Per una mappatura aperta, che rispetti la privacy e le identità

Alla luce del disastro Immuni, ho iniziato a lavorare con due miei amici, un informatico/geografo e un magistrato competente, ad una proposta di mappatura efficace perché aperta. Conto sul vostro contributo e su quello di coloro con cui riterrete di condividerla. Ciao Fiorello Spatial Decision Support System Model – ANTI COVID-19 1. Trasparenza, partecipazione informata, valorizzazione delle istituzioni e della rappresentanza, sono elementi costitutivi di una politica pubblica capace di liberarsi dalla un controllo sociale di massa in cambio della sicurezza sanitaria e della possibile libertà di azione. 2. Lo slittamento dalla sanità alla adozione dei modelli matematici e degli algoritmi come tamponi, per la rapidità del risultato addirittura predittivo. Così Google ed Apple hanno imposto agli stati europei norme e procedure per consegnare loro il controllo di dati sensibili di cittadini europei. 3. La politica pubblica deve esercitare una piena soggettività invece di esternalizzare la decisione. 4. Una strategia di mappatura diffusa deve prevedere una normativa di rango primario che precisi i principi generali che legittimino un trattamento di dati personali. Per questo occorre fin da subito il coinvolgimento operativo dell’Autorità Garante per la protezione dei dati personali per definire i dettagli su finalità e modalità di trattamento, sui tempi di conservazione, sulla tipologia di dati trattati, sulle modalità di pseudonimizzazione, sulla circolazione e disponibilità fisica di questi dati, sulla relativa DPIA. 5. Oggi ci sono programmi di georeferenziazione dei dati, dei modelli di diffusione, che consentono di incrociare funzioni sociali, percorsi e mezzi usati per pendolarismo studio/lavoro, delle persone che sono state riconosciute affette dal Covid 19. Sono modelli che, in combinazione con i test sierologici e i tamponi, consentono di definire probabilità e perimetri di diffusione del contagio al fine di utilizzare i tamponi di rilevazione in modo finalizzato, sia al fine di circoscrivere il contagio che di definire le regole comportamentali per il distanziamento individuale e la distribuzione e l’utilizzo dei dispositivi sanitari. Si tratta di un modello già operativo che consente, ad esempio, di vedere quali dispositivi sono statinuova concezione: complesso2 , adattivo3 , dotato di base di dati e base di conoscenza, con capacità di analisi, supporto alle decisioni4 e previsione. Il sistema informativo dal punto di vista software sarà interamente FOSS (Free and Open Source Software) ridistribuibile e quindi replicabile in altre realtà. Il modello matematico proposto: Il modello matematico adottato è la rivisitazione di un celebre modello di diffusione basato sul principio di rapporto di prossimità come fattore causale della diffusione cui sono state apportate delle modifiche sostanziali che consentano ad esso di adattarsi dinamicamente allo scenario e di apprendere le regole di diffusione facendo uso di intelligenza artificiale e deep learning. L’iniziatore di questo approccio è stato il geografo T. Hagerstrand, il quale, studiando le modalità di diffusione del grano ibrido in Svezia, ha rilevato quanto la prossimità giochi un ruolo decisivo nella diffusione. Le caratteristiche della diffusione sono: • contagio spaziale: i vicini sono di preferenza "contagiati"; • diffusione gerarchica: la diffusione procede dal grande verso il piccolo; • diffusione attraverso la rete: le reti rappresentano dei canali attraverso i quali il processo si diffonde meglio. Il motore del processo di diffusione è una matrice detta MIF (mean information field). Questa matrice riassume le regole di comportamento degli elementi del modello. Questi elementi sono delle celle nelle quali sono localizzati un certo numero di individui che possono essere "contagiati" o "non contagiati ancora". Nel primo caso possono influenzare un vicino secondo una probabilità che decresce con la distanza (MIF). Questa matrice 5x5 comprende la cella e le 24 adiacenti. In ogni elemento sono riportate le probabilità di infettare una individuo localizzato nell'intorno. Il funzionamento del modello è semplice: se un individuo è "contagiato", può contagiare gli individui vicini secondo una probabilità che dipende dalla matrice MIF. Il calcolo nella versione originale del 2 I sistemi complessi sono sistemi il cui comportamento non può essere compreso a partire dal comportamento dei singoli elementi che li compongono in quanto interagenti tra loro: l'interazione