Progetto | PreDICO Analytics and Predictive Intelligence

POR Campania FESR 2014/2020 O.S. 1.1

Avviso CAMPANIA START UP 2020 – Progetto PREDICO CUP B61B19001230007.

DESCRIZIONE
Il Progetto PreDICO – Predictive Data Intelligence for Cities Optimization si pone come obiettivo quello di sviluppare servizi di Predictive e Data analytics per l’estrazione di conoscenza e valore dal patrimonio di dati a disposizione di PMI e pubbliche amministrazioni.
OBIETTIVI
L’obiettivo principale del progetto è quello di modellare e sviluppare un insieme di servizi intelligenti di data analytics predittiva che poggiano le fondamenta su un framework di intelligenza artificiale basato su algoritmi di deep learning (apprendimento profondo) al fine di estrarre nuova conoscenza ed informazioni utili dai dati raccolti e messi a disposizione.
RISULTATI
Il progetto ha permesso la realizzazione dei seguenti prodotti tecnologici.

PIPA – Parking with Iot Predictive Analytics

Nell’era dell’Internet of Things (IoT), in cui è facile immagazzinare enormi quantità di dati, particolare rilevanza assume la capacità di analizzarli ed interpretarli, attraverso opportune metodologie e strumenti, al fine di poterne ricavare utile conoscenza per implementare processi che, nel panorama delle Smarti Cities, possano rendere più fruibile la user-experience da un lato, e dall’altro fornire suggerimenti agli stakeholders per incrementare il proprio business. PIPA è un innovativo servizio di Predictive Analytics per le Smart Cities che si colloca all’interno dei servizi evoluti per lo Smart Parking. L’obiettivo principale è fornire predizioni ad orizzonte temporale medio e breve del rateo di occupazione delle strade dotate di sensoristica IoT per la rilevazione dell’occupazione degli stalli. Il contesto di utilizzo di questa tipologia di soluzione può essere individuato sia nella fornitura al potenziale cliente di un servizio intelligente che possa indirizzare l’utente finale/utilizzatore presso una locazione di parcheggio dove è più alta la probabilità di trovare uno stallo libero in un prossimo futuro, sia nell’utilizzo da parte dell’azienda/pubblica amministrazione di una metodologia che permetta di organizzare in real-time la fruizione dei posti auto oppure indirizzare gli opportuni controlli laddove vi sarà maggiore bisogno. Il servizio di analisi predittiva prevede inoltre l’estensione dello stesso attraverso l’utilizzo di ulteriori data sources che possano ampliarne le capacità predittive: innestare informazioni relative all’ambiente in cui gli stalli sono posizionati, come ad esempio dati metereologici, dati relativi alla natura residenziale e/o commerciale delle zone di interesse e dati relativi al traffico porterà ad un tracciamento solido dei pattern temporali rilevati all’interno dei dati estratti, fornendo feature predittive in grado di aumentare il grado di affidabilità delle previsioni.

PreMHO – Predicting Management Healthcare Occupancy

PreMHO si propone come una soluzione innovativa basata su metodologie data-driven in grado di analizzare dati clinici ed organizzativi di strutture mediche al fine di supportare sistemi sanitari attraverso servizi di analytics personalizzati e intelligenti. L’obiettivo di PreMHO è lo sviluppo di algoritmi di Machine and Deep Learning (ML) che possono essere adottati in modo efficiente per migliorare la qualità complessiva dei sistemi sanitari. Il motore di PreMHO è rappresentato da un modello predittivo in grado di estrarre conoscenze utili su pazienti, personale medico e relative strutture sanitarie. Più in dettaglio, il contributo principale è lo sviluppo di un framework di Deep Learning (DL) capace di prevedere, a breve e medio termine, il carico di lavoro di una struttura medica in una regione geografica. Una delle funzionalità di PreMHO è in grado di sfruttare ed analizzare dati amministrativi temporali al fine di fornire previsioni sulle possibili visite mediche di un paziente nei mesi successivi, ed in particolare presso quale struttura avverrà tale visita. Pertanto, PreMHO è in grado di sviluppare una previsione della distribuzione dei pazienti all’interno di un sistema sanitario attraverso metodologie di Machine and Deep Learning. In particolare PreMHO fa uso di Reti Neurali Convoluzionali Temporali (TCNN) che a partire da dati amministrativi inerenti la storia clinica di un paziente degli anni pregressi, è in grado di prevedere se e in quale struttura il paziente prenoterà un appuntamento e/o visita. Tale approccio garantisce un notevole miglioramento della gestione di un sistema sanitario, dei carichi di lavoro delle strutture ospedaliere e del personale coinvolto.

