Informazione Geografica, Città, Smartness
-
Upload
geographical-analysis-urban-modeling-spatial-statistics -
Category
Documents
-
view
502 -
download
1
description
Transcript of Informazione Geografica, Città, Smartness
Informazione Geografica, Città, SmartnessBeniamino MurganteUniversità degli Studi della Basilicata, [email protected]://www.unibas.it/utenti/murgante/Benny.html
L'aquila 7 Giugno 2013
Ian McHarg
History of GIS
1969
History of GIS
1969
Physiographic obstructions Social aspects
History of GIS
1969
Physiographic obstructions
Density of scattered settlements in 1987 and 2004 (flats/hectare)
Density 1987 Density 2004
Density
Areas which have Kernel density included between 1 and 18 flats/hectare
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: 1600mThe following values have been achieved:Moran Index at 1987: I1987 = 0.458;Moran Index at 2004: I2004 = 0.677.
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)
LISA & Getis and Ord’s G
Clusters localization with the Getis and Ord function
Clusters localization with the Getis and Ord function
Clusters localization with the Getis and Ord function
Clusters localization with the Getis and Ord function
Clusters localization with the Getis and Ord function
Tobler's First Law of Geography “All things are related, but nearby things are more related than distant things” (1970)
Positive Autocorrelation
Negative Autocorrelation
No Autocorrelation
(O’Sullivan and Unwin, 2002)
Density function Point Pattern Analysis
kernel density )A ..,,A ,A ,y ,(xL n21iii
ττ
1(L)λ
n
1i2
iLLk
Point Pattern Analysis
Relation between the bandwidth
dimension and the study area
ττ
1(L)λ
n
1i2
iLLk
Point Pattern Analysis
kernel density: kernel functionsPoint Pattern Analysis
Point Pattern Analysis
Kernel Density Estimation (Levine, 1999)
Tobler's First Law of Geography “All things are related, but nearby things are more related than distant things” (1970)
n
jij
n
i
n
jijij
n
i
w
wc
SAC
11
11
Where:•n is the number of objects;•i and j are two objects;•xi is the value of object i attribute;•cij is a degree of similarity of attributes i and j;•wij is a degree of similarity of location i and j;
(Goodchild, 1986; Lee and Wong, 2001)
Geary C Ratio (1954)
Moran’s I statistic
2__
2
)()(2
))()(1(
xxw
xxwNc
iiijji
jiijji
if cij=(xi−xj)2
Moran index (1948)
2__
____
)()(
))((
xxw
xxxxwNI
iiijji
jiijji
if )( )(
____
xxxxc jiij
0
adjacent ji,1w ij
Weights Matrixijij 1/dw
d
d
ij
ij
d0
ddw
ij
ijFixed Distance Band
ij2
ij 1/dw
Spatial weights matrix and the metaphor chess game
Weights Matrix
Rook QueenBishop
Local Indicators of Spatial Association
G function by Getis and Ord (1992)
2
)()(1
)(
)( )()(
2
1 1
11
N
dwdwN
iS
dwxxdwdG
n
i
n
iii
n
iiii
n
ii
i
Local version of Geary Ratio C
N
jjiiji zzwc
1
2)(
LISA allows for each statistical unit to assess the similarity of each observation with that of its surroundings.
Five scenarios emerge: Locations with high values of the phenomenon and high level of similarity with its surroundings (high - high), defined as HOT SPOTS; Locations with low values of the phenomenon and high level of similarity with its surroundings (low - low), defined as COLD SPOTS; Locations with high values of the phenomenon and low level of similarity with its surroundings (high - low), defined as Potential "Spatial outliers"; Locations with low values of the phenomenon and low level of similarity with its surroundings (low - high), defined as Potential "Spatial Outliers"; Location devoid of significant autocorrelations.
Local Indicator of Spatial Association
N
jjijii zwzI
1 )( XX
z ii
Local Indicator of Spatial Association (Anselin, 1995)
Monitoring Urban Sprawl
spectral indices
Spatial autocorrelation
To cope with the fact that small changes have to be captured and extracted from TM multi-temporal data sets, we adopted the use of spectral indices to emphasize occurring changes, and spatial autocorrelation techniques to reveal spatial patterns
Global indicator
(Moran, Geary C ratio)
Local indicator
(LISA, Local Geary Getis e Ord)
Spatial autocorrelation are considered very useful tools in analysing satellite images, since they consider not only pixel value (reflectance, temperature, spectral index) under investigation, but also the relationship between same pixel and its surrounding pixels.
