Analisi esplorative delle preferenze dei visitatori di una manifestazione culturale in uno spazio urbano utilizzando il Balloon mapping e la statistica spaziale. Il caso di Trieste Next

Abstract

Viene presentata una prima analisi esplorativa di alcune fotografie riprese da un pallone aerostatico, utilizzando la statistica spaziale (point pattern analysis). L’obiettivo è stato quello di evidenziare alcune zone di aggregazione delle persone in uno spazio pubblico cittadino, in occasione di una manifestazione a carattere scientifico/ culturale, Trieste Next tenutasi a Trieste, tra il 26 ed il 28 settembre 2014. Tra le diverse attività proposte dall’Università di Trieste nel villaggio scientifico di Piazza Unità d’Italia, è stata allestita una postazione esterna ai tendoni, dedicata al Balloon mapping, per la quale si sono organizzati alcuni voli dimostrativi per i visitatori. Alcuni fotogrammi dalle riprese effettuate sono stati elaborati in modo da ricavarne dei layer vettoriali, riportanti le posizioni dei visitatori in diversi momenti tra gli stand della manifestazione. Da questi layer vettoriali sono state ricavate delle mappe di densità, utilizzando il metodo statistico denominato Kernel Density Estimation (KDE). I vari layer raster di densità sono stati aggregati mediante somma algebrica dei valori dei pixel di ciascun layer. Il risultato è stato quello di ottenere una mappa di sintesi delle aree preferite dai visitatori nel villaggio, che ha evidenziato la presenza alcune aree “calde” (hot spots).

It is presented an exploratory analysis made on some remote sensed images taken from a helium filled balloon, using spatial statistics (point pattern analysis). Aim of this paper has been highlighting some aggregation areas in a town square during a scientific/cultural event like Trieste Next (Trieste, September 26th-28th, 2014). Among the different activities organized by the local University in the so called “scientific village” of Unity square, an open air station has been set up. From this Balloon mapping station several demonstration flights have been arranged. Among the many pictures taken during the flights, some of them have been elaborated, in order to build a series of vector layers, showing the Trieste Next visitors at certain times. Applying the Kernel Density Estimation (KDE) statistic method to this vector layers we have produced some visitor density maps in the Next scientific village of Unity square. Further, the density layers have been aggregated in order to build a synthesis map of the visitor preferred areas in the village (the so called “hot spots”).