Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • My Media
  • More
Listen to this page using ReadSpeaker
 Log in
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Science
  2. Master Degree
  3. Data Science [FDS02Q - FDS01Q]
  4. Courses
  5. A.A. 2024-2025
  6. 2nd year
  1. Smart Mobility
  2. Summary
Unità didattica Course full name
Smart Mobility
Course ID number
2425-2-FDS01Q038-FDS01Q038M
Course summary SYLLABUS

Blocks

Back to Data Science Lab On Smart Cities

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

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

Export

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

Enter

Key information

Field of research
INF/01
ECTS
3
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
23
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • Michele Ciavotta
    Michele Ciavotta

Enrolment methods

Manual enrolments
Self enrolment (Student)

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics