1.
Lectio|4
Tecnologie, Territorio, Smartness
Beniamino Murgante
Università degli Studi della Basilicata,
beniamino.murgante@unibas.it
http://www.unibas.it/utenti/murgante/Benny.html
20.03.2013

2.
My books

3.
My books

4.
Other books and special issues
Analysing,
Modelling and
Visualizing
Spatial
Environmental
Data
NeoGeography and
WikiPlanning"

5.
Network co-founder

6.
Network co-founder

7.
Network co-founder

8.
Network co-founder

9.
Network co-founder
3,700 Members

10.
Network co-founder
2,700 Members

11.
Ian McHarg
History of GIS
1969

12.
History of GIS
1969
Physiographic obstructions
Social aspects

13.
History of GIS
1969
Physiographic obstructions

14.
Density of scattered settlements in 1987 and 2004 (flats/hectare)
Density 1987 Density 2004
Density

15.
Areas which have
Kernel density
included between 1
and 18 flats/hectare

16.
The Moran index is able to specify if an event is clustered,
scattered or with a random distribution.
It has been calculated
1. by means of the inverse distance method considering data
in two different periods, 1987 and 2004, to evaluate the
variation of scattered rate of settlements.
The following values have been achieved:
Moran Index at 1987: I1987 = 0.0698;
Moran Index at 2004: I2004 = 0.0722.
2. by means of the fixed distance band: 1600m
The following values have been achieved:
Moran Index at 1987: I1987 = 0.458;
Moran Index at 2004: I2004 = 0.677.

17.
G function by
Getis and Ord
(1992)
Class Autocorrelation G’
no correlation Negative autocorrelation -1.3 ÷ - 2
-6.3 ÷ 1
1 low Positive autocorrelation among
lower bounds
-1.3 ÷ - 2
2 medium-low Positive autocorrelation among
medium-low bounds
-2 ÷ - 4
3 medium Positive autocorrelation among
medium bounds
-4 ÷ - 6.3
1 high Positive autocorrelation among high
bounds
1 ÷ 11.9
Class Autocorrelation LISA
no correlation Negative autocorrelation -106,9 ÷ 0
1 low Positive autocorrelation among lower bounds 0 ÷ 14
2 medium-low Positive autocorrelation among medium-low bounds 14 ÷ 28
3 medium Positive autocorrelation among medium bounds 28 ÷ 54
1 high Positive autocorrelation among high bounds 54 ÷ 84.7
Local Indicator
of Spatial
Association
(Anselin, 1995)

18.
LISA & Getis and Ord’s G

19.
Clusters localization
with the Getis and
Ord function

20.
Clusters localization
with the Getis and
Ord function

21.
Clusters localization
with the Getis and
Ord function

22.
Clusters localization
with the Getis and
Ord function

23.
Clusters localization
with the Getis and
Ord function

24.
Scheme of the land suitability procedure for the location of Peri-urban fringe

25.
Dimension of suitable areas

26.
Periurban fringe
after the land
suitability procedure
(magenta)

27.
Analisi su GRID a partire da dati 3D
A partire da un TIN o un DEM è possibile
effettuare numerosi tipi di analisi di superficie
che comprendono:
•l’interpolazione di curve di livello (Contour),
• l’analisi delle pendenze (Slope),
•l’esposizione (Aspect),
•l’illuminazione dei versanti (Hillshade),
Hillshade
Aspect
Slope

28.
Analisi di visibilità
L’analisi viewshed identifica le celle in un raster input
che possono essere viste da uno o più punti di
osservazione o da linee (in quest’ultimo caso i nodi o i
vertici delle linee saranno usati come observer point).
Viewshed

29.
Main differences among Multiple, Cumulative and Identifying
Viewshed in the case of two targets

30.
Identifying viewshed for wind farm in evaluating monuments visibility

31.
Introduction
o The research mainly aims to enrich knowledge in planning
prevention and protection from earthquake events.

32.
Introduction
The increase of economical and social costs, following seismic
events, has led to a prevention strategy for damage reduction
Messina,28december1908
S.Giuliano,31october2002
L’Aquila,6April2009
Potenza,23november1980

33.
Introduction
Traditional approaches to risk analysis taking into account its
main components: hazard, vulnerability, exposure

34.
Introduction
Hazard
Global map, Giardini, Gryintal, Shedlock, Zhang, 1999

35.
Introduction
Exposure
Population density (people per km2) by country, 2006
Miguel Contreras, lala land, 2007

36.
Introduction
Vulnerability
Structural vulnerability

37.
Introduction
o It is “just filling forms” survey.
o survey may have a degree of subjectivity.
o in order to comprehensively analyze such aspects it is
possible to integrate these approaches with more
quantitative techniques which can provide further
phenomena interpretation.
o on this purpose two main approaches have been adopted:
spatial autocorrelation and spatial multicriteria.
o The need to have a systematic approach to definitions of
seismic risk has led to an ontology building.

