BUSINESS INTELLIGENCE & BIG DATA ANALYTICS - STUDENTE: MASSIMO GUGLIELMO APECITI TUTOR: ROBERTO BOSELLI - RESEARCHGATE
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Università degli Studi di Milano-Bicocca
Anno Accademico 2020–2021
Master in Business Intelligence e Big Data Analytics
Studente: Massimo Guglielmo Apeciti
Tutor: Roberto Boselli
Business Intelligence & Big Data Analytics
ANALISI DELLE OPPORTUNITA’
TERRITORIALI:
DAI GIS A TWITTER
1. Obiettivi
1. analisi della struttura, dinamica e distribuzione spaziale della presenza di
residenti a Milano attraverso l’elaborazione di dati amministrativi (Anagrafe
del Comune di Milano).
2. mappatura dei servizi e opportunità di interesse per la popolazione
ovvero identificate e geo-referenziate le opportunità urbane più rilevanti
3. analisi della loro accessibilità attraverso l’elaborazione di open data e
informazioni raccolte direttamente nell’ambito del progetto
4. Proporre una Sentiment Analysis a partire dai social e di individuare
possibili barriere che determinano l’accessibilità alle opportunità territoriali
2. Quadro teorico - parte I
• La mobilità può essere intesa come un qualsiasi movimento fisico nello
spazio e in termini spazialisti, come gli individui si muovano nel compiere
attività di diversa natura.
• Per accessibilità si intende la capacità di un’opportunità territoriale
nell’essere potenzialmente accessibile.
• Per opportunità territoriale si intendono tutte quelle risorse territoriali il
cui accesso consente agli attori di soddisfare sia le necessità elementari
che quelle più̀ complesse.
2. Quadro teorico - Parte II
• L’accessibilità è quindi influenzata da fattori connessi sia all’uso del suolo,
in particolare alla distribuzione territoriale delle attività e delle residenze,
sia alle caratteristiche e alla qualità dell’offerta di opportunità.
• per l’analisi dell’accessibilità, esistono molti modelli: Ai fini di questo
progetto, si adotterà il modello place-based prendendo in considerazione
la distribuzione territoriale delle opportunità e la distanza impiegata per
raggiungere la destinazione potenziale.
2. Quadro teorico - Parte III
• Il GIS è un acronimo di Geographical Information System ed è un sistema
informatico geografico per la gestione dei dati del territorio, in grado di
fornire strumenti adeguati allo studio e la pianificazione geospaziale. E’
composto da una serie di strumenti software per acquisire, memorizzare,
estrarre, trasformare e visualizzare dati spaziali dal mondo reale
• Twitter è uno dei social più popolari in cui vengono pubblicati, ogni
giorno, messaggi istantanei. L'analisi del sentiment dei tweet permette di
far emergere pensieri, interessi e opinioni, in una varietà di contesti e
domini
3. Procedimento 1. Si acquisisce la mappa di Milano suddivisa per NIL (Nuclei di identità locali). Si individuano i civici residenziali presenti sul comune di Milano. Si identificano le aree a bassa densità abitativa 2. Si determinano le opportunità territoriali di interesse e si geolocalizzano 3. Si crea un buffer a distanza fissa a partire dai civici residenziali con soglia di 800m 4. Si conteggia il numero di opportunità presenti all’interno del buffer 5. Si crea un indice che esprime l’indice generale di accessibilità alle opportunità territoriali 6. Si rappresenta l’indice attraverso una rappresentazione cartografica 7. Si acquisiscono i tweet coprendo un periodo di due settimane 8. Si crea un valore di sintesi attraverso il text mining che esprima l’opinione degli utenti tweeter nei confronti della città di Milano
