CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'

Pagina creata da Alessio Catalano
 
CONTINUA A LEGGERE
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
74   notiziariotecnico   anno 28  2/2019                                                                             75

                                CLIMA, MDT E MACHINE
                             LEARNING PER OSSERVARE
                                  IL COMPORTAMENTO
                                         DELLE CITTA’
                                                                  Davide Micheli, Giuliano Muratore, Aldo Vannelli

                                       La vista privilegiata offerta dalle misure radiomobili MDT rappresenta un valore
                                       anche per lo studio degli impatti ambientali e dei relativi riflessi sui comportamenti
                                       sociali.
                                       Il lavoro di ricerca analizza possibili correlazioni tra eventi meteo di piovosità e
                                       variazioni sia nella distribuzione delle persone sul territorio sia nelle misure radio
                                       effettuate dai terminali mobili. La ricerca è stata svolta analizzando misure MDT
                                       2019 dell’Emilia Romagna e 2018 del Veneto, confrontando giornate e momenti
                                       climaticamente differenti. Viene mostrata una modalità di misura di entrambe
                                       le tipologie di variazioni indotte dal clima, la variazione comportamentale degli
                                       utilizzatori, attraverso la misura dell’entropia posizionale, e la variazione di
                                       parametri fisici, attraverso la misura del RSRP (4G LTE Reference Signal Received
                                       Power). Viene infine presentata l’opportunità, offerta dall’innovazione MDT, che
                                       tali tipologie di analisi proiettano sia per lo studio degli effetti dei cambiamenti
                                       climatici nelle nostre città sia per l’evoluzione del business degli Operatori.
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
76                                                                                                      notiziariotecnico         anno 28  2/2019                                                                                                    77

Introduzione                               incontrate. Altri autori hanno effet-         quenze maggiormente influenzate
                                           tuato considerazioni sull’effetto del-        dalla presenza d’acqua. L’evoluzio-
Lo standard 3GPP MDT (Minimiza-            la pioggia. Ad esempio Rogers et al.          ne verso il 5G non potrà quindi pre-
tion of Drive Test) [1-4] offre la pos-    [10], evidenziano come le proprie-            scindere dallo sviluppo di soluzioni
sibilità di raccogliere le misure radio    tà dielettriche degli alberi variano          SON (Self-Organising Network), per
che il terminale mobile effettua sia       da stagione a stagione in funzione            rendere le infrastrutture in grado di
quando sta utilizzando una connes-         anche della salinità dell’acqua nel-          misurare costantemente, e quindi
sione (Connected Mode) sia quando          le precipitazioni atmosferiche. Li et         poi adattarsi dinamicamente, alle
si trova in uno stato di attesa (Log-      al. [11] mostra come la permettività          variazioni dovute ad eventi meteo-
ged Mode), il tutto abbinato alle          elettrica equivalente della pioggia           rologici, il tutto al fine di mantenere
coordinate GPS, qualora disponibili,       dipende sia della frequenza di lavo-          al livello desiderato la qualità della
della posizione nella quale è stata        ro sia dal tasso di piovosità.                rete radio.
effettuata la singola misura.              S. Helhel et al. [12] riportano uno           L’articolo è suddiviso in quattro se-
La diffusione sul territorio dei tele-     studio con misure a 900 MHz e 1800            zioni principali. Nella prima sezione
fonini e la numerosità stessa delle        MHz mostrando come globalmen-                 si analizzano dati Meteo dell’Emi-
misure anonimizzate MDT permet-            te, l’ambiente bagnato circostante            lia (Bologna), in relazione al tema
te di costruire una base dati di suf-      formato da suolo ed alberi riduce il          dell’entropia posizionale. Nella se-
ficiente validità statistica, aspetto      valore del segnale radio ricevuto di          conda sezione si analizzano dati
rilevante per studiare l’influenza         qualche dB.                                   Meteo del Veneto (Padova) in rela-
delle precipitazioni atmosferiche          La novità della ricerca presentata            zione al tema [9] del livello di segna-
sulla distribuzione del traffico e sul     in questo articolo è l’utilizzo di una        le ricevuto. Nella terza sezione si di-
livello di segnale ricevuto dai termi-     grande quantità di misure generate            scute delle potenzialità che gli studi
nali mobili. Tipicamente si considera      da terminali mobili. I terminali mo-          basati su MDT proiettano anche per
trascurabile l’effetto delle precipita-    bili sono infatti a tutti gli effetti stru-   le analisi sulla vita e sull’evoluzione      1
                                                                                                                                      Fotogramma tratto da immagini radar pubblicate dalla Protezione Civile. Poco prima delle
zioni sulle comunicazioni mobili, alle     menti di misura del campo elettro-            della città. I dati MDT trattati in que-     18:00 (16:50 UTC+2H, per ottenere l’ora Italiana) si è formato un forte nucleo temporalesco
usuali frequenze tra 800 MHz e 2,7         magnetico ed il fatto che, con MDT,           sto articolo sono stati collezionati         (la macchia rossa, evidenziata dalla freccia) all’incirca al confine delle province di Bologna,
                                                                                                                                      Ferrara e Ravenna. Quel forte nucleo temporalesco si è poi rapidamente spostato verso
GHz, in quanto facendo riferimento         si disponga di un elevato numero              tramite il sistema Geosynthesis (No-
                                                                                                                                      ponente, prima di perdere intensità.
all’attenuazione della pioggia essa        di misure geolocalizzate, consente            kia). Nella quarta sezione si riflette
risulta molto bassa, come riporta-         poi di applicarvi analisi statistiche         su come l’evoluzione tecnica delle
to dalle raccomandazioni ITU [5-8].        e modelli per isolare i singoli effet-        reti e gli strumenti d’analisi oggi a      la, spesso durante il fine settimana.      momenti di pausa un po’ in tutta la        te considerabile uniforme in tutte
Tuttavia, rispetto ai collegamenti         ti ipotizzati ed individuare i riscontri      disposizione finiscano per influen-        Ed è proprio un fine settimana che         regione in esame.                          le posizioni, poiché nella realtà il
punto-punto, la telefonia mobile,          cercati, in scenari di traffico reale.        zare il ruolo stesso dell’Operatore.       viene qui esaminato, in particolare        Nelle stesse giornate risultava atti-      segnale radioelettrico ha punti di
specie all’interno delle città, è carat-   L’articolo mostra che le condizio-                                                       la domenica 12 Maggio 2019, ca-            va anche una campagna di misure            emissione specifici (le antenne) ed
terizzata dalla presenza di cammi-         ni meteo possono influire già alle                                                       ratterizzato da fenomeni meteo an-         MDT 4G del cluster (insieme di Cel-        inoltre è ovunque sottoposto ad
ni multipli dei segnali radio [9]. Ciò     frequenze portanti oggi utilizzate                                                       che intensi che hanno interessato          le 4G LTE) di Bologna, per cui è ri-       attenuazioni, riflessioni e rifrazioni
influisce sulla propagazione elet-         nelle reti radiomobili 2G, 3G e 4G            Meteo dell’Emilia ed                       la regione Emilia Romagna, come            sultato possibile studiare gli effetti     che alterano il livello del segnale
tromagnetica e, quando l’ambiente          (800-1800-2600 MHz), ma alcuni                Entropia posizionale                       si evince anche dal fotogramma di          di quel nucleo temporalesco sulla          nei singoli punti di un territorio. La
diventa bagnato, si alterano le ca-        degli effetti evidenziati in questa                                                      Figura 1 (elaborazione basata su           distribuzione del traffico telefonico      qualità dei servizi varia quindi an-
ratteristiche dielettriche superficiali    ricerca saranno ulteriormente os-             Il mese di maggio 2019 è risultato         un’immagine radar della Protezione         nella zona. L’importanza dello stu-        che in funzione del dove effettiva-
del suolo, delle pareti, degli edifici,    servabili sulle reti 5G, quando cioè          un mese climaticamente ecceziona-          Civile), in un contesto meteorolo-         dio di queste variazioni dipende dal       mente i servizi vengono utilizzati,
dei tetti, del fogliame, delle auto        si utilizzeranno frequenze portanti           le per l’Italia, con diversi episodi di    gico che ha presentato rapide suc-         fatto che la copertura radioelettri-       ed a sua volta il dove (vengono uti-
ed in generale di tutte le superfici       superiori (onde millimetriche), fre-          maltempo un po’ su tutta la peniso-        cessioni di momenti precipitativi e        ca di un territorio è solo idealmen-       lizzati i servizi) può essere influen-
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
78                                                                                                   notiziariotecnico        anno 28  2/2019                                                                                                 79

