Home / Tag Archives: complessità

Tag Archives: complessità

Data Urbanism: Big Data per nuove Urban Policies

Mappa dei permessi per costruire a Sofia – Open Data Access

 

Qualche settimana fa, nel raccontare la storia del papà di tutti i grafici William Playfair, ho promesso che avrei parlato in maniera più estesa di Data Urbanism. Si tratta di un tema particolarmente articolato, esteso e complesso, le cui applicazioni sono vaste e differenziate e che pone sfide ancora non del tutto evidenti né risolte.

Cerchiamo di riannodare le fila, partendo da una definizione:

Data Urbanism è una disciplina che, attraverso la lettura dei Big Data, mira alla comprensione e alla modellazione di sistemi urbani per l’elaborazione di strategie per un uso dinamico delle risorse, la lettura di pattern, la stimolazione del civic engagement e l’implementazione di nuovi programmi di sviluppo. Gli approcci di ricerca al Data Urbanism utilizzano sia modelli guidati dalla teoria (theory-driven) che modelli basati sull’utilizzo di dati (data-driven).[1]

Una definizione che, in prima istanza, appare piuttosto generica potrebbe descrivere qualunque approccio all’urbanistico dalla terza generazione in poi. La differenza tra un approccio classico ed un approccio data-driven, sta tutta nella lettura dei Big Data. Si potrebbe tuttavia obiettare: qualunque tipo di approccio urbanistico si basa sui dati, persino l’urbanistica moderna era basata su concetti quantitativi, come quelli di standard. Occorre allora precisare che la differenza tra Big Data e Data, non risiede solo nella dimensione, o meglio, quantità di dati a disposizione. Esistono tre dimensioni che differenziano i Big Data da set di dati tradizionali, note come le 3 V: Volume, Varietà, Velocità. Queste tre caratteristiche, che rendono i nuovi set di dati incredibilmente più voluminosi di quelli tradizionali, spesso non strutturati e di natura eterogenea e che si accumulano in maniera sempre crescente, rendono le tradizionali tecniche di analisi e di elaborazione di dati obsolete. E, se non possiamo utilizzare metodi di analisi tradizionali, perché mai dovremmo utilizzare gli stessi strumenti progettuali?

Una grande parte dei dati che hanno sostenuto gli approcci classici all’urbanistica derivavano da censimenti governativi o da indagini statistiche svolte a livello comunitario, che fornivano un quadro generale dei trend di sviluppo delle città. Il loro limite? Avere una base temporale decennale e una metodologia di raccolta dati su base volontaristica. Se la natura di questi dati li rendeva “pronti all’uso”, l’intervallo di aggiornamento e la quantità di informazioni che forniscono non sono sufficienti per basarvi un modello di sviluppo urbanistico affidabile. Da qui la necessità di utilizzare nuovi set di dati, magari meno strutturati, ma forieri di nuove possibilità.

Certo, anche i Big Data presentano alcune difficoltà: non è semplice infatti capire che tipi di dati usare, dove recuperarli e come implementarli. Molti articoli[2] evidenziano come i tipi di dato utilizzabili si possano dividere in quattro categorie:

  1. Sensor Data

Si tratta principalmente di dati relativi ai sensori legati alle reti infrastrutturali: rete idrica, elettrica, fognaria, la rete viaria su gomma e su ferro. Questo genere di dati può essere pubblico (quando le utenze primarie siano gestite dai comuni o dallo stato) o privato (quando queste utenze siano invece appaltate ad enti esterni). Nel primo caso questi dati sono spesso accessibili, specialmente se l’ente di riferimento, come spesso accade negli ultimi anni, ha implementato politiche di Open Data, che consentono ai cittadini l’accesso gratuito a queste risorse.

  1. User-Generated Data

Questo è certamente il campo che, negli ultimi dieci anni, ha generato la maggiore quantità di dati, certamente la più eterogenea ed interessante. Rientrano in questo campo tutti i dati GPS dei dispositivi che trasportiamo costantemente, il contenuti che postiamo sui social media e, in minor quantità, i dati che gli utenti producono in alcuni progetti sperimentali di progettazione partecipata. Inutile dire che l’acquisizione e l’elaborazione di questi dati presenza anche molte criticità: sempre più frequentemente saltano alle cronache casi legali in cui imprese e società sono accusate di avere acquisito illegalmente dati dai social media, o di averne fatto un uso improprio.