tra i singoli elementi determina il comportamento globale dei sistemi e fornisce loro delle proprietà che possono essere completamente estranee agli elementi singoli. Questa proprietà è chiamata comportamento emergente, nel senso che a partire dalle interazioni tra i singoli componenti del sistema emerge un "comportamento globale" non previsto dallo studio delle singole parti. Fonte: https://it.wikipedia.org/wiki/Sistema_complesso 3 Per i necessari approfondimenti si rinvia alla lettura di: https://intranet.icar.cnr.it/wp-content/uploads/2016/11/TechReport-15_03.pdf 4 https://en.wikipedia.org/wiki/Spatial_decision_support_system modello avviene in maniera asincrona: dato l'insieme delle celle infette si calcola quelle che saranno infettate nel periodo successivo. esempio di MIF: 0.009 0.014 0.017 0.014 0.009 0.014 0.030 0.054 0.030 0.014 0.017 0.054 0.443 0.054 0.017 0.014 0.030 0.054 0.030 0.014 0.009 0.014 0.017 0.014 0.009 In sostanza in ciascuna cella si ha una quantità di contagiati o non contagiati Ovviamente in questa stima dovrà essere tenuto conto del tasso di crescita della variabile nell'area, che non dipende dalla disposizione nello spazio delle celle. La versione modificata del modello prevede inizialmente che la matrice MIF sia dinamica e si basi su un reticolo di risoluzione variabile con la tecnica di suddivisione “quadtree” con i valori delle celle ricalcolate e ricalibrate grazie ad un processo di “addestramento” all’analisi dei dati di ingresso ricorrendo al calcolo parallelo ed a microprocessori specifici5 per l’addestramento di reti neurali artificiali6 . Lo suddivisione dello spazio in maglie sempre più fini consente di focalizzare l’attenzione su aree ristrette particolarmente sensibili del territorio, le stesse dove si sono registrati, per esempio, casi importanti di nuovi focolai o di cluster già attivi. Esempio di dati geolocalizzati di ingresso. 1. Localizzazione e numerosità ed esiti di analisi: tamponi, prelievi ecc. 2. Localizzazione e numerosità dei ricoveri e dimissioni 3. Luoghi sottoposti a quarantena 4. Monitoraggio urbano con uso di termocamere fisse o mobili in grado di segnalare in tempo reale la geolocalizzazione di luoghi frequentati da soggetti con stati febbrili oltre la soglia. 5. Dati di mobilità urbana e territoriale: pedonale, pendolarismo studio lavoro, traffico, trasporto passeggeri. 6. L’esito sarà una mappa dinamica con le aree a rischio potenziale di contagio distinte per giorno e fascia oraria. Nelle aree a rischio gli operatori procederanno quindi alla raccolta di tamponi → Punto 1 Milano, 10 Novembre 2020 Giuseppe Corasaniti, Fiorello Cortiana, Mauro Preda Contatti: email proposta_aperta_mappe_covid@lacittadelsole.community 5 https://software.intel.com/content/www/us/en/develop/articles/intel-movidius-neural-compute-stick.html 6 https://www.tensorflow.org/resources/learn-m forniti e a chi. Una pratica di rendicontazione e trasparenza. Un Sistema Informativo Territoriale di nuova concezione How many, where, when? La nostra proposta opera innanzi tutto due cambiamenti di prospettiva: 1. L’attenzione si sposta dalla persona singola al territorio. Il sottotitolo dato a questa sezione vuole esplicitare che il sistema informativo territoriale non tratta il “chi” bensì “quanti”, “dove”, “quando”. 2. Si passa da una informazione a dimensione 1 quali sono i dati sul numero dei tamponi, contagi, ricoveri ecc, ad una informazione a dimensione 2 georeferenziata che consente, invece, la rappresentazione della distribuzione, concentrazione e probabilità del contagio in una mappa dinamica. Trattandosi di fenomeno di diffusione virale la mappa dovrà necessariamente superare i limiti ed i vincoli imposti dai confini amministrativi, opererà, quindi, su base nazionale su un reticolo a maglie quadrate di dimensioni variabili partendo dall’impianto cartografico già consolidato dall’IGM1 a l’impianto IGM della Carta Topografica d’Italia alla scala 1:100.000 il “Foglio”, la suddivisione in quadranti (scala 1:50.000) a loro volta suddivisi in Tavolette (1:25.000). La nostra estensione del modello crea la mappa di concentrazione e potenziale di contagio con aree ulteriormente suddivise per garantire una risoluzione spaziale idonea al monitoraggio e prevenzione locale. Operativamente parlando, per agire in modo efficace contro l’estrema dinamicità spaziale, oltre che quali-quantitativa del contagio si intende realizzare un sistema informativo territoriale di http://lacittadelsole.community/progetti/sistema%20informativo%20territoriale%20anticovid.pdf