ПИЛОТНОЕ ИССЛЕДОВАНИЕ: РАСПРЕДЕЛЕНИЕ СОЦИАЛЬНОЙ АКТИВНОСТИ НА ОСНОВЕ СПОНТАННЫХ ДАННЫХ ГОРОДА САНКТ-ПЕТЕРБУРГА
Петрова М. А. Сухарев К. В. Рук.: Ласкина И. И. Римских Е. А.
Санкт-Петербург 2015
SMART CITY 1/0 Разумный город как продукт «everywhere» (Greenfield 2006.) Это «повсеместный» город (ubiquitous city), где технологии вплетены в городскую ткань и ежедневную жизнь горожан, что позволяет всем элементам развития города выступать одновременно и потребителями и ресурсами информации. Обмен данными как основа контроля и управления развития города. #Сондо, Intelligent Operations Center Rio.
SMART CITY 2/0 Разумный город как квинтессенция экономики знаний его экономика и управление движимы инновациями, кретивностью, активностью и тесными взаиможействиями разумных горожан человеческим и социальным капиталом. Роль технологий - обеспечение информационного обмена между горожанами. Городские информационно-коммуникационные технологии (ИКТ) как платформа для реализации идей и инноваций.
СВЯЗЬ С ТЕХНОЛОГИЯМИ ИНТЕРНЕТА ВЕЩЕЙ
- единая транспортная карта (Лондон); - умные LED-светофоры; - умные перекрёстки (Сингапур); - системы мониторинга трафика и чрезвычайных ситуаций в реальном времени (Рио-де-Жанейро); - технология smart grid в энергетике (Амстердам, Чаттануга, Дублин, Малага, Масдар); - электрические транспортные средства (Амстердам, Малага); - инструменты ИКТ-поддержки и подготовки в области ИКТ (Кейптаун); - командный центр комплексной безопасности (Лаваса).
АНАЛИЗ СТАТЕЙ, ПОСВЯЩЕННЫЙ SMART CITY ЗА ПОСЛЕДНИЕ 2 ГОДА
ТЕХНИЧЕСКИЙ КЛАСТЕР
ИНСТИТУТЫ ВЗАИМОДЕЙСТВИЯ
характеристики агентов взаимодействия типы взаимодействий
Web of scince
АНАЛИЗ ИНТЕРНЕТ ИСТОЧНИКОВ
IBM
VIMPELCOM LTD
LENENERGO
СФЕРА ПРИМЕНЕНИЯ
Анализ интернет источников показал что в Петербурге в основном поднимается тема модернизации разных сфер города, однако в аспекты умное сообщество и платформы партисипации отсутствуют.
SHNEIDER ELECTRIS SE
Пилотное исследование Идея проекта: проследить воздействие городской среды на активность социально-культурной жизни горожан, транслируемых через социальные сети. Задача, выявить территориально-теамические кластеры социальной активности Данные: Дата сет сформирован из мест (активных на начало август), обозначенных в социальной сети Вконтакте прикрепленных к ним чекинов. Дата сет за период с 1 по 7 августа были скачены чекины: текст, координаты, дата чекина, ID пользователя, ID места (если есть). Методы: LDA (латентное размещение Дирихле) анализ, кластерный анализ, деревья решений, корреляционный анализ. Графический анализ: кластеризация данных, методом ближайшего соседа, полигоны Вороного.
0
7,5
15
30
45
75
105
135km ТЕПЛОВАЯ КАРТА ПОПУЛЯРНОСТИ МЕСТ
1.
Мурино, Бугры, Девяткино
2.
Приморский район, метро старая деревня, комендантский проспект
3.
Крестовский остров, Елагин остров
4.
Калининский район
1.
2. 4.
3. 5.
5.
7.
6.
6.
8.
9. 7.
Юго-восточная часть васильевского острова Московский, адмиралтейский район. станиции метро: технологический институт, фрунзенская Невский район, деревня Кудрово. Станиция метро дыбенко
8.
Красносельский район
9.
Московский район
0
4
8
16
44km ВЛИЯНИЕ ЗАКРЫТЫХ ПРОСТРАНСТВ В ГОРОДЕ НА РАСПРЕДЕЛЕНИЕ СОЦИАЛЬНОЙ АКТИВНОСТИ
0
1
3
10
21km ГЕОЛОКАЦИЯ ЧЕКИНОВ ПО ТИПАМ
Тематики чекинов (автоопределение)
LDA анализ Каждый документ может рассматриваться как набор различных тематик. Подобный подход схож с вероятностным латентно-семантическим анализом (pLSA) с той разницей, что в LDA предполагается, что распределение тематик имеет в качестве априори распределения Дирихле. На практике в результате получается более корректный набор тематик.
0
1
3
10
21km
ГЕОЛОКАЦИЯ ЧЕКИНОВ С УНИКАЛЬНЫМИ ЗНАЧЕНИЯМИ
Уникальные тематики
«свой» праздник
салон утро, пробуждение
ПОЛИГОНЫ ВОРОНОГО ДЛЯ УНИКАЛЬНЫХ ЧЕКИНОВ
Распространение мест с максимальной концентрацией чекинов имеет лучевой характер.
