一、数据分析
案例1
题目：感测人类行为，预测能源消费
应用领域：能源消费预测模型
项目负责人：Andrey Bogomolov
项目简介：项目致力于优化意大利Trentino省电力能源生产-输配-销售链。对于电力生产和输配商而言，本项目通过限制电力能源生产以减少电力消费，通过销售终端计划以减少电力输配成本;同时，本项目为电力波峰预测提供了借鉴。
本项目主要解决两个问题：(1)日均电力需求预测。通过意大利Trentino省电网系统，该预测利用人类行为数据——移动通信数据，优化了电力能源生产-输配链，减少了气候变化的影响。(2)电力波峰预测。
本项目模型建立了高阶希尔伯特空间数学模型，利用了Trentino省移动网络数据，预测了各电网未来一周内的日均电力需求和电力波峰。Leo Breiman随机预测算法解决了本项目模型的非线性回归问题。同时，本项目模型拥有较少的状态空间维度，从而能够有效地应用于大数据分析。
案例2
题目：利用大数据规划米兰
应用领域：城市规划与监测
项目负责人：David Meyer
项目简介：项目为米兰人口、环境及其交互作用提供了动态理解。利用米兰地区的电信网络数据，项目建立了人口预测模型，辨识了非常规移民人口，并揭示了米兰的潜在社会结构。同时，项目利用交通和气象数据预测了城市空气质量。
案例3
题目：熵——评价常住居民/移民信息，提升生活品质
应用领域：社会学分析
项目负责人：Michele Tizzoni
项目简介：项目的主要创新在于对“熵”函数的定义。高熵值单元代表异质性高的区域，对应于旅游热点或闹市区;低熵值单元代表以国际电话业务为标准的高特征区域。电话通信数据可以被有效利用以监测大范围事件，项目利用“熵”函数得到了传统分析得不到的信息。一方面，某一时间节点代表高度不确定性的高熵值揭示了该区域非常规/例外事件的发生;另一方面，针对高度活跃的国际通话业务，项目通过拓扑学分析了该城市国际社区的空间特征。
案例4
题目：基于兴趣目标导向的广告宣传
应用领域：广告
项目负责人：Aris Anagnostopoulos
项目简介：相较于线上广告，线下广告面临着达不到满意宣传目标的问题。基于社交网络信息和人口数据，项目对Tweeter文本内容进行了语义分类，区分了不同Tweeter用户对电影、音乐、体育等领域的感兴趣程度;利用Tweeter位置的地理标记功能，预测了用户分布和网络传播趋势。
以某领域的广告投放为例。首先，线下广告分类投放不同Tweeter用户。选择的广告投放用户应对该广告感兴趣，应能使总体效益最大化。其次，线下广告投放至该领域有影响力的Tweeter用户。投放的广告不仅是为了覆盖该领域更多的用户，更是为了使该领域有影响力的用户获知并传播该广告，从而使该广告达到事半功倍的效果。
案例5
题目：个性化的导航系统应用
应用领域：移动导航
项目负责人：Antonio Lima
项目简介：项目为城市交通提供了新的导航系统，有效平衡了个人偏好和公众兴趣。使用者可以利用智能设备个性化的定制城市导航路线，如选择最短路径，避免犯罪区域、污染区域、交通拥堵区域，或者避免日程计划事件区域等。当地政府也可以针对社区做出限制性规定，如减少学校地区的噪音污染。本项目以城市历史和实时数据为基础，以使用者个人偏好和政府限制规定为依据，向使用者反馈路线信息。