DATO – Data Analytics for Tourism Optimization

Elaborazione di dati/informazioni dei flussi turistici. Vendita di analisi sui flussi di visita e gradimento dai dati raccolti, attraverso l’acquisizione da varie fonti informative (mobili e non) e declinati in diverse tipologie (localizzazione, feedback utente); si elaboreranno informazioni circa la provenienza dei flussi turistici, gli spostamenti tipici sul territorio (tracking), la presenza media giornaliera per area, il gradimento e gli itinerari più comuni. I risultati delle elaborazioni, presentate per esempio mediante un cruscotto informativo, consentiranno agli enti una migliore pianificazione delle infrastrutture turistiche in relazione al numero di utenti presenti in determinate aree. Con tali informazioni sarà possibile individuare i turisti rispetto ai residenti e rilevare le caratteristiche aggregate dei loro movimenti. [La mole dei dati attesa è enorme e necessita la messa a punto di appositi algoritmi per i Big Data. Inoltre un modulo di Social Data Analysis, che estrae grandi quantitativi di dati, tendenze e parametri in grado di “clusterizzare” utenti e preferenze. In questo scenario un contributo significativo è fornito da metodologie come la sentiment analysis e più in generale l’affective computing. Nello specifico i gestori devono poter accedere a degli strumenti per eseguire operazioni di controllo ed analisi non direttamente legate all’editing contenuti. Fra queste l’analisi statistica dei flussi, eventuali operazioni di knowledge mining e individuazione di pattern, nonché la gestione del sistema di raccomandazione allo scopo di bilanciare la fruizione del territorio e la sua valorizzazione turistica. Inoltre, processi di Social Sharing Analysis, nei quali i diversi utenti divulgano la propria esperienza turistica sui principali Social Network, forniranno implicitamente un utile feedback ai gestori del sistema.]

DESTIN – Data Evolution for SusTainability InjectioN

Le moderne tecnologie digitali consentiranno a tutti di vivere in un mondo in cui il loro sviluppo non dipende dall’esaurimento delle risorse limitate e dall’aumento delle emissioni. DESTIN intende utilizzare le tecniche di Data Analysis e Machine Learning al fine di rendere più efficiente l’uso dell’energia e delle risorse. Ad esempio, analizzando la quantità ottimale di acqua di cui ogni coltura ha bisogno e utilizzando di conseguenza un sistema di irrigazione intelligente, l’agricoltura può diventare infinitamente più efficiente.
I servizi di analisi predittiva di DESTIN possono valutare anche l’uso ottimale dei veicoli in una città. Invece di una persona che possiede un’auto che viene utilizzata solo per un’ora al giorno e poi rimane parcheggiata per il resto della giornata, più persone possono condividere un’auto elettrica, riducendo il numero di veicoli necessari complessivamente. I suddetti esempi rappresentano solo alcuni degli aspetti chiave legati alla sustainability di una città che vuole diventare Smart. Negli ultimi dieci anni molte aziende e pubbliche amministrazioni si sono interessate a dimostrare cosa stanno facendo per migliorare il mondo e come questi cambiamenti hanno un impatto reale sui loro profitti finanziari. Esse sono quindi alla costante ricerca di servizi orientati all’applicazione di metodologie di trattamento dati per la sustainability. DESTIN è un insieme di servizi orientati alla “Sustainability Analytics” in grado di aiutare PMI e pubbliche amministrazioni a dimostrare al pubblico e ai loro azionisti l’impatto delle loro iniziative di sostenibilità.