Titolo: Sistemi di bigliettazione elettronica: analisi dati e data mining Relatore: Andrea Gaffi.

Slides:



Advertisements
Presentazioni simili
Overview CSR Software è una applicazione web based ideata per aiutare le imprese nella gestione e nella realizzazione del bilancio sociale. Il software.
Advertisements

Professioni per la radiotelevisione e lo spettacolo
M. Capobianco, G. Zamboni - PROGRESS: un codice per il calcolo delle emissioni da … - VIII Incontro Expert Panel Emissioni da trasporto stradale - Roma,
LA CICLABILITA’ E IL TRASPORTO PUBBLICO URBANO: AIUTARSI A VICENDA
Dottorato in Società dellInformazione Università degli Studi di Milano-Bicocca Una rete per la scuola in ospedale Andrea Marcante.
Servizio Analisi di Mercato e Concorrenza Cluster Telefonia Fissa Retail Federico Mini Napoli, 8 maggio 2003.
La Rete Unica della Provincia di Torino
Descrizione dei dati Metodi di descrizione dei dati
Vendi con MBS COME CREARE BUSINESS INFRA-GRUPPO MIND BUSINESS SCHOOL COME CREARE BUSINESS INFRA-GRUPPO MIND BUSINESS SCHOOL.
Il rating è: Una valutazione della capacità e della volontà di un ente di rimborsare il suo debito finanziario con puntualità alla scadenza prevista Una.
EGIDIO GUBBIOTTO Università La Sapienza di Roma 1° e 2° Facoltà Corso di Laurea Per le Professioni Sanitarie.
Pisa - 6 maggio 2005 Laurea Specialistica in Ingegneria Informatica per la Gestione dAzienda Il ruolo dellUniversità di Pisa: esperienze maturate e possibili.
Statistica sociale Modulo A
Data mining for e-commerce sites
IL PROCESSO DI PREVISIONE DELLA DOMANDA
1 Cenasca - Cisl Obiettivo Business plan dati e informazioni, che è opportuno raccogliere per poter prendere decisioni temi e problemi che è necessario.
PRESENTAZIONE 6 dicembre 2005
U.O. Statistica ASCOLTARE I CITTADINI: MONITOR SULLA SODDISFAZIONE DEI SERVIZI DELLA CITTA DI FERRARA SERVIZIO ATTIVITA PRODUTTIVE - COMMERCIO.
Presentazione attività di monitoraggio VELLETRI: Park e bus in centro Arch. Maria Pietrobelli Conferenza stampa 24 Marzo 2011.
Cultura per il terzo anno
Perfect sampling di processi di coda UNIVERSITÀ DEGLI STUDI DI ROMA TOR VERGATA Corso di laurea in Ingegneria dei Modelli e dei Sistemi Studente: Paolo.
Vice Direttore Amm.ne Finanza e Controllo
Giambattista Minetti, SmartSolutions Bologna,
Obiettivi: Creare un sistema capace di monitorare i movimenti dei mezzi adibiti al trasporto dei rifiuti pericolosi; Verificare gli spostamenti rispetto.
Linea 16 Criticità: -Passa su strada e non sempre il tempo indicato viene rispettato -In alcune fermate mancano delle pensiline dove la gente possa sedersi.
Analisi delle frequenze dei modelli di disabilità in interviste a bambini tra i 5 e gli 11 anni Relatore Laureanda Prof. Stefano Federici Luciana Ciaccasassi.
ABBONAMENTO FORMULA ISR TORINO – Linea Qualità.
SINTESI DELLA PROCEDURA DI PIANIFICAZIONE DEI TRASPORTI
Conosci le città d’Italia?
Piano Regionale Integrato dei Trasporti
Università degli Studi di Roma “Tor vergata” Dipartimento di Ingegneria Civile Corso di Gestione ed esercizio dei sistemi di trasporto Docente: Ing. Pierluigi.
Università degli Studi di Roma “Tor vergata” Dipartimento di Ingegneria Civile Corso di Gestione ed esercizio dei sistemi di trasporto Docente: Ing. Pierluigi.
Tipo Documento: unità didattica 4 Modulo 14 Compilatore: Antonella Bolzoni Supervisore: Data emissione: Release: Indice: A.Scheda informativa B.Introduzione.
INDAGINE SUL FABBISOGNO DELLE FIGURE PROFESSIONALI NEL SETTORE METALMECCANICO IN PROVINCIA DI CREMONA (effettuata dai proff. P.Ganugi e G.Gozzi Università.
Situata al centro di Londra SOAS – School of Oriental & African studies INFORMAZIONI GENERALI - World Class Reputation (una delle top 5 di Londra) -
Erasmus en Madrid.
2003 – 2008 Esperienze di mobilità sostenibile all’Università degli Studi di Roma “La Sapienza” Dario Castriota Ufficio del Mobility Manager.
