Andia Vllamasi

XL Cycle IDAUP (A. Y. 2024-2025) 

Vllmasi Andia.jpgCurriculum:  Urban Planning

Topic: 2.1 The city of today and tomorrow, between environmental upgrading and rehabilitation of the existing urban fabrics: requirements of functional conversion and new social demand of housing quality and urban livability | 2.1 La città di oggi e di domani, tra valorizzazione ambientale e riabilitazione dei tessuti urbani esistenti: esigenze di conversione funzionale e nuova domanda sociale di abitazione di qualità e vivibilità urbana

Home Institution: POLIS University

Disciplinary sector: 08/CEAR-12 URBAN AND LANDSCAPE PLANNING AND DESIGN CEAR-12/A Urban and Regional Planning

Main Supervisor: Dr. Luca Lezzerini

Co-Supervisor: Prof. Assoc. Mincolelli Giuseppe

ORCID ID: 0009-0007-1730-4130

Concise CV (English version)
MSc. Andia Vllamasi, a Ph.D. candidate in the 40th cycle of the IDAUP, a collaboration between the University of Ferrara, Italy, and Polis University, Albania. She is currently in her third year as an assistant lecturer at the Faculty of Research and Development, Polis University. She holds a degree in Computer Science from the University of Tirana and began her career as a Front-End Developer. Her research over the past three years has focused on applying machine learning to fields such as software development and healthcare, deepening her technical expertise. Her Ph.D. research explores leveraging machine learning to create smarter, sustainable urban spaces, providing planners with data-driven tools to optimize resources, reduce environmental impact, and enhance urban resilience.

Concise CV (Italian version)
MSc. Andia Vllamasi, dottoranda al 40° ciclo dell'IDAUP, una collaborazione tra l'Università di Ferrara e la Polis University. Attualmente è al terzo anno come assistente docente presso la Facoltà di Ricerca e Sviluppo della Polis University. Ha conseguito una laurea in Informatica presso l'Università di Tirana e ha iniziato la sua carriera come Front-End Developer. La sua ricerca negli ultimi tre anni si è concentrata sull'applicazione dell'apprendimento automatico in settori come lo sviluppo software e la sanità. La sua ricerca di dottorato esplora l'uso dell'apprendimento automatico per creare spazi urbani più intelligenti e sostenibili, fornendo ai pianificatori strumenti basati sui dati per ottimizzare le risorse, ridurre l'impatto ambientale e migliorare la resilienza urbana.

Research proposal (English version)

Title: Harnessing Machine Learning for Sustainable Development: Enhancing Decision-Making for Sustainable Urban Planning

Description: Fast urbanization, projected at 70% by 2050, highlights the need for sustainable urban design. AI and ML offer innovative solutions for sustainability, resilience, and economic development in urban planning.

Aims: 

  • Develop a formal framework to incorporate AI effectively into sustainable urban planning. Create resilient data gathering and presentation techniques to ensure cities to enable meaningful comparisons.
  • Build forecasting models to predict energy consumption, urban growth, and environmental impact. 
  • Integrate optimization algorithms to enhance decision-making in areas like energy efficiency, building performance and occupant comfort.

Objectives:

  • Examine existing AI-powered tools in urban planning to identify deficiencies and lay the conceptual foundation for the research.
  • Identify a standardized set of variables that impact sustainable development in urban planning, applicable universally to all projects.           
  • Involve stakeholders in the design process, converting subjective factors like comfort, environmental impact, social aspects, and resilience into measurable data for objective evaluation.
  • Gather essential data from research, reports, case studies, and surveys.
  • Assess predictors and target variables using standards like ISO to enable cities to benchmark sustainability efforts.                 
  • Apply the most suitable ML model based on research goals.
  • Evaluate the tool's effectiveness through case studies and practical implementation. 

Stakeholders: include urban planners using AI/ML for sustainable design, policymakers for data-driven governance, local communities for inclusive planning, and academics for interdisciplinary progress. 

Keywords: sustainability, data-driven decision-making, optimization, resilient, machine learning

Research proposal (Italian version)

Titolo: Sfruttare l'apprendimento automatico per lo sviluppo sostenibile: migliorare il processo decisionale per una pianificazione urbana sostenibile 

Descrizione: La rapida urbanizzazione, prevista al 70% entro il 2050, evidenzia la necessità di una progettazione urbana sostenibile. L'intelligenza artificiale offre soluzioni innovative per la sostenibilità, la resilienza e lo sviluppo economico nella pianificazione urbana.

  • Sviluppare un quadro formale per incorporare l'intelligenza artificiale nella pianificazione urbana sostenibile. 
  • Costruire modelli di previsione per prevedere il consumo di energia, la crescita urbana e l'impatto ambientale.
  • Integrare algoritmi di ottimizzazione per migliorare il processo decisionale in aree come l'efficienza energetica, le prestazioni degli edifici e il comfort degli occupanti.

Obiettivi:

  • Esaminare gli strumenti basati sull'intelligenza artificiale esistenti nella pianificazione urbana per identificare carenze.
  • Identificare un set di variabili standardizzate che influenzano lo sviluppo sostenibile.
  • Coinvolgere le parti interessate, convertendo fattori soggettivi come comfort, impatto ambientale, aspetti sociali e resilienza in dati misurabili per una valutazione oggettiva.
  • Raccogliere dati da ricerche, report e casi di studio.
  • Valutare i predittori e le variabili target utilizzando standard ISO per confrontare gli sforzi di sostenibilità tra le città.
  • Applicare il modello ML più adatto agli obiettivi della ricerca.
  • Valutare l'efficacia dello strumento tramite casi di studio.

Parti interessate: includono urbanisti che utilizzano ML per la progettazione sostenibile, decisori politici per la governance basata sui dati, comunità locali per la pianificazione inclusiva e accademici per il progresso interdisciplinare.

Parole chiave: sostenibilità, processo decisionale basato sui dati, ottimizzazione, resiliente, apprendimento automatico