zato dall’ambiente, e dalle sue va-       lo sciame di terminali che accedono         Il rettangolo di territorio anzidetto è   posizione del vettore rappresenta         specifica composizione. Chiaramen-       Possiamo quindi mettere a confron-
riazioni.                                 ed utilizzano servizi radiomobili.          stato quindi idealmente suddiviso in      una delle varie mattonelle, ed in         te il caso di una sola mattonella po-    to due giornate differenti, cioè il
È intuibile che in situazioni di tempo    Parleremo quindi di entropia posi-          48 mattonelle identiche, a ciascuna       ciascuna mattonella (posizione del        polata sarebbe una situazione che        sabato 11 Maggio, che non ha pre-
caldo e stabile uno spazio pubblico       zionale, una rappresentazione nu-           delle quali diventa così possibile as-    vettore) vi compare il conteggio          intuitivamente richiederà meno bit,      sentato particolari criticità meteo-
possa essere occupato con modalità        merica semplice di quanto lungo             sociare il numero di misure radio ivi     delle misure radio in quella specifi-     per essere descritta, rispetto al caso   rologiche, con il giorno successivo,
differenti rispetto ad una situazione     un territorio gli utilizzatori di servizi   generate, entro uno specifico inter-      ca mattonella (in quel momento).          di molte mattonelle popolate, e tut-     la domenica 12 Maggio, che verso
piovosa, specie se molto intensa,         radiomobili tendano più ad essere           vallo temporale (scelto di 5 minuti).     Nell’esempio in esame sono state          te popolate in modo differente tra       il tardo pomeriggio ha manifestato
durante la quale l’occupazione di         “caoticamente dispersi” (in tutte le        Ecco quindi che la distribuzione del-     conteggiate nelle mattonelle solo         loro. In termini di entropia diremmo     un rapido crescendo di piovosità.
singoli luoghi più riparati dall’intem-   posizioni possibili) o, al contrario,       le misure radio nella zona può così       le misure radio associabili a spo-        che nel primo caso il sistema è ab-      Ciò che ci si aspetta è che quando
perie può improvvisamente diventa-        tendano più ad essere “ordinata-            essere trasformata (vedi Figura 2)        stamenti a bassa velocità (minore         bastanza ordinato (bassa entropia),      iniziano momenti di intensa piovo-
re una posizione di utilizzo dei servi-   mente raccolti” intorno ad alcune           in una sequenza di “fotografie” che       di 5 km/h), puntando ad isolare gli       mentre nel secondo caso afferme-         sità la zona investita da quei feno-
zi molto più probabile di altre.          posizione specifiche.                       rappresentano le varie mattonelle,        spostamenti di tipo pedonale (che         remmo l’esatto contrario, cioè che il    meni tenda a diminuire la propria
Essendo in linea teorica moltissime       Passando ad un esempio illustrati-          ciascuna più o meno popolata, di          sono più liberi di occupare qualsiasi     sistema risulta abbastanza disordi-      entropia posizionale, perché le posi-
le possibili distribuzioni di posizioni   vo relativo all’area emiliana in esa-       momento in momento.                       porzione di territorio) da quelli stra-   nato (alta entropia). Nella Figura 3     zioni d’utilizzo dei servizi tenderan-
lungo un territorio diventa rilevante     me viene analizzato un rettangolo           La suddivisione (rasterizzazione)         dali (più vincolati alle strade ed alle   è riportato un esempio di distribu-      no a ridursi in quanto molti più uti-
individuare una modalità di misu-         (5 km di diagonale) di territorio che       delle presenze entro le mattonelle        direzioni obbligate).                     zione dei campioni MDT nella zona        lizzatori tenderanno a raggrupparsi
ra delle distribuzioni che sia ad un      circonda il centro commerciale Me-          può infine tramutarsi in un vetto-        Di ciascun vettore (che rappresenta       oggetto dell’analisi.                    in alcune zone specifiche (quelle più
tempo oggettiva, rapidamente ri-          raville di Bologna (Viale Tito Car-         re (un elenco di numeri), ove ogni        le mattonelle entro un singolo in-                                                 riparate) e pochi utilizzatori rimar-
cavabile dai dati radio e comunque        nacini). Questo tipo di area rappre-                                                  tervallo temporale) è poi possibile                                                ranno sparpagliati nelle posizioni
ancora indicativa dei diversi scenari     senta infatti un luogo ad un tempo                                                    misurare (avvalendosi degli stru-                                                  che prima (della pioggia) risultava-
(complessivi) d’utilizzo dei servizi.     sufficientemente frequentato (nelle                                                   menti di Teoria dell’Informazione)                                                 no frequentabili senza problemi. La
Viene incontro a questa esigenza          ore di apertura), per poter così di-                                                  esattamente quanta informazio-                                                     Figura 4 conferma questa ipotesi
riassuntiva di fenomeni comples-          sporre di misure statisticamente              2                                       ne quel vettore contiene cioè, per                                                 mostrando che quando inizia il pe-
si il concetto di entropia, concetto      significative, ma anche un luogo
                                                                                        Esempio di rasterizzazione
                                                                                                                                esempio, quanti bit informativi ser-
                                                                                                                                                                            3                                      riodo di intensa piovosità (dopo le
                                                                                        delle misure nella zona del                                                         Rappresentazione grafica di
emerso in Fisica per rappresentare        molto accessibile e con pochi vin-            Centro Commerciale Meraville            virebbero per descriverlo nella sua         un esempio di distribuzione            18:00) l’andamento dell’entropia
in modo sintetico lo stato di mag-        coli posizionali, essendo un centro           (Bologna). Ogni riquadro                                                            geografica dei campioni nella
                                                                                        rappresenta un intervallo                                                           zona in esame
giore o minore ordine di un sistema       commerciale tipicamente dotato di             temporale di 5 minuti, ed i
composto di moltissime componen-          ampi parcheggi e di varie strade di           diversi colori la densità di misure
                                                                                        in una mattonella (il colore
ti, componenti che nel nostro caso        accesso e deflusso.
                                                                                        più scuro indica una densità
non saranno le particelle fisiche ma                                                    maggiore, quello più chiaro una
                                                                                        densità minore).