LANDSAT
www.landsat.org
http://earthexplorer.usgs.gov/
LANDSAT
www.landsat.orghttp://glovis.usgs.gov/
Software
GRASS
R Project for Statistical Computing
Study area
Study area
Landsat in RGB
Change Detection Change Detection 1999 – 2009
NDVI
Normalized Difference ofIndex Vegetation
Spatial autocorrelation
G function by Getis and Ord
Spatial autocorrelationLocal Geary
Spatial autocorrelationLocal Indicator of Spatial
Association
Spatial autocorrelation
Spatial autocorrelation
Spatial autocorrelation
Ongoing research
Built-up Areas Index (1976-1999-2009)
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
Analisi di visibilitàL’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
Main differences among Multiple, Cumulative and Identifying Viewshed in the case of two targets
Identifying viewshed for wind farm in evaluating monuments visibility
Origin of GIS
Diminuzione del costo dei software G.I.S(Longley, et al. 2001)
Incremento delle funzioni dei GIS
(Longley, et al. 2001)
Crescita di potenzialità dei personal computer (Legge di Moore)
(Longley, et al. 2001)
CANRI 1999
Gli utenti di informazione geografica tendono a Gli utenti di informazione geografica tendono a sviluppare i dati in proprio per svariati motivi:sviluppare i dati in proprio per svariati motivi:
o non riescono a conoscere la disponibilità di dati che non 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 altre gli utenti non sono soliti condividere i dati con altre
amministrazioni o organizzazioni (spesso anche amministrazioni o organizzazioni (spesso anche all’interno della stessa amministrazione);all’interno della stessa amministrazione);
Tutto ciò comporta:Tutto ciò comporta:
o molti attori ed enti coinvolti nella produzione di dati molti attori ed enti coinvolti nella produzione di dati (spesso degli stessi);(spesso 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 diverse difficoltà di scambio ed uso di dati tra le diverse
organizzazioni;organizzazioni;o alla diminuzione del costo di acquisizione dei software alla diminuzione del costo di acquisizione dei software
e del hardware non è corrisposta una altrettanto e del hardware non è corrisposta una altrettanto drastica riduzione dei costi di produzione di drastica riduzione dei costi di produzione di informazione geografica. informazione geografica.
Executive Order 12906 Coordinamento dell’accesso e dell’acquisizione dei dati Coordinamento dell’accesso e dell’acquisizione dei dati
geografici: The National Spatial Data Infrastructure geografici: The National Spatial Data Infrastructure (NSDI)(NSDI)
o "National Spatial Data Infrastructure""National Spatial Data Infrastructure" significa la significa la tecnologia, le politiche, gli standards e le risorse umane tecnologia, le politiche, gli standards e le risorse umane necessarie ad acquisire, elaborare, memorizzare, necessarie ad acquisire, elaborare, memorizzare, distribuire e migliorare l’utilizzo dei dati spaziali. distribuire e migliorare l’utilizzo dei dati spaziali.
o "Geospatial data""Geospatial data"o The The "National Geospatial Data Clearinghouse""National Geospatial Data Clearinghouse" significa significa
una rete diffusa di produttori, gestori, utenti di dati una rete diffusa di produttori, gestori, utenti di dati spaziali connessi elettronicamente. spaziali connessi elettronicamente.