  1. Dai Amministrativi

Rientrano in questa categoria tutti i dati legati alle amministrazioni locali e nazionali: censimenti, dati sull’impiego, la salute e l’educazione, dati sulle tasse e sui guadagni della popolazione.

  1. Dai dal settore privato

Proprio come le amministrazioni molte compagnie registrano le transazioni e le abitudini dei propri clienti. Dati, questi, che possono fornire una serie di informazioni sul comportamento e sull’evoluzione della popolazione. Tra i dati più utilizzati in questo settore troviamo certamente quelli delle compagnie telefoniche, quelli delle banche e delle grandi catene.

Le modalità di elaborazione dati che generalmente vengono adottate nel Data Urbanism sono riconducibili a due grandi filoni: il primo è quello dell’elaborazione di modelli e simulazioni complesse a partire da questi dati (quindi con un approccio progettuale ancora top-down, sebbene con istanze emerse dal basso) ed il secondo, incentrato invece su un modello sensio-centrico, che a partire dai dati prodotti dall’utente si concentra sulla ricerca di pattern e la formulazione di teorie empiriche per azioni specifiche.

Al primo filone sono ascrivibili due operazioni piuttosto comuni: la riconsiderazione di problemi classici dell’urbanistica con il nuovo approccio e l’analisi di sistemi complessi. Nel primo caso abbiamo la ricomputazione secondo canoni contemporanei di situazioni generiche e ricorrenti: analisi matematiche della distribuzione della popolazione, degli spostamenti, modelli di sviluppo urbano, sistemi di trasporti, collocazione dei servizi e di unità residenziali. Il vantaggio che ci offrono i Big Data, rispetto a tradizionali tecniche di progettazione, è quello di poter sviluppare strategie che non sono dipendenti da analisi tipo post-evaluation, ma che possono adattarsi progressivamente grazie ad un monitoraggio costante. Nel secondo caso si tratta invece di analisi basate su sistemi ABM (Agent-Based Modelling) e sono spesso orientate alla risoluzione di conflitti sociali o legate ai sistemi infrastrutturali dei trasporti. Abbiamo affrontato il problema della complessità in passato, ma su questo ritorneremo certamente nei prossimi articoli.

Al secondo filone appartengono invece due approcci legati al mondo delle cosiddette Smart Cities: la progettazione di sistemi infrastrutturali normati da sensori e adattabili e la progettazione dinamica della città con strategie di mappatura individuale e di gamification. Mentre il primo caso è fortemente basato su attività di monitoraggio con sensori statici, il secondo è un approccio fortemente dinamico ed ancora in fase di definizione. Le strategie progettuali legate alla mappatura individuale sono molte e vanno dallo sviluppo di applicazioni che raccolgono opinioni e proposte dei cittadini a operazioni per aumentare la coscienza dei problemi legate alla città.

Come è naturale ognuna di queste strategie porta con sé, al pari degli approcci tradizionali, limiti e problematiche che non possono essere eluse. Dota, tuttavia, pianificatori e cittadini di strumenti che aprono a nuovi e diversi scenari per la città del futuro. Scenari che, con una così rapida panoramica, non sono del tutto esplorabili né comprensibili, ma che certamente approfondiremo prossimamente, analizzando casi studio e rilevando problematiche e criticità del Data Urbanism.

[1] Trad. da: Thakuriah, P., N. Tilahun and M. Zellner (2015). Big Data and Urban Informatics: Innovations and Challenges to Urban Planning and Knowledge Discovery. In Proc. of NSF Workshop on Big Data and Urban Informatics, pp. 4-32.

[2] Pan Y,., Tian, Y., Liu, X., Gu, D. and Huam G. (2016) Urban Big Data and the Development of City Intelligence, in Engineering, Science Direct, Volume 2, Issue 2, pp. 171-178

Progettare la complessità

 

Nota:brani di questo articolo sono estratti della tesi di dottorato dell’autore, redatta nell’ambito del Corso di Dottorato in Architettura – Teorie e Progetto, presso Sapienza, Università di Roma e sono incentrati sul tema della complessità.

