- Smart Mobility
- Summary
Course Syllabus
Obiettivi
Acquisire conoscenze relative alle problematiche tipiche della mobilità in ambienti fortemente urbanizzati e agli strumenti per il trattamento di dati di mobilità.
Contenuti sintetici
- La data-driven city
- Smart Mobility: Technology Abilitanti e Disruptors
- Mobility as a Service
- Mobility analytics con GeoPandas
Programma esteso
Verso la città data-driven
Sfide, elementi principali, la città aumentata
Smart Mobility - Tecnologie di base
Introduzione alla smart mobility - gli aspetti tecnologici della smart mobility - le tecnologie fondamentali
Smart Mobility - Tecnologie abilitanti
Gli aspetti tecnologici della smart mobility - Abilitatori tecnologici
Smart Mobility - Disruptors / Mobility as a Service
Gli aspetti tecnologici della smart mobility - Disruptors - Modello Mobility as a Service
Sessione di laboratorio 1: Introduzione a GeoPandas
Sessione di laboratorio 2: Relazioni e operazioni spaziali con GeoPandas e Shapely
Sessione di laboratorio 3: OpenStreetMap e analisi della rete stradale
Sessione di laboratorio 4: Analisi della mobilità
Prerequisiti
Conoscenza di base del linguaggio Python, dei virtual environment e di Jupyter
Modalità didattica
12 ore condotte in modalità di consegna di persona
12 ore di laboratorio condotte in modalità interattiva
Materiale didattico
Slides e appunti forniti dai docenti
Periodo di erogazione dell'insegnamento
Secondo semestre
Modalità di verifica del profitto e valutazione
Il corso sarà valutato attraverso un saggio e una presentazione orale su un argomento di smart city scelto autonomamente. Gli studenti, in gruppi di due, scriveranno un saggio in inglese (o in italiano), che comprenda la descrizione del problema, l'analisi dei dati, la visualizzazione ed eventuali raccomandazioni. Il saggio dovrà trattare gli indicatori rilevanti, la selezione e la pulizia dei dati, l'analisi spaziale e temporale e i modelli di previsione o classificazione, se necessari. È richiesta una presentazione orale del saggio. I criteri di valutazione includono la chiarezza e la coerenza della descrizione del problema, la qualità e la rilevanza dei dati, l'accuratezza e la validità dell'analisi e della visualizzazione, la solidità e l'affidabilità dei modelli, l'efficacia dei suggerimenti politici, la considerazione delle implicazioni etiche e sociali, la qualità complessiva del saggio, la qualità della presentazione orale.
Orario di ricevimento
Si riceve su appuntamento da concordare via e-mail
Aims
Gain knowledge related to typical mobility issues in highly urbanized environments and tools for processing mobility data.
Contents
- Towards the data-driven city
- Smart Mobility: Technology Enablers and Disruptors
- Mobility as a Service
- Mobility analytics with GeoPandas
Detailed program
Towards the data-driven city
Challenges, main elements, the augmented city
Smart Mobility - Foundational Technologies
Introduction to smart mobility - the technological aspects of smart mobility - foundational technologies
Smart Mobility - Technology Enablers
The technological aspects of smart mobility - Technology Enablers
Smart Mobility - Disruptors / Mobility as a Service
The technological aspects of smart mobility - Disruptors - Mobility as a Service model
Lab session 1: Introduction to GeoPandas
Lab session 2: Spatial relationships and operations with GeoPandas and Shapely
Lab session 3: OpenStreetMap and Street Network Analysis
Lab session 4: Mobility Analytics
Prerequisites
Basic knowledge of the Python language, virtual environments and Jupyter
Teaching form
12 hours conducted in in-person delivery mode
12 hours of laboratory conduted in interactive delivery mode
Textbook and teaching resource
Slides and notes provided by lecturers
Semester
Second semester
Assessment method
The course will be evaluated through an essay and an oral presentation on a self-selected smart city topic. Students, in groups of two, will write an essay in English (or Italian), covering problem description, data analytics, visualization, and policy recommendations. The essay should address relevant indicators, data selection, cleaning, spatial and temporal analysis, and prediction or classification models if needed. Ethical and social implications should also be considered. An oral presentation of the essay is required. Evaluation criteria include clarity and coherence of problem description, quality and relevance of data, accuracy and validity of analysis and visualization, robustness and reliability of models, effectiveness of policy suggestions, consideration of ethical and social implications, overall essay quality, quality of the in-person presentation.
Office hours
Received by appointment to be arranged by e-mail