View in EDS

Mobilità urbana e patrimonio culturale: un'analisi predittiva della walkability a Pisa

Saved in:
Bibliographic Details
Title: Mobilità urbana e patrimonio culturale: un'analisi predittiva della walkability a Pisa
Authors: MICHELA LAZZERONI, ANTONELLO ROMANO, PAOLA ZAMPERLIN
Publisher Information: 2025.
Publication Year: 2025
Subject Terms: mobilità, patrimonio culturale, GeoAI, Strava, Pisa
Description: Il presente contributo si propone di analizzare la mobilità pedonale in ambito urbano, focalizzandosi sull’interazione con il patrimonio culturale e ambientale. Tale analisi viene condotta adottando metodi quantitativi ed esplorando nuove fonti di informazioni, in particolare attraverso l’utilizzo di big data spaziali e metodologie di intelligenza artificiale geospaziale (GeoAI). L’obiettivo è duplice: comprendere in che modo il patrimonio urbano e i punti di interesse principali (POI – Points Of Interest) agiscano come attrattori di specifici pattern di mobilità pedonale; indagare le potenzialità e l’accuratezza delle tecniche di GeoAI per modellare e prevedere le dinamiche ed esaminare la walkability. I risultati evidenziano da un lato la forte connessione tra mobilità pedonale e patrimonio e la polarizzazione dei flussi intorno ad alcuni assi; dall’altro la qualità del modello di GeoAI adottato. Lo studio, inoltre, dimostra come l’applicazione di metodologie di GeoAI alla mobilità pedonale non sia solo una questione tecnica, ma anche un’opportunità per ridefinire il rapporto tra spazio urbano, dati e processi decisionali e di pianificazione urbana.
Document Type: Part of book or chapter of book
Access URL: https://hdl.handle.net/11568/1314747
Accession Number: edsair.od......3728..0fafe0222a19ad12f8eeb78eb1a9bc1c
Database: OpenAIRE
Description
Abstract:Il presente contributo si propone di analizzare la mobilità pedonale in ambito urbano, focalizzandosi sull’interazione con il patrimonio culturale e ambientale. Tale analisi viene condotta adottando metodi quantitativi ed esplorando nuove fonti di informazioni, in particolare attraverso l’utilizzo di big data spaziali e metodologie di intelligenza artificiale geospaziale (GeoAI). L’obiettivo è duplice: comprendere in che modo il patrimonio urbano e i punti di interesse principali (POI – Points Of Interest) agiscano come attrattori di specifici pattern di mobilità pedonale; indagare le potenzialità e l’accuratezza delle tecniche di GeoAI per modellare e prevedere le dinamiche ed esaminare la walkability. I risultati evidenziano da un lato la forte connessione tra mobilità pedonale e patrimonio e la polarizzazione dei flussi intorno ad alcuni assi; dall’altro la qualità del modello di GeoAI adottato. Lo studio, inoltre, dimostra come l’applicazione di metodologie di GeoAI alla mobilità pedonale non sia solo una questione tecnica, ma anche un’opportunità per ridefinire il rapporto tra spazio urbano, dati e processi decisionali e di pianificazione urbana.