Modelos de Informação Comum e Machine Learning em Smart Cities

Detalhes bibliográficos
Autor(a) principal: Santos, Bruno Miguel Gomes dos
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.19/6538
Resumo: Com o contínuo envelhecimento das cidades que não são metrópoles, aliado a um constante crescimento da população nos centros urbanos mais desenvolvidos (metrópoles), em certa parte devido às oportunidades de emprego existentes, é crucial que as primeiras passem por um processo de modernização, de modo a captarem a atenção dos seus habitantes. Para, se alguma forma, (re)capturar o interesse dos cidadãos, o paradigma que permite a uma cidade não metróplole atingir este objetivo será transformar a cidade numa Smart City. A cidade passará para um novo patamar tecnológico, mudando a maneira como as operações e serviços da cidade atuam e interagem com o cidadão, diferenciando-se assim das outras cidades. Como tal, esta cidade irá tornar-se numa cidade preparada para as tecnologias 5G experimentais, usando estas como base para a transição para uma economia baseada em conhecimento e plataformas digitais, valorizando o grande volume de dados (Big Data) recolhidos por vários sensores no ramo da Internet of Things (IoT) e o desenvolvimento de novos produtos e serviços para o crescimento e criação de novas empresas e empregos. Dentro do domínio das Smart Cities, mais concretamente na temática dos resíduos, pretende-se com este projeto criar Modelos de Informação Comum, recorrendo a tecnologias BIg Data, IoT e Data Science, de modo a estes serem integrados numa plataforma de gestão de dados, permitindo a um município da cidade, que será um dos clientes desta plataforma, tomar decisões consoante os dados providenciados, tudo com o intuito de otimizar os processos de gestão dos resíduos adjacentes à cidade. Para se gerarem os Modelos de Informação Comum, aliado às tecnologias mencionadas no parágrafo anterior, será utilizado Machine Learning, de forma a aplicar previsão nos conjuntos de dados dentro da temática do lixo. Os conjuntos de dados estão inerentemente ligados aos resíduos da cidade de Austin, sendo que estes dados são de carácter "real", ou seja, registados pela empresa de recolha que opera na cidade. A escolha do conjunto de dados associados à cidade de Austin prende-se com a disponibilidade em modo aberto dos dados, e por, dentro do contexto do país pertencente, Austin corresponder a uma cidade não metrópole. De modo a se retirar valor dos dados, utilizar-se-á uma tecnologia de Business Intelligence que permite a criação e customização de ferramentas que providenciam informação.
id RCAP_948835d26c3e02bf508d5dfdf8a8f641
oai_identifier_str oai:repositorio.ipv.pt:10400.19/6538
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Modelos de Informação Comum e Machine Learning em Smart CitiesSmart CityInternet of ThingsBig DataData ScienceModelos de informação comumMachine LearningBusiness IntelligenceDomínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaCom o contínuo envelhecimento das cidades que não são metrópoles, aliado a um constante crescimento da população nos centros urbanos mais desenvolvidos (metrópoles), em certa parte devido às oportunidades de emprego existentes, é crucial que as primeiras passem por um processo de modernização, de modo a captarem a atenção dos seus habitantes. Para, se alguma forma, (re)capturar o interesse dos cidadãos, o paradigma que permite a uma cidade não metróplole atingir este objetivo será transformar a cidade numa Smart City. A cidade passará para um novo patamar tecnológico, mudando a maneira como as operações e serviços da cidade atuam e interagem com o cidadão, diferenciando-se assim das outras cidades. Como tal, esta cidade irá tornar-se numa cidade preparada para as tecnologias 5G experimentais, usando estas como base para a transição para uma economia baseada em conhecimento e plataformas digitais, valorizando o grande volume de dados (Big Data) recolhidos por vários sensores no ramo da Internet of Things (IoT) e o desenvolvimento de novos produtos e serviços para o crescimento e criação de novas empresas e empregos. Dentro do domínio das Smart Cities, mais concretamente na temática dos resíduos, pretende-se com este projeto criar Modelos de Informação Comum, recorrendo a tecnologias BIg Data, IoT e Data Science, de modo a estes serem integrados numa plataforma de gestão de dados, permitindo a um município da cidade, que será um dos clientes desta plataforma, tomar decisões consoante os dados providenciados, tudo com o intuito de otimizar os processos de gestão dos resíduos adjacentes à cidade. Para se gerarem os Modelos de Informação Comum, aliado às tecnologias mencionadas no parágrafo anterior, será utilizado Machine Learning, de forma a aplicar previsão nos conjuntos de dados dentro da temática do lixo. Os conjuntos de dados estão inerentemente ligados aos resíduos da cidade de Austin, sendo que estes dados são de carácter "real", ou seja, registados pela empresa de recolha que opera na cidade. A escolha do conjunto de dados associados à cidade de Austin prende-se com a disponibilidade em modo aberto dos dados, e por, dentro do contexto do país pertencente, Austin corresponder a uma cidade não metrópole. De modo a se retirar valor dos dados, utilizar-se-á uma tecnologia de Business Intelligence que permite a criação e customização de ferramentas que providenciam informação.ABSTRACT: With the continuous aging of cities that are not metropolises, coupled with a constant growth of the population in the most developed urban centers (metropolises), in part due to the existing job opportunities, it is crucial that the former undergoes a process of modernization, to capture the attention of its inhabitants. To somehow (re)capture the interest of its citizens, the paradigm that allows a non-metropolis city to achieve this objective consists in transforming the city into a Smart City. The city will move to a new technological level, changing the way the city's operations and services operate and interact with the citizen, thus differentiating itself from other cities. To this end, the municipality will become a city prepared for experimental 5G technologies, using these