Homepage

Km4City: per servizi Smart City

Km4City (http://www.km4city.org) (knowledge model for the city) è una soluzione big data smart city mira a migliorare la qualità della vita abilitando la creazione di servizi innovativi, per la mobilità, la sicurezza, il turismo, la riduzione dei consumi e dei costi, e migliorando la capacità delle persone e della città di reagire a eventi avversi non previsti. Questi obiettivi ambiziosi possono essere raggiunti andando a creare servizi tramite  algoritmi di intelligenza artificiale sulla base di dati presenti nelle nostre città. Non solo gli open data, ma anche quelli di operatori di trasporto, commercio, turismo, beni culturali, educazione, meteo, ambiente; quelli che possono provenire da sensori nella città (IOT, Internet delle Cose), dai social media, e dai cittadini stessi tramite App e sistemi di partecipazione. Oltre ai dati statici che non cambiano, o cambiano raramente vi sono i dati dinamici (real time) che producono flussi continui di informazione. Sono proprio questi che suscitano maggior interesse per gli utenti finali poiché permettono di poter avere informazioni, predizioni e deduzioni in tempo reale. Per esempio con lo stato e le predizioni su parcheggi, traffico, consumi, ambiente, etc. Su tale base si sviluppano soluzioni per la diagnosi precoce di eventi critici.



Km4City è nato nel 2013 come ontologia per le smart city, in seguito la soluzione è stata adottata come base per lo sviluppo di strumenti e progetti come Sii-Mobility, RESOLUTE H2020, e REPLICATE H2020 della commissione europea. Al momento Km4City come base di conoscenza a servizi di vari progetti compre con i suoi dati tutta la Toscana in termini di informazioni stradali, punti di interesse (cultura, turismo, alloggi, ristorazione, educazione, commercio, turismo, etc. circa 300.000 POI classificati in 500 categorie), servizi di trasporto pubblico (da 16 operatori), benzinai, informazioni sul triage di ospedali, flussi traffico da circa 800 sensori, parcheggi circa 200, etc., e social media tramite TwitterVigilance (http://www.disit.org/tv), centinaia di migliaia di nuovi dati complessi al giorno.



Le principali problematiche che sono state affrontate e risolte sono legate alla gestione della complessità dell’acquisizione di dati eterogenei (diverse sorgenti, protocolli, standard, formati, etc.), ai volumi di questi dati che arrivano in continuo dalla città e dalle App, alla loro qualità e discontinuità; configurando in questo modo il problema smart city nello spazio dei Big Data. La mancanza d’interoperabilità e la qualità limitata dei dati sono gestite in Km4City tramite strumenti di data mining per aggregare i dati e correggere i problemi entro parametri accettabili [ http://www.disit.org/6506  ]. Sulla base di conoscenza Km4City sono quindi messi in esecuzione svariati algoritmi di data analytic che si basano su intelligenza artificiale e statistica per la produzione anche in tempo reale di predizioni, suggerimenti, stimoli verso i cittadini, e suggerimenti verso i decisori pubblici.
Pertanto è fondamentale poter:
·       Collezionare dati, informazioni e commenti anche dagli utenti stessi della città tramite social media, e tramite le App.
·       Fornire informazioni a supporto delle decisioni tenendo sotto controllo lo stato della città. A questo fine si sono sviluppate strutture di controllo e di visualizzazione di sintesi per mettere di fronte al decisore pubblico, degli operatori e degli utenti della città delle dashboard adeguate (http://www.km4city.org/controlroomtools.html), per mobile, totem, e Control Room. Fra le dashboard più interessanti quelle che mostrano lo stato dei servizi di mobilità, dei parcheggi, i flussi di mezzi e persone, gli eventi, mappe di origine destinazione, gli eventi su social media ( http://www.disit.org/tv   ), e le correlazioni fra queste informazioni.
·       Fornire suggerimenti verso gli utenti della città per informali, per stimolarli verso comportamenti sostenibili, per allertarli dell’arrivo di situazioni critiche.   
·       Mettere a disposizione per le APP (mobile e web, ma anche ad altri sistemi, per esempio l’app “Toscana Dove cosa” su tutti gli store http://www.km4city.org/app) tramite Smart City API gli elementi fondamentali per produrre servizi e valore sul territorio. Per esempio da parte di operatori che lavorano sulla città come: musei, agenzie turistiche, operatori di trasporto, operatori di car e bike sharing, organizzatori di eventi, attività commerciali, etc. [ http://www.disit.org/6597  ].
 
