“Ghost Cities”: a caccia di fantasmi cinesi con Big Data e Social Intelligence

social intelligence - big data

Alcuni studi recenti hanno descritto la progressiva urbanizzazione della Cina con dati senza precedenti. Le aree abitate sono passate da 8.842 a 41.768 Km2  nel giro di circa vent’anni. Si stima che la quantità di materiali da costruzione impiegata tra il 2010 e il 2013 sia pari a quella utilizzata nel Ventesimo secolo dall’industria edile degli Stati Uniti.

La corsa al futuro della potenza cinese non avviene senza conseguenze: il territorio è popolato di “ghost cities”, conglomerati abitativi nati da operazioni di speculazione edilizia, ma poi rimasti disabitati o sotto-utilizzati. “Città fantasma” che sono un oggetto di studio sfuggente e controverso. Complesse da definire, difficili da individuare, sono un problema per il governo, che non riesce a identificarle per riconvertirle in nuovi poli produttivi.

Diversi i tentativi falliti di mappare e restituire alla progettazione politica queste aree rimaste quasi deserte. Il governo centrale o i ministeri preposti non hanno mai rilasciato dati ufficiali in merito e diversi studi indipendenti hanno prodotto classifiche discordanti. Un recente paper dell’Institute of Remote Sensing and Geographic Information Systems (Peking University), realizzato in collaborazione con il Big Data Lab di Baidu, promette di cambiare radicalmente la situazione grazie ai Big Data e alla Social Intelligence.

La diffusione di apparecchi geolocalizzati (LAD o GPS) produce quotidianamente un elevato volume di dati relativi a contenuti pubblicati, luoghi e percorsi segmentabili in periodi di tempo definiti. Da qui nasce l’idea di utilizzare Baidu – principale motore di ricerca della rete web cinese – e i suoi Big Data geolocalizzati come strumenti per generare un archivio elettronico in precedenza non disponibile. A partire dalle azioni degli utenti che navigano la Rete è stato creato un database delle attività digital correlandole alla densità abitativa in specifiche aree geografiche e periodi dell’anno. In che modo? La presenza di smartphone e i relativi dataset anonimi descrivono la permanenza (o gli spostamenti) degli utenti, producendo concentrazioni di traffico e connessioni mobili. Il sistema intercetta sia dinamiche locali – per esempio  le variazioni del ciclo abitativo nei mesi o le traiettorie di traffico ricorrente, come i percorsi casa-lavoro – sia dinamiche demografiche, incrociando i dati del web con i flussi delle migrazioni interne. Dopo aver definito una mappa delle aree edificate del paese e aver stabilito un numero medio di utenti per metro quadrato (a partire dalla media della superficie di un’abitazione standard), ogni volta che il numero di utenti attivi online per unità di spazio risulta di molto inferiore alla media per un tempo prolungato, l’area viene identificata come “ghost city”. L’algoritmo sviluppato è utile anche per distinguere queste zone dai luoghi di villeggiatura, che naturalmente si svuotano fuori stagione, ma che registrano una ‘presenza digital’ ciclica nel corso dell’anno.

 

variazione demografica

Confronto tra utenti attivi nelle città di Kangbashi e Rushan (meta di villeggiatura). In corrispondenza delle feste nazionali, il numero di utenti attivi diminuisce in Kangbashi (linea blu) e aumenta in Rushan (linea verde).

Il risultato viene organizzato in una mappa interattiva contenente 20 città tra quelle con aree disabitate più rilevanti (l’effettiva classifica non è stata resa pubblica per evitare abusi da parte di nuovi speculatori). Un primo passo per il governo nel suo piano di censimento e riqualificazione delle nuove aree urbane.

 

Baidu ghost city

Le 20 città individuate dai ricercatori. A sinistra la geolocalizzazione delle anomalie di traffico di dati digitali, a destra il modello elaborato applicato alla mappa satellitare, con l’individuazione dei quartieri fantasma.

 

La soluzione offerta dai Big Data è convincente: sono i dati della Rete a raccontare l’ambiente umano, non soggetti attivamente interpellati. I dataset non sono frutto di domande, ma conservano molte risposte: interrogati correttamente possono far emergere trend, descrivere comportamenti, disegnare mappe e perfino catturare fantasmi. È la forza della Social Intelligence.

 

Filippo Tansini

Analista specializzato nei settori banche e assicurazioni, farmaceutico e consumer goods. Italianista laureato in filologia moderna, si è occupato di analisi e critica testuale. Ha lavorato come data analyst in progetti di social reputation, campagne di prodotto, landscape analysis e data quality check per aziende multinazionali. Dal 2015 è web reputation manager e data analyst per Cultur-e. Cura i servizi di social media analysis, monitoraggio di brand e top manager, campagne di marketing e crisis management. Lingue: italiano e inglese.