應(yīng)用領(lǐng)域：能源消費(fèi)預(yù)測模型

 

　　項(xiàng)目負(fù)責(zé)人：AndreyBogomolov

 

　　項(xiàng)目簡介：項(xiàng)目致力于優(yōu)化意大利Trentino省電力能源生產(chǎn)-輸配-銷售鏈。對于電力生產(chǎn)和輸配商而言，本項(xiàng)目通過限制電力能源生產(chǎn)以減少電力消費(fèi)，通過銷售終端計(jì)劃以減少電力輸配成本;同時(shí)，本項(xiàng)目為電力波峰預(yù)測提供了借鑒。

 

　　本項(xiàng)目主要解決兩個(gè)問題：(1)日均電力需求預(yù)測。通過意大利Trentino省電網(wǎng)系統(tǒng)，該預(yù)測利用人類行為數(shù)據(jù)——移動(dòng)通信數(shù)據(jù)，優(yōu)化了電力能源生產(chǎn)-輸配鏈，減少了氣候變化的影響。(2)電力波峰預(yù)測。

 

　　本項(xiàng)目模型建立了高階希爾伯特空間數(shù)學(xué)模型，利用了Trentino省移動(dòng)網(wǎng)絡(luò)數(shù)據(jù)，預(yù)測了各電網(wǎng)未來一周內(nèi)的日均電力需求和電力波峰。LeoBreiman隨機(jī)預(yù)測算法解決了本項(xiàng)目模型的非線性回歸問題。同時(shí)，本項(xiàng)目模型擁有較少的狀態(tài)空間維度，從而能夠有效地應(yīng)用于大數(shù)據(jù)分析。

 

 

　　應(yīng)用領(lǐng)域：城市規(guī)劃與監(jiān)測

 

　　項(xiàng)目負(fù)責(zé)人：DavidMeyer

　　項(xiàng)目簡介：項(xiàng)目為米蘭人口、環(huán)境及其交互作用提供了動(dòng)態(tài)理解。利用米蘭地區(qū)的電信網(wǎng)絡(luò)數(shù)據(jù)，項(xiàng)目建立了人口預(yù)測模型，辨識(shí)了非常規(guī)移民人口，并揭示了米蘭的潛在社會(huì)結(jié)構(gòu)。同時(shí)，項(xiàng)目利用交通和氣象數(shù)據(jù)預(yù)測了城市空氣質(zhì)量。

 

 

 

　　應(yīng)用領(lǐng)域：社會(huì)學(xué)分析

 

　　項(xiàng)目負(fù)責(zé)人：MicheleTizzoni

　　項(xiàng)目簡介：項(xiàng)目的主要?jiǎng)?chuàng)新在于對“熵”函數(shù)的定義。高熵值單元代表異質(zhì)性高的區(qū)域，對應(yīng)于旅游熱點(diǎn)或鬧市區(qū);低熵值單元代表以國際電話業(yè)務(wù)為標(biāo)準(zhǔn)的高特征區(qū)域。電話通信數(shù)據(jù)可以被有效利用以監(jiān)測大范圍事件，項(xiàng)目利用“熵”函數(shù)得到了傳統(tǒng)分析得不到的信息。一方面，某一時(shí)間節(jié)點(diǎn)代表高度不確定性的高熵值揭示了該區(qū)域非常規(guī)/例外事件的發(fā)生;另一方面，針對高度活躍的國際通話業(yè)務(wù)，項(xiàng)目通過拓?fù)鋵W(xué)分析了該城市國際社區(qū)的空間特征。

 

 

　　應(yīng)用領(lǐng)域：廣告

 

　　項(xiàng)目負(fù)責(zé)人：ArisAnagnostopoulos

 

　　項(xiàng)目簡介：相較于線上廣告，線下廣告面臨著達(dá)不到滿意宣傳目標(biāo)的問題。基于社交網(wǎng)絡(luò)信息和人口數(shù)據(jù)，項(xiàng)目對Tweeter文本內(nèi)容進(jìn)行了語義分類，區(qū)分了不同Tweeter用戶對電影、音樂、體育等領(lǐng)域的感興趣程度;利用Tweeter位置的地理標(biāo)記功能，預(yù)測了用戶分布和網(wǎng)絡(luò)傳播趨勢。

 

　　以某領(lǐng)域的廣告投放為例。首先，線下廣告分類投放不同Tweeter用戶。選擇的廣告投放用戶應(yīng)對該廣告感興趣，應(yīng)能使總體效益最大化。其次，線下廣告投放至該領(lǐng)域有影響力的Tweeter用戶。投放的廣告不僅是為了覆蓋該領(lǐng)域更多的用戶，更是為了使該領(lǐng)域有影響力的用戶獲知并傳播該廣告，從而使該廣告達(dá)到事半功倍的效果。

 

 

 

　　應(yīng)用領(lǐng)域：移動(dòng)導(dǎo)航

　　項(xiàng)目負(fù)責(zé)人：AntonioLima

 

