Utilizza questo identificativo per citare o creare un link a questo documento:
http://elartu.tntu.edu.ua/handle/lib/45700| Titolo: | Аналіз інформаційних ресурсів "розумних міст" на основі методології великих даних |
| Titoli alternativi: | Analysis of Information Resources of "Smart Cities" Based on Big Data Methodology |
| Autori: | Вітів, Іван Володимирович Vitiv, Ivan Volodymyrovych |
| Affiliation: | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна |
| Bibliographic description (Ukraine): | Вітів І. В. Аналіз інформаційних ресурсів "розумних міст" на основі методології великих даних : робота на здобуття кваліфікаційного ступеня бакалавра : спец. 122 - комп'ютерні науки / наук. кер. О. М. Дуда. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2024. 58 с. |
| Data: | 25-giu-2024 |
| Submitted date: | 11-giu-2024 |
| Date of entry: | 1-lug-2024 |
| Country (code): | UA |
| Place of the edition/event: | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна |
| Supervisor: | Дуда, Олексій Михайлович |
| Committee members: | Гащин, Надія Богданівна |
| UDC: | 004.62 |
| Parole chiave: | алгоритм algorithm великі дані big data інформаційний ресурс information resource опрацювання даних data processing розумне місто smart city споживання ресурсів resource consumption |
| Abstract: | Кваліфікаційна робота присвячена аналізу інформаційних ресурсів «розумних міст» на основі методології великих даних. В першому розділі кваліфікаційної роботи освітнього рівня «бакалавр» висвітлено актуальність проведення аналізу ресурсів розумного міста за допомогою методології великих даних. Подана методологія аналізу ресурсів «розумного міста» на основі «великих даних». Подано опис результатів наукометричного пошуку в царині опрацювання інформаційних ресурсів «розумних міст» на основі методології «великих даних». В другому розділі кваліфікаційної роботи проаналізовано типи та джерела великих даних «розумних міст». Розглянуто ключові категорії алгоритмів опрацювання «великих даних» «розумних міст». Окремо проаналізовано кластеризацію «великих даних» для потреб «розумних міст». В третьому розділі кваліфікаційної роботи проаналізовано використання каркасів на основі фреймворків для аналітичного опрацювання інформаційних ресурсів «розумних міст». Також проаналізовано глибинні нейронні мережі при опрацюванні інформаційних ресурсів «розумних міст». Виконано аналіз підходів класифікації «великих даних» для потреб «розумних міст». Розглянуто кореляційний аналіз інформаційних ресурсів для потреб «розумних міст». Проведено аналіз точності методів обробки інформаційних ресурсів «розумних міст» на основі методології «великих даних». The qualification work is devoted to the analysis of information resources of "smart cities" based on big data methodology. In the first section of the qualifying work of the "bachelor" educational level, the relevance of analyzing the resources of a smart city using big data methodology is highlighted. The methodology for analyzing the resources of the "smart city" based on "big data" is presented. A description of the results of scientometric research in the field of processing information resources of "smart cities" based on the methodology of "big data" is presented. In the second section of the qualification work, the types and sources of big data of "smart cities" are analyzed. The key categories of algorithms for processing "big data" of "smart cities" are considered. The clustering of "big data" for the needs of "smart cities" is analyzed