SmartCityFramework
1.0.0
IoT 및 빅 데이터를 사용하는 스마트 시티 프레임 워크
정보 통신 기술은 도시 환경에 점점 널리 퍼지고 있으며 스마트 미래 도시의 지속 가능성과 탄력성을위한 필요한 기초를 제공하고 있습니다. 종종 스마트 시티를위한 ICT 도구는 홈 자동화, 의료, 환경 모니터링, 에너지를 제공하며 도시의 지속 가능성과 사회 경제적 성장을 다루는 통합 정보 관점을 거의 제공하지 않습니다. Smart City는 빅 데이터를 사용하여 이러한 정보를 활용할 수 있으며 종종 클라우드 환경에 배포 된 수술 가능한 서비스를 통해 실시간 교차 테마, 데이터 수집, 처리, 통합 및 공유를 통해 이익을 얻을 수 있습니다. 그러나 이러한 정보 활용에는 적절한 소프트웨어 도구, 서비스 및 기술이 도시 환경, 시민 및 다양한 부서 및 대행사에서 많은 양의 데이터를 수집, 저장, 분석 및 시각화하여 Smart Healthcare, Smart Environment 및 Energy 관련 데이터 세트에서 생성 된 데이터 세트가 분석 및 평가에 사용됩니다. 이 프레임 워크는 정보 인텔리전스를 생성하고 스마트 도시 상황에서 의사 결정을 지원하기 위해 더욱 개발할 수있는 클라우드 기반 분석 서비스를 제안함으로써 스마트 도시 중심 빅 데이터 처리 및 분석에 대한 관점을 제시합니다.
지능형 처리 데이터 분석을위한 스마트 시티 프레임 워크 설계 및 개발.
Smart City는 ICT 향상된 거버넌스 및 참여 프로세스에 투자하여 적절한 공공 가입자의 서비스 및 운송 투자를 정의하고 지속 가능한 사회 경제적 개발, 향상된 삶의 질 및 지능적인 관리를 보장 할 수 있습니다.“Smart City의 공식적인 정의”는 아직 공식적이고 광범위하게 받아 들여지는 정의가 없으며, 최종 목표는 품질을 높이고 있으며, 품질을 높이고 있으며, 품질을 높이고 있으며, 품질을 높이고 있습니다. 공공 행정부의 운영 비용. 이 목표는 도시 IoT (IE)를 배치하여 추구 할 수 있습니다. 즉, 수많은 공공 서비스에 대한 통합적이고 단순하며 경제적 인 접근성을 제공하는 커뮤니케이션 인프라 인 Communication Infrastructure가 잠재적 인 시너지 효과를 발휘하고 시민들에게 투명성을 높이는 것입니다.
스마트 시티 프레임 워크의 혜택을 누릴 두 명의 사용자가 있습니다 : 일반 대중과 일반 대중에게 제공되는 접근성을 통제하는 관리자. Smart City 프레임 워크의 빌딩 블록은 -
사물 인터넷 (IoT)은 전자 장치, 소프트웨어, 센서, 액추에이터 및 연결성이 포함 된 물리적 장치, 차량, 홈 기기 및 기타 품목의 네트워크로, 이러한 것들이 데이터를 연결, 수집 및 교환 및 교환 할 수있게 해주는 [2] 컴퓨터 기반 시스템에 더 직접 통합 할 수있는 기회를 창출하고, 인간의 능력을 줄이고, 경제적 이점을 줄이고 [5].
빅 데이터는 기존 데이터 처리 응용 프로그램 소프트웨어가이를 다루기에 부적절한 데이터 세트의 연구 및 응용 프로그램을 참조하는 데 사용되는 용어입니다. 빅 데이터 문제에는 데이터 캡처, 데이터 저장, 데이터 분석, 검색, 공유, 전송, 시각화, 쿼리, 업데이트, 정보 개인 정보 및 데이터 소스가 포함됩니다. 빅 데이터와 관련된 여러 개념이 있습니다. 원래 3 가지 개념, 다양성, 속도가있었습니다 [6]. 나중에 빅 데이터로 인한 다른 개념은 진실성 (즉, 데이터의 노이즈 양) [7] 및 가치 [19]입니다.
클라우드 컴퓨팅은 구성 가능한 컴퓨터 시스템 리소스의 공유 풀이며, 종종 인터넷을 통해 최소한의 관리 노력으로 빠르게 프로비저닝 될 수있는 고급 서비스입니다. [4] 클라우드 컴퓨팅은 공공 시설과 유사하게 일관성과 규모의 일관성과 경제를 달성하기 위해 자원 공유에 의존합니다. 타사 구름을 통해 조직은 컴퓨터 인프라 및 유지 보수에 대한 자원을 소비하는 대신 핵심 비즈니스에 집중할 수 있습니다 [9]. 일반적으로 사용되는 클라우드 서비스 중 일부는 Microsoft Azure, Amazon EC2입니다.
