Nato nel 2013 come ontologia per le smart city, Km4City intende migliorare la qualità della vita abilitando la creazione di servizi innovativi, per la mobilità, la sicurezza, il turismo, la riduzione dei consumi e dei costi, e potenziare la capacità delle persone e della città di reagire a eventi avversi non previsti.
Obiettivi ambiziosi possibili da raggiungere andando a creare servizi tramite algoritmi di Intelligenza Artificiale sulla base di dati presenti nelle nostre città. Non solo gli open data, ma anche quelli di operatori di trasporto, commercio, turismo, beni culturali, educazione, meteo, ambiente; quelli che possono provenire da sensori nella città (IOT, Internet delle Cose), dai social media e dai cittadini stessi tramite App e sistemi di partecipazione.
Oltre ai dati statici che non cambiano, o cambiano raramente, vi sono i dati dinamici (real time) che producono flussi continui di informazione e che suscitano maggior interesse per gli utenti finali poiché permettono di poter avere informazioni, predizioni e deduzioni in tempo reale.
Al momento Km4City, come base di conoscenza a servizi di vari progetti, copre con i suoi dati tutta la Toscana in termini di informazioni stradali, punti di interesse (cultura, turismo, alloggi, ristorazione, educazione, commercio per un totale di circa 300.000 POI classificati in 500 categorie), servizi di trasporto pubblico (da 16 operatori), benzinai, informazioni sul triage di ospedali, flussi traffico da circa 800 sensori, oltre 200 parcheggi e social media tramite TwitterVigilance; centinaia di migliaia di nuovi dati complessi al giorno.
Del progetto abbiamo parlato con Paolo Nesi, chair del DISIT Lab dell’Università degli Studi di Firenze e coordinatore del progetto.
Quali sono i beneficiari del progetto KM4City?
“I principali beneficiari sono gli utenti della città (cittadini, studenti, pendolari e turisti), e ovviamente gli operatori e le pubbliche amministrazioni.“
KM4City è un esempio di come un uso intelligente dei dati possa supportare la Città per pianificare e sviluppare nuovi servizi. Può essere replicato in altri territori?
“KM4City è completamente open source, può essere facilmente replicato in altre regioni ed aree. È inoltre un sistema completamente aperto nel quale si possono facilmente aggiungere nuovi dati e processi. La stessa ontologia è open come tutto il resto. I sistemi server side sono sviluppati in linguaggi aperti come Java, PHP, Javascript, ETL, Python, ecc. La piattaforma KM4City è modulare e scalabile, nel senso che una piccola amministrazione può installare e utilizzare anche solo le parti di suo interesse. Tutto il sistema di acquisizione dati è in grado di ingerire/aggregare dati statici e real time in standard multipli con soluzioni completamente scalabili in cloud oppure nei data center delle pubbliche amministrazioni.“
Come si alimenta KM4City?
“KM4City si alimenta con open data, grafi strade e dati real time, provenienti da open data, gestori della mobilità, social network come Twitter, da qualsiasi tipo di sensori nella città e anche dalle app e quindi dagli utenti finali stessi”.
Perché KM4City è un riferimento nello scenario internazionale?
“Non spetta a noi dire che KM4City è un riferimento internazionale. L’ontologia e quindi il modello KM4City sono stativalutati come i più completi da vari enti. Inoltre, le soluzioni KM4City sono utilizzate da vari progetti europei e nazionali che contribuiscono anche al suo ampliamento come modello e strumenti. Fra questi progetti sono: Sii-Mobility (smart city nazionale MIUR, mobilità e trasporti, con svariate sperimentazioni in quasi tutta la Toscana), RESOLUTE H2020 della Commissione Europea (per lo studio e la messa in opera di soluzioni di resilienza dei sistemi di trasporto, con sperimentazione a Firenze e Atene), REPLICATE H2020 della Commissione Europea (per l’introduzione di soluzioni di mobilità sostenibile, IOT ed energia integrata, nel contesto del piano smart city Europeo), GHOST del MIUR… e altri ancora.“
KM4City può diventare un asset importante a supporto della pianificazione urbana?
“Certamente, visto che con i suoi algoritmi è in grado di produrre matrici di origine-destinazione sui flussi veicoli e anche sulle persone (con il contributo di RESOLUTE), crea modelli predittivi sui flussi, sui parcheggi e sulle persone. Accumula dati e conoscenza su come gli utenti della città la usano e su come la città vive ed evolve. Sulla base di conoscenza si stanno attivando strumenti per il supporto alle decisioni, per la valutazione del rischio e anche per la valutazione della resilienza.“
Quali le criticità incontrate?
“Le principali problematiche che sono state affrontate e risolte sono legate alla gestione della complessità dell’acquisizione di dati eterogenei (diverse sorgenti, protocolli, standard, formati, ecc.), ai volumi di questi dati che arrivano in continuo dalla Città e dalle App, alla loro qualità e discontinuità; configurando in questo modo il problema smart city nello spazio dei Big Data.
La mancanza d’interoperabilità e la qualità limitata dei dati sono gestite in KM4City tramite strumenti di data mining per aggregare i dati e correggere i problemi entro parametri accettabili. Sulla base di conoscenza KM4City sono quindi messi in esecuzione svariati algoritmi di data analytic che si basano su Intelligenza Artificiale e statistica per la produzione anche in tempo reale di predizioni, suggerimenti, stimoli verso i cittadini, e suggerimenti verso i decisori pubblici.“
I prossimi passi?
“Saremo impegnati nell’allargamento della sperimentazione con Sii-Mobility a molte aree della Toscana su aspetti di mobilità e trasporti, a Firenze e Atene su aspetti di resilienza dei sistemi di trasporto. Nel dettaglio dei dati, in base alle richieste che riceviamo, stiamo allargando la base di conoscenza in modo da coprire più regioni fino ad arrivare all’intero territorio nazionale.“