38.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
Vulnerability
Structural vulnerability

39.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
VulnerabilityStructural vulnerability
Urbanvulnerability

40.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach

41.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
Resilience
Social aspectsSocial aspects

42.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
ResilienceHuman communities
Physical Systems
InstitutionsAssociations
Organizations
Citizens
Public Buildings
Roads
Lifelines
Strategic Buildings
Bridges
Buildings

43.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
o a system of paths within the town, able to ensure secure
connections between strategic buildings;
o a system of paths and open spaces intended as evacuation
ways and safe spaces in emergency phase;
o redundancy of pathways to ensure an alternative way in case
of interruption;
o immaterial contents are related to the sense of belonging to
a community for inhabitants, civic and religious traditions,
etc.
Resilience

44.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
Resilience

45.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach Marsicovetere
(e Villa d’Agri)
Important town in the Valley, “Val d’Agri”
Seismic Area

46.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
a raster model
pixels are the decisional
alternatives

47.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
criterion maps
AccessibilityAccessibility
a pixel is as better as it is
closer to road network

48.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
criterion maps
SlopeSlope
a pixel is as better as
its slope is low

49.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
criterion maps
ProximityProximity
to urban areato urban area
a pixel is as better as it is
closer to urban area

50.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachcriterion maps
Proximity toProximity to
strategicstrategic
buildingsbuildings
a pixel is as better as it is
closer to strategic buildings
(e.g. hospitals)

51.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachcriterion maps
Distance fromDistance from
hydrographichydrographic
networknetwork
a pixel is as better as it is
far from hydrographic
network

52.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachcriterion maps
a pixel is as better as it
its vulnerability is low
StructuralStructural
VulnerabilityVulnerability

53.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachcriterion maps
a pixel is as better as
its seismic hazard is
low
High SeismicHigh Seismic
Hazard AreasHazard Areas

54.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachconstraint maps
High LandslideHigh Landslide
Risk andRisk and
Flooding AreasFlooding Areas
a pixel is removed if its
landslide and flooding
risk is high

55.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachconstraint maps
a pixel is removed if soils
characteristics are not
good
SeismicSeismic
MicrozonationMicrozonation

56.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachconstraint maps
a pixel is removed if it is
“occupied” by structures
and infrastructures
Areas physicallyAreas physically
occupiedoccupied
by buildingsby buildings
and roadsand roads

57.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachweights definition
Pairwise comparisonPairwise comparison
according to Saatyaccording to Saaty

58.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approachresilient city

59.
Resilient City and Seismic Risk: A Spatial
Multicriteria Approach
A first approach to resilient city identification
Some lack of information
A map to communicate resilience
The right scale?
Another multicriteria model?
How to maximize resilience
More criteria
to diversify alternatives

60.
Origin of GIS

61.
Diminuzione del costo dei software G.I.S
(Longley, et al. 2001)

62.
Incremento delle funzioni dei GIS
(Longley, et al. 2001)

63.
Crescita di potenzialità dei personal computer
(Legge di Moore)
(Longley, et al. 2001)

64.
CANRI 1999

65.
Gli utenti di informazione geografica tendono a sviluppare iGli utenti di informazione geografica tendono a sviluppare i
dati in proprio per svariati motivi:dati in proprio per svariati motivi:
o non riescono a conoscere la disponibilità di dati chenon riescono a conoscere la disponibilità di dati che
potrebbero essere utilizzati per i propri scopi;potrebbero essere utilizzati per i propri scopi;
o accedere a questi dati spesso è difficoltoso;accedere a questi dati spesso è difficoltoso;
o gli utenti non sono soliti condividere i dati con altregli utenti non sono soliti condividere i dati con altre
amministrazioni o organizzazioni (spesso anche all’internoamministrazioni o organizzazioni (spesso anche all’interno
della stessa amministrazione);della stessa amministrazione);

66.
Tutto ciò comporta:Tutto ciò comporta:
o molti attori ed enti coinvolti nella produzione di dati (spessomolti attori ed enti coinvolti nella produzione di dati (spesso
degli stessi);degli stessi);
o duplicazione di dati;duplicazione di dati;
o un proliferare di minisoftware GIS;un proliferare di minisoftware GIS;
o difficoltà di scambio ed uso di dati tra le diversedifficoltà di scambio ed uso di dati tra le diverse
organizzazioni;organizzazioni;
o alla diminuzione del costo di acquisizione dei software e delalla diminuzione del costo di acquisizione dei software e del
hardware non è corrisposta una altrettanto drasticahardware non è corrisposta una altrettanto drastica
riduzione dei costi di produzione di informazione geografica.riduzione dei costi di produzione di informazione geografica.