44.525

44.520

44.515

44.510

44.505
    11.385     11.395     11.405     11.415 11.385     11.395     11.405     11.415 11.385      11.395     11.405     11.415
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
80                                                                                                 notiziariotecnico         anno 28  2/2019                                                                                                      81

                                                                                                                               Se lo studio dei fenomeni meteoro-          to (il cambio nello scenario d’uso)        ed assorbimenti (es. pareti o alberi),
                                                                                                                               logici attraverso MDT fa emergere           risultano direttamente correlabili,        nonché da come si ricombinano se-
                                                                                                                               differenti comportamenti per l’uso          nel caso delle variazioni delle carat-     gnali diretti e segnali riflessi (feno-
                                                                                                                               dei servizi radiomobili, gli stessi feno-   teristiche radio ciò avviene in modo       meno di interferenza).
                                                                                                                               meni meteorologici possono modifi-          particolarmente complesso, a causa         Il clima quindi, modificando l’inte-
                                                                                                                               care anche le caratteristiche stesse        delle molteplici cause che concorro-       ro territorio investito dall’umidità e
                                                                                                                               del servizio radiomobile. La potenza        no a formare il livello di segnale ri-     della pioggia incide nello scenario
                                                                                                                               del segnale ricevuto da una anten-          cevuto (es. il fatto che teniamo il te-    radiomobile introducendo un ulte-
                                                                                                                               na rappresenta uno dei parametri            lefonino in mano o che lo riponiamo        riore livello di complessità (vedi Fi-
                                                                                                                               principali che i nostri telefonini mo-      in una tasca o in una borsa).              gura 6).
                                                                                                                               nitorano costantemente e che co-            Le frequenze radiomobili in uso nel-       Per comprendere meglio questa
                                                                                                                               municano all’infrastruttura in modo         le reti 2G, 3G e 4G hanno caratteri-       complessità, in Figura 6 si riporta
                                                                                                                               da poter, di volta in volta, sfruttare      stiche fisiche che le rendono molto        il risultato della simulazione della
                                                                                                                               l’antenna (la Cella) che meglio può         robuste da un punto di vista mete-         propagazione elettromagnetica at-
                                                                                                                               servire, in quel momento, in quella         orologico (vedi Figura 5), tuttavia, il    traverso un vetro piano di 5 mm di
                                                                                                                               posizione, in quella situazione.            livello di segnale ricevuto dai telefo-    spessore in assenza ed in presenza
                                                                                                                               Mentre nel caso dell’entropia posi-         nini dipende anche da riflessioni (es.     di un sottile strato di acqua di 0.3
                                                                                                                               zionale la causa (il meteo) e l’effet-      dal suolo), rifrazioni (es. dai palazzi)   mm di spessore sovrapposto su cui
                                                                                                                                                                                                                      incide il campo elettromagnetico.
                                                                                                                                                                                                                      Questo scenario tenta di rappresen-
                                                                                                                                                                                                                      tare in modo semplificato un vetro
                                                                                                                                 5
                                                                                                                                 Relazione fra intensità di pioggia e attenuazione specifica a frequenze
                                                                                                                                 differenti [13]. Si nota come tutte le principali Bande di frequenza delle
                                                                                                                                 reti in tecnologia 2G, 3G e 4G, rientrando entro i 4 GHz, presentino basse
                                                                                                                                 attenuazioni specifiche (dB/km) anche per intensità di pioggia molto
                                                                                                                                 intense (mm/h).

  4
  Variazioni della Entropia (posizionale) nei dintorni del Centro Commerciale
  Meraville (Bologna) nei giorni 11 Maggio (tempo meno piovoso, nella zona)
  e 12 Maggio (fenomeni piovosi pomeridiani, acuti dal tardo pomeriggio
  come evidenziato dal simbolo della pioggia). Per consentire il confronto
  tra i due giorni nel grafico è riportato il valore medio (“Mean”) di entropia    lineato la possibilità di individuare
  riferito alle due giornate poste a confronto.                                    diversi livelli di “ordine” (ad es. l’or-
                                                                                   dine spaziale, l’ordine sociale, l’or-
                                                                                   dine spontaneo auto-organizzato),
                                                                                   nella distribuzione apparentemente
misurata tende a ridursi, mentre          re luoghi, tempi e situazioni dei con-   casuale dei cittadini nel tessuto ur-
nello stesso periodo del giorno pre-      testi urbani, facendo leva sulle po-     bano.
cedente (meno piovoso) questo fe-         tenzialità che il concetto di entropia
nomeno non si manifesta.                  posizionale ci mette a disposizione.
Generalizzando il singolo esempio         Numerose ricerche [15-18] basate
qui illustrato possiamo intuire le        sull’analisi di un numero considere-     Meteo del Veneto e
potenzialità derivanti dall’utilizzo di   vole di tracce spazio-temporali ge-      Segnale Radiomobile
MDT come strumento per monitora-          nerate dai device mobili hanno de-
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
82                                               APPROFONDIMENTO                              notiziariotecnico        anno 28  2/2019                              APPROFONDIMENTO
                                                                                                                                                                                                                                         83

LA CLASSIFICAZIONE                                                                                                        effettuate da un campione di individui che utilizzano        in modo razionale realizzando una mobilità ottimale ri-

DELLA MOBILITÀ
                                                                                                                          diversi mezzi di trasporto ed è necessario sviluppare        spetto alla sua conoscenza del comportamento degli
                                                                                                                          tecniche di analisi che si adattino ad un punto di vista     altri utenti). Evidenze empiriche hanno mostrato come

MEDIANTE SURVIVAL
                                                                                                                          lagrangiano per lo studio della mobilità. Nel caso del-      sia estremante difficile giustificare tali assunzioni che
                                                                                                                          la mobilità urbana è inoltre necessario lo sviluppo di       possono risultare anche sbagliate in molti casi. Assu-

