Skip navigation
Universidade Federal da Bahia |
Repositório Institucional da UFBA
Use este identificador para citar ou linkar para este item: https://repositorio.ufba.br/handle/ri/37287
Tipo: Tese
Título: DaRkaM : um framework de redução de dados baseado na névoa aplicado ao contexto da computação urbana
Título(s) alternativo(s): DaRkaM : a fog-based data reduction framework applied to the urban computing context
Autor(es): Cruz, Edson Mota da
Primeiro Orientador: Peixoto, Maycon Leone Maciel
metadata.dc.contributor.referee1: Peixoto, Maycon Leone Maciel
metadata.dc.contributor.referee2: Rocha Filho, Geraldo Pereira
metadata.dc.contributor.referee3: Leite Filho, Dionisio Machado
metadata.dc.contributor.referee4: Pereira Júnior, Lourenço Alves
metadata.dc.contributor.referee5: Akabane, Ademar Takeo
Resumo: Os Sistemas de Transporte Inteligente (ITS) são projetados para analisar o fluxo de veículos nas rodovias com o objetivo de identificar eventuais anomalias de tráfego, garantindo maior eficiência na tomada de decisão. Estes sistemas podem ser estruturados no contexto das redes veiculares Ad-Hoc (VANET), nas quais realizam a tarefa de integrar os elementos do espaço urbano por meio de um sistema de comunicação distribuído. Analogamente, aplicações ITS requerem um monitoramento constante das rodovias e tal monitoramento visa analisar, entre outros aspectos, a variação da densidade de veículos ao longo do tempo. Em geral, este processo ocorre por meio do envio periódico de dados situacionais do ambiente de mobilidade para a nuvem. Como consequência, os conjuntos de dados enviados em alta frequência para nuvem formam um fluxo contínuo de dados a serem processados e essa dinâmica resulta no aumento progressivo do custo de comunicação. Esse fenômeno ocorre em função do volume de dados transferidos no enlace entre a névoa e a nuvem, elevando os riscos de sobrecarga no canal de comunicação, além de aumentar a latência durante as requisições de serviços disponibilizados na nuvem. Diante disso, propõe- se neste trabalho, a elaboração de uma arquitetura multicamada para redução de dados baseada na computação em névoa (Fog Computing) denominada DaRkaM, acrônimo em inglês para (Data Reduction Framework for Traffic Management). O método consiste na utilização de uma estratégia de monitoramento capaz de realizar processos de redução de dados diretamente na borda da rede veicular. Na camada da nuvem, DaRkaM atua como um controlador central, analisando as posições geográficas dos veículos que são recebidas a partir de um fluxo de dados contínuo, os quais são utilizados nos processos de monitoramento e gestão do tráfego. Na borda da rede, um módulo de redução de dados implementado no framework DaRkaM foi projetado para hospedar diferentes estratégias de monitoramento de tráfego. Esta arquitetura permite a realização de análises comparativas envolvendo tanto a utilização de algoritmos baseados em amostragem simples, como o uso de algoritmos de agrupamento, nos quais os processos de redução de dados são estruturados com base na similaridade dos objetos analisados. Os resultados demonstraram que a utilização de algoritmos baseados em agrupamento, hospedados no núcleo de redução de dados do framework DaRkaM, alcançaram uma significativa redução no custo de comunicação, especialmente em cenários sobrecarregados, além de manterem alta precisão no monitoramento e detecção de congestionamento de tráfego.
Abstract: The Intelligent Transport Systems (ITS) has a function to analyze the flow of vehicles on highways in order to identify any traffic anomalies, ensuring greater efficiency during the decision-making process. These systems can be based on an Ad-Hoc vehicular network (VANETs) able to integrate the elements of urban space through a distributed commu- nication system. Similarly, ITS applications require constant monitoring of roads, and such monitoring aims to analyze, among other aspects, the variation of vehicular density over time. In general, this process occurs by means of the periodic sending of situational data from the mobility environment to the cloud. Consequently, the data sets are sent at high frequency to the cloud, forming a continuous data flow that should be proces- sed in a real-time context. However, this dynamic implies a progressive increase in the communication cost, in reason of the volume of data transferred in the link between the fog and the cloud, increasing the risks of overload beyond increasing the latency during requests for services made available in the cloud. Therefore, this work proposes the de- velopment of a multilayer architecture for data reduction based on Fog Computing called DaRkaM, acronym in English for (Data Reduction Framework for Traffic Management ). The strategy consists of using a monitoring model able to perform data reduction pro- cesses directly at the edge of the vehicular network. At the cloud layer, DaRkaM acts as a central controller, analyzing the geographic positions of vehicles that are received from a continuous data flow. These data are used to monitor and perform the traffic manage- ment processes addressed in this proposal. At the edge network, a data reduction module was designed to host different traffic monitoring strategies. This architecture favors the comparative analysis among different approaches, ranging from the use of algorithms ba- sed on simple sampling to clustering algorithms, in which the data reduction processes are structured based on the number of clusters. The results showed that the use of cluster- based algorithms, hosted in the data reduction core of the DaRkaM framework, is able to achieve a great reduction in communication cost, especially in overloaded scenarios, beyond achieving high accuracy in monitoring and detecting traffic congestion.
Palavras-chave: Redução de dados
Agrupamentos
Aprendizado de máquinas
Computação em névoa
Redes Ad Hoc veiculares
Sistemas de Transporte Inteligente (ITS)
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editora / Evento / Instituição: Universidade Federal da Bahia
Sigla da Instituição: UFBA
metadata.dc.publisher.department: Instituto de Computação - IC
metadata.dc.publisher.program: Programa de Pós-Graduação em Ciência da Computação (PGCOMP) 
Citação: CRUZ, Edson Mota da. DaRkaM: um framework de redução de dados baseado na névoa aplicado ao contexto da computação urbana. 2023. 133 f. Tese (Doutorado em Ciências da Computação) Instituto de Computação, Universidade Federal da Bahia, Salvador, BA, 2023.
Tipo de Acesso: Attribution 3.0 Brazil
metadata.dc.rights.uri: http://creativecommons.org/licenses/by/3.0/br/
URI: https://repositorio.ufba.br/handle/ri/37287
Data do documento: 1-Fev-2023
Aparece nas coleções:Tese (PGCOMP)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
EDSON_MOTA_DA_CRUZ.pdfTese de Doutorado de Edson Mota da Cruz11,84 MBAdobe PDFVisualizar/Abrir
Mostrar registro completo do item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons