Opis projektu
Nowe techniki adaptacyjne do zarządzania jakością danych lokalizacji rzeczy
Nowy paradygmat lokalizacji rzeczy (Location-of-Things bądź LoT) zakłada gromadzenie ogromnych ilości danych dotyczących mobilności, które będą następnie przetwarzane i przekazywane pomiędzy zróżnicowanymi węzłami danych w ramach zdecentralizowanej architektury. Problemem jest fakt, że tradycyjnie wykorzystywane scentralizowane techniki zarządzania jakością danych nie są w stanie sprostać wyzwaniom stawianym przez procesy LoT. Celem finansowanego przez Unię Europejską projektu MALOT jest opracowanie nowego zestawu technik, które będą mogły zostać przystosowane do zdecentralizowanej i niejednorodnej architektury LoT. Prace obejmą opracowanie podstawowego modelu oceny jakości danych dotyczących mobilności w zdecentralizowanych i dynamicznych węzłach danych, stworzenie skutecznych algorytmów poprawy jakości danych, a także wypracowanie mechanizmu optymalnego planowania zadań związanych z zarządzaniem jakością z uwzględnieniem poszczególnych węzłów. Prace zrealizowane w ramach projektu przełożą się na wzrost innowacyjności sektora internetu rzeczy w Unii Europejskiej, a jednocześnie otworzą drogę do jego nowych zastosowań.
Cel
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.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Koordynator
9220 Aalborg
Dania