MODELS ED ENTROPIA
                                                                                                                          osservabili di tipo statistico per comprendere quando        mendo il punto di vista lagrangiano la domanda diven-
                                                                                                                          siamo in presenza di fenomeni che riflettono un cam-         ta: qual è l’effetto del grado di congestione di una città
                                                                                                                          biamento macroscopico dello stato di mobilità, ovvero        sulle traiettorie dinamiche realizzate dagli individui e

DI INFORMAZIONE
                                                                                                                          di una transizione di fase nel senso fisico del termine.     sul comportamento stesso degli individui. Attualmente
                                                                                                                          Questo approccio apre nuove interessanti prospettive         non siamo in grado di dare una risposta soddisfacente
                                                                                                                          per la comprensione dei problemi di traffico e per lo        a tale domanda se non che la velocità di percorrenza
                                                                                                                          sviluppo di nuove politiche di governance che consen-        nella rete stradale urbana diminuisce al crescere del
                                                                                                                          tano un miglioramento della qualità della vita nelle cit-    carico di traffico nella rete stessa, in modo non lineare.
Armando Bazzani
                                                                                                                          tà. Prendiamo ad esempio il problema della misura del        Il punto fondamentale è lo sviluppo di nuovi modelli che
armando.bazzani@unibo.it
                                                                                                                          grado di congestione di una città: l’osservazione che        consentono un’interpretazione delle leggi statistiche da
                                                                                                                          in una determinata strada o incrocio si è formata una        un punto di vista lagrangiano per misurare delle quan-
                                                                                                                          coda potrebbe essere utilizzata come misura del gra-         tità in relazione al comportamento degli individui. Tale
Lo sviluppo delle tecnologie ICT ha avuto un grande            zioni localizzate in singole strade e mediate nel tempo    do di congestione della rete urbana solo se assumiamo        problematica ha avuto recenti contributi dalla Fisica dei
impatto nello studio delle proprietà dinamiche e sta-          per misurare il flusso e e la densità media di veicoli e   di conoscere la domanda di mobilità di diverse classi        Sistemi Complessi basati sui survival models e sul con-
tistiche della mobilità nelle moderne città grazie alla        dedurre un diagramma fondamentale. Ora i data base         di cittadini e l’esistenza di un equilibrio di Wardrop per   cetto di entropia di informazione (Lempel-Ziv entropy).
possibilità di raccogliere grandi data base georeferen-        basati su ICT forniscono informazioni sulle traiettorie    lo stato di mobilità (ovvero ogni individuo si comporta      I survival models sono stati applicati per la comprensio-
ziati che contengono informazioni sulla mobilità indi-
viduale. La principale conseguenza di tale sviluppo è
stata il cambiamento di punto di vista nell’analisi dei                                                                                                                                                                            Continua
fenomeni legati alla mobilità. Prima la comunità scien-
tifica utilizzava un punto di vista euleriano in cui lo stu-
dio della mobilità veniva effettuato attraverso osserva-
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
84                                                  APPROFONDIMENTO                                      notiziariotecnico            anno 28  2/2019                                                          APPROFONDIMENTO
                                                                                                                                                                                                                                                                                                      85

       Segue                                                       rata conveniente per il mezzo di trasporto scelto, α-1              le auto e 13 minuti per le biciclette ciò riflette il fatto                              l’analisi effettuata sulle traiettorie dei ciclisti nella cit-
                                                                    misura la tipica distanza temporale da una meta che                 che l’auto è comunque utilizzata per percorsi di durata                                  tà di Bologna utilizzando le traiettorie più lunghe di 15
ne della distribuzione dei tempi di mobilità correlati a            un individuo ha scelto di raggiungere e β-1 e una scala             maggiore rispetto alla bicicletta anche se la presenza                                   minuti con un sampling di 10 secondi per traiettoria. I
diversi mezzi di trasporto. In un approccio meccanico               temporale che rappresenta la distanza caratteristica                di una coda più grande del previsto nella distribuzione                                  risultati mostrano l’esistenza di due tipologie di mobi-
statistico all’analisi della mobilità individuale il tempo          delle mete nel contesto urbano considerato. Notiamo                 dei percorsi ciclistici potrebbe far pensare alla presenza                               lità: una mobilità a bassa entropia molto probabilmen-
può essere considerata una quantità corrispondente                  che per t»tc la hazard function tende alla costante β               di una frazione piccola di individui che usano la biciclet-                              te di tipo origine-destinazione ed una mobilità ad alta
all’energia. Sia P(t) la probabilità che un percorso os-            e abbiamo P(t)~exp(-βt) che coincide con la distribu-               ta come mezzo principale di trasporto.                                                   entropia che può essere associata ad una componente
servato abbia durata maggiore di un dato tempo t, pro-              zione di Maxwell-Boltzmann con β-1 che gioca il ruolo               Possiamo quindi classificare la tipologia dei percorsi                                   random nelle traiettorie. L’analisi ristretta alle traiet-
poniamo di introdurre il seguente modello per classifi-             di temperatura. Nella Figura A mostriamo come tale                  utilizzando il concetto di entropia di informazione di                                   torie effettuate nel centro storico di Bologna mostra
care la distribuzione empirica delle durate dei viaggi:             modello interpoli sia la distribuzione empirica dei tem-            Lempel-Ziv che misura la compressibilità della codifica                                  come la componente origine-destinazione sia in realtà
                                                                    pi di percorrenza per tragitti in auto che la distribuzione         simbolica di una traiettoria. In altre parole, se dividia-                               più presente nel centro storico rispetto a tutta la città.
 dP                                            β                    dei tempi per tragitti in bicicletta registrati nella città di      mo la città in diversi settori (ad esempio una partizione                                Questo fatto si può interpretare con il fatto che la bici-
    (t) = -τ (t)P(t)           τ (t) =                              Bologna.                                                            in quadrati di 200 metri di lato) e associamo un simbo-                                  cletta è un mezzo di trasporto che soddisfa la doman-
 dt                                      1 + exp(-α(t-tc))
                                                                    I parametri del modello sono diversi nei due casi consi-            lo ad ogni settore è possibile codificare una traiettoria                                da di mobilità nel centro, mentre viene utilizzata per
                                                                    derati: in particolare per le auto tc risulta pari a 3 minuti       associando il simbolo corrispondente al quadrato in                                      spostamenti locali nella periferia preferendo l’auto o
dove la funzione τ(t) definisce la così detta hazard fun-           mentre per le biciclette è pari a 8 minuti mentre α-1 è             cui si trova la traiettoria ogni dato intervallo di tem-                                 un mezzo pubblico per gli spostamenti più lunghi. L’en-
ction. La forma logistica di tale funzione è tipica dei             stimato 1,5 minuti per le auto e 2,5 minuti per le bici-            po, l’entropia di Lempel-Ziv corrisponde al rapporto tra                                 tropia di informazione risulta quindi un buon indicatore
modelli decisionali in quanto rappresenta matema-                   clette. Tenendo conto del rapporto di velocità tra i due            la lunghezza del segnale compresso con l’algoritmo                                       per distinguere le caratteristiche della domanda di mo-
ticamente un effetto soglia. Tale modello dipende da                mezzi di trasporto questi risultati suggeriscono come a             di Lempel-Ziv e la lunghezza del segnale originale e si                                  bilità alla base delle traiettorie osservate attraverso le
tre parametri che assumono un preciso significato e                 Bologna le auto e le bicilette rispondano ad una stessa             misura in bit per carattere. Nella Figura B riportiamo                                   tecnologie ICT ■
consentono di classificare la mobilità osservata: tc è un           domanda di mobilità a piccola scala. Se infine conside-
tempo caratteristico che misura una durata conside-                 riamo che il parametro β-1 ha un valore di 30 minuti per
                                                                                                                                                              B
                                                                                                                                                              (sinistra) distribuzione dell’entropia di Lempel-Ziv calcolata su tutte le traiettorie dei ciclisti più lunghe di 15 minuti
                                                                                                                                                              su una scala spaziale di 200 metri con passo temporale di 10 secondi; (destra) lo stesso restringendo l’analisi alle
                                                                                                                                                              traiettorie che partono dall’interno del centro storico.
    A
    (sinistra) distribuzione delle durate dei tempi di viaggio di percorsi in auto nella città di Bologna (istogramma) ed
    interpolazione con il modello (linea continua) (viaggi ricostruiti mediante dati GPS nel maggio 2011 – database
                                                                                                                                                                                                                                                        0.30
    Octotelematics); (destra) distribuzione delle durate dei tempi di viaggio di percorsi in bicicletta nella città di Bologna
    (istogramma) ed interpolazione con il modello (linea continua) (viaggi ricostruiti mediante dati GPS – database                                           0.30
    Bellamossa 2018 Comune di Bologna).
                                                                                                                                                                                                                                                        0.25
                                                                                                                                                              0.25