as a basis for the transition to a knowledge-based economy and digital platforms, valuing the large volume of data (Big Data) collected by various sensors in the field the Internet of Things (IoT) and the development of new products and services for the growth and creation of new companies and jobs. Within the domain of Smart Cities, more specifically in the theme of waste, this project aims to create Common Information Models, using Big Data, IoT and Data Science technologies, so that they are integrated into a data management platform, allowing a city council, which will be one of the customers of this platform, to make decisions according to the data provided, all with the aim of optimizing the waste management processes adjacent to the city. In order to generate the Common Information Models, combined with the technologies mentioned in the previous paragraph, Machine Learning will be used, in order to apply prediction in datasets within the theme of garbage. The datasets are inherently linked to the waste from the city of Austin, and these data are "real" in nature, that is, recorded by the collection company that operates in the city. The motive for choosing a dataset associated with the city of Austin is related to the availability in open mode of the data, and also because, within the context of the country it belongs to, Austin corresponds to a non-metropolis city. In order to acquire value from the data, a Business Intelligence technology will be used to allow the creation and customization of tools that provide information.Lacerda, Ana Cristina Wanzeller Guedes deRepositório Científico do Instituto Politécnico de ViseuSantos, Bruno Miguel Gomes dos2021-01-14T16:31:49Z2020-12-182020-10-022020-12-18T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.19/6538TID:202576701porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-01-16T15:28:47Zoai:repositorio.ipv.pt:10400.19/6538Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:44:24.625226Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Modelos de Informação Comum e Machine Learning em Smart Cities
title Modelos de Informação Comum e Machine Learning em Smart Cities
spellingShingle Modelos de Informação Comum e Machine Learning em Smart Cities
Santos, Bruno Miguel Gomes dos
Smart City
Internet of Things
Big Data
Data Science
Modelos de informação comum
Machine Learning
Business Intelligence
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Modelos de Informação Comum e Machine Learning em Smart Cities
title_full Modelos de Informação Comum e Machine Learning em Smart Cities
title_fullStr Modelos de Informação Comum e Machine Learning em Smart Cities
title_full_unstemmed Modelos de Informação Comum e Machine Learning em Smart Cities
title_sort Modelos de Informação Comum e Machine Learning em Smart Cities
author Santos, Bruno Miguel Gomes dos
author_facet Santos, Bruno Miguel Gomes dos
author_role author
dc.contributor.none.fl_str_mv Lacerda, Ana Cristina Wanzeller Guedes de
Repositório Científico do Instituto Politécnico de Viseu
dc.contributor.author.fl_str_mv Santos, Bruno Miguel Gomes dos
dc.subject.por.fl_str_mv Smart City
Internet of Things
Big Data
Data Science
Modelos de informação comum
Machine Learning
Business Intelligence
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Smart City
Internet of Things
Big Data
Data Science
Modelos de informação comum
Machine Learning
Business Intelligence
Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Com o contínuo envelhecimento das cidades que não são metrópoles, aliado a um constante crescimento da população nos centros urbanos mais desenvolvidos (metrópoles), em certa parte devido às oportunidades de emprego existentes, é crucial que as primeiras passem por um processo de modernização, de modo a captarem a atenção dos seus habitantes. Para, se alguma forma, (re)capturar o interesse dos cidadãos, o paradigma que permite a uma cidade não metróplole atingir este objetivo será transformar a cidade numa Smart City. A cidade passará para um novo patamar tecnológico, mudando a maneira como as operações e serviços da cidade atuam e interagem com o cidadão, diferenciando-se assim das outras cidades. Como tal, esta cidade irá tornar-se numa cidade preparada para as tecnologias 5G experimentais, usando estas como base para a transição para uma economia baseada em conhecimento e plataformas digitais, valorizando o grande volume de dados (Big Data) recolhidos por vários sensores no ramo da Internet of Things (IoT) e o desenvolvimento de novos produtos e serviços para o crescimento e criação de novas empresas e empregos. Dentro do domínio das Smart Cities, mais concretamente na temática dos resíduos, pretende-se com este projeto criar Modelos de Informação Comum, recorrendo a tecnologias BIg Data, IoT e Data Science, de modo a estes serem integrados numa plataforma de gestão de dados, permitindo a um município da cidade, que será um dos clientes desta plataforma, tomar decisões consoante os dados providenciados, tudo com o intuito de otimizar os processos de gestão dos resíduos adjacentes à cidade. Para se gerarem os Modelos de Informação Comum, aliado às tecnologias mencionadas no parágrafo anterior, será utilizado Machine Learning, de forma a aplicar previsão nos conjuntos de dados dentro da temática do lixo. Os conjuntos de dados estão inerentemente ligados aos resíduos da cidade de Austin, sendo que estes dados são de carácter "real", ou seja, registados pela empresa de recolha que opera na cidade. A escolha do conjunto de dados associados à cidade de Austin prende-se com a disponibilidade em modo aberto dos dados, e por, dentro do contexto do país pertencente, Austin corresponder a uma cidade não metrópole. De modo a se retirar valor dos dados, utilizar-se-á uma tecnologia de Business Intelligence que permite a criação e customização de ferramentas que providenciam informação.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-18
2020-10-02
2020-12-18T00:00:00Z
2021-01-14T16:31:49Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.19/6538
TID:202576701
url http://hdl.handle.net/10400.19/6538
identifier_str_mv TID:202576701
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799130914795552768