Il problema dell’osservatore-progettista ci appare capitale, critico, decisivo. Deve disporre di un metodo che gli permetta di progettare la molteplicità dei punti di vista e poi di passare da un punto di vista all’altro. Deve disporre di concetti teorici che, invece di chiudere e isolare le entità, gli permettano di circolare produttivamente. Ha bisogno anche di un metodo per accedere al meta-punto di vista di soggetto inscritto e radicato in una società[1]

Edgar Morin

Spesso nel parlare di architettura, in particolar modo di quella contemporanea, si richiama la nozione di complessità. Ma a cosa ci si riferisce esattamente con questo termine? Certo, il progetto di architettura è complesso per definizione: è un processo che coinvolge molti attori (progettisti specializzati, le amministrazioni, le imprese, i cittadini) e che necessita di procedure e metodi. Tuttavia questa generica descrizione pone una questione: perché si parla di complessità in architettura solo a partire dagli anni ’60? Il progetto di architettura per come definito in precedenza non è forse stato sempre complesso? Le risposte a questa domanda sono molte e di diversa natura. Affrontiamo il tema su due fronti: da un punto di vista scientifico, a partire dagli anni ’40 e sull’impulso dei lavori dei matematici della fine del XIX secolo, il concetto di complessità si fa strada nell’ambito delle scienze naturali come modello alternativo a quello riduzionista; testi dal valore fondativo come “Science and Complexity” di Warren Weaver e “More is different” di Philip Warren Anderson, iniziavano a definire il solco culturale in cui la teoria della complessità sarebbe germogliata con pensatori come Edgar Morin, Gregory Bateson e molti altri. Dal punto di vista architettonico, invece, fu la giuntura del secondo dopoguerra a generare un vuoto ideologico che – transgenerazionalmente – investì tutta l’architettura, obbligando gli attori della scena culturale a costruire nuovi valori per una contemporaneità azzerata. In questo contesto il pensiero di autori come Cristopher Alexander e Robert Venturi ha aperto scenari opposti sul mondo della complessità: il primo con i suoi modelli prestazionali il secondo con la visione di complessità come antitetica alla rigidità del movimento moderno[2].

Cosa è dunque la complessità? La complessità è, nella bella formula di Paul Valéry, l’imprevedibilità essenziale: la proprietà di un sistema modellizzabile di manifestare comportamenti non interamente pre-determinabili dall’osservatore ma potenzialmente anticipabili, in quanto coerenti al sistema stesso. Una definizione articolata, forse non esattamente operativa ma, come direbbe Morin, non esiste una definizione semplice di complessità. Tuttavia è più semplice descrivere, pur in termini generici, un sistema complesso: si tratta di un sistema in cui le singole parti sono interessate da interazioni locali, di breve raggio d’azione, che provocano cambiamenti nella struttura complessiva. Gli elementi dei sistemi complessi non sono dispersi e liberi da sistemi organizzativi – si parlerebbe in quel caso di “sistemi caotici”, il cui comportamento è leggermente differente ed è descritto da modelli diversi – ma obbediscono ad una logica gerarchica. Nonostante la presenza di una gerarchia la scienza riduzionista può rilevare le modifiche locali, ma non può determinare con certezza uno – ed uno solo – stato futuro del sistema considerato nella sua interezza. Il comportamento di tali sistemi non può essere compreso perciò solo grazie all’analisi dei singoli elementi: è infatti la combinazione delle possibili interazioni tra essi che determina il comportamento globale dei sistemi e fornisce loro delle proprietà che possono essere completamente estranee agli elementi singoli. Queste proprietà sono chiamate comportamenti emergenti, proprietà cioè che, a partire dalle interazioni tra i singoli componenti del sistema, generano comportamenti globali non previsti dallo studio delle singole parti. Si tratta, per esempio, delle capacità di conservazione e rielaborazione delle informazioni della materia organica, delle possibili evoluzioni del traffico in un sistema urbano composto da varie e complesse ramificazioni infrastrutturali, dei movimenti di un gruppo di persone in un luogo soggetto ad una situazione che rompe la normalità e si configura come episodio straordinario, ad esempio un incendio o un attacco terroristico.

