Mapping the use of urban park through location based social network. An application in Milan

Location Based Social Networks (LBSN) for urban planning can be considered a tool for understanding urban dynamics thanks to their temporal and spatial resolution. In order to explore its potential, we conducted a first attempt aimed at finding the human behaviors and relations from Twitter data to help reorganizing the green system in the Milan West Road Polisocial Project. But in the end this first attempt failed, because of the lack of topic and active users related to the project. The second research focusses on the factors that affect the urban parks visitation rates in Milan. We acquired parks visitor’s information from LBSN instead of traditional survey, and assumed the predictor variables in three categories: park characteristics and facilities, accessibility and neighborhood socio-demographic characteristics. Analyzing the Twitter’s data we tried to understand some dynamics of use of urban parks in different time and by different groups of users. Finally, we estimated out the variables with significant influence to parks visitation rate using Multi Linear Regression Model. Findings indicate that social media activity in urban parks is positively correlated with localization of the park, proximity to public transportation, internal routes of parks, as well as socio-demographic characteristics such as resident property value, but negatively associated with surface of park. In applying LBSN data to investigate the parks’ uses and access, we demonstrated that an approach based on big data could be useful for providing in a relatively short time information crucial for green area planning and management in a way that is less resource-intensive than traditional field surveys.

Le potenzialità dei Location Based Social Network (LBSN) per la pianificazione urbana riguardano il loro utilizzo per lo studio delle dinamiche urbane con particolare riferimento alla loro capacità di restituire le tracce spazio-temporali di pratiche di utenti. Per esplorare le potenzialità dei LBNS, abbiamo condotto una prima analisi utilizzando dati estratti da Twitter per studiare gli spazi pubblici e i parchi nel Progetto Polimi_PoliSocial “West Road” in Milano. Questo primo esperimento non ha prodotto risultati utili per la scarsa presenza di tweets e quindi di utenti attivi nell’area di progetto. La seconda ricerca si è concentrata sui fattori che influenzano la densità di utenti dei parchi urbani a Milano. Per mappare le densità d’uso dei parchi abbiamo acquisito le informazioni sui visitatori dei parchi da LBSN anziché dalle fonti di rilevazione tradizionale. Analizzando i dati di Twitter è stato possibile descrivere alcune dinamiche di utilizzo dei parchi urbani in diverse ore della giornata e per diversi gruppi di utenti. Abbiamo quindi correlato i risultati ottenuti da Twitter con alcune variabili predittive desunte da fonti tradizionali e relative a tre categorie: caratteristiche e attrezzature del parco, accessibilità e caratteristiche socio-demografiche del quartiere attorno al parco. Infine, abbiamo stimato le variabili predittive che hanno un'influenza significativa sulla frequenza di utilizzo dei parchi, utilizzando il modello di regressione lineare multipla. I risultati indicano che l'attività dei social media nei parchi urbani è correlata positivamente con la localizzazione del parco, la vicinanza ai trasporti pubblici, la presenza di percorsi interni ai parchi, così come con le caratteristiche socio-demografiche degli abitanti attorno al parco (in particolare la proprietà dell’immobile), mentre la dimnesione del parco non gioca un ruolo rilevante. I risultati ottenuti grazie all’utilizzo di dati LBSN per indagare le modalità di frequentazione dei parchi urbani in Milano, dimostrano le potenzialità della fonte che consente di disporre di dati in modo rapido per ambiti territoriali estesi e con una grande accuratezza spazio-temporale; informazioni queste cruciali per la pianificazione e la gestione delle aree verdi e più impegnative da ottenere ricorrendo a fonti di tipo tradizionale.