Al giorno d'oggi, le grandi città devono affrontare grandi problemi come la congestione del traffico, l'inquinamento atmosferico e il consumo di energia. Questi grandi problemi nelle grandi città possono essere affrontati utilizzando grandi dati (il che significa trattare grandi volumi di dati).
È proprio quello che è l'informatica urbana. Può essere definita semplicemente come l'uso dei big data per affrontare i grandi problemi delle grandi città.
Vediamo di approfondire l'argomento.
L'Urban Computing prevede un processo di acquisizione, integrazione e analisi di dati grandi ed eterogenei generati da diverse fonti negli spazi urbani. Tali fonti di dati includono sensori, dispositivi mobili, veicoli, edifici e persone.
Che cos'è l'Urban Computing?
Nel documento intitolato "Urban computing: concetti, metodologie e applicazioni", gli autori introducono un quadro generale per l'implementazione dell'Urban Computing.
L'Urban Computing collega tecnologie di rilevamento non intrusive e ubiquitarie, gestione avanzata dei dati, modelli analitici e nuovi metodi di visualizzazione per creare soluzioni che migliorino l'ambiente urbano, la qualità della vita umana e i sistemi di funzionamento delle città.
Dobbiamo anche sottolineare che l'informatica urbana è un campo interdisciplinare. Integra la scienza informatica con altri campi come i trasporti, l'ingegneria civile, l'economia, l'ecologia e la sociologia nel contesto degli spazi urbani.
Probabilmente la domanda che vi assilla è: come implementare l'Urban computing per superare i problemi delle grandi città?
Ebbene, una buona notizia: esiste un quadro di riferimento per questo!
Quadro di calcolo urbano
Nel documento intitolato "Urban computing: concetti, metodologie e applicazioni", gli autori introducono un quadro generale per l'implementazione dell'Urban Computing.
Il framework è composto da quattro livelli: Urban Sensing, Urban Data Management, Data Analytics e Service Providing. Ogni livello ha una funzione specifica.
Il Rilevamento urbano Il layer ha il compito di raccogliere dati dagli spazi urbani. La raccolta dei dati può essere effettuata con diverse tecniche, come il rilevamento partecipativo, il crowdsensing e il rilevamento mobile.
Il Gestione dei dati urbani Il livello consente di organizzare i dati mediante una struttura di indicizzazione che incorpora sia le informazioni spazio-temporali sia i testi per supportare un'analisi efficiente dei dati.
Nel Livello di analisi dei dati, diverse tecniche come Estrazione dei dati, Apprendimento automatico, e Visualizzazione dei dati sono utilizzati per identificare modelli nei dati e ricavarne informazioni preziose per il successivo processo decisionale.
Il Fornitura di servizi Il livello comprende varie soluzioni e servizi volti a migliorare l'esperienza di guida delle persone, a ridurre la congestione del traffico, l'inquinamento atmosferico e il consumo di energia. Ad esempio, nel caso in cui venga rilevata un'anomalia del traffico, le informazioni saranno trasmesse all'autorità dei trasporti per disperdere il traffico e diagnosticare l'anomalia.
Quali sono quindi le sfide che l'Urban Computing deve affrontare?
Per un'implementazione ideale, l'Urban Computing deve affrontare tre grandi sfide:
1.Rilevamento e acquisizione dei dati.
Questa sfida riguarda il modo in cui raccogliere dati urbani in modo non intrusivo e continuo, considerando i limiti del numero di sensori distribuiti nella città.
La costruzione di nuove infrastrutture di rilevamento potrebbe raggiungere l'obiettivo, ma aumenterebbe il carico delle città.
Gli esseri umani come sensori sono un nuovo concetto che può aiutare ad affrontare questa sfida, utilizzando i loro post sui social media o le loro tracce GPS per capire gli eventi che accadono intorno a loro.
L'uomo come sensore porta con sé nuove sfide, quali:
- Aumento dell'utilizzo dell'energia dei dispositivi;
- Privacy delle informazioni personali;
- Dati distorti, poiché gli utenti non sono distribuiti uniformemente e non inviano letture di rilevamento con la stessa frequenza;
- Dati non strutturati, impliciti e rumorosi forniti dagli utenti. Al contrario, i dati generati dai sensori tradizionali sono ben strutturati, espliciti, puliti e facili da comprendere.