                                                                                                                                     Normalised occurrences

                                                                                                                                                                                                                               Normalised occurrences
                                                                                                                                                                                                                                                        0.20
                                                                                                                                                              0.20

                                                                                                                                                                                                                                                        0.15
                                                                                                                                                              0.15

                                                                                                                                                                                                                                                        0.10
                                                                                                                                                              0.10

                                                                                                                                                              0.05                                                                                      0.05

                                                                                                                                                              0.00                                                                                      0.00
                                                                                                                                                                  0         2         4             6         8       10                                    0   2         4             6         8    10
                                                                                                                                                                                Entropy Rate (bits/outcome)                                                         Entropy Rate (bits/outcome)
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
86                                                                                                     notiziariotecnico     anno 28  2/2019                                                                                                  87

                                                                                                                               Incident                          Reflected
                                                                                                                               electromagnetic field              electromagnetic field                 7
                                                                                                                                                                                                      Modello di propagazione elettromagnetica
                                                                                                                                                                                                      attraverso un sandwich multistrato di
                                                                                                                                                                                                      materiali.
                                                                                                                                                        ϑ

                                                                                                                                                                                 ε’, ε” layer 1

                                                                                                                                                                                 ε’, ε” layer 2

                                                                                                                                                                                                                 nente di illuminazione diretta ma
                                                                                                                                                                                                                 anche possibili effetti dovuti a ri-
                                                                                                                                                                                 ε’, ε” layer n
                                                                                                                                                                                                                 flessioni e rifrazioni del segnale.
                                                                                                                                                                                                                 I risultati ottenuti (vedi Figura 8)
                                                                                                                                           Transmitted                                                           mostrano un’effettiva riduzione, in
                                                                                                                                           electromagnetic
                                                                                                                                           field                                                                  media, del livello di potenza (RSRP)
                                                                                                                                                                                                                 ricevuta dai device che hanno fre-
                                                                                                                                                                                                                 quentato Prato Della Valle durante
                                                                                                                               tica nell’ambiente producendo in         La magnifica piazza di Padova Pra-       la fascia oraria piovosa (RSRP -87.5
                                                                                                                               alcuni casi una maggiore riflessio-      to della Valle, una delle piazze più     dBm tra le ore 16 e le 18), mentre
                                                                                                                               ne e in altri una maggiore attenua-      grandi d’Europa, risulta un buon         in assenza di precipitazioni la mat-
  6                                                                                                                            zione dei campi elettromagnetici.        esempio di area urbana adatta allo       tina e il primo pomeriggio le medie
  Simulazione dei Coefficienti di riflessione (RC), trasmissione (TC), di uno strato di vetro di 5 mm di spessore in           In letteratura esistono altri studi      studio degli effetti della pioggia sul   di RSRP erano risultate rispettiva-
  assenza ed in presenza di uno strato sovrapposto di acqua di 0.3 mm di spessore verso il quale incide il campo               che confermano questa direzione          segnale radiomobile. Innanzitutto,       mente -84.4 dBm e -82 dBm. Livel-
  elettromagnetico per angoli di incidenza tra 0 e 80°. Nel caso di incidenza obliqua dell’onda piana del campo
  elettromagnetico sulla superficie dei materiali, si distinguono i casi di traversale elettrico (TE) e trasversale            come già evidenziato nella intro-        le dimensioni e la frequentazione        lo di Potenza ricevuta simile, -84.5
  magnetico (TM), a seconda che la componente tangente del campo elettromagnetico incidente all’interfaccia aria-              duzione.                                 continua della piazza forniscono         dBm, si è poi registrato nella fascia
  multistrato sia il campo elettrico o il campo magnetico. Sono qui riportati per semplicità solo i grafici per il modo di
                                                                                                                               Per isolare gli specifici effetti del    una buona base statistica per le         serale, con il tempo atmosferico
  incidenza di tipo TE (Trasversale Elettrico).
                                                                                                                               meteo sul livello di segnale a di-       analisi. La stazione di rilevamento      che era nel frattempo ritornato se-
                                                                                                                               sposizione dei device occorre quin-      meteorologica si trova poi in pros-      reno.
di un’auto oppure di una finestra nel      mentato in Matlab per il calcolo dei        siva. I parametri della struttura che   di operare in modo molto selettivo       simità della piazza, quindi i dati di    È risultato quindi possibile misura-
caso di pioggia battente sul vetro.        coefficienti di riflessione (RC) in dB,     influenzano questi effetti sono le      sulle misure MDT da analizzare, sia      piovosità oraria raccolti da quella      re un caso d’influenza del contesto
Le simulazioni sono state effettuate       del coefficiente di trasmissione (TC)       caratteristiche dielettriche dei ma-    in termini geografici, ritagliando       stazione risultano direttamente          meteorologico sull’erogazione dei
considerando le caratteristiche die-       in dB e del fattore di perdita (LF) in      teriali e gli spessori di ciascun ma-   opportunamente l’area da porre di        utilizzabili, senza necessità di in-     servizi radiomobili che risultasse
lettriche del vetro indicate dalle rac-    percentuale [21].                           teriale.                                volta in volta in esame, sia in ter-     terpolare dati da più stazioni me-       anche poco influenzato da motivi
comandazioni ITU (ITU-R P.2040-1)          Dai grafici di Figura 6, si osserva che     Questo semplice esempio fa in-          mini temporali, per poter correlare      teo (operazione possibile ma che         comportamentali degli utilizzato-
[19] e dell’acqua [20], considerando       la presenza di acqua sulla superficie       tendere come in realtà lo scenario      le variazioni dei parametri meteo        abbasserebbe l’affidabilità del dato     ri, in modo da poter isolare questo
un modello di riflessione e trasmis-       favorisce la riflessione del campo          di propagazione elettromagnetica        con le variazioni dei parametri ra-      meteo nella zona in analisi). Infine,    specifico effetto fisico sul segnale
sione di un’onda piana attraverso          elettromagnetico incidente. Inoltre         reale si possa modificare in caso di    diomobili misurati dai device. Solo      la posizione della principale cella      ricevuto dalle altre possibili concau-
una struttura multistrato come ri-         segue che il campo elettromagneti-          pioggia anche alle frequenze radio      con questo approccio certosino è         servente quell’area è posta ad una       se. Il livello di potenza del segnale
portato in Figura 7. Il modello mate-      co trasmesso attraverso la struttura        oggi utilizzate. Pertanto, la presen-   possibile isolare, studiare, e quindi    distanza ottimale dalla piazza (cir-     ricevuto dai device in una specifica
matico di propagazione elettroma-          vetro + acqua si riduce di qualche dB       za di acqua su pareti, suolo, strade    misurare, quegli effetti specifici che   ca 1 km) per uno studio in ambito        zona risulta uno dei parametri più
gnetica attraverso una struttura di        e anche se non riportato in figura ne       e alberi modifica complessivamen-       il clima induce nelle singole zone       urbano, studio nel quale si vogliono     significativi per la qualità dei servizi
materiali multistrato è stato imple-       aumenta la dissipazione comples-            te la propagazione elettromagne-        [nota 1] .                               analizzare sia effetti sulla compo-      offerti in quell’area.
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
88                                                                                                       notiziariotecnico       anno 28  2/2019                                                                                                     89

