Km4City, Smart City API

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 nel tempo, o che 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 smart city nazionale mobilità e trasporti, 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 530 categorie), servizi di trasporto pubblico (da 16 operatori), benzinai, informazioni sul triage di ospedali, flussi traffico da circa 800 sensori, parcheggi circa 200, ambiente, etc., e social media tramite TwitterVigilance (http://www.disit.org/tv ), piu' di un milione 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 ) 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 ].

Data e Risorse

Metadati del Dataset

Identificativo del dataset Km4City
Altro identificativo Codice: Sii-Mobility
Temi del dataset Istruzione, cultura e sport
Temi del dataset Ambiente
Temi del dataset Governo e settore pubblico
Temi del dataset Salute
Temi del dataset Regioni e città
Temi del dataset Trasporti
Editore del Dataset Nome: Paolo Nesi
Codice IPA/IVA: N/A
Data di rilascio N/A
Data di modifica 05-09-2023
Copertura Geografica Area di competenza dell'unità organizzativa preposta
URI di GeoNames http://www.geonames.org/3165361
Lingue del dataset inglese, italiano
Estensione temporale N/A
Titolare Nome: Università di Firenze - DISIT Lab
Codice IPA/IVA: USFir
Frequenza di aggiornamento quotidiano
Versione di V1
Conforme a Standard: REST
Autore Nome: paolo nesi
Codice IPA/IVA:

Informazioni supplementari

Nome campo Valore
Origine http://www.disit.dinfo.unifi.it
Autore Paolo Nesi
Manutentore paolo nesi
Versione 1.0
Ultimo aggiornamento settembre 5, 2023, 10:42 (CEST)
Theme ["http://publications.europa.eu/resource/authority/data-theme/EDUC", "http://publications.europa.eu/resource/authority/data-theme/ENVI", "http://publications.europa.eu/resource/authority/data-theme/GOVE", "http://publications.europa.eu/resource/authority/data-theme/HEAL", "http://publications.europa.eu/resource/authority/data-theme/REGI", "http://publications.europa.eu/resource/authority/data-theme/TRAN"]
Preferenze dei cookie