摘要: 一、數據分析領域案例1:感測人類行為,預測能源消費應用領域:能源消費預測模型項目負責人:Andrey Bogomolov項目簡介:項目致力於優化意大利Trentino省電力能源生產-輸配-銷售鏈。對於電力生產和輸配商而言,本項 ...
一. 數據分析領域
案例1. 感測人類行為,預測能源消費
應用領域:能源消費預測模型
項目負責人:Andrey Bogomolov
項目簡介:項目致力於優化意大利Trentino省電力能源生產-輸配-銷售鏈。對於電力生產和輸配商而言,本項目通過限制電力能源生產以減少電力消費,通過銷售終端計劃以減少電力輸配成本;同時,本項目為電力波峰預測提供了借鑒。
本項目主要解決兩個問題:(1)日均電力需求預測。通過意大利Trentino省電網系統,該預測利用人類行為數據——移動通信數據,優化了電力能源生產-輸配鏈,減少了氣候變化的影響。 (2)電力波峰預測。
本項目模型建立了高階希爾伯特空間數學模型,利用了Trentino省移動網絡數據,預測了各電網未來一周內的日均電力需求和電力波峰。 Leo Breiman隨機預測算法解決了本項目模型的非線性回歸問題。同時,本項目模型擁有較少的狀態空間維度,從而能夠有效地應用於大數據分析。
案例2. 利用大數據規劃米蘭
應用領域:城市規劃與監測
項目負責人:David Meyer
項目簡介:項目為米蘭人口、環境及其交互作用提供了動態理解。利用米蘭地區的電信網絡數據,項目建立了人口預測模型,辨識了非常規移民人口,並揭示了米蘭的潛在社會結構。同時,項目利用交通和氣象數據預測了城市空氣質量。
案例3. 熵——評價常住居民/移民信息,提升生活品質
應用領域:社會學分析
項目負責人:Michele Tizzoni
項目簡介:項目的主要創新在於對“熵”函數的定義。高熵值單元代表異質性高的區域,對應於旅遊熱點或鬧市區;低熵值單元代表以國際電話業務為標準的高特徵區域。電話通信數據可以被有效利用以監測大範圍事件,項目利用“熵”函數得到了傳統分析得不到的信息。一方面,某一時間節點代表高度不確定性的高熵值揭示了該區域非常規/例外事件的發生;另一方面,針對高度活躍的國際通話業務,項目通過拓撲學分析了該城市國際社區的空間特徵。
案例4. 基於興趣目標導向的廣告宣傳
應用領域:廣告
項目負責人:Aris Anagnostopoulos
項目簡介:相較於線上廣告,線下廣告面臨著達不到滿意宣傳目標的問題。基於社交網絡信息和人口數據,項目對Tweeter文本內容進行了語義分類,區分了不同Tweeter用戶對電影、音樂、體育等領域的感興趣程度;利用Tweeter位置的地理標記功能,預測了用戶分佈和網絡傳播趨勢。
以某領域的廣告投放為例。首先,線下廣告分類投放不同Tweeter用戶。選擇的廣告投放用戶應對該廣告感興趣,應能使總體效益最大化。其次,線下廣告投放至該領域有影響力的Tweeter用戶。投放的廣告不僅是為了覆蓋該領域更多的用戶,更是為了使該領域有影響力的用戶獲知並傳播該廣告,從而使該廣告達到事半功倍的效果。
案例5. 個性化的導航系統應用
應用領域:移動導航
項目負責人:Antonio Lima
項目簡介:項目為城市交通提供了新的導航系統,有效平衡了個人偏好和公眾興趣。使用者可以利用智能設備個性化的定制城市導航路線,如選擇最短路徑,避免犯罪區域、污染區域、交通擁堵區域,或者避免日程計劃事件區域等。當地政府也可以針對社區做出限制性規定,如減少學校地區的噪音污染。本項目以城市歷史和實時數據為基礎,以使用者個人偏好和政府限制規定為依據,向使用者反饋路線信息。
案例6. 基於Twitter展現的城市社交網絡幸福度分析
應用領域:社會學分析
項目負責人:Iyad Rahwan
項目簡介:心理幸福度對社會生產、社會創新和違法犯罪均會產生影響,公共社交媒體為衡量區域幸福度提供了參考。項目以Twitter內容為基礎進行了幸福度分類,研究了米蘭市中心不同區域社交聯繫和幸福度之間的關係,製作了米蘭市幸福度空間分佈圖。項目研究表明,不幸福區域比幸福區域吸引了更高的通信交流。該研究有助於了解社會結構和城市心理幸福度之間的關係,有助於創新機制以提升城市心理幸福度。
二. 數據可視化
案例1. 米蘭城市空氣污染的可視化
應用領域:空氣污染監測
項目負責人:Yhidad Calle
項目簡介:人類是強烈的視覺動物,因此可視化數據是要傳達給他人的最快方法。動態、交互式的可視化有助於人們探索數據。本項目運用了交互式和動態圖形,簡化了數據讀取,方便了對此領域不熟悉的公眾。
可視化的例子。 2013年12月,米蘭的幾個主要污染物的強度分佈圖——熱圖,其中包含在矩陣中的數值被表示為顏色數據的圖形;徑向堆疊面積圖以24小時為一圈進行編碼,分析了每小時各污染物的累計濃度。
案例2. 空中鳥瞰下的人類行為
應用領域:敘事
項目負責人:Gergely Daroczi
項目簡介:小數據或大數據的難點不是數據量的大小以及如何處理數據,焦點在於“如何把數據轉化為有用的信息”?本項目運用了多種可視化技術,提供了空中鳥瞰下的人類活動。
移動汽車的分佈、撥出電話的地理分佈、二氧化氮排放及空氣污染、交通事故的位置分佈,這些都反映了人類活動。本項目演示文稿旨在反映人類的日常活動。
三. 應用
案例1. 基於Twitter語言的旅遊分析
應用領域:旅遊
項目負責人:Salih Ergut
項目簡介:對於遊客來說,尋找當地熱門的旅遊目的地不是一件簡單的事情。旅遊指南、博客、旅遊網站等提供了該城市的一些信息,但卻很難從這些冗長的信息中發現有用的價值。
遊客在旅行時很難在地圖上找到想去的地方。已有的旅遊信息更多的是通用的,並沒有反映不同文化的特點。本項目考慮了遊客的背景,開發了相應的應用程序,達到了使旅行有趣的目的。
案例2. 城市用地使用情況分析
應用領域:城市規劃
項目負責人:Irene Celino
項目簡介:城市規劃的目的是通過土地使用信息規劃城市環境。然而,收集土地信息並予以分類的成本代價較高。人們在生活環境中會留下痕跡,是否可以將這些痕跡數據化並予以監測,從而有效地預測“生活”土地使用情況?
本項目研究致力於:(1)通過大數據分析得到2013年城市用地使用“足跡”;(2)將這些“足跡”與2009年的城市用地使用情況比較;(3)分析2009年-2013年的土地用途偏差。
本項目對認識和監測土地使用情況的變化產生積極的影響。如,為城市規劃提供支持,減少土地普查費用等。
轉貼自: 煉數成金
留下你的回應
以訪客張貼回應