                                                                                                                                                                                                                     9
                                                                                                                                                                                                                     A Sinistra: disposizione geografica
                                                                                                                                                                                                                     della Cella la cui potenza è misurata
                                                                                                                                                                                                                     dai telefoni, del punto di rilevazione
                                                                                                                                                                                                                     (Orto Botanico) dei dati meteo orari
                                                                                                                                                                                                                     del periodo in esame (Elaborazione dati:
                                                                                                                                                                                                                     Radarmeteo srl. Fonte dati: ARPAV) e la
                                                                                                                                                                                                                     magnifica piazza di Padova, Prato della
                                                                                                                                                                                                                     Valle, da cui sono prese le misure di
                                                                                                                                                                                                                     potenza. A Destra: il calo di potenza
                                                                                                                                                                                                                     media (RSRP) misurata dai telefonini
                                                                                                                                                                                                                     nella piazza nelle tre ore di pioggia,
                                                                                                                                                                                                                     confrontate con il resto del periodo in
                                                                                                                                                                                                                     esame, privo di precipitazioni.

                                                                                                                                                                                                                         Il ruolo dell’Operatore
                                                                                                                                                                                                                         in futuro
                                                                                                                                                                                                                         È facile pensare all’Operatore come
                                                                                                                                                                                                                         ad un semplice fornitore di con-
                                                                                                                                                                                                                         nettività, ma il patrimonio di cono-
                                                                                                                                                                                                                         scenze che alberga in un operatore
  8                                                                                                                                                                                                                      diventa ormai solo in parte legato a
  Principali posizioni (mappe da www.OpenStreetMap.org elaborate con R Studio [14]) da cui sono state effettuate                                                                                                         tale fondamentale professionalità.
  misure MDT di Potenza del Segnale di Riferimento LTE 4G a Prato Della Valle (Padova) il giorno 7/6/2018, in quattro
  differenti fasce orarie (9-12, 12-15, 15-18, 18-21), della quali la fascia pomeridiana (155-18) ha coinciso con una                                                                                                    Discipline un tempo lontane dalla
  sequenza di precipitazioni (circa 17 mm di pioggia in 3 h). I quattro fotogrammi risultano abbastanza omogeni tra                                                                                                      pratica quotidiana di un Operato-
  loro, consentendo così di confrontare le specifiche variazioni di Potenza avvenute all’interno di ciascuna fascia oraria,
                                                                                                                                                                                                                         re TLC, come il Machine Learning,
  riducendo le possibili distorsioni dovute ad altri effetti (es. se il 7/6 ci fossero stati fenomeni piovosi estremi in quella
  zona, ciò avrebbe comportato misure non omogeneamente distribuite, o addirittura assenti del tutto nella fascia                                                                                                        diventano oggi sempre più pratica
  critica).                                                                                                                                                                                                              quotidiana, necessaria per affron-
                                                                                                                                   in cui viviamo, offrendoci modalità       La possibilità di inferire i modelli        tare un’evoluzione tecnologica che
                                                                                                                                   d’indagine capaci di misurare, ogget-     comportamentali delle città (mo-            mostra complessità crescenti ed
                                                                                                                                   tivamente, gli andamenti emergenti,       bilità, entropia, densità dei citta-        automazioni sempre più sofisticate.
Misurare le città con                       a fondo a causa del riscaldamento            ciata a misure (radio) molto frequenti,   capaci di confrontare situazioni simili   dini in particolari punti di aggre-         Questo trend che affianca nuove co-
MDT                                         globale.                                     per garantire piena continuità di fun-    in scenari differenti, capaci di moni-    gazione sociale, etc.) attraverso i         noscenze (informatiche, matemati-
                                            Si rende quindi sempre necessaria            zionamento al sistema radiomobile         torare gli effetti di interventi tesi a   dati aggregati MDT e gli strumen-           che, ecc.) a conoscenze consolidate
È noto c he il clima influenza il modo      una doppia vista dei fenomeni clima-         (peraltro utilizzato in modo sempre       migliorare una specifica situazione,      ti di Machine Learning, anche in            (propagazione, connessioni, proto-
in cui le persone vivono il proprio         tici che subiamo, una vista fisica ed        più intenso), ed essendo MDT altresì      capaci di valutare lo sforzo fatto per    relazione alle diverse condizioni           colli, mercato delle comunicazioni,
territorio. Ed è altresì ormai parte        una vista comportamentale, umana,            abbinato allo strumento principe dei      migliorare, per esempio, la mobilità      meteo locali , rappresenta per gli          ecc.), svolgendosi tutt’intorno all’u-
del sentire comune il fatto che le          cioè legata ai riflessi sulle nostre vite    nostri tempi, cioè il telefonino che      di un’area, ed in ultima analisi capa-    Operatori Mobili un’opportunità             so di strumenti, come gli smartpho-
variazioni climatiche, da sempre in         dei cambiamenti fisici dell’ecosiste-        teniamo ormai costantemente con           ci di privilegiare quelle azioni che si   di sviluppo di nuovi servizi da po-         ne, che ormai accompagnano istan-
grado di generare modifiche alla            ma in cui siamo immersi.                     noi, si sta sempre più mostrando ca-      dimostrano realmente più efficaci in      sizionare sul mercato in maniera            te per istante le nostre vite, risulta
vivibilità di intere zone del pianeta,      A questo scopo l’innovazione tecno-          pace di forgiare strumenti in grado       quello specifico contesto, urbano o       distintiva rispetto agli altri player       un trend in grado di liberare nuove
potrebbero ancora incidervi anche           logica portata da MDT, essendo asso-         di offrire viste accurate degli scenari   non urbano che sia.                       dell’ICT.                                   opportunità per l’Operatore.
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
90                                                                                                          notiziariotecnico          anno 28  2/2019                                                                                                        91