ЕСТЕСТВЕННЫЕ ИНТЕРВАЛЫ ДЖЕНКСА
КЛАСТЕРИЗАЦИЯ ВСЕХ ДАННЫХ. МЕТОД БЛИЖАЙШЕГО СОСЕДА.
ВТОРОЙ ТИП КЛАСТЕРИЗАЦИИ, НА ОСНОВЕ СРЕДНЕГО РАССТОЯНИЯ МЕЖДУ ТОЧКАМИ. ПОКАЗАНЫ КЛАСТЕРЫ, КОТОРЫЕ ИМЕЮТ ПЕРЕСЕЧЕНИЕ С ПОЛИГОНАМИ ВОРОНОГО, ИМЕЮЩИЕ МАКСИМАЛЬНУЮ КОНЦЕНТРАЦИЮ ЧЕКИНОВ.
КОРРЕЛЯЦИОННЫЙ АНАЛИЗ КЛАСТЕРОВ ПО СРЕДНЕМУ РАССТОЯНИЮ МЕЖДУ ТОЧКАМИ
ВЫДЕЛЕНИЕ ТЕМАТИК В ПОЛУЧЕННЫХ КЛАСТЕРАХ
приезд в Питер
бар
музеи
жд станции
театр
кафе
утро, пробуждение
день рождения
отдых с девушкой
дом
ресторан
работа
магазин
клуб
развлечения
образование
кино
отель
аэропорт
парк
спорт зал
отдых с мужчиной
зимний семейный отдых
салон
семейный отдых
«свой» праздник
ужин в ресторане
представления
аренда квартир
отдых в парке
болельщики, спорт, «Зенит»
шопинг
пикник
оперный театр
музейная тематика
прогулка по мостам
оперный театр
прогулки по набережной
ПОТЕНЦИАЛЬНЫЕ НАПРАВЛЕНИЯ ДЛЯ РАЗВИТИЯ И ИСПОЛЬЗОВАНИЯ ДАННЫХ
ДЕВЕЛОПЕРЫ
ПОЛЬЗОВАТЕЛИ (ГОРОЖАНЕ) создание приложения, которое позволит легко ориентироваться в городе и искать уникальные события и сообщества
актуальное отражения территорий с большим потенциалом для развития
ИНСТИТУТЫ ТЕРРИТОРИАЛЬНОГО ПЛАНИРОВАНИЯ И РАЗВИТИЯ разработка мастер планов и стратегии развития территории
ПРИМЕР ИНТЕФЕЙСА ПРИЛОЖЕНИЯ ДЛЯ ПОИСКА УНИКАЛЬНЫХ МЕСТ В РЕЖИМЕ ON-LINE «BIG BROTHER»
The Livehoods Project: Utilizing Social Media to Understand the Dynamics of a City Justin School of Computer Science Carnegie Mellon University Pittsburgh
Тип: Smart Neighbourhoods* Гипотеза: Характер городской местности, определяется не только типом мест, но и людьми, которые делают его частью своей повседневной жизни. Источники данных: более чем 18 млн. чекинов из Foursquare, наши данные состоят из идентификатора пользователя, времени, координт широты и долготы, имя места, и категории места. Методология: спектральный подход к кластеризации данных (Shi and Malik 1997). Для проверки гипотезы также использован метод глубинного интервью с 27 жителями Питсбурга. Результаты: мы получили три вида кластеров: 1. Когда муниципальный район содержит более одного livehoods, 2. Границы одного кластера livehood пересекают и выходят за границы муниципального района. 3. Когда границы класетра и границу муниципального района совпадают. Пользователи: для городских властей, местных организаций, предприятий и всех, кто желает узнать больше о городе. Источник: https://s3.amazonaws.com/livehoods/livehoods_icwsm12.pdf http://livehoods.org/maps
* - согласно типологии Mapping Smart Cities in the EU STUDY
Археология переферии Sportcamp/ summer school/ Тип: link planning Задача: «Что происходит с мобильностью в Москве и в ее периферийном поясе?».пересмотреть уже известные факты о городе, так и найти много новых. Источники данных: основе сигналов сотовых телефонов оператора «Мегафон». Так было зафиксировано 3 млн. сигналов, которые перемещаются по Москве и Московской области в первой половине одного рабочего сентябрьского дня с 6 до 13 часов Вторая часть исследования заключалась в составлении психологической и ментальной карты Москвы на основе публикаций в Twitter, Foursquare и «ВКонтакте» Метод: методу SPACE(D): S – sociology/общество, P – politics/управление, A – architecture/архитектура, C – culture/культура, E – economics/экономика, D – data/данные. Для анализа было выделено несколько типов путей: Результаты: жители окраинных районов не так сильно нуждаются в центре города, как принято думать: большинство предпочитает проводить свободное время вблизи от дома (в своем районе — 46%, в центре — только 14%), а около 3/4 жителей агломерации каждое утро остается дома, либо в непосредственной близости от места своего проживания; — анализ дневных перемещений москвичей показал, только чуть более 15% перемещений в агломерации завязано непосредственно на центр города как место окончания маршрута — все остальные едут из одного периферийного района в другой; — при этом транспортная система города устроена таким образом, что почти половина всех поездок в сторону центра является лишней — это т.н. «перепробеги», ситуации, когда из одного окраинного района в другой можно добраться только через центр; Пользователи: горожане Источник: http://shikardos.ru/text/issledovanie-arheologiya-periferii/