La Rete Iperbole Wireless
Il racconto e l’analisi dei punti di accesso alla Rete Iperbole Wireless
Ben 154 punti di accesso Wi-Fi gratuiti popolano tutta l’area di Bologna. Tanti luoghi dove, ogni giorno, moltissime persone sfruttano il World Wide Web per ricerca, studio, lavoro o semplicemente per svago.
Noi del gruppo #051Data del Laboratorio Under ci siamo posti l’obiettivo di analizzare più nel dettaglio il numero di persone che si collegano ai Wi-Fi della Rete Civica Iperbole, da metà giugno fino alla fine di ottobre. Vogliamo creare un’immagine che consenta di osservare e analizzare, in funzione del mese, del giorno e dell’ora, come variano gli accessi e quali sono gli hotspot più utilizzati. Ma è possibile monitorare un fenomeno simile? La risposta è sì e di seguito vi raccontiamo come.
Risultati dell’analisi:
Come è possibile osservare, il quartiere Santo Stefano è quello col maggior numero di hotspot per connettersi alla Rete Civica Iperbole Wireless. Questa notizia non ci sorprende, dal momento che è in questo quartiere che sono presenti in maggior numero gli edifici universitari, uffici pubblici, biblioteche, parchi e luoghi di interesse culturale come i musei.
Anche negli altri quartieri non mancano le possibilità di accesso alla rete wifi. Consultando il sito del Comune (http://www.comune.bologna.it/wireless) è possibile sapere dove si trova l’hotspot più vicino a noi.
Nel grafico sottostante, è possibile vedere la media di utenti connessi alla Rete Civica Iperbole Wireless nei primi giorni della nostra osservazione (15 giugno — 5 luglio). Ogni linea colorata del grafico corrisponde ad un quartiere. Santo Stefano è il quartiere dove troviamo il maggior numero di utenti connessi. Seguono Porto — Saragozza, Navile e San Donato — San Vitale e infine Borgo Panigale — Reno e Savena.
Se incrociamo i dati del grafico con quelli del numero di hotspot nei quartieri, si può notare una correlazione positiva tra il numero di hotspot e gli accessi alla rete wifi.
Oltre ai dati sugli accessi, abbiamo analizzato gli utenti connessi in base alla fascia oraria. Possiamo vedere che la fascia oraria più gettonata corrisponde con gli orari lavorativi o di studio della mattina: dalle ore 9:30 fino all’ora di pranzo, moltissimi utenti in centro città sono connessi, con picchi di 750–800 persone nel punto di maggiore affluenza alla rete.
Negli orari delle pause pranzo / cena (tra le ore 14–15 e tra le ore 20–21), invece si registra un lieve calo degli accessi.
La prima serata vede nuovamente una risalita delle connessioni.
Per visualizzare meglio i dati raccolti, oltre ai grafici, abbiamo sviluppato una piccola mappa grazie al software Tableau. Qui sotto, è possibile osservare diversi pallini, che corrispondono agli access point di Rete Iperbole Wireless, che aumentano o diminuiscono di dimensione e colore in relazione al numero di utenti connessi.
Per leggere la mappa vi diamo un piccolo aiuto: pallini piccoli e azzurri/verdi/gialli segnalano pochi utenti; pallini grandi e rossi/arancioni/viola/blu segnalano molti utenti.
Rete Iperbole Wireless — Geek Corner: come abbiamo ricavato i dati?
Ogni ricerca o progetto che ha per protagonista i dati, deve partire dall’individuazione della fonte. Fortunatamente il Comune di Bologna, nelle vesti di Rete Iperbole Wireless, mette a disposizione dei cittadini i dati relativi al traffico di rete, dando a chiunque la possibilità di consultarli ai link sottostanti:
1. Dati analitici di utilizzo in tempo reale della rete Wi-Fi: http://wifilocation.comune.bologna.it/map/ (formato cartografico); http://wifilocation.comune.bologna.it/get_ap_registry/ (formato .JSON).
