問題導(dǎo)讀

1. 大數(shù)據(jù)如何應(yīng)用于電力能源項目，帶來效益?
2. 數(shù)據(jù)可視化有哪些應(yīng)用?
3. 是否可以將可視化應(yīng)用于空氣污染?
4. 大數(shù)據(jù)如何應(yīng)用于各種(手機)應(yīng)用?
5. 你認為大數(shù)據(jù)還可以應(yīng)用于那些場景?

[[179364]]

翻譯了意大利大數(shù)據(jù)應(yīng)用10個項目案例例,供感興趣的讀者享用：

一、數(shù)據(jù)分析

案例1：

題目：感測人類行為，預(yù)測能源消費

應(yīng)用領(lǐng)域：能源消費預(yù)測模型

項目負責人：Andrey Bogomolov

項目簡介：項目致力于優(yōu)化意大利Trentino省電力能源生產(chǎn)-輸配-銷售鏈。對于電力生產(chǎn)和輸配商而言，本項目通過限制電力能源生產(chǎn)以減少電力消費，通過銷售終端計劃以減少電力輸配成本;同時，本項目為電力波峰預(yù)測提供了借鑒。

本項目主要解決兩個問題：(1)日均電力需求預(yù)測。通過意大利Trentino省電網(wǎng)系統(tǒng)，該預(yù)測利用人類行為數(shù)據(jù)——移動通信數(shù)據(jù)，優(yōu)化了電力能源生產(chǎn)-輸配鏈，減少了氣候變化的影響。(2)電力波峰預(yù)測。

本項目模型建立了高階希爾伯特空間數(shù)學模型，利用了Trentino省移動網(wǎng)絡(luò)數(shù)據(jù)，預(yù)測了各電網(wǎng)未來一周內(nèi)的日均電力需求和電力波峰。Leo Breiman隨機預(yù)測算法解決了本項目模型的非線性回歸問題。同時，本項目模型擁有較少的狀態(tài)空間維度，從而能夠有效地應(yīng)用于大數(shù)據(jù)分析。

 

案例2

題目：利用大數(shù)據(jù)規(guī)劃米蘭

應(yīng)用領(lǐng)域：城市規(guī)劃與監(jiān)測

項目負責人：David Meyer

 

項目簡介：項目為米蘭人口、環(huán)境及其交互作用提供了動態(tài)理解。利用米蘭地區(qū)的電信網(wǎng)絡(luò)數(shù)據(jù)，項目建立了人口預(yù)測模型，辨識了非常規(guī)移民人口，并揭示了米蘭的潛在社會結(jié)構(gòu)。同時，項目利用交通和氣象數(shù)據(jù)預(yù)測了城市空氣質(zhì)量。

案例3

題目：熵——評價常住居民/移民信息，提升生活品質(zhì)

應(yīng)用領(lǐng)域：社會學分析

項目負責人：Michele Tizzoni

 

項目簡介：項目的主要創(chuàng)新在于對“熵”函數(shù)的定義。高熵值單元代表異質(zhì)性高的區(qū)域，對應(yīng)于旅游熱點或鬧市區(qū);低熵值單元代表以國際電話業(yè)務(wù)為標準的 高特征區(qū)域。電話通信數(shù)據(jù)可以被有效利用以監(jiān)測大范圍事件，項目利用“熵”函數(shù)得到了傳統(tǒng)分析得不到的信息。一方面，某一時間節(jié)點代表高度不確定性的高熵 值揭示了該區(qū)域非常規(guī)/例外事件的發(fā)生;另一方面，針對高度活躍的國際通話業(yè)務(wù)，項目通過拓撲學分析了該城市國際社區(qū)的空間特征。

 

案例4

題目：基于興趣目標導(dǎo)向的廣告宣傳

應(yīng)用領(lǐng)域：廣告

項目負責人：Aris Anagnostopoulos

項目簡介：相較于線上廣告，線下廣告面臨著達不到滿意宣傳目標的問題。基于社交網(wǎng)絡(luò)信息和人口數(shù)據(jù)，項目對Tweeter文本內(nèi)容進行了語義分類，區(qū)分了不 同Tweeter用戶對電影、音樂、體育等領(lǐng)域的感興趣程度;利用Tweeter位置的地理標記功能，預(yù)測了用戶分布和網(wǎng)絡(luò)傳播趨勢。

以某領(lǐng)域的廣告投放為例。首先，線下廣告分類投放不同Tweeter用戶。選擇的廣告投放用戶應(yīng)對該廣告感興趣，應(yīng)能使總體效益***化。其次，線下廣告投放至 該領(lǐng)域有影響力的Tweeter用戶。投放的廣告不僅是為了覆蓋該領(lǐng)域更多的用戶，更是為了使該領(lǐng)域有影響力的用戶獲知并傳播該廣告，從而使該廣告達到事 半功倍的效果。

案例5

題目：個性化的導(dǎo)航系統(tǒng)應(yīng)用

應(yīng)用領(lǐng)域：移動導(dǎo)航

 

