Analisi dei dati sulle segnalazioni di non emergenza in ambito urbano mediante tecniche di Data Mining = Data analysis on non-emergency requests in urban areas using data mining techniques

Negli anni la capacità di raccogliere grandi quantità di dati è andata sempre crescendo; il grande numero di dati raccolti costituiscono un notevole potenziale informativo. Grazie anche alla disponibilità di open data al giorno d’oggi c’è molta attenzione al concetto di smart city, ossia alla realizzazione di città intelligenti che permettano di migliorare le condizioni urbane e venire incontro alle esigenze dei cittadini. Nella gestione di una città è un punto importante la capacità di rilevare le situazioni critiche e monitorare la percezione dei cittadini sulla sicurezza urbana. A tal fine l’amministrazione cittadina o la polizia locale acquisiscono comunemente questa tipologia di segnalazioni dai cittadini. L’analisi di questo tipo di dati mediante tecniche di machine learning può fornire informazioni utili per eseguire azioni mirate e di fatto migliorare la sicurezza e la qualità delle città nella percezione del cittadino. In questo lavoro di tesi è stato definito un framework che include una prima fase di preprocessing al fine di migliorare la qualità e l’utilità dei dati, ed una successiva seconda fase di analisi dei dati per l’estrazione di informazione utile rappresentata mediante pattern di facile interpretazione. Come casi di studio di riferimento sono state considerate le segnalazioni di non emergenza legate alla sicurezza urbana in due città diverse, Torino e New York. Per la città Piemontese sono stati esplorati i dati delle segnalazioni inviate dai cittadini al Contact Center della Polizia Municipale di Torino. Per la città Americana è stato utilizzato il dataset relativo alle segnalazioni urbane denominate 311. L’obiettivo è svolgere una analisi di dati attraverso tecniche di data mining che permettano di trovare possibili correlazioni tra i tipi di segnalazione e gli attributi geografici e temporali. I risultati di queste analisi possono fornire informazioni utili da utilizzare nel contesto di una smart city per migliorare la qualità di vita dei cittadini e la percezione di sicurezza in città, ma anche contribuire a rendere il cittadino sempre più partecipe del contesto urbano in cui vive.