separately. In the third section of the qualification work, the use of frames based on frameworks for analytical processing of information resources of "smart cities" is analyzed. Deep neural networks for processing information resources of "smart cities" were also analyzed. An analysis of "big data" classification approaches for the needs of "smart cities" was performed. The correlational analysis of information resources for the needs of "smart cities" is considered. An analysis of the accuracy of methods of processing information resources of "smart cities" based on the methodology of "big data" was carried out. |
| Content: | ВСТУП 8 РОЗДІЛ 1. СТАН ТА ПЕРСПЕКТИВИ ДОСЛІДЖЕНЬ В ГАЛУЗІ «ВЕЛИКИХ ДАНИХ» «РОЗУМНОГО МІСТА» 10 1.1 Актуальність проведення аналізу ресурсів «розумного міста» за допомогою методології «великих даних» 10 1.2 Методологія аналізу ресурсів «розумного міста» на основі «великих даних» 12 1.3 Опис результатів наукометричного пошуку інформаційних ресурсів «розумних міст» на основі методології «великих даних» 15 1.4 Висновок до першого розділу 18 РОЗДІЛ 2. ТИПИ, ДЖЕРЕЛА, АНАЛІЗ АЛГОРИТМІВ ОПРАЦЮВАННЯ ТА КЛАСТЕРИЗАЦІЯ ВЕЛИКИХ ДАНИХ «РОЗУМНИХ МІСТ» 19 2.1 Типи та джерела «великих даних» «розумних міст» 19 2.2 Аналіз алгоритмів опрацювання «великих даних» «розумних міст» 26 2.3 Аналіз підходів кластеризації «великих даних» для потреб «розумних міст» 28 2.4 Висновок до другого розділу 33 РОЗДІЛ 3. АНАЛІЗ ТОЧНОСТІ ОБРОБКИ ІНФОРМАЦІЙНИХ РЕСУРСІВ «ВЕЛИКИХ ДАНИХ» ДЛЯ ПОТРЕБ «РОЗУМНИХ МІСТ» 34 3.1 Використання каркасів на основі фреймворків для аналітичного опрацювання інформаційних ресурсів «розумних міст» 34 3.2 Глибинні нейронні мережі при опрацюванні інформаційних ресурсів «розумних міст» 37 3.3 Аналіз підходів класифікації «великих даних» для потреб «розумних міст» 38 3.4 Кореляційний аналіз інформаційних ресурсів для потреб «розумних міст» 40 3.5 Аналіз точності методів обробки інформаційних ресурсів «розумних міст» на основі методології «великих даних» 42 3.6 Висновок до третього розділу 46 РОЗДІЛ 4. БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 47 4.1 Діяльність. Її види та розуміння в безпеці праці 47 4.2 Електробезпека на будівельному майданчику 50 4.3 Висновок до четвертого розділу 52 ВИСНОВКИ 53 ПЕРЕЛІК ДЖЕРЕЛ 54 ДОДАТКИ |
| URI: | http://elartu.tntu.edu.ua/handle/lib/45700 |
| Copyright owner: | © Вітів Іван Володимирович, 2024 |
| References (Ukraine): | 1 Kwon O, Kim YS, Lee N, Jung Y. When collective knowledge meets crowd knowledge in a smart city: a prediction method combining open data keyword analysis and case-based reasoning. J Healthc Eng 2018; 2018. https://doi.org/ 10.1155/2018/7391793. 2 Wieclaw L.; Pasichnyk V.; Kunanets N.; Duda O.; Matsiuk O.; Falat P. Cloud computing technologies in “smart city” projects. In Proceedings of the 2017 9th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS). Bucharest: Romania, 21–23 September 2017. pp. 339–342. 3 Chehri A, Fofana I, Yang X. Security risk modeling in smart grid critical infrastructures in the era of big data and artificial intelligence. Sustainability. 2021;13(6):3196. https://d oi.org/1 0 .3390 / su130 63196. 4 Duda O., Kunanets N., Matsiuk O., Pasichnyk V., Cloud-based IT Infrastructure for “Smart City” Projects, in Dependable IoT for Human and Industry: Modeling, Architecting, Implementation. River Publishers, 2018. P. 389-410. 5 Wang X, Zou Z. Open data based urban for-profit music venues spatial layout pattern discovery. Sustainability. 