Il modello di pensiero che discende dalla Teoria della complessità è chiaramente un modello sistemico: non è più possibile indagare i singoli agenti del sistema su cui si interviene, ma è necessario tenere conto delle relazioni che all’interno dello stesso sistema sono generalmente intessute. Si tratta di un modello intrinsecamente ecologico, che abbandona la visione deterministica della realtà per abbracciare una sua rappresentazione più realistica e che si reitera in modalità operative nuove che muovono parzialmente il campo di azione del progettista: dall’oggetto al processo. Per dirla con G. Lynn: «il passaggio dal determinismo a una controllata indeterminatezza è assolutamente centrale nello sviluppo di un metodo di progettazione dinamica». È proprio nel controllo del livello di indeterminatezza che, come dice Morin, il progettista trova la posizione per generare quella molteplicità dei punti di vista necessaria ad una progettazione sistemica.

L’interrogativo che ci si pone dunque è: si può progettare la complessità? In fondo il dubbio che una complessità che si possa progettare, quindi prefigurare, comprendere ed immaginare, sia solo una iper-complicazione – nella definizione che ne dà Edgar Morin – appare come legittimo. La risposta a questa domanda richiede un cambio del punto di osservazione sulla complessità. Il nodo della questione risiede, in effetti, proprio nel rapporto tra oggetto ed osservatore: la complessità infatti non è insita nel fenomeno o nell’organismo osservati – che di per sé non sono né semplice né complesso, categorie di giudizio che l’osservatore adotta per la classificazione di un fenomeno che ha a che fare con la sua percezione – ma nel modello che di quel fenomeno o organismo tracciamo per poterne interpretare e prevedere i comportamenti ed il funzionamento. Si tratta di quello che in letteratura è stato definito come ‘postulato dell’ambiguità della modellazione’ e che è funzione di considerazioni di carattere percettivo sul fenomeno della complessità.

In particolare J. L. Le Moigne fa risalire questo postulato alla ‘concezione crittografica della complessità’, che utilizza la crittografia come strumento per l’indagine del rapporto tra osservatore e fenomeno.

Per dimostrare come la complessità non sia insita nel fenomeno osservato quanto nel modello interpretativo che di quel fenomeno costruiamo, Le Moigne utilizza l’esempio del codice cifrato:

La complessità scoraggiante della sua traduzione (del codice cifrato, n.d.a.) diventa a un tratto perfettamente intellegibile, non appena l’osservatore dispone della “cifra”. […] Per lui (l’osservatore, n.d.a.) la complessità sembra dipendere dalla natura del messaggio, finché non dispone di una “cifra” di decodificazione. Ritiene dunque questa realtà intrinsecamente complessa! Ma non appena è informato del fatto che si tratta di un messaggio cifrato, la complessità ontologica del messaggio svanisce, a favore della complessità della ricerca del codice.

Se la complessità risiede dunque nelle categorie interpretative che adoperiamo per la comprensione di un fenomeno e non in esso stesso, il tema della sua progettazione si tramuta, a ben vedere, in una meta-progettazione, una progettazione del metodo. Il problema del progettista è dunque quello di sviluppare un metodo che consegni risultati non interamente prevedibili, ma coerenti al sistema complessivo che si progetta. Progettare la complessità dunque richiede, in prima istanza la creazione di un metodo, un metodo che produca complessità, ma non la incarni. Al contrario, più strutturato e semplice il metodo, maggiori sono i fattori di controllo che possano determinare il risultato.

Bibliografia essenziale

BATESON G. (1977) “Verso un’ecologia della mente”, Adelphi, Milano

BOCCHI G. e CERUTI M. (1985) “La sfida della complessità”, Mondadori, Milano

CAPRA F. (2001) “La rete della vita. Perché l’altruismo è alla base dell’evoluzione”, BUR, Milano

MORIN E. (200) “Il metodo, libro I – La natura della natura”, Raffaello Cortina editore, Milano

PAZZAGLINI M. (2015) “Architettura sostenibile e progetto complesso”, LetteraVentidue, Siracusa

REDA B. (2007) “La teoria della complessità”, Bollati Boringhieri, Torino

 

[1] E. Morin, Le Méthode, vol. 1, p. 179

[2] L’evoluzione del concetto di complessità in architettura meriterebbe un’analisi autonoma, non possibile in questa sede. Si rimanda a: PAZZAGLINI M. (2015) “Architettura sostenibile e progetto complesso“, LetteraVentidue, Siracusa