Risorse pubbliche per il Trasporto Pubblico Locale e costi standard
Ingegneria del software Modulo 2 -Il software come prodotto Unità didattica 2 -I costi del software Ernesto Damiani Università degli Studi di Milano Lezione.
I servizi della città di Genova ICT cloud-based platform and mobility services available, universal and safe for all users.
Indagine statistica sullo Sviluppo Sostenibile
Literature mining.  Data mining Processo di estrazione di conoscenza da banche dati di grandi dimensioni tramite l’applicazione di algoritmi che individuano.
Università degli studi di Modena e Reggio Emilia Facoltà di Scienze Fisiche, Informatiche e Matematiche Corso di Laurea in Informatica Progettazione e.
Dare la giusta lettura all’innovazione - sui Treni che paesaggio! Perché non fare “il viaggio con l’autore” ?
Modello di PL di un problema diYield Management ferroviario
LINEA FIRENZE - ROMA SOSPENSIONE CIRCOLAZIONE TRENI 2 DICEMBRE 2015 Dalle ore alle ore di mercoledì 2 dicembre 2015 la circolazione dei treni.
Gruppo ITAS Servizio Elaborazione Dati IAM. Gruppo ITAS Servizio Elaborazione Dati IAM ITAS e IAM Obiettivi  identity management (primario)  access.
LINEE: MILANO – GENOVA – LIVORNO – ROMA – SIRACUSA; TORINO – GENOVA – SALERNO; VENTIMIGLIA – ROMA MODIFICHE CIRCOLAZIONE TRENI 20 e 21 SETTEMBRE 2014 Sabato.
Settore Mobilità Eliminazione Barriere Architettoniche e Trasporto Pubblico Via Marconi, Brescia tel – fax
Per un viaggio all’ EXPO PACCHETTO PER UN VIAGGIO ALL’ INSEGNA DELLA SCOPERTA DEL MONDO.
1 Corso di Progettazione dei Sistemi di Trasporto Prof. B. Montella a. a. 2015/16.
Report Indagine face to face on board 1° rilevazione – Aprile 2012 CUSTOMER SATISFACTION UTENTI TPL Rapporto redatto per: Rapporto n
Organizzato da: ATAC: ARCHITETTURA DI UN SISTEMA DI BIGLIETTAZIONE ELETTRONICA REGIONALE Ing. Gianluigi Di Lorenzo Responsabile Gestione e Sviluppo Sistema.
Interazione Persona Computer prova di progetto Gruppo: IO Componenti: Carlo Solimando Sito analizzato:
Indagine su tratta ferroviaria Trapani- Palermo Comitato Pendolari Sicilia.
I modelli di offerta per i sistemi di trasporto Corso di Progettazione dei Sistemi di Trasporto Prof. B. Montella a. a. 2015/16.
GUSTO E’ CONOSCENZA. TARGET ELEMENTARI I giorno: incontro con gli alunni a Napoli centrale alle 13:00, partenza alle 13:30 con treno freccia rossa.
1 Customer Satisfaction 2011 Sintesi indagine. 2 Obiettivi dell’indagine  Rilevare la qualità del servizio percepita dall’utenza, in base a predefiniti.
Conferenza stampa, Forlì 4 aprile 07 A cura del Settore Sviluppo Commerciale ATR Interviste ai clienti di Forlì e territorio extraurbano Atr Customer Satisfaction.
1 Indagine sui fattori di Qualità Erogata e Percepita dei servizi autofiloviari di TPL per conto di SMTP PRESENTAZIONE ALLA STAMPA RISULTATI CAMPAGNA 2009.
NUOVO ORARIO 2013 ITALO FA TAPPA A TORINO E POTENZIA TUTTI I COLLEGAMENTI 28 novembre 2012.
1 LA PROGRAMMAZIONE DEL SERVIZIO IN ANM Università degli Studi di Napoli Gestione dei sistemi di trasporto 15 maggio 2013.
Introduzione a Weka Di Fabio Cassano
Prof. Dario Zaninelli Studio di una nuova mobilità ferroviaria sulla linea Milano – Piacenza 1.
IL NUOVO CONTRATTO DI SERVIZIO. Il servizio ferroviario in Toscana La Toscana è la seconda regione in Italia per livello di servizio  km di linee.
10/5/061 Lez. 12 Previsioni di traffico Generalità Previsioni di scenario.
Interazione Persona Computer prova di progetto Gruppo: IO Componenti: Carlo Solimando Sito analizzato:
Esercitazione TST a.a. 2015/2016 Guida operativa.
Andrea Pelo /2017.
ROMA 23 GIUGNO 2016 LABORATORIO NUMERACY Big data nel settore assicurativo e sanitario LABORATORIO NUMERACY Big Data. Metodi statistici per la società.
Transcript della presentazione:

