Opis projektu
Wykorzystywanie analiz dużych zbiorów danych na potrzeby inteligentnych miast
Obecne systemy pozwalające na przeprowadzanie analiz dużych zbiorów danych mają ograniczone możliwości - pozwalają na pozyskiwanie natychmiastowych reaktywnych informacji zwrotnych (w przypadku danych w ruchu) lub przeprowadzanie intensywnej analizy ogromnych ilości danych (w przypadku danych w spoczynku). Takie ograniczenia uniemożliwiają połączenie tych dwóch rodzajów uzupełniających się danych na potrzeby przetwarzania w czasie rzeczywistym. W ramach finansowanego przez Unię Europejską projektu CLASS badacze opracowali nowatorską architekturę oprogramowania, która łączy dane w ruchu i w spoczynku, aby umożliwić przetwarzanie w czasie rzeczywistym dużych ilości złożonych danych i ich dystrybucję od brzegu sieci do chmury. Rozwiązanie zostało zademonstrowane na przykładzie rozwiązań w zakresie mobilności dla inteligentnych miast przy użyciu prototypowych pojazdów połączonych z siecią i infrastruktury zdolnej do przetwarzania danych w czasie rzeczywistym z geograficznie rozproszonych źródeł, infrastruktury ruchu drogowego, urządzeń internetu rzeczy i innych urządzeń.
Cel
Big data applications processing extreme amounts of complex data are nowadays being integrated with even more challenging requirements such as the need of continuously processing vast amount of information in real-time.
Current data analytics systems are usually designed following two conflicting priorities to provide (i) a quick and reactive response (referred to as data-in-motion analysis), possibly in real-time based on continuous data flows; or (ii) a thorough and more computationally intensive feedback (referred to as data-at-rest analysis), which typically implies aggregating more information into larger models. Given the apparently incompatible requirements, these approaches have been tackled separately although they provide complementary capabilities.
CLASS aims to develop a novel software architecture to help big data developers to combine data-in-motion and data-at-rest analysis by efficiently distributing data and process mining along the compute continuum (from edge to cloud) in a complete and transparent way, while providing sound real-time guarantees. CLASS aims at adopting (1) innovative distributed architectures from the high-performance domain; (2) timing analysis methods and energy-efficient parallel architectures from the embedded domain; and (3) data analytics platforms and programming models from the big-data domain.
The capabilities of the CLASS framework will be demonstrated on a real smart-city use case, featuring a heavy sensor infrastructure to collect real-time data across a wide urban area, and prototype cars equipped with heterogeneous sensors/actuators, V2I connectivity, and cluster support to present the innovative capabilities to drivers. Representative applications for traffic management and advanced driving assistance domains have been selected to efficiently process very large heterogeneous data streams in real-time, providing innovative services while preparing the technological background for the advent of autonomous vehicles
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSzczegółowe działanie
H2020-ICT-2017-1
System finansowania
RIA - Research and Innovation actionKoordynator
08034 Barcelona
Hiszpania