La gentrificazione urbana è quel processo per cui uno o più quartieri popolari da un certo momento iniziano a diventare di pregio e ad essere abitati da persone con fasce di reddito medio. Utilizzando un modello matematico di loro creazione, alcuni ricercatori hanno simulato al computer questo fenomeno, rilevando le dinamiche che lo sottendono. In particolare, è stato visto che basta una piccola diseguaglianza economica o un minimo investimento da parte di cittadini con fascia di reddito alta, il 5% del totale della popolazione, per far emergere situazioni di esclusione e sostituzione, innescando importanti fenomeni di gentrificazione urbana.

Lo studio, svolto dall’Istituto di scienze e tecnologie dell’informazione ‘Alessandro Faedo’ del Consiglio nazionale delle ricerche (Cnr-Isti) e dalla Scuola normale superiore (Sns) di Pisa in collaborazione con le università di Bari e Oxford, è stato pubblicato sulla rivista Advances in Complex Systems e ha già ottenuto importanti riconoscimenti internazionali, come il premio “Best Talk award” alla Conference on Complex Systems (CCS) e alla International Conference on Network Science (NetSci). Il modello ha simulato una città popolata da individui (agenti) di tre fasce di reddito (basso, medio, alto). Il comportamento degli agenti è governato da regole intuitive: cercare case accessibili, trasferirsi in quartieri compatibili o, per i più ricchi, “investire” in aree in trasformazione. Il risultato è una dinamica spontanea che, osservano i ricercatori, riproduce il processo di gentrificazione urbana. “Il nostro modello ci dice che anche solo una piccola diseguaglianza economica è sufficiente per far emergere dinamiche di esclusione e sostituzione sociale nell’ambito di un’area urbana. Inoltre, la gentrificazione può scaturire come effetto collaterale, anche in assenza di intenzioni esplicite da parte degli individui”, spiega Giovanni Mauro, ricercatore Sns e autore principale dello studio. “Finora queste dinamiche erano studiate con dati aggregati che provenivano per lo più dai censimenti, quindi soltanto dopo alcuni anni si potevano analizzare questi fenomeni. Invece, per la prima volta, il nostro modello utilizza flussi di spostamenti, anche minimi, attraverso la scienza delle reti (network science). Costruendo reti dinamiche di spostamenti, il modello è capace di catturare i segnali iniziali del cambiamento urbano e quindi di prevederlo”.