67.
Executive Order 12906
Coordinamento dell’accesso e dell’acquisizione dei datiCoordinamento dell’accesso e dell’acquisizione dei dati
geografici: The National Spatial Data Infrastructuregeografici: The National Spatial Data Infrastructure
(NSDI)(NSDI)
o "National Spatial Data Infrastructure""National Spatial Data Infrastructure" significa lasignifica la
tecnologia, le politiche, gli standards e le risorse umanetecnologia, le politiche, gli standards e le risorse umane
necessarie ad acquisire, elaborare, memorizzare, distribuirenecessarie ad acquisire, elaborare, memorizzare, distribuire
e migliorare l’utilizzo dei dati spaziali.e migliorare l’utilizzo dei dati spaziali.
o "Geospatial data""Geospatial data"
o TheThe "National Geospatial Data Clearinghouse""National Geospatial Data Clearinghouse" significa unasignifica una
rete diffusa di produttori, gestori, utenti di dati spazialirete diffusa di produttori, gestori, utenti di dati spaziali
connessi elettronicamente.connessi elettronicamente.

68.
Executive Order 12906
CANRI 1999

69.
Nebert, The SDI Cookbook
Web
Client
Web
Client
Clearinghouse
Servers
Gateway(s)User
Z39.50 protocolHTTP protocol
Service
Registry
Service
Registry
Web
Server
Web
Server
•One Search across many servers
•Metadata is the key

70.
IL CONTENUTO
WHAT?
WHERE?
WHO?
WHY?
HOW?
WHEN?
Titolo e descrizione del dataset
Estensione geografica espressa da
latitudine,longitudine, coordinate
geografiche e confini naturali o
amministrativi
Creatore, fornitore, potenziale pubblico
Descrizione delle ragioni della collezione
dei dati e uso di essi.
Data di creazione del dataset e
periodicità dell’aggiornamento
Descrizione delle modalità con cui il
dataset è stato prodotto e delle modalità
di accesso ai dati.
IDENTIFICAZIONE dei
DATI
QUALITA’ dei DATI
ORGANIZZAZIONE dei
DATI
RIFERIMENTO SPAZIALE
DISTRIBUZIONE dei
DATI
INFORMAZIONI sui
METADATI
INFORMAZIONI su
ENTITA’ e ATTRIBUTI
Metadati

71.
Clearinghouse

72.
Clearinghouse

73.
Clearinghouse

74.
Clearinghouse

75.
Clearinghouse

76.
Clearinghouse

77.
Clearinghouse

78.
Clearinghouse

79.
Clearinghouse

80.
Geoportals

81.
INSPIRE
o i dati vanno raccolti una sola volta e gestiti laddove ciò puòi dati vanno raccolti una sola volta e gestiti laddove ciò può
essere fatto in maniera più efficiente;essere fatto in maniera più efficiente;
o deve essere possibile combinare i dati provenienti dadeve essere possibile combinare i dati provenienti da
differenti fonti e condividerli tra più utenti ed applicazioni;differenti fonti e condividerli tra più utenti ed applicazioni;
o deve essere possibile la condivisione di informazionideve essere possibile la condivisione di informazioni
raccolte dai diversi livelli di governo;raccolte dai diversi livelli di governo;
o l’informazione geografica necessaria per il buon governol’informazione geografica necessaria per il buon governo
deve esistere ed essere realmente accessibile a condizionideve esistere ed essere realmente accessibile a condizioni
che non ne limitino il possibile uso;che non ne limitino il possibile uso;
o deve essere facile individuare quale informazionedeve essere facile individuare quale informazione
geografica è disponibile, valutarne l’utilità per i propri scopigeografica è disponibile, valutarne l’utilità per i propri scopi
e le condizioni secondo cui è possibile ottenerla ed usarla.e le condizioni secondo cui è possibile ottenerla ed usarla.

