L’esperienza della #BigDataChallenge · Imprese che hanno sostenuto con i loro dati...

L’esperienza della

#BigDataChallenge

27 maggio 2014 – Milano

Marina Geymonat | Telecom Italia Fabrizio Antonelli | Telecom Italia

Big Data:

che c’è di nuovo?

Big Data:

nuove tecnologie,

nuova mentalità.

Big Data Challenge:

apriamo i nostri dati,

scatenate le vostre idee!

Con la collaborazione di MIT Media Lab, EIT ICT Labs, Trento RISE, PoliMI, FBK, UniTN, North Eastern University (MA)Imprese che hanno sostenuto con i loro dati l’iniziativa: AMAT Milano, Dolomiti Energia, Cobra Telematics, Meteo TrentinoCon il patrocinio del Comune di Milano e della Provincia Autonoma di Trento

la prima nel suo genere per

completezza ed eterogeneità

100+ proposte

10 finalisti

3 vincitori

Project: Personalized Routing for Multitudes in Smart

Cities

Team: Antonio Lima | Manlio De Domenico | Alex Arenas

Team: Alephsys

http://deim.urv.cat/~alephsys/BigDataChallenge/

Project: Touristic place by Tweet language

Team: Salih Ergut | Ahmet Salih ER | Habib Korkmaz |

Ilyas Alper Karatepe

Team: AveaLabs

Project: ENTROPY: Evaluating iNTernational Residential

and Occasional Patterns to enhance citY life

Team: Paolo Bajardi| Matteo Delfino|André Panisson|

Giovanni Petri |Michele Tizzoni

Team: Data Dudes

Project: Milan Air Pollution Visualization

Team: Yhidad Calle | Laerte Saliai

Team: IOMind

http://laerteyhidad.it/bigdatachallenge/airpollution

Project: (Dis)assembling Milan with Big Data

Team: David Meyer | Rex Douglass | David Rideout | Dongjin Song | Megha Ram

Team: UCSD Math

Project: Living Land Use

Team: Irene Celino | Soheil Behnam | Kourosh Sheykhvand

Team: LocaliData

APP DEVELOPMENT: il vincitore

http://livinglanduse.cefriel.com

Motivazione – Tracce digitali a supporto della

pianificazione urbanistica

La pianificazione urbanistica riguarda la

(ri)progettazione dell’ambiente urbano, e si appoggia

ad informazione di utilizzo delle aree urbane.

La raccolta e la classificazione delle informazioni

sull’utilizzo delle aree urbane avviene attraverso

censimenti (es. l’EU CORINE Land Cover programme1) ,

attività costose da realizzare e da aggiornare.

Le attività umane lasciano nel mondo digitale molte

tracce che possono venire sfruttate per estrarne

informazioni da cui conoscere predittivamente qual è

l’utilizzo di ogni area urbana2

1 Coordination of Information on the Environment (CORINE) of the European Environment Agency (EEA): http://en.wikipedia.org/wiki/CORINE2 Cf. for example "Characterizing Urban Landscapes Using Geolocated Tweets": http://dx.doi.org/10.1109/SocialCom-PASSAT.2012.19

Fro

m:

CO

RIN

E L

an

d C

ove

r M

eth

od

olo

gy

(so

urc

e:

htt

p:/

/ww

w.e

ea

.eu

rop

a.e

u/)

Fro

m:

Te

leco

m B

ig D

ata

Ch

alle

ng

e i

nfo

gra

ph

ics

Obiettivo – scoprire l’effettivo uso delle aree urbane

Example: Porta Nuova-Garibaldi area

Piazza Gae Aulenti, Milano (riconoscibile il

grattacielo "Podio" )

Era un cantiere, ora è un’area commerciale molto vivace

2009

2013

Ma per cambiamenti di utilizzo meno evidenti?

Possiamo automaticamente scoprire l’effettivo

utilizzo di un’area urbana basandoci sull’analisi dei

dati di attivita digitale?

L’idea – analizzare i dati di attività digitale per

estrarne tracce di utilizzo delle aree urbane

Obiettivi dell’App Living Land Use:

1. Derivare le tracce digitali di utilizzo di

un’area di Milano analizzando i dati di

attività forniti dalla Big Data Challenge 2013

2. Confrontare le tracce digitali derivate

dall’analisi con con la classificazione di uso

dell’area fornita da CORINE in 2009

3. Identificare gli scostamenti significativi

nell’utilizzo delle aree urbane tra il 2009 e il

2013

Milano: impronta digitale nei giorni feriali e

festivi nella cella 6060

CORINE land use classification (viz: QGIS, background map: OpenStreetMap)

2009

2013

Construction site

Risultati principali– the Living Land Use app

Dataset della Challenge utilizzati:• Milano Grid,

Telecommunications, Private Transportation

+ Cobra Telematics*, Geo Tweets*

Dataset aggiuntivi:• CORINE land use classification

2009, dal portale Open Data della regione Lombardia

Dettagli tecnici:• Data crunching: QGIS, R scripts• Web application: HTML5, PHP,

JavaScript, Python, MySQL, Leaflet, JS charts, Bootstrap…

* in fase di aggiunta : lavori in corso

Impatto ed evoluzioni –verso una costante (ri)pianificazione urbanistica

Benefici dell’utilizzo di Living Land:

- Migliore comprensione di come i cittadini effettivamente vivonol’ambiente urbano

- Modalità e strumenti per tracciare l’evoluzione urbana nel tempo

- Importanti risparmi per la classificazione delle diverse zone urbane, rispetto al metodo classico del censimento

- Supporto alle attività di pianificazione urbanistica per tutti gliattori coinvolti (pubblico, utility, comunità locali, fornitori di servizi, etc.)

Project: Human impact from a bird’s eye view

Team member: Gergely Daróczi

Team: Easystats Ltd

DATA VISUALIZATION: il vincitore

http://youtu.be/ENUhjE4lT0k

21Human impact from a bird’s eye view

Auto in movimento a Milano


Inquinamento dell’aria e trasporto

I valori di inquinamento misurati sono • più bassi al mattino• aumentano nel pomeriggio• più elevati nella zona sud


Ulteriori applicazioni, idee, casi d’uso

L’applicazione usa software open source

• web or mobile application• diagrammi interattivi• dati aggiornati in tempo reale• informazioni disponibili in anticipo

Project: People as Sensors for Predicting

Energy Consumption

Team member: Andrey Bogomolov

Team: University of Trento

DATA ANALYTICS: il vincitore

25

Impatti sul business:● ottimizza l’economia dei produttori e distributori di energia● è adatto a far fronte alle richieste di picco● crea un mercato per l’utilizzo dei dati telefonici

Ricadute sulla società:● riduce l’utilizzo complessivo di energia elettrica primaria● riduce la nostra impronta ecologica● viene incontro agli effettivi bisogni di energia delle persone

#bigdatachallenge

Grazie

[email protected]@telecomitalia.it

L’esperienza della #BigDataChallenge · Imprese che hanno sostenuto con i loro dati...

Documents

Transcript of L’esperienza della #BigDataChallenge · Imprese che hanno sostenuto con i loro dati...