Analysing local mobility patterns through social network data

With the advent of smart phones and the increasing popularity and the large adoption of social media a lot of new data have been generated directly from people. To this date there are more than 4.62 billion social media users around the world, equating to 58 per- cent of the total global population. With proper implementation, social media data can be analyzed and processed to extract useful information to study, in this work we are going to focus on Twitter. Twitter is one of the most popular social network launched in 2006, and over the time became one of the main means of communication and information of many people. One main characteristic of this online platform is the possibility to share, along with their though, the location in which the user is. The purpose of this work is to leverage all data produced by Twitter and analyse them in order to explore the possibility of understanding and finding patterns in users’ mobility over a certain period of time. In this work we are going to analyse tweets collected in 4 different cities over a two months time span, explored how users interacted with the geo location features offered by Twitter. Based on where they interacted with the platform we reconstructed, for each user, an usual path that he/she followed and we tried to define “zones” of places visited by the users to conclude training a clustering algorithm to find patterns in users mobility habits based on their path.

Con l’avvento degli smart phones e la sempre crescente popolarità dei social network, uti- lizzati da sempre più utenti, le persone hanno iniziato a generare molti più dati. Al giorno d’oggi 4.62 miliardi di persone sono iscritte ai social networks, un numero che equivale al circa 58% della popolazione globale. Con la giusta implementazione, i dati generati dai social media possono essere processati e analizzati per estrarre informazioni utili da studiare, in questo lavoro ci concentreremo principalmente su Twitter. Twitter è uno dei social networks più popolari, è stato lanciato nel 2006 e col passare del tempo è diventato uno dei principali mezzi di comunicazione ed informazione per molte persone. Una delle caratteristiche principali di della piattaforma è la possibilità di condividere la propria posizione dalla quale si sta creando il tweet. L’obiettivo di questo lavoro è di sfruttare tutti i dati prodotti da Twitter e analizzarli in modo da esplorare la possibilità di comprendere e trovare una possibile schematizzazione degli spostamenti degli utenti in un certo lasso di tempo. Per raggiungere il nostro scopo abbiamo collezionato e analizzato tweets provenienti da 4 città diverse per un periodo di due mesi e esplorato come gli utenti hanno interagito con la possibilità di condividere la propria posizione. Basandoci su dove gli utenti hanno creato tweets, per ogni utente, abbiamo ricostruito un possibile abituale percorso, abbiamo provato a definire zone di posti visitati dagli utenti e in fine abbiamo analizzato, tramite un algoritmo di clustering, la presenza di schemi o motivi ricorrenti negli spostamenti degli utenti basandoci sul loro percorso.