DOCUMENTAZIONE SISTEMA SMART CITY

PANORAMICA GENERALE

L'algoritmo è progettato per aiutare nella pianificazione di progetti smart city, combinando dati di città esistenti, progetti già realizzati e opportunità di finanziamento EU.

Funzionalità Principali

1. Analisi Città Simili

• Raccoglie caratteristiche di una nuova città (popolazione, costi, trasporti, etc.)
• Confronta questi dati con un database di città esistenti
• Usa pesi personalizzati per dare più importanza a certi aspetti
• Trova le 5 città più simili con percentuali di corrispondenza

2. Ricerca Progetti Smart City

• Cerca progetti nelle città simili identificate
• Confronta progetti per ambito (es. Smart Mobility) e durata
• Identifica:
  • Match perfetti (stesso ambito e durata)
  • Match parziali (suggerimenti alternativi)
• Fornisce dettagli completi dei progetti trovati

3. Ricerca Finanziamenti

• Cerca finanziamenti EU disponibili per:
  • Provincia selezionata
  • Categoria smart city scelta
• Mostra dettagli come:
  • URL del progetto
  • Budget disponibile
  • Spese ammissibili

Processo Utente

1. Input Richiesti:

   • Dati della nuova città
   • Ambito smart city interessato
   • Provincia di riferimento
   • Durata desiderata del progetto

2. Output Forniti:

   • Lista città simili con percentuali
   • Progetti pertinenti realizzati
   • Finanziamenti EU disponibili
   • Dettagli implementazione
   • Suggerimenti alternativi

ASPETTI TECNICI

1. Librerie Utilizzate

Pandas (pd)

• Manipolazione e analisi dati
• Funzionalità:
  • Lettura CSV ed Excel
  • Gestione DataFrame
  • Pulizia dati
  • Operazioni di filtraggio e aggregazione

NumPy (np)

• Calcoli numerici
• Funzionalità:
  • Calcoli matematici efficienti
  • Array multidimensionali
  • Ordinamento risultati
  • Operazioni vettoriali

Scikit-learn (sklearn)

1. MinMaxScaler

   • Normalizza dati in range [0,1]
   • Formula: X_scaled = (X - X_min) / (X_max - X_min)
   • Rende comparabili features con scale diverse

2. KMeans

   • Algoritmo di clustering
   • Raggruppa città simili
   • Divide dati in k gruppi basati su distanza

3. pairwise_distances

   • Calcola distanze tra coppie di punti
   • Implementa varie metriche di distanza

2. Metodo di Confronto

Distanza Euclidea

• Metrica principale per confronto città
• Formula: sqrt(sum((x_i - y_i)^2))
• Vantaggi:
  • Intuitiva
  • Sensibile a tutte le dimensioni
  • Efficace per dati normalizzati

Sistema di Pesi

• Personalizzazione importanza features
• Pesi maggiori per:
  • Densità popolazione (0.15)
  • Costo della vita (0.15)
  • Trasporti pubblici (0.10)
  • Temperature (0.10 ciascuna)
  • Punti interesse (0.10)

Calcolo Similarità

• Conversione distanza in similarità
• Formula: similarità = 100 * (1 - (distanza / distanza_max))
• Range: 0-100%

3. Ottimizzazioni

Preprocessing

• Pulizia dati mancanti
• Normalizzazione features
• Codifica variabili categoriche

Performance

• Calcoli vettoriali NumPy
• Ottimizzazione memoria
• Gestione matrici sparse

Robustezza

• Gestione errori
• Log debugging
• Controlli consistenza

4. Gestione Dati

Dataset Input

• cities.csv: dati città esistenti
• progetti_smart.csv: progetti realizzati
• projects_2025-02-15_IT_con_codifica.xlsx: finanziamenti EU

Preprocessing

• Normalizzazione dati numerici
• Conversione categorie in valori numerici
• Gestione dati mancanti
• Pulizia e validazione input

Validazione

• Controllo completezza dati
• Verifica coerenza input
• Gestione errori e eccezioni