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. 2025-2026
  6. 2nd year
  1. Smart Mobility
  2. Summary
Unità didattica Course full name
Smart Mobility
Course ID number
2526-2-FDS01Q038-FDS01Q038M
Course summary SYLLABUS

Blocks

Back to Data Science Lab On Smart Cities

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi

Il corso è in lingua inglese.

L'obiettivo del corso è trasmettere conoscenze relative alle problematiche tipiche della mobilità in ambienti fortemente urbanizzati e competenze sugli strumenti per il trattamento di dati di mobilità. La modalità d'esame a progetto congiunto con l'altro modulo del Data Science Lab On Smart Cities, stimola l'autonomia di giudizio e la capacità di apprendere (per quanto concerne lo studio della letteratura e anche degli strumenti di supporto alla realizzazione del progetto) e le abilità comunicative (per quanto concerne la scrittura della relazione e la sua discussione in forma orale, eventualmente supportata da una presentazione).

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 presenza
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

Mercoledì dalle 9:30 alle 11:30 o altri giorni ma sempre su appuntamento, potenzialmente anche via sistemi di teleconferenza.

Sustainable Development Goals

SALUTE E BENESSERE | IMPRESE, INNOVAZIONE E INFRASTRUTTURE | CITTÀ E COMUNITÀ SOSTENIBILI
Export

Aims

The goal of the module is to teach knowledge related to typical mobility issues in highly urbanized environments and competences in the tools for processing mobility data. The joint project with the other module of the Data Science Lab On Smart Cities cultivate critical thinking skills, independent learning abilities – particularly in researching and evaluating scholarly sources and utilizing appropriate software tools – and effective communication skills. Students will demonstrate these competencies through a written project report adhering to established academic standards and an oral presentation defending their work, potentially supported by visual aids.

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

Wednesday from 9:30 to 11:30 or other days/times always by appointment, potentially also via teleconferencing systems.

Sustainable Development Goals

GOOD HEALTH AND WELL-BEING | INDUSTRY, INNOVATION AND INFRASTRUCTURE | SUSTAINABLE CITIES AND COMMUNITIES
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

  • Giuseppe Vizzari
    Giuseppe Vizzari

Enrolment methods

Manual enrolments

Sustainable Development Goals

GOOD HEALTH AND WELL-BEING - Ensure healthy lives and promote well-being for all at all ages
GOOD HEALTH AND WELL-BEING
INDUSTRY, INNOVATION AND INFRASTRUCTURE - Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
INDUSTRY, INNOVATION AND INFRASTRUCTURE
SUSTAINABLE CITIES AND COMMUNITIES - Make cities and human settlements inclusive, safe, resilient and sustainable
SUSTAINABLE CITIES AND COMMUNITIES

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