Συστήματα και εφαρμογές ανίχνευσης και συλλογής πληροφοριών με χρήση έξυπνων κινητών συσκευών χρηστών σε έξυπνες πόλεις

View at publisher Summarise with VIRAT
Authors: Κωνσταντίνα Μπαντή
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Το Διαδίκτυο των Πραγμάτων έχει φέρει επανάσταση στον τρόπο συλλογής, διαχείρισης και αξιοποίησης δεδομένων, με εφαρμογές που εκτείνονται σε ένα ευρύ φάσμα εφαρμογών όπως η έξυπνη υγεία, έξυπνες πόλεις, γεωργία ακριβείας και άλλες εφαρμογές. Μέσω του Διαδικτύου των Πραγμάτων, επιτυγχάνεται η αλληλεπίδραση μεταξύ συσκευών, αισθητήρων και ανθρώπων, παρέχοντας τη δυνατότητα συλλογής δεδομένων σε πραγματικό χρόνο. Στο πλαίσιο αυτό, η ενσωμάτωση της ανθρώπινης συμμετοχής σε διαδικασίες συλλογής δεδομένων έχει δημιουργήσει νέες προοπτικές, οδηγώντας στην ανάπτυξη του Mobile Crowdsensing (MCS). Το MCS αξιοποιεί την ευρεία διαθεσιμότητα κινητών συσκευών, όπως smartphones και wearables, εντάσσοντας τους ίδιους τους χρήστες στη διαδικασία συλλογής δεδομένων. To MCS συνδυάζει την ανθρώπινη κινητικότητα και την παρουσία των κινητών συσκευών, προσφέροντας καινοτόμες λύσεις για τη συλλογή και αξιοποίηση δεδομένων μεγάλης κλίμακας, με βελτιωμένη χωρική και χρονική κάλυψη. Αυτή η προσέγγιση παρέχει σημαντικά πλεονεκτήματα, όπως η βελτίωση της ακρίβειας και της κάλυψης στη συλλογή δεδομένων, αλλά ταυτόχρονα θέτει προκλήσεις που σχετίζονται με τη διασφάλιση της ποιότητας των δεδομένων, την ανάθεση εργασιών, την παροχή κινήτρων, την προστασία της ιδιωτικότητας των χρηστών και της ασφάλειας των πληροφοριών. Ένα από τα σημαντικότερα προβλήματα που αναδεικνύονται στο MCS είναι η διασφάλιση της ποιότητας των δεδομένων. Η συμμετοχή μεγάλου αριθμού χρηστών με διαφορετικά χαρακτηριστικά όπως επίπεδα εμπειρίας και κινήτρων μπορεί να οδηγήσει σε ανακριβείς ή παραπλανητικές πληροφορίες. Επιπλέον, παράγοντες, όπως περιορισμοί συσκευών, συνθήκες συνδεσιμότητας ή περιβαλλοντικές μεταβολές, μπορούν να επηρεάσουν την ποιότητα των συνεισφορών. Ως αποτέλεσμα, η παρουσία χαμηλής ποιότητας δεδομένων μπορεί να υποβαθμίσει την αξιοπιστία των συστημάτων, επηρεάζοντας αρνητικά τη διαδικασία λήψης αποφάσεων. Για την αντιμετώπιση του ζητήματος της ποιότητας δεδομένων, οι μηχανισμοί φήμης αποτελούν μια από τις πιο διαδεδομένες και αποτελεσματικές τεχνικές για την αξιολόγηση της αξιοπιστίας των εργαζομένων. Οι μηχανισμοί φήμης βασίζονται στη συλλογή και στην ανάλυση ανατροφοδότησης σχετικά με τη συμπεριφορά και την απόδοση των χρηστών, επιτρέποντας τη δυναμική διαμόρφωση της φήμης κάθε εργαζόμενου. Επιπλέον, η επιλογή των κατάλληλων χρηστών για την εκτέλεση των εργασιών αποτελεί έναν από τους βασικότερους παράγοντες για την επιτυχία ενός συστήματος MCS. Η ακρίβεια, η αξιοπιστία, και η ποιότητα των δεδομένων