　　項(xiàng)目簡介：項(xiàng)目為城市交通提供了新的導(dǎo)航系統(tǒng)，有效平衡了個(gè)人偏好和公眾興趣。使用者可以利用智能設(shè)備個(gè)性化的定制城市導(dǎo)航路線，如選擇最短路徑，避免犯罪區(qū)域、污染區(qū)域、交通擁堵區(qū)域，或者避免日程計(jì)劃事件區(qū)域等。當(dāng)?shù)卣部梢葬槍ι鐓^(qū)做出限制性規(guī)定，如減少學(xué)校地區(qū)的噪音污染。本項(xiàng)目以城市歷史和實(shí)時(shí)數(shù)據(jù)為基礎(chǔ)，以使用者個(gè)人偏好和政府限制規(guī)定為依據(jù)，向使用者反饋路線信息。

 

　　PersonalizedRoutingforMultitudesinSmartCities

 

 

　　應(yīng)用領(lǐng)域：社會(huì)學(xué)分析

 

　　項(xiàng)目負(fù)責(zé)人：IyadRahwan

　　項(xiàng)目簡介：心理幸福度對社會(huì)生產(chǎn)、社會(huì)創(chuàng)新和違法犯罪均會(huì)產(chǎn)生影響，公共社交媒體為衡量區(qū)域幸福度提供了參考。項(xiàng)目以Twitter內(nèi)容為基礎(chǔ)進(jìn)行了幸福度分類，研究了米蘭市中心不同區(qū)域社交聯(lián)系和幸福度之間的關(guān)系，制作了米蘭市幸福度空間分布圖。項(xiàng)目研究表明，不幸福區(qū)域比幸福區(qū)域吸引了更高的通信交流。該研究有助于了解社會(huì)結(jié)構(gòu)和城市心理幸福度之間的關(guān)系，有助于創(chuàng)新機(jī)制以提升城市心理幸福度。

 

　　Misery Loves Company

 

 

 

　　應(yīng)用領(lǐng)域：空氣污染監(jiān)測

 

　　項(xiàng)目負(fù)責(zé)人：YhidadCalle

　　項(xiàng)目簡介：人類是強(qiáng)烈的視覺動(dòng)物，因此可視化數(shù)據(jù)是要傳達(dá)給他人的最快方法。動(dòng)態(tài)、交互式的可視化有助于人們探索數(shù)據(jù)。本項(xiàng)目運(yùn)用了交互式和動(dòng)態(tài)圖形，簡化了數(shù)據(jù)讀取，方便了對此領(lǐng)域不熟悉的公眾。

 

　　可視化的例子。2013年12月，米蘭的幾個(gè)主要污染物的強(qiáng)度分布圖——熱圖，其中包含在矩陣中的數(shù)值被表示為顏色數(shù)據(jù)的圖形;徑向堆疊面積圖以24小時(shí)為一圈進(jìn)行編碼，分析了每小時(shí)各污染物的累計(jì)濃度。

 

　　MilanAirPollutionVisualization

 

 

　　應(yīng)用領(lǐng)域：敘事

 

　　項(xiàng)目負(fù)責(zé)人：GergelyDaroczi

　　項(xiàng)目簡介：小數(shù)據(jù)或大數(shù)據(jù)的難點(diǎn)不是數(shù)據(jù)量的大小以及如何處理數(shù)據(jù)，焦點(diǎn)在于“如何把數(shù)據(jù)轉(zhuǎn)化為有用的信息”?本項(xiàng)目運(yùn)用了多種可視化技術(shù)，提供了空中鳥瞰下的人類活動(dòng)。

 

　　移動(dòng)汽車的分布、撥出電話的地理分布、二氧化氮排放及空氣污染、交通事故的位置分布，這些都反映了人類活動(dòng)。本項(xiàng)目演示文稿旨在反映人類的日?；顒?dòng)。

 

 

 

 

　　應(yīng)用領(lǐng)域：旅游

 

　　項(xiàng)目負(fù)責(zé)人：SalihErgut

 

　　項(xiàng)目簡介：對于游客來說，尋找當(dāng)?shù)責(zé)衢T的旅游目的地不是一件簡單的事情。旅游指南、博客、旅游網(wǎng)站等提供了該城市的一些信息，但卻很難從這些冗長的信息中發(fā)現(xiàn)有用的價(jià)值。

 

　　游客在旅行時(shí)很難在地圖上找到想去的地方。已有的旅游信息更多的是通用的，并沒有反映不同文化的特點(diǎn)。本項(xiàng)目考慮了游客的背景，開發(fā)了相應(yīng)的應(yīng)用程序，達(dá)到了使旅行有趣的目的。

 

 

　　應(yīng)用領(lǐng)域：城市規(guī)劃

 

　　項(xiàng)目負(fù)責(zé)人：IreneCelino

　　項(xiàng)目簡介：城市規(guī)劃的目的是通過土地使用信息規(guī)劃城市環(huán)境。然而，收集土地信息并予以分類的成本代價(jià)較高。人們在生活環(huán)境中會(huì)留下痕跡，是否可以將這些痕跡數(shù)據(jù)化并予以監(jiān)測，從而有效地預(yù)測“生活”土地使用情況?

 

　　本項(xiàng)目研究致力于：(1)通過大數(shù)據(jù)分析得到2013年城市用地使用“足跡”;(2)將這些“足跡”與2009年的城市用地使用情況比較;(3)分析2009年-2013年的土地用途偏差。

 

　　本項(xiàng)目對認(rèn)識(shí)和監(jiān)測土地使用情況的變化產(chǎn)生積極的影響。如，為城市規(guī)劃提供支持，減少土地普查費(fèi)用等。

 

　　Living Land Use