2. Dati eterogenei.
Le tecniche di Data Mining e di Machine Learning gestiscono solitamente un solo tipo di dati. Tuttavia, la soluzione delle sfide urbane coinvolge un'ampia gamma di fattori (ad esempio, l'analisi dell'inquinamento atmosferico implica lo studio simultaneo del flusso di traffico, della meteorologia e dell'uso del territorio).
3. Sistemi ibridi.
A differenza di un motore di ricerca o di un gioco digitale in cui i dati sono generati e consumati nel mondo digitale, l'urban computing di solito integra i dati di entrambi i mondi (combinando il traffico con i social media).
La progettazione di sistemi ibridi è molto più impegnativa rispetto a quella dei sistemi convenzionali, poiché il sistema deve comunicare con molti dispositivi e utenti contemporaneamente e inviare e ricevere dati di formati diversi.
Quali sono le principali applicazioni dell'Urban Computing?
Le applicazioni dell'Urban Computing potrebbero essere innumerevoli.
Le applicazioni possono essere raggruppate in sette categorie: pianificazione urbana, trasporti, ambiente, sicurezza pubblica, energia, economia, ecologia e sociale.
Ecco una breve descrizione di ciascuno di essi:
- Pianificazione urbana.
La pianificazione è importante per la costruzione di città intelligenti. Questa categoria comprende l'individuazione di problemi di fondo nelle reti di trasporto, la scoperta di regioni funzionali in una città (come le aree che supportano le diverse esigenze delle persone e servono come tecnica di organizzazione, come le aree educative o i distretti commerciali) e l'individuazione dei confini della città per comprenderne l'evoluzione.
- Trasporto.
Questa categoria comprende: miglioramento dell'esperienza di guida, servizi di taxi e sistemi di trasporto pubblico.
- Ambiente.
Il rapido progresso dell'urbanizzazione diventerà una potenziale minaccia per l'ambiente delle città. L'informatica urbana per l'ambiente comprende il miglioramento della qualità dell'aria nelle città e la riduzione dell'inquinamento acustico.
- Sicurezza pubblica e protezione.
Possiamo elencare le seguenti applicazioni: rilevamento di anomalie del traffico, rilevamento di disastri e rilevamento di incidenti.
- Consumo energetico.
Il rapido progresso dell'urbanizzazione consuma sempre più energia. Le applicazioni di questa categoria sono la riduzione del consumo di gas e di elettricità.
- Economia.
Le dinamiche di una città possono indicare l'andamento dell'economia cittadina. Un esempio di applicazione in questa categoria è la previsione dell'andamento del mercato azionario.
- Sociale.
Le applicazioni di questa categoria sono la raccomandazione di luoghi, la pianificazione di itinerari, la raccomandazione di attività e la comprensione delle dinamiche cittadine.
Esistono tecnologie per abilitare l'Urban Computing?
Esistono diverse tecnologie abilitanti per l'Urban Computing, raggruppate in categorie. Le categorie più frequentemente utilizzate sono:
Tecniche di rilevamento urbano. Il rilevamento tradizionale e la misurazione attraverso l'installazione di sensori, il rilevamento passivo della folla che utilizza le infrastrutture esistenti per raccogliere i dati generati dalla folla e il rilevamento partecipativo in cui le persone contribuiscono attivamente con le informazioni che le circondano;
Le tecniche di gestione dei dati urbani consentono di organizzare più fonti di dati eterogenee per il successivo processo di Data Mining;
Le tecniche di fusione della conoscenza consentono di fondere efficacemente la conoscenza appresa da più fonti di dati eterogenee;
Le tecniche di visualizzazione dei dati urbani non devono limitarsi a visualizzare i dati grezzi e a presentare i risultati, ma devono anche consentire di individuare e descrivere modelli, tendenze e relazioni nei dati.
Come vedete, l'Urban Computing può essere uno strumento molto utile per risolvere i principali problemi delle città moderne.
Le sfide che l'Urban Computing deve affrontare saranno alla fine superate, permettendoci di avere un futuro migliore per le nostre città.
Riferimenti
T. Kindberg, M. Chalmers e E. Paulos. 2007. Introduzione dei redattori ospiti: Urban computing. Informatica pervasiva 6, 3, 18-20
Cliccate sull'immagine sottostante per consultare le illustrazioni di Mind the Graph per l'informatica urbana.
Iscriviti alla nostra newsletter
Contenuti esclusivi di alta qualità su visual efficaci
comunicazione nella scienza.
Italian 
English 
Chinese 
Japanese 
German 
Spanish 
Portuguese 
Dutch 
Russian 
French