意大利@@大数据应用@@@@@@的@@10个项目案例@@@@

　　一@@、数据分析@@@@

　　案例@@1：

　　题目@@：感测人类行为@@，预测能源消费@@

　　应用@@领域@@：能源消费预测模型@@

　　项目负责人@@：AndreyBogomolov

　　项目简介@@：项目致力于优化意大利@@@@Trentino省电力能源生产@@-输配@@-销售链@@。对于电力生产和输配@@商而言@@，本项目通过限制电力能源生产以减少电力消费@@，通过销售终端计划以减少电力输配@@成本@@;同时@@，本项目为电力波峰预测@@提供了借鉴@@。

　　本项目主要解决两个问题@@：(1)日均电力需求预测@@。通过意大利@@@@Trentino省电网系统@@，该预测利用@@人类行为数据@@——移动通信数据@@，优化了电力能源生产@@-输配@@链@@，减少了气候变化的影响@@。(2)电力波峰预测@@。

　　本项目模型建立了高阶希尔伯特空间@@数学模型@@，利用@@了@@Trentino省移动网络数据@@，预测了各电网未来一@@周内的日均电力需求和电力波峰@@。LeoBreiman随机预测算法解决了本项目模型的非线性回归问题@@。同时@@，本项目模型拥有较少的状态空间@@维度@@，从而能够有效地应用@@于大数据分析@@@@@@。

　　案例@@2

　　题目@@：利用@@大数据规划米兰@@

　　应用@@领域@@：城市规划@@与@@监测@@

　　项目负责人@@：DavidMeyer

　　项目简介@@：项目为米兰人口@@、环境及其交互作用提供了动态@@理解@@。利用@@米兰地区的电信网络数据@@，项目建立了人口预测模型@@，辨识了非常规移民人口@@，并揭示了米兰的潜在社会结构@@。同时@@，项目利用@@@@交通和气象数据预测了城市空气质量@@。

　　案例@@3

　　题目@@：熵@@——评价常住居民@@/移民信息@@，提升生活@@品质@@

　　应用@@领域@@：社会学分析@@@@

　　项目负责人@@：MicheleTizzoni

　　项目简介@@：项目的主要创新在于对@@“熵@@”函数的定义@@。高熵@@值单元代表异质性高的区域@@，对应于旅游@@热点或闹市区@@;低熵@@值单元代表以国际电话业务为标准的高特征区域@@。电话通信数据可以被有效利用@@以监测大范围事件@@，项目利用@@@@“熵@@”函数得到了传统分析@@得不到的信息@@。一@@方面@@，某一@@时间节点代表高度不确定性的高熵@@值揭示了该区域非常规@@/例外事件的发生@@;另一@@方面@@@@，针对高度活跃的国际通话业务@@，项目通过拓扑学分析@@了该城市国际社区的空间@@特征@@。

　　案例@@4

　　题目@@：基于@@兴趣目标导向的广告@@宣传@@

　　应用@@领域@@：广告@@

　　项目负责人@@：ArisAnagnostopoulos

　　项目简介@@：相较于线上广告@@@@，线下广告@@面临着达不到满意宣传目标的问题@@。基于@@社交网络信息和人口数据@@，项目对@@Tweeter文本内容进行了语义分类@@，区分了不同@@Tweeter用户@@对电影@@、音乐@@、体育等领域的感兴趣程度@@;利用@@Tweeter位置的地理标记功能@@，预测了用户@@分布和网络传播趋势@@。

　　以某领域的广告@@投放为例@@。首先@@，线下广告@@分类投放不同@@Tweeter用户@@。选择的广告@@投放用户@@应对该广告@@感兴趣@@，应能使总体效益最大化@@。其次@@@@，线下广告@@投放至该领域有影响力的@@Tweeter用户@@。投放的广告@@不仅是为了覆盖该领域更多@@的用户@@@@，更是为了使该领域有影响力的用户@@获知并传播该广告@@@@，从而使该广告@@达到事半功倍的效果@@。

　　案例@@5

　　题目@@：个性化的导航@@系统应用@@@@

　　应用@@领域@@：移动导航@@@@

　　项目负责人@@：AntonioLima

　　项目简介@@：项目为城市交通提供了新的导航@@系统@@，有效平衡了个人偏好和公众兴趣@@。使用者可以利用@@智能设备个性化的定制城市导航@@路线@@，如@@选择最短路径@@，避免犯罪区域@@、污染区域@@、交通拥堵区域@@，或者避免日程计划事件区域等@@。当地政府@@也可以针对社区做出限制性规定@@，如@@减少学校地区的噪音污染@@。本项目以@@城市历史和实时数据为基础@@，以使用者个人偏好和政府@@限制规定为依据@@，向使用者反馈路线信息@@。

　　PersonalizedRoutingforMultitudesinSmartCities

　　案例@@6

　　题目@@：基于@@Twitter展现的城市社交网络幸福度分析@@@@

　　应用@@领域@@：社会学分析@@@@

　　项目负责人@@：IyadRahwan

　　项目简介@@：心理幸福度对社会生产@@、社会创新和违法犯罪均会产生影响@@，公共社交媒体为衡量区域幸福度提供了参考@@。项目以@@Twitter内容为基础进行了幸福度分类@@，研究了米兰市中心不同区域社交联系和幸福度之间的关系@@，制作了米兰市幸福度空间@@分布图@@。项目研究表明@@，不幸福区域比幸福区域吸引了更高的通信交流@@。该研究有助于了解社会结构和城市心理幸福度之间的关系@@，有助于创新机制以提升城市心理幸福度@@。

　　Misery Loves Company