4. Risultati – Dati amministrativi
Popolazione residente al 31/12/2019 SISI - Sistema Statistico Integrato
Territorio: Comune di Milano Comune di Milano - Unità Statistica
Residenti - Genere
Età (classi funzionali)
Maschi Femmine Totale
0-2 anni 16.553 15.770 32.323
3-5 anni 17.987 16.867 34.854
6-10 anni 31.343 29.295 60.638
11-13 anni 19.294 18.040 37.334
14-18 anni 30.933 28.512 59.445
19-24 anni 41.068 35.306 76.374
25-34 anni 88.653 85.018 173.671
35-44 anni 103.353 99.043 202.396
45-54 anni 113.937 116.563 230.500
55-64 anni 85.156 93.590 178.746
65-74 anni 60.437 76.338 136.775
75-84 anni 48.994 72.254 121.248
85 anni e più 19.033 41.094 60.127
Totale 676.741 727.690 1.404.431
4. Risultati – Distribuzioni spaziali (Qgis) Distribuzione dei residenti Distribuzione dei trasporti locali
4. Risultati – Distribuzioni spaziali (Qgis) Distribuzione di attività per la salute Distribuzione di attività commerciali
4. Risultati – Distribuzioni spaziali (Qgis)
Indice di accessibilità generale Opportunità di interesse
trasporti di superficie e metropolitani; uffici postali;
scuole di italiano per stranieri; sindacati e patronati;
fontanelle pubbliche; servizi igienici pubblici; piste
ciclabili, bike sharing e aree di sosta; strutture
commerciali piccole, medie e grandi; attività dedicate al
tempo libero, aree di gioco e parchi; servizi educativi di
prima infanzia, asili nido, scuole primarie; strutture
sanitarie, farmacie, medici di base, consultori.4. Risultati – Preprocessing (RapidMiner) Acquisizione dei tweet Preprocessing e Clustering K-Means
4. Risultati – Sentiment Analysis (Orange)
Sentiment Analysis4. Risultati – WordCloud (Orange)
5. Conclusioni – Parte I
• Il comune di Milano presenta un buon grado di accessibilità alle opportunità territoriali: bisogna infatti
considerare che le aree bianche che presentano un indice di bassa accessibilità, sono caratterizzate per
essere principalmente zone agricole con bassa densità abitativa.
• Le opportunità presenti in maggior numero sul territorio sembrano essere quelle adibite alle attività
commerciali e dei trasporti mentre le attività riservate ai sindacati, patronati ed educative, appaiono
sottostimate.
• Limiti: non vengono presi in considerazione i “poli attrattivi” né i flussi di mobilità derivanti da tutta l’area
metropolitana. Un ulteriore grosso limite può essere identificato nel fatto che non vengono prese in
considerazione le barriere che impediscono l’accessibilità ai servizi tra cui strade non percorribili, lavori in
corso, rischi di maggior incidentalità legati al traffico locale, orari di apertura e di chiusura delle attività, le
capabilities degli individui, le scelte modali di mobilità degli individui.5. Conclusioni – Parte II
• La Sentiment Analysis non ha rilevato informazioni significative. Pertanto, da questo punto di vista, non è
possibile trarre conclusioni significative.
• Probabilmente ciò è dovuto al fatto che i maggior commenti riguardante i tweet si riferiscono a questioni
legate alla recente pandemia che ha investito Milano. Inoltre, bisogna considerare che il socialnetwork
potrebbe essere utilizzato da una minima parte della popolazione residente a Milano e non poter verificare
con accuratezza la provenienza dei post, rende il tipo di analisi piuttosto debole.