데이터 분석은 유용한 정보를 발견하고 결론을 알리고 의사 결정 지원을 목표로 데이터를 검사, 정리, 변환 및 모델링하는 과정입니다 [7]. 데이터 분석에는 다양한 이름으로 다양한 기술을 포함하는 여러 가지 측면과 접근 방식이 있으며 다양한 비즈니스, 과학 및 사회 과학 영역에서 사용됩니다.
머신 러닝은 인공 지능 (AI)을 적용하여 시스템에 명시 적으로 프로그래밍되지 않고 경험을 자동으로 배우고 개선 할 수있는 능력을 제공합니다. 머신 러닝은 데이터에 액세스하고 스스로 학습 할 수있는 컴퓨터 프로그램 개발에 중점을 둡니다 [14] [18].
웹 플랫폼에서 실행되는 응용 프로그램은 웹에서 실행되도록 설계된 애플리케이션 소프트웨어 유형입니다. 이러한 응용 프로그램은 종종 사용자에게 대화 형 매체를 제공하여 요청을하고 결과를 얻는 역할을합니다.
스마트 환경에서 생성 된 IoT 데이터 세트와 에너지 관련 데이터 세트는 분석 및 평가에 사용됩니다. 빅 데이터는 강화 된 통찰력, 의사 결정 및 프로세스 자동화를 가능하게하는 비용 효율적이고 혁신적인 정보 처리를 요구하는 대량의 대량, 고속 및 다양한 데이터로 정의됩니다. 빅 데이터의 문제와 관련하여 클라우드 기반 분석 서비스는 정보 인텔리전스를 생성하고 스마트 도시 컨텍스트에서 의사 결정을 지원하기 위해 더욱 개발되었습니다.
빅 데이터는 처리 및 분석 엔진을 통해 기계 학습 알고리즘을 사용하여 처리 및 분석됩니다. 이 엔진에서 얻은 결과는 사용자의 쿼리에 응답하도록 처리되며 모바일 애플리케이션을 통해 사용자가 액세스 할 수있는 프론트 엔드에 표시됩니다. 모바일 애플리케이션은 사용자 친화적이고 쉽게 이해할 수있는 인터페이스를 통해 요구 사항에 따라 가입자가 서비스를 사용할 수 있도록 설계되었습니다.
우리는 캠퍼스의 다른 부분에 설치된 다양한 IoT 센서에서 수집 된 데이터를 사용자 구성을 기반으로 명령을 트리거하는 IoT 프로토콜과 IoT 프로토콜과 통합하여 스마트 시티 프레임 워크를 구현하기위한 목적 으로이 모델을 대학 캠퍼스로 확장하려고합니다. 스마트 시티 프레임 워크의 유용성을 향상 시키고이 프레임 워크의 개발 속도를 높이기 위해 프레임 워크의 API는 오픈 소스 기술을 사용하여 구현 될 것입니다.
| 문제 | 설명 | URL |
|---|---|---|
| 거리에 주차 차 | 스마트 폰의 앱을 사용하면 얼마나 많은 주차 공간을 사용할 수 있는지 확인할 수 있습니다. 스마트 폰에 표시하는 것 외에도 거리를 다루는 보드에서 얼마나 많은 주차 공간을 사용할 수 있는지 볼 수 있습니다. | 이미지 처리에 기반한 지능형 주차 공간 탐지 시스템 |
| 응급 상황에 세마포어 적응 | 지능형 세마포어는 충돌 차량, 구급차가있는 의료 응급 상황, 교통 체증과 같은 응급 상황을 OCUurs 할 때 적응할 수 있습니다. | smart_traffic_control_system_for_ambulance이 링크는 구급차 케이스를 목표로합니다 |
| 센서 이름 | 센서 사양 | 용도 | 참조 |
|---|---|---|---|
| DHT22 | 온도-초기 센서 | 기온과 습도를 측정하는 데 사용됩니다. | 아다프 루트 |
| UVM-30A UVA/UVB | UV 센서 | UV 센서는 사고 자외선 (UV) 방사선의 강도를 감지하는 데 사용됩니다. | Turtles Bay Project |
| 알고리즘 이름 | 알고리즘 범주 | 환경 모니터링의 사용 | 필요한 데이터 유형 | IoT 센서 | 참조 |
|---|---|---|---|---|---|
| Synaptic.js | 신경망 | 환경의 온도 제어 및 통제 시스템이 연결된 상태로 계속 될 필요가 없음을 예측하여 에너지 소비의 감소에 기여하는 등 환경 변수의 PID 제어에 사용될 수 있습니다. | 센서 신호, 온도 설정 점 및 히스테리시스 | DHT22 | synaptc.js |
