Projektbeschreibung
Neue adaptive Verfahren für „Location of Things“-Datenqualitätsmanagement
„Location of Things“ (LoT) beinhaltet die Sammlung gewaltiger Mengen an Mobilitätsdaten, die dann innerhalb einer dezentralen Architektur verarbeitet und zwischen heterogenen Datenknoten übertragen werden. Da die üblichen zentralisierten Verfahren des Datenqualitätsmanagements derartigen LoT-Prozessen nicht gewachsen sind, bleibt das Datenqualitätsmanagement innerhalb von Location of Things eine echte Herausforderung. Das EU-finanzierte Projekt MALOT plant die Konzipierung einiger neuer Verfahren, die sich an die dezentralisierte und heterogene LoT-Architektur anpassen können. Dazu zählen die Entwicklung eines Kernmodells für die Bewertung der Qualität von Mobilitätsdaten an dezentralen und dynamischen Datenknoten, effektive qualitätsbewusste Datenaufbereitungsalgorithmen und ein Mechanismus zur optimalen Planung von Qualitätsmanagementaufgaben zwischen relevanten Knoten. Die Arbeit des Projekts wird zur Erneuerung von Europas Internet der Dinge beitragen sowie dessen Anwendungsbereiche erweitern.
Ziel
Location of Things (LoT) is an Internet of Things paradigm for mobility analytics. In LoT, massive mobility data is being gathered, processed and transmitted among heterogeneous data nodes in a decentralized architecture. Traditional centralized data quality management techniques cannot cope with such characteristics of LoT, making the management of data quality for LoT a prominent challenge. In the project MALOT, the researcher aims at designing a set of new techniques that are particularly adaptive to the decentralized and heterogeneous LoT architecture for assessing and enhancing mobility data quality. Specifically, the research actions of MALOT include (1) a core model for assessing mobility data quality at decentralized and dynamic data nodes; (2) effective quality-aware data enhancement algorithms to handle the heterogeneity and inconsistency of LoT mobility data; (3) a mechanism for scheduling quality management tasks among relevant nodes in an efficiency-optimal fashion. With the research actions dedicated to decentralized modelling, heterogeneous data integration, and mobile task planning, MALOT will firmly strengthen the researcher's scientific skills and innovative competences. Through many inter-sectoral training and communication activities planned for the project, the researcher will have great opportunities to diversify his skillsets and enhance his future career prospects. A two-way knowledge transfer is guaranteed since MALOT combines the researcher's expertise in mobility analytics and the participating organizations' expertise in big data management and decentralized information systems. Committed to the mobility data quality management for IoT-like architecture, MALOT is not only expected to benefit the academic development of the host and the researcher but will contribute to Europe's IoT innovation and applications.
Wissenschaftliches Gebiet
Schlüsselbegriffe
Programm/Programme
Thema/Themen
Aufforderung zur Vorschlagseinreichung
Andere Projekte für diesen Aufruf anzeigenFinanzierungsplan
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordinator
9220 Aalborg
Dänemark