2021;13(11):6226. https:// doi. org/ 10. 3390/ su131 16226. 6 Gutman AJ, Goldmeier J. Becoming a data head: how to think, speak, and understand data science and machine learning, indianapolis: statistics. 2021. 7 Gubareva, Regina, and Rui Pedro Lopes. "Literature Review on the Smart City Resources Analysis with Big Data Methodologies." SN Computer Science 5.1 (2024): 152. 8 Naeem M, Jamal T, Diaz-Martinez J, Butt SA, Montesano N, Tariq MI, De-la-Hoz-Franco E, De-La-Hoz-Valdiris E. Trends and future perspective challenges in big data. In: Pan J-S, Balas VE, Chen C-M, editors. Advances in intelligent data analysis and applications. Singapore: Springer; 2022. p. 309–25. 9 Materla T, Cudney EA, Antony J. The application of Kano model in the healthcare industry: a systematic literature review. Total Qual Manag Bus Excell. 2017; 1–22. https://doi.org/10.1080/14783363.2017.1328980. 10 Subhash S, Cudney EA. Gamified learning in higher education: a systematic review of the literature. Comput Hum Behav. 2018;87:192–206. https:// doi. org/ 10. 1016/j. chb. 2018. 05. 028. 11 Trilles S, Belmonte O, Schade S, Huerta J. A domain-independent methodology to analyze IoT data streams in real-time. A proof of concept implementation for anomaly detection from environmental data. Int J Digit Earth. 2017;10(1):103–20. https:// doi. org/ 10. 1080/ 17538 947. 2016. 120958 3. 12 Bermudez-Edo M, Barnaghi P, Moessner K. Analysing real world data streams with spatio-temporal correlations: entropy vs. pearson correlation. Autom Construct. 2018;88:87–100. https:// doi. org/ 10. 1016/j. autcon. 2017. 12. 036. 13 Bordogna G, Cuzzocrea A, Frigerio L, Psaila G. An effective and efficient similarity-matrix-based algorithm for clustering big mobile social data. 2017;514–521. https:// doi. org/ 10. 1109/ ICMLA. 2016. 188. 14 Wang G, Wei W, Jiang J, Ning C, Chen H, Huang J, Liang B, Zang N, Liao Y, Chen R, Lai J, Zhou O, Han J, Liang H, Ye L. Application of a long short-term memory neural network: a burgeoning method of deep learning in forecasting HIV incidence in Guangxi, China. Epidemiol Infect. 2019;147:194. https:// doi. org/ 10. 1017/ S0950 26881 90007 5X. 15 Pérez-Chacón R, Luna-Romera JM, Troncoso A, Martínez-Alvarez F, Riquelme JC. Big data analytics for discovering electricity consumption patterns in smart cities. Energies 2018;11 (3). https:// doi. org/ 10. 3390/ en110 30683. 16 Karyotis V, Tsitseklis K, Sotiropoulos K, Papavassiliou S. Big data clustering via community detection and hyperbolic network embedding in IoT applications. Sens (Switzerl ) 2018;18(4). https:// doi. org/ 10. 3390/ s1804 1205. 17 Azri S, Ujang U, Abdul Rahman A. Dendrogram clustering for 3D data analytics in smart city. Issue: 4/W9. 2018;42:247–53. https:// doi. org/ 10. 5194/ isprs- archi ves- XLII-4- W9- 247- 2018. 18 AlShami A, Guo W, Pogrebna G. Fuzzy partition technique for clustering Big Urban dataset. In: 2016 SAI Computing Conference (SAI), 2016; 212–216. https://d oi.org/1 0 .1109 /S AI.2016.7 555 98 4. 19 Chang C-S, Chang C-T, Lee D-S, Liou L-H. K-sets+: a lineartime clustering algorithm for data points with a sparse similarity measure. 2018;1–8. https://d oi.org/1 0 .1109 /U IC-ATC.2 017 .83976 36. 20 Chae S, Kwon S, Lee D. Predicting infectious disease using deep learning and big data. Int J Environ Res Public Health. 2018;15(8):1596. https:// doi. org/ 10. 3390/ ijerp h1508 1596. 21 Chen W, Huang Z, Wu F, Zhu M, Guan H, Maciejewski R. VAUD: a visual analysis approach for exploring spatio-temporal urban data. IEEE Trans Visual Comput Graph. 