項目負責人：Antonio Lima

項目簡介：項目為城市交通提供了新的導(dǎo)航系統(tǒng)，有效平衡了個人偏好和公眾興趣。使用者可以利用智能設(shè)備個性化的定制城市導(dǎo)航路線，如選擇最短路徑，避免犯罪 區(qū)域、污染區(qū)域、交通擁堵區(qū)域，或者避免日程計劃事件區(qū)域等。當?shù)卣部梢葬槍ι鐓^(qū)做出限制性規(guī)定，如減少學校地區(qū)的噪音污染。本項目以城市歷史和實時 數(shù)據(jù)為基礎(chǔ)，以使用者個人偏好和政府限制規(guī)定為依據(jù)，向使用者反饋路線信息。

Personalized Routing for Multitudes in Smart Cities

 

案例6

題目：基于Twitter展現(xiàn)的城市社交網(wǎng)絡(luò)幸福度分析

應(yīng)用領(lǐng)域：社會學分析

項目負責人：Iyad Rahwan

 

項目簡介：心理幸福度對社會生產(chǎn)、社會創(chuàng)新和違法犯罪均會產(chǎn)生影響，公共社交媒體為衡量區(qū)域幸福度提供了參考。項目以Twitter內(nèi)容為基礎(chǔ)進行了幸福度 分類，研究了米蘭市中心不同區(qū)域社交聯(lián)系和幸福度之間的關(guān)系，制作了米蘭市幸福度空間分布圖。項目研究表明，不幸福區(qū)域比幸福區(qū)域吸引了更高的通信交流。 該研究有助于了解社會結(jié)構(gòu)和城市心理幸福度之間的關(guān)系，有助于創(chuàng)新機制以提升城市心理幸福度。

Misery Loves Company

二、數(shù)據(jù)可視化

案例7

題目：米蘭城市空氣污染的可視化

應(yīng)用領(lǐng)域：空氣污染監(jiān)測

項目負責人：Yhidad Calle

 

項目簡介：人類是強烈的視覺動物，因此可視化數(shù)據(jù)是要傳達給他人的最快方法。動態(tài)、交互式的可視化有助于人們探索數(shù)據(jù)。本項目運用了交互式和動態(tài)圖形，簡化了數(shù)據(jù)讀取，方便了對此領(lǐng)域不熟悉的公眾。

可視化的例子。2013年12月，米蘭的幾個主要污染物的強度分布圖——熱圖，其中包含在矩陣中的數(shù)值被表示為顏色數(shù)據(jù)的圖形;徑向堆疊面積圖以24小時為一圈進行編碼，分析了每小時各污染物的累計濃度。

Milan AirPollution Visualization

 

案例8

題目：空中鳥瞰下的人類行為

應(yīng)用領(lǐng)域：敘事

項目負責人：Gergely Daroczi

項目簡介：小數(shù)據(jù)或大數(shù)據(jù)的難點不是數(shù)據(jù)量的大小以及如何處理數(shù)據(jù)，焦點在于“如何把數(shù)據(jù)轉(zhuǎn)化為有用的信息”?本項目運用了多種可視化技術(shù)，提供了空中鳥瞰下的人類活動。

移動汽車的分布、撥出電話的地理分布、二氧化氮排放及空氣污染、交通事故的位置分布，這些都反映了人類活動。本項目演示文稿旨在反映人類的日常活動。

三、應(yīng)用

案例9

題目：基于Twitter語言的旅游分析

應(yīng)用領(lǐng)域：旅游

項目負責人：Salih Ergut

項目簡介：對于游客來說，尋找當?shù)責衢T的旅游目的地不是一件簡單的事情。旅游指南、博客、旅游網(wǎng)站等提供了該城市的一些信息，但卻很難從這些冗長的信息中發(fā)現(xiàn)有用的價值。

游客在旅行時很難在地圖上找到想去的地方。已有的旅游信息更多的是通用的，并沒有反映不同文化的特點。本項目考慮了游客的背景，開發(fā)了相應(yīng)的應(yīng)用程序，達到了使旅行有趣的目的。

 

案例10

題目：城市用地使用情況分析

應(yīng)用領(lǐng)域：城市規(guī)劃

項目負責人：Irene Celino

項目簡介：城市規(guī)劃的目的是通過土地使用信息規(guī)劃城市環(huán)境。然而，收集土地信息并予以分類的成本代價較高。人們在生活環(huán)境中會留下痕跡，是否可以將這些痕跡數(shù)據(jù)化并予以監(jiān)測，從而有效地預(yù)測“生活”土地使用情況?

本項目研究致力于：(1)通過大數(shù)據(jù)分析得到2013年城市用地使用“足跡”;(2)將這些“足跡”與2009年的城市用地使用情況比較;(3)分析2009年-2013年的土地用途偏差。

本項目對認識和監(jiān)測土地使用情況的變化產(chǎn)生積極的影響。如，為城市規(guī)劃提供支持，減少土地普查費用等。

Living Land Use

【本文為51CTO專欄作者“王森豐”的原創(chuàng)稿件，轉(zhuǎn)載請注明出處】