultant role changes for drivers. Findings indicate beginning with partial automation enables infrastructure stabilization before progressing to fully driverless systems. The graduated timeline balances technology adoption and change management. By forecasting automation phases and visualizing declining operational roles, the study provides transportation authority’s actionable insights on sustainably evolving skills and workforce needs amidst automation. Starting with partial automation allows time for measured transition support before driverless operation. The research contributes data-driven, localized projections to guide strategic planning for metro automation implementations and mitigate labour disruptions.