Videointerviste

Quercia (Bell Labs): Big Data Analytics sui social per “misurare” la Smart City

Bell Labs: measuring the Smart City with Social Data Mining

Daniele Quercia, Head of Social Dynamics team, Bell Labs (Cambridge), spiega come e perché analizzare il legame tra il valore economico delle città, e variabili “social” come le immagini di eventi e i commenti sulla “bellezza” di piazze e strade

Pubblicato il 03 Set 2018

Uno degli interventi più seguiti al recente evento Cerved Next, tenutosi in luglio a Milano (qui il nostro reportage), è stato quello di Daniele Quercia, Head of Social Dynamics team dei Bell Labs di Cambridge. Attraverso applicazioni di Big Data analytics, il team dei Bell Labs guidato da Quercia cerca connessioni tra variabili collegate alla popolarità “social” delle città (per esempio immagini di eventi culturali, commenti sulla “bellezza” di piazze, strade, musei, ecc.) e variabili più classiche come i valori economici di zone e quartieri, o i migliori percorsi all’interno del tessuto urbano.

In questa videointervista, in inglese, Quercia spiega perché è importante cercare queste correlazioni: «Per esempio nell’industria Real Estate queste informazioni possono essere preziose per capire dove e come investire, o per il singolo cittadino. Si possono prevedere meglio gli andamenti dei prezzi degli immobili. E sono preziose anche per l’amministrazione cittadina, per capire come, dove e quanto sia utile investire in cultura».

I progetti su cui ha lavorato il il Social Dynamics team dei Bell Labs di Cambridge sono raccontati sul sito GoodCityLife. Uno di questi è Happy Maps, basato sul concetto che in una città il percorso migliore da A a B non è il più breve o il meno trafficato, come propongono le app di navigazione come Google Maps, ma quello che piace di più. Il team di Quercia ha quantificato come le persone “percepiscono” le vie delle città, attraverso una piattaforma di crowdsourcing e l’analisi dei metadati di milioni di immagini di città postate su Flickr, e realizzato un algoritmo che propone percorsi che massimizzano il “guadagno emozionale”.

Nella videointervista abbiamo chiesto a Daniele Quercia quali tecnologie digitali supportano il team nel suo lavoro: «Utilizziamo tecnologie di mercato come deep learning, Google DeepMind, computer vision, text mining ma in gran parte usiamo tecnologie sviluppate internamente, di big data analysis, soprattutto di text mining per analizzare testi, e computer vision per analizzare immagini, e per rilevarne la creatività. Abbiamo esigenze così specifiche di analisi big data e di mining che l’unico modo è sviluppare le tecnologie in casa».

@RIPRODUZIONE RISERVATA

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4