Executive Order 12906
CANRI 1999
Nebert, The SDI Cookbook
WebClientWebClient
ClearinghouseServers
Gateway(s)User
Z39.50 protocolHTTP protocol
ServiceRegistryServiceRegistry
WebServerWebServer
•One Search across many servers•Metadata is the key
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
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Clearinghouse
Geoportals
INSPIRE
o i dati vanno raccolti una sola volta e gestiti laddove ciò i dati vanno raccolti una sola volta e gestiti laddove ciò può essere fatto in maniera più efficiente; può essere fatto in maniera più efficiente;
o deve essere possibile combinare i dati provenienti da deve essere possibile combinare i dati provenienti da differenti fonti e condividerli tra più utenti ed differenti fonti e condividerli tra più utenti ed applicazioni; applicazioni;
o deve essere possibile la condivisione di informazioni deve 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 l’informazione geografica necessaria per il buon governo deve esistere ed essere realmente accessibile governo deve esistere ed essere realmente accessibile a condizioni che non ne limitino il possibile uso; a condizioni che non ne limitino il possibile uso;
o deve essere facile individuare quale informazione deve essere facile individuare quale informazione geografica è disponibile, valutarne l’utilità per i propri geografica è disponibile, valutarne l’utilità per i propri scopi e le condizioni secondo cui è possibile ottenerla scopi e le condizioni secondo cui è possibile ottenerla ed usarla. ed usarla.
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 Le principali barriere verso la completa interoperabilità sono determinate da tre fattori:sono determinate da tre fattori:
o burocraticiburocratici, generati da una scarsa abitudine a , generati da una scarsa abitudine a condividere il dato che, nella maggior parte dei casi, condividere il dato che, nella maggior parte dei casi, porta ad una sorta di presunto diritto di proprietà porta ad una sorta di presunto diritto di proprietà personale dell’addetto che provvede alla sua gestione;personale dell’addetto che provvede alla sua gestione;
o tecnologicitecnologici, prodotti prevalentemente da differenze tra , prodotti prevalentemente da differenze tra i sistemi, le strutture ed il formato dei dati;i sistemi, le strutture ed il formato dei dati;
o semanticisemantici, dovute alla mancanza di corrispondenza nei , dovute alla mancanza di corrispondenza nei significati. significati.
Information-Explosion Era
Google Earth
bing virtual earth
openstreetmap
Information-Explosion Era
Information-Explosion Era
Information-Explosion Era
http://www.giscloud.com/map/11766/timatongis/tourism-in-matera-on-geographic-information-system
Information-Explosion Era
http://www.giscloud.com/map/12804/laboratorio_gis/dati_basilicata
http://www.giscloud.com/map/11766/timatongis/tourism-in-matera-on-geographic-information-system
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.
Semantic Matching
Lago??? laguna ??? Bacino ???
Corpo d’acqua ???
StradaCartografo
Ingegneria civile
Sistemi di
trasporto
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,
Plan4all24 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 PlannersISOCARP, la Società Internazionale dei City and Regional Planners.
SDI e Pianificazione del territorioNelle 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.
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
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
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.
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.
Plan4allAnnex 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
Plan4all
http://www.plan4all.eu
Everything is Smart
Everything is Smart
http://youtu.be/5rMI_aVYtR0
I am Smart
I am Smart
I am Smart
I am SmartI am Smart
I am Smart
SMART ECONOMY : Tasso di occupazione; presenza di imprese innovative, di imprese giovani e di imprese femminili; presenza e qualità di università e istituti di ricerca; dotazione infrastrutturale SMART ENVIRONMENT: Per la dimensione ambiente sono stati presi in esame: la qualità dell’aria, la percentuale di raccolta differenziata dei rifiuti urbani, la presenza di spazi verdi in città, l’efficienza e la qualità della rete idrica (dispersione di acqua e depurazione), la presenza di centri di raccolta RAEE SMART GOVERNANCE: Non solo e-gov, ma anche dotazione di auto ecologiche, utilizzo di carta riciclata e raccolta differenziata negli uffici comunali, risparmio energetico, acquisti verdi), adozione di politiche per l’assetto e lo sviluppo del territorio (approvazione e adozione del Piano regolatore, del Piano per gli insediamenti produttivi, del Piano delle attività commerciali, e così via), capacità di fare rete con altri Comuni.SMART LIVING:investimenti in cultura e welfare attraverso l’offerta di servizi di vario tipo, dagli asili nido alle biblioteche comunali, dai consultori alle strutture per anziani, fino ai cinema. Pesano nella classifica, il numero di persone sotto la soglia di povertà, il tasso di emigrazione ospedaliera, l’inserimento sociale degli immigrati, la criminalità diffusa. SMART MOBILITY: La mobilità è smart nelle città in cui esiste una rete diffusa ed efficiente di trasporto pubblico e in cui ci sono parcheggi di scambio; in cui la maggior parte delle automobili in circolazione sono poco inquinanti; in cui ci sono zone a traffico limitato, piste ciclabili, servizi di bike e car sharing.SMART PEOPLE: Il livello di istruzione e l’abbandono scolastico, il numero di donne che lavora e che ricopre cariche all’interno dell’amministrazione, la presenza di studenti stranieri, la partecipazione politica, il coinvolgimento in associazioni di volontariato, ma anche la lettura dei quotidiani e la partecipazione ad eventi culturali. Sono tutti aspetti che ci dicono se i cittadini di una città sono attivi e partecipi e se la città riesce a valorizzare il suo capitale sociale.
