The work presented in this thesis has the goal of tracking people’s mobility to detect gatherings and creating an alerting system able to support the COVID19 emergency management but also, after the current pandemic, to support event and security management. This is possible thanks to the Open Data accessible from Muoversi a Torino – MaTo, an info mobility portal with the aim of facilitating an easier and more accessible mobility in the urban and metropolitan area of Turin. This service is created and managed by Tecnologie Telematiche Trasporti Traffico Torino (5T). MaTo offers a section dedicated to the Open Data topic, with the publication of the data collected and processed by the Mobility Center of the City of Turin. Data acquisition process is supported by S.I.MO.NE project, also developed by 5T. Moreover, these data and their related analysis have been included in the ECO4CO project - by Telespazio company - to help isolate new outbreaks of the COVID19 epidemic and, at the same time, monitor the areas with the highest concentration of people. We would like to introduce some important topics which are nowadays actual in our “Smart City” era based on the fundamental concepts of Mobility Data and Open Data, analyzing smart mobility trends and the most relevant involved technologies (Intelligent Transportation Systems). This, of course, perfectly fits in our current context of sanitary emergency, thanks to the possibility of detecting people gatherings and help avoid the virus spread. Then, the focus especially moves to the analysis of the three specific datasets provided by MaTo. By exploiting a large amount of data available, a first qualitative analysis has been carried out to show the existence of recurrent data patterns, useful for generating specific clusters’ areas according to some identified criteria. This effort is strongly supported by a descriptive analysis able to provide the key to statistically interpreting data. Our final goal is to develop an alerting system with a change detection algorithm oriented towards identifying anomalies and cluster of people in some specific areas. Some tests are runned in order to verify the correctness of our implemented system.
Il lavoro presentato in questa tesi ha l'obiettivo di tracciare la mobilità delle persone per rilevare gli assembramenti e creare un sistema di alerting in grado di supportare la gestione dell'emergenza COVID19 ma anche, dopo l'attuale pandemia, di supportare la gestione degli eventi e della sicurezza. Questo è possibile grazie agli Open Data accessibili da Muoversi a Torino - MaTo, un portale di infomobilità con l'obiettivo di rendere la mobilità più facile e accessibile nell'area urbana e metropolitana di Torino. Il servizio è realizzato e gestito da Tecnologie Telematiche Trasporti Traffico Torino (5T). MaTo offre una sezione dedicata al tema degli Open Data, con la pubblicazione dei dati raccolti ed elaborati dal Centro Mobilità della Città di Torino. Il processo di acquisizione dei dati è supportato dal progetto S.I.MO.NE, anch'esso sviluppato da 5T. Inoltre, questi dati e le relative analisi sono stati inseriti nel progetto ECO4CO - della società Telespazio - per contribuire a isolare nuovi focolai dell'epidemia di COVID19 e, allo stesso tempo, monitorare le aree con la maggiore concentrazione di persone. Vorremmo introdurre alcuni importanti argomenti che sono di attualità nella nostra era di "Smart City" basati sui concetti fondamentali di Mobility Data e Open Data, analizzando le tendenze della mobilità intelligente e le tecnologie più rilevanti coinvolte (Intelligent Transportation Systems). Questo, naturalmente, si inserisce perfettamente nel nostro attuale contesto di emergenza sanitaria, grazie alla possibilità di rilevare i raduni di persone e contribuire ad evitare la diffusione del virus. Poi, l'attenzione si sposta soprattutto sull'analisi dei tre set di dati specifici forniti da MaTo. Sfruttando una grande quantità di dati disponibili, una prima analisi qualitativa è stata effettuata per mostrare l'esistenza di pattern di dati ricorrenti, utili per generare specifiche aree di cluster secondo alcuni criteri identificati. Questo sforzo è fortemente supportato da un'analisi descrittiva in grado di fornire la chiave di lettura statistica dei dati. Il nostro obiettivo finale è quello di sviluppare un sistema di alerting con un algoritmo di rilevamento dei cambiamenti orientato a identificare anomalie e clusters di persone in alcune aree specifiche. Sono stati eseguiti alcuni test per verificare la correttezza del nostro sistema implementato.
Tracking people's mobility with open data
MUSOLINO, ALESSANDRO
2020/2021
Abstract
The work presented in this thesis has the goal of tracking people’s mobility to detect gatherings and creating an alerting system able to support the COVID19 emergency management but also, after the current pandemic, to support event and security management. This is possible thanks to the Open Data accessible from Muoversi a Torino – MaTo, an info mobility portal with the aim of facilitating an easier and more accessible mobility in the urban and metropolitan area of Turin. This service is created and managed by Tecnologie Telematiche Trasporti Traffico Torino (5T). MaTo offers a section dedicated to the Open Data topic, with the publication of the data collected and processed by the Mobility Center of the City of Turin. Data acquisition process is supported by S.I.MO.NE project, also developed by 5T. Moreover, these data and their related analysis have been included in the ECO4CO project - by Telespazio company - to help isolate new outbreaks of the COVID19 epidemic and, at the same time, monitor the areas with the highest concentration of people. We would like to introduce some important topics which are nowadays actual in our “Smart City” era based on the fundamental concepts of Mobility Data and Open Data, analyzing smart mobility trends and the most relevant involved technologies (Intelligent Transportation Systems). This, of course, perfectly fits in our current context of sanitary emergency, thanks to the possibility of detecting people gatherings and help avoid the virus spread. Then, the focus especially moves to the analysis of the three specific datasets provided by MaTo. By exploiting a large amount of data available, a first qualitative analysis has been carried out to show the existence of recurrent data patterns, useful for generating specific clusters’ areas according to some identified criteria. This effort is strongly supported by a descriptive analysis able to provide the key to statistically interpreting data. Our final goal is to develop an alerting system with a change detection algorithm oriented towards identifying anomalies and cluster of people in some specific areas. Some tests are runned in order to verify the correctness of our implemented system.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Musolino.pdf
non accessibile
Dimensione
6.94 MB
Formato
Adobe PDF
|
6.94 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/178064