που συλλέγονται εξαρτώνται σε μεγάλο βαθμό από τις δυνατότητες, τη φήμη, την εμπειρία και τη συνέπεια των εργαζομένων. Επομένως, η ενσωμάτωση μηχανισμών φήμης στη διαδικασία ανάθεσης εργασιών ενισχύει την ικανότητα του συστήματος να επιλέγει τους πλέον αξιόπιστους εργαζόμενους που είναι σε θέση να ανταποκριθούν αποτελεσματικά στις απαιτήσεις της εργασίας, ενώ παράλληλα αποτρέπει τη συμμετοχή κακόβουλων ή αναξιόπιστων χρηστών. Στο πλαίσιο της παρούσας διατριβής, μελετώνται διεξοδικά οι προκλήσεις που εμφανίζονται στη συγκεκριμένη τεχνολογία, οι αλληλοεξαρτήσεις τους, καθώς και οι μηχανισμοί και οι τεχνικές που μπορούν να εφαρμοστούν για την αποτελεσματική αντιμετώπιση τους. Επιπλέον, η παρούσα διατριβή προτείνει την ανάπτυξη μίας ολοκληρωμένης αρχιτεκτονικής για το MCS, η οποία επιδιώκει να αντιμετωπίσει αποτελεσματικά τις πολυάριθμες προκλήσεις που εμφανίζονται σε αυτή την τεχνολογία. Η έρευνα επικεντρώνεται κυρίως στη διασφάλιση της ποιότητας των δεδομένων, αξιοποιώντας δυναμικούς μηχανισμούς ανάθεσης εργασιών, ποιότητας και φήμης. Ο μηχανισμός ανάθεσης εργασιών λαμβάνει υπόψη πολλαπλούς παράγοντες, όπως η εμπειρία των εργαζομένων, η ποιότητα των αισθητήρων τους, η τοποθεσία και η φήμη τους, για να επιλέγονται οι πιο κατάλληλοι εργαζόμενοι για κάθε εργασία ώστε να διασφαλιστεί η συλλογή δεδομένων υψηλής ποιότητας. Επιπλέον, προτείνεται ένας καινοτόμος μηχανισμός αξιολόγησης της ποιότητας δεδομένων και ένας μηχανισμός φήμης για την αξιολόγηση της αξιοπιστίας των εργαζομένων. Η προτεινόμενη προσέγγιση περιλαμβάνει ανίχνευση ανωμαλιών, κατηγοριοποίηση συμπεριφορών και εκτίμηση φήμης χρηστών, επιτρέποντας την ακριβέστερη αναγνώριση κακόβουλων ή αναξιόπιστων εργαζομένων. Παράλληλα, η πλειονότητα των συστημάτων MCS βασίζεται σε μια κεντρική αρχιτεκτονική, η οποία παρουσιάζει εγγενή προβλήματα ασφάλειας και αξιοπιστίας, όπως το μοναδικό σημείο αποτυχίας, η πιθανότητα διαρροής ευαίσθητων πληροφοριών, καθώς και η έλλειψη διαφάνειας στη διαχείριση των δεδομένων. Για την αντιμετώπιση αυτών των προκλήσεων, στο πλαίσιο της παρούσας διατριβής, αξιοποιείται η τεχνολογία του blockchain για τη διασφάλιση της διαφάνειας, της ασφάλειας και της ιχνηλασιμότητας των δεδομένων που συλλέγονται. Επομένως, η προτεινόμενη προσέγγιση στοχεύει στη δημιουργία ενός αξιόπιστου και διαφανούς συστήματος MCS, το οποίο συνδυάζει καινοτόμες τεχνολογίες και μηχανισμούς για τη βελτιστοποίηση της ποιότητας δεδομένων, την ενίσχυση της εμπιστοσύνης και τη διασφάλιση της δικαιοσύνης στη συλλογή και αξιοποίηση δεδομένων μεγάλης κλίμακας.

Fields of Study & Subjects

Mobile Crowdsensing and Crowdsourcing IoT and Edge/Fog Computing Smart Cities and Technologies

Publication details

Publication date
1 March 2026
Language
EL
Document type
Thesis