L esperienza della #BigDataChallenge

Transcript

1 L esperienza della #BigDataChallenge Marina Geymonat Telecom Italia Fabrizio Antonelli Telecom Italia 27 maggio 2014 Milano

2 Big Data: che c è di nuovo?

3 Big Data: nuove tecnologie, nuova mentalità.

4 Big Data Challenge: apriamo i nostri dati, scatenatele vostreidee! 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 Trentino Con il patrocinio del Comune di Milano e della Provincia Autonoma di Trento

5 la prima nel suo genere per completezza ed eterogeneità

6

7 100+ proposte 10 finalisti 3 vincitori

8 Project: PersonalizedRouting for Multitudesin Smart Cities Team: Alephsys Team: Antonio Lima Manlio De Domenico Alex Arenas

9 Project: Touristic place by Tweet language Team: AveaLabs Team: SalihErgut AhmetSalihER HabibKorkmaz Ilyas Alper Karatepe

10 Project: ENTROPY: Evaluating international Residential and Occasional Patterns to enhance city life Team: Data Dudes Team: Paolo Bajardi Matteo Delfino André Panisson Giovanni Petri Michele Tizzoni

11 Project: Milan Air Pollution Visualization Team: IOMind Team: Yhidad Calle Laerte Saliai

12 Project: (Dis)assembling Milan with Big Data Team: UCSD Math Team: David Meyer Rex Douglass David Rideout Dongjin Song Megha Ram

13 Project: Misery Loves Company: Using Twitter & Call Data to Analyze Urban Happiness Team: Masdar Institute Social Computing & AI Lab ( Team: Aamena Alshamsi Edmond Awad Maryam Almehrezi Vahan Babushkin Pai-JuChang ZakariyahA. Shoroye Attila Peter Toth Iyad Rahwan

14 APP DEVELOPMENT: il vincitore Project: Living Land Use Team: LocaliData Team: Irene Celino Soheil Behnam Kourosh Sheykhvand

15 Motivazione Tracce digitali a supporto della pianificazione urbanistica La pianificazione urbanisticariguardala (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 EUCORINE Land Cover programme 1 ), attività costose da realizzare e da aggiornare. Le attività umane lasciano nel mondo digitale molte tracce che possono venire sfruttate per estrarne informazionida cui conoscerepredittivamente qualè l utilizzodi ogniarea urbana 2 From: CORINE Land Cover Methodology (source: From: Telecom Big Data Challenge infographics 1 Coordination of Information on the Environment (CORINE) of the European Environment Agency (EEA): 2 Cf. for example "Characterizing Urban Landscapes Using GeolocatedTweets":

16 Obiettivo scoprire l effettivo uso delle aree urbane 2009 Example: Porta Nuova-Garibaldi area Piazza Gae Aulenti, Milano (riconoscibile il grattacielo"podio" ) Era un cantiere, ora è un area commerciale molto vivace Ma per cambiamentidi utilizzomenoevidenti? Possiamo automaticamente scoprire l effettivo utilizzo di un area urbana basandoci sull analisi dei dati di attivita digitale? 2013

17 L idea analizzare i dati di attività digitale per estrarne tracce di utilizzo delle aree urbane Obiettivi dell App Living Land Use: 1. Derivarele traccedigitalidi utilizzodi un areadi Milano analizzandoi datidi attivitàfornitidallabig Data Challenge Confrontare le traccedigitaliderivate dall analisi con con la classificazione di uso dell areafornitada CORINE in Identificare gli scostamenti significativi nell utilizzodelleareeurbane trail2009 e il 2013 Construction site 2013 Milano: impronta digitale nei giorni feriali e festivi nella cella CORINE land use classification (viz: QGIS, background map: OpenStreetMap)

18 Risultati principali the Living Land Use app Dataset della Challenge utilizzati: Milano Grid, Telecommunications, Private Transportation + Cobra Telematics*, Geo Tweets* * in fase di aggiunta : lavori in corso 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

19 Impatto ed evoluzioni verso una costante (ri)pianificazione urbanistica Benefici dell utilizzo di Living Land: - Migliore comprensione di come i cittadini effettivamente vivono l 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 gli attori coinvolti (pubblico, utility, comunità locali, fornitori di servizi, etc.)

20 DATA VISUALIZATION: il vincitore Project: Human impact from a bird s eye view Team: Easystats Ltd Team member: Gergely Daróczi

21 Auto in movimento a Milano Human impact from a bird s eye view 21

22 Inquinamento dell aria e trasporto I valori di inquinamento misurati sono più bassi al mattino aumentano nel pomeriggio più elevati nella zona sud Human impact from a bird s eye view 22

23 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 Human impact from a bird s eye view 23

24 DATA ANALYTICS: il vincitore Project: People as Sensors for Predicting Energy Consumption Team: University of Trento Team member: Andrey Bogomolov

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 25

26 Grazie #bigdatachallenge