82.
Interoperabilità
Per presentarsi in maniera competitiva rispetto a tutti i nuovi
canali di finanziamento è necessario far parlare tra di loro i
database spaziali delle varie autorità locali (Laurini e
Murgante, 2008).
Le principali barriere verso la completa interoperabilità sonoLe principali barriere verso la completa interoperabilità sono
determinate da tre fattori:determinate da tre fattori:
o burocraticiburocratici, generati da una scarsa abitudine a condividere il, generati da una scarsa abitudine a condividere il
dato che, nella maggior parte dei casi, porta ad una sorta didato che, nella maggior parte dei casi, porta ad una sorta di
presunto diritto di proprietà personale dell’addetto chepresunto diritto di proprietà personale dell’addetto che
provvede alla sua gestione;provvede alla sua gestione;
o tecnologicitecnologici, prodotti prevalentemente da differenze tra i, prodotti prevalentemente da differenze tra i
sistemi, le strutture ed il formato dei dati;sistemi, le strutture ed il formato dei dati;
o semanticisemantici, dovute alla mancanza di corrispondenza nei, dovute alla mancanza di corrispondenza nei
significati.significati.

83.
Information-Explosion Era
Google Earth bing virtual earth
openstreetmap

84.
Information-Explosion Era

85.
Information-Explosion Era

86.
Information-Explosion Era
http://www.giscloud.com/map/11766/timatongis/tourism-in-matera-on-geographic-
information-system

87.
Information-Explosion Era

88.
http://www.giscloud.com/map/12804/laboratorio_gis/dati_basilicata
http://www.giscloud.com/map/11766/timatongis/tourism-in-matera-on-geographic-
information-system

89.
Semantic Matching
Standard e modelli di dati consentono di importare o
convertire rapidamente dati senza generare perdite di
qualità, ma non sono sufficienti a trasferire il significato
delle informazioni.
Prima di porsi il problema di come strutturare il dato
bisogna affrontare la più complessa questione di cosa
rappresentare.

90.
Semantic Matching
Lago???
laguna ???
Bacino ???
Corpo d’acqua ???
Strada
Cartografo
Ingegneria civile
Sistemi
di
trasporto

91.
Semantic Matching
630 Terms:
Centro storico, A residenziale
conservativa, Zona A, Zona A centro
storico, Zona A centro antico, Zona
A (1…..n)
Area di espansione, zona di
espansione, zona C, zona C
insediamenti residenziali, zona C
residenziale di espansione,

92.
Plan4all
24 partner di 15 paesi
europei.
enti locali,
partner tecnologici,
università e istituti di ricerca,
associazioni chi si occupano di
informazione geografica a
livello nazionale (come AMFM
GIS Italia) o pan-europee
(come EUROGI),
Associazioni di Planners
ISOCARP,
la Società Internazionale dei
City and Regional Planners.

93.
SDI e Pianificazione del territorio
Nelle ultime decadi si sono sempre più diffusi approcci
riguardanti la pianificazione ed il governo del territorio
basati sulla necessità di un forte coinvolgimento di tutti i
livelli istituzionali e di governo, degli stakeholder e dei
cittadini nel processo di definizione delle principali scelte
riguardanti il proprio territorio.
A questo incremento di aspetti partecipativi non è
corrisposto un uso efficace della condivisione del dato e
delle tecnologie web che potrebbero sostenere
l'interoperabilità delle scelte di piano, prevedendo una
partecipazione attiva di tutti gli stakeholder.

94.
Le metodologie abitualmente adottate nel settore della
pianificazione territoriale non fanno un uso efficace della
condivisione del dato e delle tecnologie web che potrebbero
sostenere l'interoperabilità delle scelte di piano, prevedendo
una partecipazione attiva di tutti gli stakeholder.
Emerge quindi una forte necessità di un’armonizzazione dei
dati utilizzati nel settore della pianificazione e un’esigenza
assoluta di un core data set dedicato agli strumenti di
pianificazione con la finalità di garantire in tutta Europa una
facile comprensibilità di queste informazioni.
SDI e Pianificazione del territorio

95.
La pianificazione del territorio e le informazioni ad essa
connesse hanno un’importanza strategica non solo per il
livello locale e nazionale, ma anche alla scala internazionale
dove un "continuum" di insediamenti caratterizza
l’attraversamento delle varie nazioni Europee.
Nelle regioni transfrontaliere è fondamentale valutare
quanto un’indicazione di piano data da un lato del confine
possa impattare dall’altro lato.
SDI e Pianificazione del territorio

96.
Plan4all
Il progetto europeo Plan4all, è principalmente focalizzato
sull'armonizzazione dei dati riguardanti la pianificazione
territoriale tenendo come riferimento principale la direttiva
Europea INSPIRE.
La parte importante del progetto Plan4all è la definizione di
procedure e metodologie comuni per la condivisione dei dati
territoriali e l'utilizzazione di nuovi standard riguardanti i
dati di pianificazione territoriale all'interno dell'UE.