 Sulle Smart City API si sviluppano giornate di training, e hackathon come quello del prossimo 7-8 Aprile 2017 [ http://www.sii-mobility.org/  ]. A questo fine, per facilitare l’uso delle Smart City API sono stati sviluppati degli strumenti di sviluppo come ServiceMap: http://servicemap.km4city.orgche permette in modo semplice e visuale di navigare nella conoscenza della città e comprendere come costruire delle applicazioni che li usano.
 
chi sono i beneficiari del progetto?
I principali beneficiari sono gli utenti della città (cittadini, studenti, pendolari e turisti), e ovviamente gli operatori, e le pubbliche amministrazioni.
 
KM4City è un esempio di come un uso intelligente dei dati possa essere utilizzato dalla città per pianificare e sviluppare nuovi servizi. Puo’ essere replicato in altri territori?
Km4City è completamente open source, puo’ essere facilmente replicato in altre regioni ed aree. E’ inoltre un sistema completamente aperto nel quale si possono facilmente aggiungere nuovi dati e processi. La stessa ontologia e open come tutto il resto. I sistemi server side sono sviluppati in linguaggi aperti come Java, PHP, Javascript, ETL, Python, etc. La piattaforma Km4City è modulare e scalabile, nel senso che una piccola amministrazione puo’ installare e utilizzare anche solo le parti di suo interesse. Tutto il sistema di acquisizione dati è in grado di ingerire/aggregare dati statici e real time in standard multipli con soluzioni completamente scalabili in cloud oppure nei datacenter delle pubbliche amministrazioni.
 
come si alimenta KM4City?
Km4City si alimenta con open data, grafi strade e dati real time, provenienti dagli open data, dai gestori della mobilità, dalle social network come Twitter, da qualsiasi tipo di sensori nella città e anche dalle APP e quindi dagli utenti finali stessi.
 
perché KM4City è un riferimento nello scenario internazionale?
Non spetta a noi direi che Km4City è un riferimento internazionale. L’ontologia e quindi il modello Km4City è stata valutato come il più completo da vari enti. Inoltre, le soluzioni Km4City sono utilizzate e da vari progetti  Europei e nazionali che contribuiscono anche al suo ampliamento come modello e strumenti. Fra questi progetti sono: Sii-Mobility (smart city nazionale MIUR, mobilità e trasporti, con svariate sperimentazioni in quasi tutta la Toscana, http://www.sii-mobility.org), RESOLUTE H2020 della commissione  europea (per lo studio e la messa in opera di soluzioni di resilienza dei sistemi di trasporto, con sperimentazione in Firenze e Atene, http://www.resolute-eu.org), e REPLICATE H2020 della commissione europea (per l’introduzione di soluzioni di mobilità sostenibile, IOT e energia integrata, nel contesto del piano smart city Europeo, http://www.replicate-project.eu), GHOST del MIUR, vi sono inoltre altri progetti che stanno utilizzando la soluzione.
 
perché KM4City puo’ diventare un asset importante a supporto della pianificazione urbana?
Certamente puo’ essere un asset importante per la pianificazione urbana, visto che con i suoi algoritmi è in grado di produrre matrici di origine destinazione sui flussi veicoli, e anche sulle persone (con il contributo di RESOLUTE), crea modelli predittivi sui flussi, sui parcheggi e sule persone, etc. Accumula dati e conoscenza su come gli utenti della città la usano, e su come la città vive ed evolve. Sulla base di conoscenza si stanno attivando strumenti per il supporto alle decisioni, per la valutazione del rischio e anche per la valutazione della resilienza.
 
Prossimi passi?
I prossimi passi ci vedono impegnati nell’allargamento della sperimentazione con Sii-Mobility a molte aree della Toscana su aspetti di mobilità e trasporti, su Firenze ed Atene su aspetti di resilienza dei sistemi di trasporto. Nel dettaglio dei dati, in base alle richieste che riceviamo, stiamo allargando la base di conoscenza in modo da coprire più regioni fino ad arrivare all’intero territorio nazionale.
 

Paolo Nesi e' chair del DISIT Lab (http://www.disit.dinfo.unifi.it ) dell’Università degli Studi di Firenze, e prof. ordinario di sistemi di elaborazione. Ha coordinato svariati progetti di ricerca ed innovazione, della commissione europea, nazionali e regionali. Attualmente coordina Sii-Mobility MIUR Smart City nazionale mobilità e trasporti, RESOLUTE H2020 sulla resilienza nelle infrastrutture critiche e dei sistemi di trasporto, mentre DISIT lab partecipa in vari altri progetti su big data, smart city, smart cloud, industria 4.0.
0
Your rating: None


Warning: Table '.\drupal\sessions' is marked as crashed and should be repaired query: UPDATE sessions SET uid = 0, cache = 0, hostname = '192.168.0.44', session = 'hidePDA|s:1:\"0\";', timestamp = 1711614525 WHERE sid = 'bce6774922fb7583630ff6d9906d6849' in C:\Programmi\Apache Software Foundation\Apache2.2\htdocs\drupal\includes\database.mysqli.inc on line 128