• Per quanto riguarda la cluster analysis, invece, si rimanda la trattazione del tema a studi futuri.Bibliografia – Parte I • Adwan, O., Al-Tawil, M., Huneiti, A., Shahin, R., Zayed, A. A., & Al-Dibsi, R. (2020). Twitter Sentiment Analysis Approaches: A Survey. International Journal of Emerging Technologies in Learning (iJET), 15(15), 79-93. • Anselmi, G., Maneri, M., & Quassoli, F. (2020). "Un attentato quasi-terroristico". Macerata, Twitter e le opportunità dell'arena pubblica. COMUNICAZIONEPUNTODOC, 23, 17-36. • Boffi M., (2012). Metodo e misurazione dell’accessibilità urbana. In Pronello, C., & Boffi, M. (2012). Muoversi in città: Accessibilità e mobilità nella metropoli contemporanea (Vol. 27). FrancoAngeli. • Caliandro, A., Anselmi, G., & Sturiale, V. (2020). Fake news, Covid-19 e Infodemia: un esempio di ricerca sociale in real-time su Twitter. Mediascapes journal, (15), 174-188. • Caubel, D. (2004). ‘Methodologies and Tools to Evaluate Issues Relating to Land-Use and / or Social Aspects of Urban Transportation Policies: An accessibility Concept Linked Approach’. WCTRS, ITU • Colleoni, M. (2019). Mobilità e trasformazioni urbane. La morfologia della metropoli contemporanea. Milano, FrancoAngeli • Colleoni M., Caiello S., Daconto L. (2017). walkability e accessibilità urbana, in XIII Rapporto Qualità dell’ambiente urbano, pp.71-78. • Colleoni M. (2013). Mobilità urbana. In S. H. Vicari, Questioni Urbane: caratteri e problemi della città contemporanea. Bologna, il Mulino (pp.227-256) • Colleoni, M., & Caiello, S. (2013). Il peri-urbano ei suoi caratteri socio-territoriali. Una proposta analitica e empirica in Lombardia. Sociologia urbana e rurale • Colleoni M. (2012). Mobilità ed accessibilità urbana: definizioni e teorie di riferimento. In Pronello, C., & Boffi, M. (2012). Muoversi in città: Accessibilità e mobilità nella metropoli contemporanea (Vol. 27). FrancoAngeli. • Colleoni, M. (2008). La ricerca sociale sulla mobilità urbana. Metodo e risultati di indagine. Milano, Cortina • Daconto, L., Colleoni, M., Gwiazdzinski, L. (2017). L’accessibilità spaziale potenziale alle opportunità urbane. Un’analisi comparata tra la città metropolitana di Milano e la metropoli di Lione. Archivio di studi urbani e regionali (pp. 73–91)
Bibliografia – Parte II • Fistola R. (2009). Gis. Teoria ed applicazioni per la pianificazione la gestione e la protezione della città. Roma, Gangemi editore • Jo, T. (2019). Text mining. Studies in Big Data. Cham: Springer International Publishing. • Le Breton É. (2005). Bouger pour s’en sortir: mobilité quotidienne et intégration sociale. Paris, Armand Colin • Ohnmacht, T., Maksim, H., & Bergman, M. M. (Eds.). (2009). Mobilities and inequality. Ashgate Publishing, Ltd. • Orfeuil J.-P. (a cura di). (2004). Transports, pauvretés, exclusions: Pouvoir bouger pour s’en sortir. La Tour-d’Aigues, Éd. de l’Aube. • Organisation for Economic Co-operation and Development. (2017). How's life?: measuring well-being. Paris: Oecd. • Pronello, C., & Boffi, M. (2012). Muoversi in città: Accessibilità e mobilità nella metropoli contemporanea (Vol. 27). FrancoAngeli • Rajé F., Grieco M., Hine J., Preston J. (a cura di). (2004). Transport, demand management and social exclusion. The need for ethnic perspectives. Aldershot, Ashgate. • Rogers, R. (2013). Digital Methods. Cambridge: MIT Press. • Rogers, R. (2019). Doing Digital Methods. London: Sage. • Van der Klis, M (2009). Commuter parterships: Balancing home, family, and distant work. Journal of Environmental Psychology, (pp.235- 245). • Vicari S. H. (2013). Questioni Urbane: caratteri e problemi della città contemporanea. Bologna, il Mulino • Vicari, S. H. (2004). La città contemporanea. Bologna, il Mulino • Zajczyk, F., Borlini, B., Memo, F., & Mugnano, S. (2005). Milano. Quartieri periferici tra incertezza e trasformazione. Milano, Bruno Mondadori • 10th World Conference on Transport Research - WCTR'04, 4-8 juillet 2004, Istanbul, Turkey - (Selected Proceedings), 2004, Lyon, France.
Puoi anche leggere