2. Elenco e posizione degli hotspot Iperbole: http://www.comune.bologna.it/wireless
Il dataset (formato .JSON), per ogni hotspot, fornisce una serie di informazioni: posizione dell’ access point con latitudine, longitudine, luogo fisico in cui è situato (es: Sala Borsa, Parco del Cavaticcio, ecc.); data e ora del rilevamento del traffico dell’access point e, se il punto di accesso è attivo, il numero di utenti connessi.
Tuttavia i dati presenti a quest’ultimo link, si aggiornano ad intervalli regolari di 5 minuti e questo comporta una continua perdita di dati, se non altro per quanto riguarda gli utenti finali. #051Data, però, non si arrende facilmente ed ha ovviato al problema. Come? La tecnologia a volte può rivelarsi ostile, ma nella maggior parte dei casi costituisce una risorsa.
Utilizzando un Raspberry Pi (un computer poco più grande di una carta di credito, che opera sulla base di uno script, o input, in formato bash, un linguaggio di programmazione utilizzato per operazioni relative al sistema operativo), ogni ora abbiamo scaricato i dati in formato .JSON e raggruppato le varie versioni in un file di testo. Il file è stato sottoposto ad un primo lavoro di pulizia formale al fine di renderlo leggibile da altri programmi di elaborazione dati che vedremo a breve.
Questo procedimento, iniziato il 15 Giugno, si protrarrà fino ad ottobre inoltrato; questa finestra temporale ci permetterà di raccogliere un’ampia mole di dati, tale da fornire una visione d’insieme del fenomeno.
Successivamente abbiamo normalizzato il foglio cioè lo abbiamo pulito e riorganizzato in modo da rendere i dati omogenei. Questo significa che le voci all’interno delle singole celle devono essere scritte tutte allo stesso modo; ad esempio le voci “Hotspot Piazza 8 Agosto” e “Hotspot P.zza VIII Agosto” indicano lo stesso punto di accesso alla rete Wi-Fi ma per la macchina sono punti differenti. Questo passaggio è fondamentale per strutturare i dati e renderli comprensibili alla macchina che li elabora e per fare questo ci è stato di grande aiuto Open Refine, un software gratuito e open source per la pulizia dei dati.
Il dato grezzo si presentava in questo formato:
[{“positionX”: 11.34479, “positionY”: 44.49991, “Description”: “P.zza 8 agosto”, “Last Update Time”: “2018–02–07 12:30:27”, “Online Status”: true, “Last Client Count”: 9}]
Il dato normalizzato invece si presenta così:
ID
Access Point
Latitudine
Longitudine
Data
Ora
Fascia oraria
Online
Utenti connessi
01
“P.zza 8 Agosto”
44.49991
11.34479
2018–02–07
12:30:27
12–13
True
9
Il passaggio successivo consiste nel caricare il file normalizzato in Microsoft Access (un software per la gestione di database relazionali). Grazie a questo software siamo in grado di mettere in relazione più datasets ed analizzarli. Nel caso specifico abbiamo messo in relazione l’elenco degli hotspot Iperbole e l’elenco delle strade di Bologna al fine di ricavare la distribuzione degli hotspot nei quartieri della città.
L’analisi si effettua mediante queries, ovvero dei comandi attraverso cui l’utente interroga il database e individua aspetti ricorrenti e peculiari del dataset, come avete avuto modo di vedere nella prima parte dell’articolo.
Questo strumento sarà di fondamentale importanza al termine del progetto, quando la quantità di dati raccolti sarà imponente.
I dati ricavati seguendo questa procedura potrebbero essere leggibili, ma non sono immediati e fruibili a tutti. Inizia, quindi, l’ultima fase del progetto: la visualizzazione dei dati (o data visualization/DataViz che dir si voglia). Gli aspetti di maggior interesse del dataset, individuati nella precedente fase, vengono tradotti in grafici e/o mappe interattive attraverso Tableau e Infogram (online potete trovare numerosi tutorial che ve ne illustrano il funzionamento).
Facile no?
Il progetto che abbiamo avviato, si concluderà verso la fine di ottobre… vi suggeriamo di seguirci per non perdervi il resoconto completo e tutte le curiosità sulla Rete Iperbole Wireless! A presto 😊.
Articoli dei ragazzi del team #051Data, Laboratorio Under.
