Descripció
The big data revolution is erupting in the smart city discussion (Grimaldi, Fernandez, & Carrasco, 2018). After 2010’s, we moved from a relative data scarcity to an unprecedented deluge of data (Talia, Trunfio, & Marozzo, 2015) that provides wider, finer-grained and real-time information of what is occurring in all the dimensions of the city: business, retail, housing, social, environmental, telecommunication, etc. Different types of databases have been generated in the last 20 years concerning the conditions of living, the built environment or the daily activities that take place in the city. Their ownership are either public or private (“open-data” policy, banking, telecommunication, retail transactions, etc.) (Manyika, 2011). Their sources are divided into two categories: automated and volunteered. Automated data are collected by intelligent systems such as connected sensors, CCTV, finger-prints, iris scans etc. Volunteered data are offered by users by formal consent. They can be generated by traditional forms and web-based formularies or massively collected through social channels (Davenport & Harris, 2007). Practitioners and scientists look for new applications that can make the citizens’ life better improving the services provided to them such as mobility, energy, housing or job seeking. Complexity science, Complex networks theory are fashioning new models of urban services (Grimaldi et al., 2018). Foth et al. (2011) add the creation of a new scientific field is emerging that they name “urban informatics”. They believe the potential promises are not only to give sense to cities as they are currently shaped (by identifying patterns or models or laws) but also to simulate and predict future possible scenarios. In our course, after a presentation of the different concepts of Smart City, Sustainable City, Data-driven city, we present few applications that Big Data offers to the urban managers.
Tipus assignatura
Optativa que no es cursa
Semestre
Segon
Crèdits
5.00
Coneixements previs

És recomanable tenir alguna experiència anterior en projectes de caràcter multidiscisplinar, que abordin aspectes relacionats amb la planificació de ciutats, en diverses escales (bloc, barri, districte) i en múltiples àmbits (energia, sostenibilitat, planificació ...) conjuntament amb les tècniques de modelatge i anàlisi de dades.

Conceptes introduïts en altres matèries del màster com: disseny i modelatge de dades; tècniques de visualització de la informació; disseny d'interfícies.

Preferentment coneixements del llenguatge MATLAB.

Objectius

At the end of the course, students should be able to answer the following questions:
1. What do Smart City, Data-driven city mean?
2. Is a Smart City a sustainable city?
3. What does Big data offer for a better management of the city?
4. How can we transform Big data into value or benefits of a citizen?
5. How do data provide alternative approaches to address Smart City issues?
6. How can Big Data, Artificial Intelligence or Machine Learning can help us create more liveable cities?

Continguts

L'assignatura se centra en l'anàlisi dels sistemes urbans i les dades generades per aquests sistemes. Després d'una breu introducció al concepte de Smart Cities i l'estudi de ciutat com a sistema de sistemes (infraestructures de telecomunicacions, energia, mobilitat, aigua, matèria, natura, etc.), l'assignatura repassa els diferents subsistemes de ciutat i aquelles tecnologies i eines que són útils per a l'extracció i l'analítica de dades de l'entorn urbà, ja siguin extrets en temps real, o provinents d'altres fonts del sector públic o privat. Es revisaran plataformes urbanes i sistemes de visualització, monitorització i anàlisi de dades geolocalitzats. Posteriorment, s'analitzen diversos casos específics de Data Science per a les Smart Cities, amb l'objectiu de millorar la planificació i els serveis urbans. Finalment, l'alumne treballa en un cas pràctic en el qual se li reptarà a desenvolupar un servei personalitzat a partir de l'anàlisi i integració de dades de la ciutat.

Nota: els temes i els mètodes en qüestió es poden ajustar i/o modificar a criteri de la coordinació del màster.

Metodologia

The course consist of lectures and involves a set of assignments to be carried out in class. The objective is to provide frequent opportunities for in-class exercises and “thought experiments”.

Lliçó magistral
Estudi i treball personal
Treballs en grup

Avaluació

Exercicis, problemes i pràctiques
Treballs de recerca i informes
Participació a classe

Criteris avaluació

Exercicis, problemes i pràctiques (30)
Treballs de recerca i informes (50)
Participació a classe (20)

Bibliografia bàsica

Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning (Harvard Bu).

Derqui, B., Grimaldi, D., & Fernandez, V. (2020). Building and managing sustainable schools: The case of food waste. Journal of Cleaner Production, 243, 118533. https://doi.org/10.1016/j.jclepro.2019.118533

Foth, M., Choi, J. H., & Satchell, C. (2011). Urban Informatics. In Proceedings of the ACM 2011 Conference on Computer Supported Cooperative Work (pp. 1–8). New York, NY, USA: ACM. https://doi.org/10.1145/1958824.1958826

Grimaldi, D., & Fernandez, V. (2018). Performance of an internet of things project in the public sector: The case of Nice smart city. The Journal of High Technology Management Research, (xxxx), 0–1. https://doi.org/10.1016/j.hitech.2018.12.003

Grimaldi, D., Fernandez, V., & Carrasco, C. (2018). Heuristic for the localization of new shops based on business and social criteria. Technological Forecasting and Social Change, (September 2017), 1–9. https://doi.org/10.1016/j.techfore.2018.07.034

Manyika, J. (2011). Big data: The next frontier for innovation, competition, and productivity.

Talia, D., Trunfio, P., & Marozzo, F. (2015). Data Analysis in the Cloud: Models, Techniques and Applications (1st ed.). Amsterdam, The Netherlands, The Netherlands: Elsevier Science Publishers B. V.

Material complementari

En funció dels casos d'estudi que es plantegin, es facilitarà accessos a fonts de dades que els alumnes necessitin per dur a terme les tasques encomanades.

El cas d'aplicació es plantejarà de manera que puguin emprar-se els coneixements prèviament adquirits en altres mòduls (web semàntica, anàlisi estadística, etc.)

Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.