2018;24(9):2636–48. https:// doi. org/ 10. 1109/ TVCG. 2017. 27583. 22 Simhachalam B, Ganesan G. Performance comparison of fuzzy and non-fuzzy classification methods. Egyp Inform J. 2016;17(2):183–8. https:// doi. org/ 10. 1016/j. eij. 2015. 10. 004. 23 Sassite F, Addou M, Barramou F. A machine learning and multiagent model to automate big data analytics in smart cities. Int J Adv Comput Sci Appl. 2022;13(7):441–51. https:// doi. org/ 10. 14569/ IJACSA. 2022. 01307 54. 24 Huang J, Zhu L, Liang Q, Fan B, Li S. Efficient classification of distribution-based data for internet of things. IEEE Access. 2018;6:69279–87. https:// doi. org/ 10. 1109/ ACCESS. 2018. 28796 52. 25 Liu Q, Huan W, Deng M. A method with adaptive graphs to constrain multi-view subspace clustering of geospatial big data from multiple sources. Remote Sens. 2022;14(17):4394. https://d oi.org/ 10. 3390/ rs141 74394. 26 Bashir S. Real-time water and electricity consumption monitoring using machine learning techniques. IEEE Access. 2023;11:11511– 28. https://doi.org/10.1109/ACCESS.2023.3241489. 27 Charalampous A, Papadopoulos A, Hadjiyiannis S, Philimis P. Towards hydro-informatics modernization with real-time water consumption classification. In: 2021 IEEE AFRICON, 1– 6 2021. ISSN: 2153-0033. https://d oi.org/1 0 .1109 /A FRICON5133 3 .2021. 95709 09. 28 Cao W, Zhang H, Li J. A Grey relevancy analysis on the relationship between energy consumption and economic growth in Henan Province. In: 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC). 27– 30. 2011. https://d oi.org/1 0 .1109 /A IMSEC.2011. 60101 96. 29 Girvan M, Newman MEJ. Community structure in social and biological networks. Proc Natl Acad Sci. 2002;99(12):7821–6. https://doi.org/10.1073/pnas.122653799. 30 Duda O., Kunanets N., Matsiuk O., Pasichnyk V. Information-Communication Technolo- gies of IoT in the "Smart Cities" Projects", CEUR Workshop Proceedings. 2018. Vol. 2105. P. 317- 330. 31 Duda, O., Pasichnyk, V., Kunanets, N., Antonii, R., Matsiuk, O. Multidimensional Representation of COVID-19 Data Using OLAP Information Technology. International Scientific and Technical Conference on Computer Sciences and Information Technologies, 2020, 2, pp. 277–280, 9321889. 32 Категорійно-понятійний апарат з безпеки життєдіяльності, таксономія небезпек. http://opcb.kpi.ua/wp-content/uploads/2014/09/%D0%9A%D0%BE% D0%BD%D1%81%D0%BF%D0%B5%D0%BA%D1%82%D0%9E%D0%9F%D0%A6%D0%91-%D0%A0%D0%BE%D0%B7%D0%B4%D1%96%D0%BB1.pdf 33 Северин, Олександр Петрович, et al. "Охорона праці та безпека військової діяльності." (2018). 34 Левченко, Олег Григорович, et al. "Безпека життєдіяльності та цивільний захист." (2019). 35 Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної та заочної (дистанційної) форм навчання / укл.: Стручок В. С. Тернопіль: ФОП Паляниця В. А., 2022. 156 с. 36 Курепін, Вячеслав Миколайович, and Валерій Миколайович Курепін. "Актуальні питання охорони праці в енергетичної галузі України." (2019). 37 Левченко, Олег Григорович, et al. "Охорона праці та цивільний захист." Київ: КПІ ім. Ігоря Сікорського (2019). |
| Content type: | Bachelor Thesis |
| È visualizzato nelle collezioni: | 122 — Компʼютерні науки (бакалаври) |
File in questo documento:
| File | Descrizione | Dimensioni | Formato | |
|---|---|---|---|---|
| 2024_KRB_SN-41_Vitiv_IV.pdf | 825,89 kB | Adobe PDF | Visualizza/apri |
Tutti i documenti archiviati in DSpace sono protetti da copyright. Tutti i diritti riservati.
Strumenti di amministrazione