97.
Plan4all
L'obiettivo di Plan4all è quello di costruire una rete di enti
locali, regionali e nazionali, stakeholder, aziende del settore
dell’ICT, organizzazioni che si occupano di pianificazione e
sviluppo economico, università e agenzie internazionali con lo
scopo di trovare un consenso riguardante l'armonizzazione
delle Infrastrutture di Dati Spaziali per la pianificazione
territoriale, secondo la direttiva europea INSPIRE.

98.
Plan4all
Annex I
•Coordinate ref. systems
•Geographical grid
systems
•Geographical names
•Administrative units
addresses
•Cadastral parcels
•Transport networks
•Hydrography
•Protected sites
Annex II
•Elevation
• Land cover (1)
•Orthoimagery
•Geology
Annex III
•Statistical units
•Buildings
•Soil
• Land use (2)
•Human health and safety
•Utility and Government
services (3)
•Environmental monitoring
facilities
• Production and industrial
facilities (4)
• Agricultural and aquaculture
facilities (5)
Annex III (follow up)
•Population distribution –
demography
• Area management
/restriction /regulation zones
and reporting units (6)
• Natural risk zones (7)
•Atmospheric conditions
•Meteorological geographical
features
•Oceanographic geographical
features
•Sea regions
•Bio-geographical regions
•Habitats and biotopes
•Species distribution
•Energy resources
•Mineral resources

99.
Plan4all
http://www.plan4all.eu

100.
Everything
is Smart

101.
Everything is Smart
http://youtu.be/5rMI_aVYtR0

102.
I am Smart
I am
Smart
I am Smart
I am Smart
I am Smart
I am Smart

103.
http://www.broadsheet.ie/2011/06/21/what-happens-online-in-60-seconds/

104.
Google Earth
bing virtual earth
openstreetmap
Information-Explosion EraInformation-Explosion Era
Kitsuregawa et al. 2007

105.
Murgante, 2012

106.
Murgante, 2012

107.
Repubblica,2012

108.
http://faculty.washington.edu/kstarbi/TtT_Hurricane_Map_byEvent.html

109.
Ratti, 2008

110.
http://test.geosdi.org/geo-portal/

111.
SmartCity e Aree Rurali (Smart Rural
Communities)

112.
SmartCity e Aree Rurali (Smart
Rural Communities)

113.
Documenti di
Programmazione
Piano

114.
Geographical
objects
Real
Virtual
programming documents
Statement
Geo-Statement
Murgante et al. 2010

115.
Murgante et al. 2011
Murgante B., Tilio L., Lanza V., Scorza F. (2011) “Using participative GIS and e-tools for involving citizens of Marmo
Platano – Melandro area in European programming activities” special issue on “E-Participation in Southern Europe and the
Balkans” Journal of Balkans and Near Eastern Studies, vol. 13(1) pp. 97–115. Taylor & Francis, London, ISSN:1944-8953, doi:
10.1080/19448953.2011.550809.

116.
http://www.pitmpm.basilicata.it/PIT/map.phtml
http:// www.pitmpm.basilicata.it/cgi-bin/wms_pit

117.
http://www.pitmpm.basilicata.it/PIT/map.phtml

118.
SAVOIA BALVANO
PICERNO
TITO
MURO

119.
CONCLUSIONI

120.
CONCLUSIONI

121.
CONCLUSIONI
• L’Agenzia per l’Italia digitale definisce strategie e
obiettivi, coordina il processo di attuazione e predispone
gli strumenti tecnologici ed economici per il progresso
delle comunità intelligenti
• predispone annualmente il piano nazionale delle
comunità intelligenti-PNCI
• emana le linee guida recanti definizione di standard
tecnici
• È istituito presso l’Agenzia per l’Italia digitale il Comitato
tecnico delle comunità intelligenti
Art. 20 Agenda Digitale - Comunità
intelligenti

122.
CONCLUSIONI
• 1 designato dal Dipartimento della Funzione Pubblica
della Presidenza del Consiglio dei Ministri
• 2 designati dalla Conferenza permanente per i rapporti
tra lo Stato, le regioni e le provincie autonome di Trento
e Bolzano
• 1 designato dall’Associazione nazionale dei comuni
italiani
• 1 designato dall’Unione delle province italiane
• 6 di nomina del Direttore generale dell’Agenzia per
l’Italia digitale: 1 dagli Atenei, 3 da associazioni di
imprese e cittadini maggiormente rappresentative, 1
ISTAT, 1 Agenzia stessa
Comitato tecnico delle comunità intelligenti