Con l’evolvere delle reti verso il 5G,           dati, per produrre delle analisi e         zione di tecniche di analisi dati e           Bibliografia
crescerà esponenzialmente il volu-               delle prospettive fin qui inimmagi-        per lo sviluppo di modelli predittivi,
me di dati generati dalla rete stessa.           nabili. Le potenzialità sono nume-         il cui addestramento richiede di co-          [1] "La mobilità di breve e lungo raggio con le innovative            1–60 GHz radio propagation through vegetation” Final
Questo sarà in parte dovuto alle ca-             rose e interessanti ma richiederà          dificare gli aspetti che l’algoritmo               misure radiomobili e l’Intelligenza Artificiale" -               Report, May 2002.
ratteristiche innovative del 5G che              un approccio innovativo più orien-         deve apprendere.                                   Notiziario Tecnico n.3-2018                                  [11] Li, Y. and P. Yang, “The permittivity based on
abilitano una maggiore flessibilità              tato all’apertura dell’innovazione         Riconoscere automaticamente uno               [2] "Big Data georeferenziati MDT per servizi digitali nelle          electromagnetic wave attenuation for rain medium
grazie alle peculiarità di antenne at-           e alla creazione di un ecosistema.         scenario d’uso ed il contesto in cui               Smart Cities" - Notiziario Tecnico n.1-2018                      and its applications” J. of Electromagnetic Waves and
tive e beamforming, o di slicing. Sarà           Occorrerà infatti immaginare le            è immerso si presta poi ad appli-             [3] “3rd Generation Partnership Project; Technical                    Appl., Vol. 20, No. 15, 2231–2238, 2006.
anche dovuto alla crescente diversi-             reti come piattaforme che tramite          cazioni molto diverse tra loro. Tali               Specification Group Radio Access Network; Universal          [12] S. Helhel, S¸. ¨ Ozen, and H. G¨oksu. “INVESTIGATION
tà di oggetti connessi e gestiti dalle           API e Exposure, abilitano la messa         applicazioni risultano evidenti se il              Terrestrial Radio Access (UTRA) and Evolved Universal            OF GSM SIGNAL VARIATION DRY AND WET EARTH
reti radiomobili che supporteranno               a disposizione di dati di rete, nel ri-    processo d’apprendimento viene                     Terrestrial Radio Access (E-UTRA); Radio measurement             EFFECTS”, Progress In Electromagnetics Research B,
non solo i tradizionali smartphone,              spetto della privacy e sicurezza.          innestato all’interno dell’evoluzione              collection for Minimization of Drive Tests (MDT)”;               Vol. 1, 147–157, 2008.
ma un crescente numero di oggetti                                                           SON (Self Organizing Network) delle                Overall description; Stage 2 3GPP TS 37.320 V14.0.0          [13] M.Cubaiu, L.Cerea, R.Nebuloni, G.L.Solazzi, M.Oldoni
connessi sia passivi (sensori) sia at-                                                      reti e del miglioramento continuo                  (2017-03).                                                       “Caratterizzazione dei segnali di link a microonde
tivi (robotica, droni, autoveicoli).                                                        della qualità.                                [4] Chiara Mizzi, Alessandro Fabbri, Sandro Rambaldi,                 per scopi di modellizzazione e rilevamento pioggia”
La crescente complessità nel pia-                Conclusioni                                Ma il campo di applicazione non è                  Flavio Bertini, Nico Curti, Stefano Sinigardi, Rachele           05/06/2018 Progetto MOPRAM.
nificare e gestire la topologia delle                                                       esclusivamente tecnico. È facile                   Luzi, Giulia Venturi, Micheli Davide, Giuliano Muratore,     [14] R is a project which is attempting to provide a modern
reti e la diversità di casi d’uso, sarà          L’analisi condotta nel presente            intuire quanto questo tipo di studi                Aldo Vannelli, Armando Bazzani. “Unraveling                      piece of statistical software for the GNU suite of
possibile solo grazie ad una maggio-             articolo, ancorché suscettibile di         possa portare benefici anche all’a-                pedestrian mobility on a road network using ICTs data            software. The current R is the result of a collaborative
re intelligenza che sarà a sua volta             affinamento e validazione su un            nalisi delle modalità con cui sono,                during great tourist events”, EPJ Data Sci. (2018) 7: 44,        effort with contributions from all over the world.
alimentata da dati.                              numero significativo di casi spe-          di momento in momento, vissute le                  https://doi.org/10.1140/epjds/s13688-018-0168-2.                 R was initially written by Robert Gentleman and
L’infrastruttura di rete pertanto,               rimentali, illustra la modalità per        città, e di come l’insorgenza di que-         [5] Rec. ITU-R P.838 “Specific attenuation model for rain             Ross Ihaka—also known as "R & R" of the Statistics
dovrà essere ingegnerizzata per                  passare da grandi insiemi di mi-           sto nuovo valore finisca per influen-              for use in prediction methods”                                   Department of the University of Auckland. R Core
essere AI-ready, e per produrre e                sure MDT a descrizioni numeriche           zare il modo stesso con il quale gli          [6] Rec. ITU-R P.530 “Propagation data and prediction                 Team (2017). R: A language and environment for
rendere disponibili dati che ne per-             sintetiche dei luoghi e dei relativi       Operatori si porgeranno sul merca-                 methods required for the design of terrestrial-line-of-          statistical computing. R Foundation for Statistical
mettano la gestione. Questi stessi               scenario d’uso dei servizi, al varia-      to, ampliando sempre più il ruolo di               sight systems”                                                   Computing, Vienna, Austria. URL https://www.R-
dati, come si evince da questo ar-               re delle situazioni meteorologiche.        fornitori di connettività ■                   [7] Rec. ITU-R P.618 “Propagation data and prediction                 project.org/.
ticolo, possono essere analizzati                Le descrizioni numeriche sintetiche                                                           methods required for the design of trans-horizon radio-      [15] Entropy and its Application to Urban Systems - Ben
e messi a fattor comune con altri                sono di grande utilità per l’applica-                                                         relay systems”                                                   Purvis et al. – MDPI, 2019
                                                                                                                                          [8] Rec. ITU-R P.676 “Attenuation by atmospheric gases”           [16] Spatiotemporal Analysis of Urban Mobility Using
                                                                                                                                          [9] Andrea Scaloni, Pasquale Cirella, Mauro Sgheiz,                   Aggregate Mobile Phone – Gariazzo et al. – MDPI, 2019
                                                                                                                                               Riccardo Diamanti, Davide Micheli, “Multipath and            [17] An Entropy-Based Model to Infer Social Strength from
Nota                                                                                                                                           Doppler Characterization of an Electromagnetic                   Spatiotemporal Data – Pham et al. - Univ. of Southern
                                                                                                                                               Environment by Massive MDT Measurements From 3G                  California, 2013
[1] I diversi effetti, diretti ed indiretti, che il clima induce sulla    vello del segnalare ricevuto. L’insieme dei casi non risulta         and 4G Mobile Terminals”, Published in: IEEE Access (        [18] Entropy and order in urban street networks - A.
    potenza ricevuta dai device richiederebbe di illustrare mol-          adeguatamente trattabile all’interno di un singolo arti-             Volume: 7 ), 21 January 2019, Page(s): 13024 – 13034,            Gudmundsson and N. Mohajeri - Nature Scientific
    teplici tipologie di casistiche, all’interno delle quali posso-       colo che si focalizza anche su effetti indiretti, come quelli        DOI: 10.1109/ACCESS.2019.2892864                                 Reports, vol. 3, p. Article number: 3324, 2013
    no di volta in volta divenire predominanti effetti depressivi         comportamentali, sul livello del segnale. In questo articolo    [10] Rogers, N. C., A. Seville, J. Richter, D. Ndzi, N. Savage,   [19] Recommendation P.2040-1 (07/2015). Effects of
    (assorbimenti) sul livello del segnale oppure, all’opposto,           viene comunque riportato un singolo esempio di una si-               R. F. S. Caldeirinha, A. K. Shukla, M. O. Al-Nuaimi,             building materials and structures on radiowave
    incidere maggiormente effetti espansivi (riflessioni) sul li-         tuazione meteo significativa.                                        K. Craig, E. Vilar, and J. Austin, “A generic model of           propagation above about 100 MHz.
CLIMA, MDT E MACHINE LEARNING PER OSSERVARE IL COMPORTAMENTO DELLE CITTA'
92                                                                                                                       notiziariotecnico

