SmartCityFramework
1.0.0
Smart City Framework с использованием IoT и больших данных
Информационные и коммуникационные технологии становятся все более распространенными для городской среды и обеспечивают необходимую основу для устойчивости и устойчивости умных будущих городов. Часто инструменты ИКТ для интеллектуального города имеют дело с различными областями приложений, например, домашней автоматизации, здравоохранения, мониторинга окружающей среды, энергии и редко предоставляют интегрированную информационную перспективу для борьбы с устойчивостью и социально -экономическим ростом города. Умные города могут извлечь выгоду из такой информации, используя большие данные и часто межтематические, сбор данных, обработка, интеграция и обмен в режиме реального времени с помощью межветовых служб, развернутых в облачной среде. Тем не менее, такое использование информации требует соответствующих программных инструментов, услуг и технологий для сбора, хранения, анализа и визуализации больших объемов данных из городской среды, граждан и различных департаментов и агентств по масштабам города. Наборы данных City. Используются для анализа и оценки. В этой структуре представлена перспектива на интеллектуальные города, ориентированные на обработку и анализ больших данных, предлагая облачную службу анализа, которая может быть дополнительно разработана для создания информационного интеллекта и поддержки принятия решений в контексте Smart Cities.
Разработка и разработка структуры умных городов для интеллектуального анализа данных обработки.
Smart City-это город, который вкладывает средства в процессы управления управлением ИКТ и участия, чтобы определить соответствующие инвестиции в обслуживание и транспортировки общественных подписчиков, которые могут обеспечить устойчивое социально-экономическое развитие, улучшенное качество жизни и интеллектуальное управление природными ресурсами. Пока еще нет формального и широко распространенного определения «Smart City». Повышенные, что повышают ресурсы, по его увеличению ресурса, по его повышению, по его увеличению ресурсам, в то время как повышение квалификации, в то время как повышение качества эксплуатационные расходы государственного управления. Эта цель может быть достигнута путем развертывания городской IOT, т.е., коммуникационной инфраструктуры, которая обеспечивает единый, простой и экономичный доступ к множеству государственных услуг, таким образом, выпускают потенциальную синергизм и повышают прозрачность для граждан.
Есть два пользователя, которые получат выгоду от нашей структуры Smart City: широкая общественность и администратор, которые контролируют доступность, предоставляемую широкой общественности. Строительные блоки для Smart City Framework состоит из -
Интернет вещей (IoT)-это сеть физических устройств, транспортных средств, домашних приборов и других предметов, встроенных с электроникой, программным обеспечением, датчиками, приводами и подключением, которые позволяют этим вещам связывать, собирать и обмениваться данными [1], [2] создание возможностей для более прямой интеграции физического мира в компьютерные системы, что приводит к повышению эффективности, экономическим преимуществам и расширению человеческих усилий [5].
Большие данные-это термин, используемый для ссылки на изучение и приложения наборов данных, которые являются настолько большими и сложными, что традиционное прикладное программное обеспечение для обработки данных неадекватно для них. Проблемы с большими данными включают получение данных, хранения данных, анализа данных, поиска, обмена, передачи, визуализации, запроса, обновления, конфиденциальности информации и источника данных. Существует ряд концепций, связанных с большими данными: первоначально было 3 концепции, разнообразие, скорость [6]. Другими понятиями, позже связанными с большими данными, являются достоверность (то есть, сколько шума в данных) [7] и значение [19].
Облачные вычисления представляют собой общие пулы настраиваемых ресурсов компьютерных систем и сервисов более высокого уровня, которые могут быть быстро предоставлены с минимальными усилиями по управлению, часто в Интернете. [4] Облачные вычисления опираются на обмен ресурсами для достижения согласованности и экономии масштаба, аналогично коммунальной службе. Сторонние облака позволяют организациям сосредоточиться на своих основных предприятиях вместо того, чтобы тратить ресурсы на компьютерную инфраструктуру и обслуживание [9]. Некоторые из широко используемых облачных сервисов - Microsoft Azure, Amazon EC2.