Titolo: Sistemi di bigliettazione elettronica: analisi dati e data mining Relatore: Andrea Gaffi

M.A.I.O.R. Software house con svariate soluzioni sw per il TPL Prodotti che coprono l’intero processo Stima matrice OD pubblica Pianificazione dei percorsi e delle frequenze Programmazione orari e turni Assegnamento alle risorse (bus, autisti) Reportistica, analisi Supporto di Business intelligence per prendere decisioni

M.A.I.O.R. Circa 100 istallazioni in Italia (Firenze, Roma, Milano, Torino, Napoli, Bologna...)‏ Installazioni in Germania, Spagna...)‏ Potenti algoritmi a supporto dell’intero processo, in collaborazione con varie Università (Pisa, Firenze, Milano…) ‏

Un nuovo prodotto: CBE. Cosa è Permette di analizzare i dati della bigliettazione elettronica (smartcard) E’ un approccio di Business Intelligence orientatao al supporto alle decisioni E’ integrato con MBI, una applicazione di business intelligence sul TPL Fornisce informazioni in tempo reale su vendite, validazioni e la relazione con corse, fermate, percorsi (linee). Aiuta a conoscere i clienti del TPL e le loro abitudini

Venduto per età

Validazioni per fascia oraria su una linea

Validazioni per fascia oraria per linea e categoria utente

Vendite: correlazione tra tipo di biglietto e categoria utente

Trend delle vendite: italiani e stranieri

Trend vendite (casalinghe): italiani e stranieri

Vendite: ricavi per competenza

Relazione tra validazioni e vendite

Ricavo medio a validazione per titolo di viaggio

Utenti (Viaggiatori)

Data mining Cosa significa? Processo per scoprire nuove relazioni tra dati (grossa quantità di dati)

Obiettivi prinicpali Scoprire spostamenti abituali delle persone con il TPL (analisi dei viaggi) Analizzare la correlazione tra attributi vari legati alle vendite Il lavoro si è svolto con il supporto dell’Universita di Pisa (prof. Dino Pedreschi) I risultati degli algoritmi saranno integrati nel sw di Business intelligence CBE

Analisi dei viaggi Si basa sulla bigliettazione elettronica (smart card)‏ Conoscenza su: Chi compra i biglietti Quando i biglietti sono usati Come i biglietti sono usati Check in OK Check out ???

Stima del punto di check out Check out intervals: 1000 metri 3 giorni

Dati

Flussogramma

Clustering individuale

Esempio di clustering Clustering

Clustering individuale: risultati

Numero di cluster per ogni utente: distribuzione Molto spesso 2 (house work, house school), più del 70% degli utenti hanno meno di 7 cluster

Clustering globale

IN 13:15 OUT ? IN 13:58 OUT ? Viaggi con trasbordo A volte un utente usa più di un autobus per il proprio viaggio Abbiamo bisogno di: Una stima del tempo di percorrenza tra fermate Colleghiamo tra loro corse se hanno un tempo tra check-in e check-out inferiore a 30 minut

Viaggi con trasbordo Abbiamo usato i tempi di percorrenza programmati differenziati per fascia oraria e giorno tipo per ogni coppia di fermate IN 13:15 OUT IN 13:58 OUT 14:21 Sosta: 17'

Viaggi con trasbordo Colleghiamo corse con link inferiore a 30 minuti IN 13:15 OUT IN 13:58 OUT 14:21

Risultati principali Un insieme di cluster che descrivono viaggi anche complessi (cioè con più veicoli) sul TPL Il risultato, integrati nella sulzione di Business Intelligence CBE, permette di analizzare le caratteristiche di ogni cluster (i.e. Un cluster è usato soprattutto la mattina, gli utenti sono soprattutto studenti, il tipo di biglietto è un abbonamento settimanale ecc…)‏ I risultati possono essere usati per effettuare l’aggiornamento della matrice OD del TPL

Correlazione tra attributi legati alle vendite Analizziamo i dati sulle vemndite per scoprire automaticamente correlazioni positive o negative.

Correlazione tra tipo di biglietti e categoria utenti

Correlazione tra durata biglietto, categoria utente e genere

Grazie per l’attenzione