[20] “Valori della costante dielettrica (relativa) e del fattore           [21] Davide Micheli et al. - “Broadband Electromagnetic
     di perdita (relativo) dell’acqua a diverse frequenze e a                    Absorbers Using Carbon Nanostructure-Based
     due diverse temperature”, Proprietà dielettriche dei                        Composites,” Published in: IEEE Transactions on
     materiali, 2006. https://studylibit.com/doc/5634917/                        Microwave Theory and Techniques ( Volume: 59 , Issue:
     proprieta--dielettriche-dei-materiali.                                      10 , Oct. 2011 ), 29 July 2011, Page(s): 2633 – 2646, DOI:
                                                                                 10.1109/TMTT.2011.2160198.

                                Davide Micheli davide.micheli@telecomitalia.it
                                Laureato in Ingegneria Elettronica e delle Telecomunicazioni e in Ingegneria Aerospaziale e Astronautica, è
                                entrato in azienda nel 1989 dove si occupato fino al 2001 di Progettazione, Realizzazione impianti, Esercizio
                                e Qualità nell’Area Territoriale di Ancona. Dal 2002 si è traferito a Roma dove lavora tuttora nel settore di
                                Ingegneria della Rete di Accesso Radio occupandosi di varie tematiche connesse con l’ingegnerizzazione
                                della rete tra cui quelle legate allo studio della propagazione elettromagnetica. Negli ultimi anni, dopo aver
                                conseguito un Dottorato di Ricerca in Ingegneria Aerospaziale, ha iniziato ad approfondire nell’ambito del
                                suo lavoro le tecniche di machine Learning, in particolare, sui Big Data di tipo elettromagnetico statistico
                                disponibili nella rete di accesso radio. E’ inoltre autore di numerosi articoli scientifici su riviste internazionali 

                                Giuliano Muratore           giuliano.muratore@telecomitalia.it
                                Laureato in Ingegneria Elettronica, è entrato in azienda nel 1987, ricoprendo responsabilità prima nel nascente
                                mercato liberalizzato dei servizi di messaggistica interpersonale (1990) ed in seguito nello sviluppo della Rete
                                e dei Servizi Radiomobili di TIM (1995), con incarichi nell’evoluzione del Piano di Numerazione Nazionale (1997)
                                e nell’introduzione in Italia della Mobile Number Portability (2001), per poi seguire il Mobile Roaming business
                                (2010) e successivamente progetti internazionali TIM in GSMA. Negli ultimi anni ha messo la sua esperienza
                                a disposizione della formazione Big Data e dello sviluppo delle tecniche di Machine Learning applicate a dati
                                radiomobili 

                                Aldo Vannelli        aldo.vannelli@telecomitalia.it
                                Laureato in Fisica e in Ingegneria dell’Informazione, in azienda dal 1988. Dopo un’ampia esperienza nell’ambito
                                dell’Ingegneria e dell’Innovazione delle Reti Dati (Frame Relay, ATM e IP), nel 2001 passa in TIM per occuparsi
                                dello sviluppo e dell’innovazione di applicazioni e servizi multimediali su tecnologie 2.5G/3G. In questo ambito
                                ha coordinato numerosi progetti riguardanti l’integrazione multiservizio di voce/video/dati su mobile e lo
                                sviluppo di soluzioni per il Mobile Content Distribution. Dal 2012 lavora nella Direzione Business & TOP Clients
                                dove si occupa dello sviluppo di iniziative e progetti innovativi per Aziende di rilevanza Nazionale. Da alcuni
                                anni si interessa dello sviluppo di iniziative finalizzate alla realizzazione di Proof of Concept basati su tecniche
                                Big Data Analytics & Machine Learning 

                                                     http://www.telecomitalia.com/tit/it/notiziariotecnico/presentazione.html
Puoi anche leggere