Descrizione del progetto
Nuove tecniche adattive per la gestione della qualità dei dati LoT
La Location of Things (LoT) comporta la raccolta di enormi quantità di dati sulla mobilità, che vengono poi elaborati e trasmessi tra nodi dati eterogenei in un’architettura decentrata. Poiché le tradizionali tecniche di gestione centralizzata della qualità dei dati non sono in grado di gestire tali processi di LoT, la gestione della qualità dei dati in questo ambito rimane una sfida. Il progetto MALOT, finanziato dall’UE, intende progettare un insieme di nuove tecniche in grado di adattarsi all’architettura decentrata ed eterogenea LoT. Ciò comporterà lo sviluppo di un modello di base per la valutazione della qualità dei dati di mobilità nei nodi dati decentralizzati e dinamici, di efficaci algoritmi di miglioramento della qualità dei dati e di un meccanismo per la programmazione ottimale dei compiti di gestione della qualità tra i nodi rilevanti. Il lavoro del progetto contribuirà all’innovazione dell’Internet delle cose in Europa, ampliandone le applicazioni.
Obiettivo
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.
Campo scientifico
Programma(i)
Argomento(i)
Meccanismo di finanziamento
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinatore
9220 Aalborg
Danimarca