SMART ECONOMY : Tasso di occupazione; presenza di imprese innovative, di imprese giovani e di imprese femminili; presenza e qualità di università e istituti di ricerca; dotazione infrastrutturale SMART ENVIRONMENT: Per la dimensione ambiente sono stati presi in esame: la qualità dell’aria, la percentuale di raccolta differenziata dei rifiuti urbani, la presenza di spazi verdi in città, l’efficienza e la qualità della rete idrica (dispersione di acqua e depurazione), la presenza di centri di raccolta RAEE SMART GOVERNANCE: Non solo e-gov, ma anche dotazione di auto ecologiche, utilizzo di carta riciclata e raccolta differenziata negli uffici comunali, risparmio energetico, acquisti verdi), adozione di politiche per l’assetto e lo sviluppo del territorio (approvazione e adozione del Piano regolatore, del Piano per gli insediamenti produttivi, del Piano delle attività commerciali, e così via), capacità di fare rete con altri Comuni.SMART LIVING:investimenti in cultura e welfare attraverso l’offerta di servizi di vario tipo, dagli asili nido alle biblioteche comunali, dai consultori alle strutture per anziani, fino ai cinema. Pesano nella classifica, il numero di persone sotto la soglia di povertà, il tasso di emigrazione ospedaliera, l’inserimento sociale degli immigrati, la criminalità diffusa. SMART MOBILITY: La mobilità è smart nelle città in cui esiste una rete diffusa ed efficiente di trasporto pubblico e in cui ci sono parcheggi di scambio; in cui la maggior parte delle automobili in circolazione sono poco inquinanti; in cui ci sono zone a traffico limitato, piste ciclabili, servizi di bike e car sharing.SMART PEOPLE: Il livello di istruzione e l’abbandono scolastico, il numero di donne che lavora e che ricopre cariche all’interno dell’amministrazione, la presenza di studenti stranieri, la partecipazione politica, il coinvolgimento in associazioni di volontariato, ma anche la lettura dei quotidiani e la partecipazione ad eventi culturali. Sono tutti aspetti che ci dicono se i cittadini di una città sono attivi e partecipi e se la città riesce a valorizzare il suo capitale sociale.
• adozione di opendata e Standard OCG,
• wifi libero,
• augmented reality a supporto del turismo,
• iniziative di crowdfunding,
• decisioni prese mediante crowdsourcing,
Validation of urban land cover
http://www.broadsheet.ie/2011/06/21/what-happens-online-in-60-seconds/
Google Earth
bing virtual earth
openstreetmap
Information-Explosion EraInformation-Explosion EraKitsuregawa et al. 2007
Murgante, 2012
Murgante, 2012
Repubblica,2012
http://faculty.washington.edu/kstarbi/TtT_Hurricane_Map_byEvent.html
Ratti, 2008
http://test.geosdi.org/geo-portal/
SmartCity e Aree Rurali (Smart Rural Communities)
SmartCity e Aree Rurali (Smart Rural Communities)
Documenti di Programmazione
Piano
Geographical objects
Real
Virtual programming documents
Statement
Geo-Statement
Murgante et al. 2010
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.
http://www.pitmpm.basilicata.it/PIT/map.phtml
http:// www.pitmpm.basilicata.it/cgi-bin/wms_pit
http://www.pitmpm.basilicata.it/PIT/map.phtml
SAVOIA BALVANO
PICERNO
TITO
MURO
CONCLUSIONI
CONCLUSIONI
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
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