Description du projet
Nouvelles techniques adaptatives pour la gestion de la qualité des données de localisation des objets
La localisation des objets (LoT pour Localisation of Things) implique la collecte de quantités massives de données relatives à la mobilité, qui sont ensuite traitées et transmises entre des nœuds de données hétérogènes dans une architecture décentralisée. Du fait que les techniques traditionnelles de gestion centralisée de la qualité des données ne peuvent pas prendre en charge de tels processus de LoT, la gestion de la qualité des données pour la LoT demeure un défi. Le projet MALOT, financé par l’UE, a pour objectif de concevoir un ensemble de nouvelles techniques pouvant s’adapter à l’architecture décentralisée et hétérogène de la LoT. Il s’agira de mettre au point un modèle de base destiné à évaluer la qualité des données de mobilité dans les nœuds de données décentralisés et dynamiques, des algorithmes efficaces d’amélioration de la qualité des données et un mécanisme de programmation optimale des tâches de gestion de la qualité entre les nœuds concernés. Les travaux du projet favoriseront l’innovation dans l’internet des objets européen et l’élargissement du champ de ses applications.
Objectif
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.
Champ scientifique
Programme(s)
Régime de financement
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinateur
9220 Aalborg
Danemark