Анализ данных-это процесс проверки, очистки, преобразования и моделирования данных с целью обнаружения полезной информации, информирования о выводах и поддержке принятия решений [7]. Анализ данных имеет несколько аспектов и подходов, охватывающих различные методы под различными именами, одновременно используются в различных областях бизнеса, науки и социальных наук.
Машинное обучение - это применение искусственного интеллекта (ИИ), которое дает системам возможность автоматически учиться и улучшаться из опыта, не будучи явно запрограммированным. Машинное обучение фокусируется на разработке компьютерных программ, которые могут получить доступ к данным и использовать его обучение для себя [14] [18].
Приложение, работающее на веб -платформе, - это тип прикладного программного обеспечения, предназначенного для работы в Интернете. Эти приложения часто служат для предоставления пользователям интерактивной среды для выполнения запросов и получения результатов.
Наборы данных IoT, генерируемые Smart Environment, и наборы данных, связанные с энергией, используются для анализа и оценки. Большие данные определяются как высокодолувые, высокоскоростные и высокие данные, которые требуют экономически эффективных, инновационных форм обработки информации, которые обеспечивают улучшение понимания, принятия решений и автоматизации процессов. Что касается проблем, связанных с большими данными, облачные сервисы анализа дополнительно разработаны для создания информационного интеллекта и поддержки принятия решений в контексте Smart Cities.
Большие данные обрабатываются и анализируются с использованием алгоритмов машинного обучения с помощью механизма обработки и анализа. Результаты, полученные из этого двигателя, обрабатываются для ответа на запросы пользователей и отображаются на переднем конце, который доступен для пользователей через мобильное приложение. Мобильное приложение предназначено для предоставления услуг доступными для подписчиков в соответствии с их требованиями через удобный пользователь и легко понятный интерфейс.
Мы намерены расширить эту модель в университетском городке с целью реализации структуры Smart City, интегрируя данные, собранные из различных датчиков IoT, установленных в разных частях кампуса с протоколами IoT, которые запускают команды на основе конфигурации пользователя. Чтобы улучшить удобство использования нашей структуры Smart City и ускорить разработку этой структуры, API нашей структуры будут реализованы с использованием технологий с открытым исходным кодом.
| Проблема | Описание | URL |
|---|---|---|
| Парковочная машина на улице | С приложением на вашем смартфоне вы можете увидеть, сколько парковочных мест доступно. В дополнение к показу на своем смартфоне, вы можете просмотреть, сколько парковочных мест доступно на досках, которые обращаются к улицам. | Интеллектуальная система обнаружения пространства парковки на основе обработки изображений |
| Адаптация семафора по случаю экстренного дела | Интеллектуальный семафор может адаптироваться, когда Ocuurs экстренные случаи, такие как Crash Car, случай неотложной медицинской помощи с скорой помощи, пробка. | SMART_TRAFFIC_CONTROL_SYSTEM_FOR_AMBULANCE Эта ссылка нацелена на конкретный сценарий, случай скорой помощи |
| Название датчика | Спецификация датчика | Использование | Ссылки |
|---|---|---|---|
| DHT22 | Датчик температуры | Используется для измерения температуры и влажности воздуха. | Адафрут |
| UVM-30A UVA/UVB | Ультрафиолетовый датчик | УФ -датчик используется для обнаружения интенсивности падающего ультрафиолетового (УФ) излучения. | Проект Turtles Bay |
| Имя алгоритма | Алгоритм категория | Использование в мониторинге окружающей среды | Тип необходимых данных | Датчики IoT | Ссылка |
|---|---|---|---|---|---|
| Synaptic.js | Нейронная сеть | Его можно использовать для контроля ПИД с переменными окружающей среды, такими как контроль температуры окружающей среды и прогнозирование необходимости продолжать или нет с подключенной системой управления, способствуя снижению потребления энергии. | Сигнал датчика, установленная температура и гистерезис | DHT22 | Synaptc.js |
