Aprendizaje automático basado en mezcla Gaussiana mejorada Modelo para IoT en tiempo real
Análisis de los datos
Introducción: el artículo es producto de la investigación "Debido al aumento en la popularidad de Internet de las cosas (IoT), se está generando una gran cantidad de datos de sensores a partir de varias aplicaciones de ciudades inteligentes", desarrollado en la Universidad de Pondicherry en el año 2019.
Problema: adquirir y analizar datos generados por sensores de manera efectiva pues es un problema importante al procesar los datos.
Objetivo: proponer un marco novedoso para el análisis de datos del sensor IoT utilizando el aprendizaje automático basado en mejoras desde el Modelo de mezcla gaussiana (GMM) por datos adquiridos en tiempo real.
Metodología: en este documento, los modelos GMM basados en agrupamiento se utilizan para encontrar los patrones de densidad en un día o semanalmente para los requisitos del usuario. La plataforma en la nube ThingSpeak utilizada para realizar análisis y visualizaciones.
Resultados: se realizó un análisis sobre el mecanismo propuesto implementado en datos de tráfico en tiempo real con precisión, recuperación y F-Score como medidas.
Conclusiones: los resultados indican que el mecanismo propuesto es eficiente en comparación con el estado de esquemas de arte.
Originalidad: la aplicación de la plataforma GMM y ThingSpeak Cloud para realizar análisis de datos en tiempo real de IoT es el primer enfoque para encontrar patrones de densidad de tráfico en carreteras transitadas.
Limitación: existe la necesidad de desarrollar la aplicación para que los usuarios móviles encuentren las rutas de tráfico óptimas basadas en patrones de densidad. Los autores no pudieron desarrollar el aspecto de seguridad para encontrar patrones de densidad.
Cómo citar
Licencia
Derechos de autor 2020 Ingeniería Solidaria
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Compromiso ético y cesión de derechos
El autor debe declarar que su trabajo es original e inédito y que no se ha postulado a evaluación simultánea para su publicación por otro medio. Además, debe asegurar que no tiene impedimentos de ninguna naturaleza para la concesión de los derechos previstos en el contrato.
El autor se compromete a esperar el resultado de evaluación de la revista Ingeniería Solidaria, antes de considerar su presentación a otro medio; en caso de que la respuesta de publicación sea positiva, adicionalmente, se compromete a responder por cualquier acción de reivindicación, plagio u otra clase de reclamación que al respecto pudiera sobrevenir por parte de terceros.
Asimismo, debe declarar que, como autor o coautor, está de acuerdo por completo con los contenidos presentados en el trabajo y ceder todos los derechos patrimoniales, es decir, su reproducción, comunicación pública, distribución, divulgación, transformación, puesta a disposición y demás formas de utilización de la obra por cualquier medio o procedimiento, por el término de su protección legal y en todos los países del mundo, al Fondo Editorial de la Universidad Cooperativa de Colombia, de manera gratuita y sin contraprestación presente o futura.
S. Balakrishna and M. Thirumaran, “Semantic Interoperable Traffic Management Framework for IoT Smart City Applications,” EAI Endorsed Transactions on Internet of Things, vol. 4, no. 13 pp. 1-17, 2018. [Online]. doi: 10.4108/eai.11-9-2018.15548
S. Balakrishna and M. Thirumaran, “Towards an Optimized Semantic Interoperability Framework for IoT-Based Smart Home Applications,” in Internet of Things and Big Data Analytics for Smart Generation. Balas V., Solanki V., Kumar R., Khari M. (Eds). Intelligent Systems Reference Library, vol 154. Springer, Cham, pp 185-211, 2019.
S. Balakrishna and M. Thirumaran, “Programming Paradigms for IoT Applications: An Exploratory Study”, in Handbook of IoT and Big Data. Solanki, V., Díaz, V., Davim, J. (Eds.). Boca Raton: CRC press, Taylor & Francis Group, pp 23-57, 2019.
S. Balakrishna, V. Kumar Solanki, V. Kumar Gunjan and M. Thirumaran, “Performance Analysis of Linked Stream Big Data Processing Mechanisms for Unifying IoT Smart Data” International Conference on Intelligent Computing and Communication Technologies (ICICCT), Springer, pp. 680-688, 2019.
S. Bhadra, A. Kundu and S. K. Guha, “An Agent based Efficient Traffic Framework using Fuzzy”, Fourth International Conference on Advanced Computing & Communication Technologies, pp. 57, 2014.
A. Mallik, H. Ghosh, S. Chaudhury and G. Harit, “MOWL: An Ontology Representation Language for Web-based Multimedia Applications”, ACM Trans. Multimedia Comput. Commun. Appl., vol. 10, no. 1, pp. 21, 2013.
P. Pyykonen, J. Laitinen, J. Viitanen, P. Eloranta and Korhonen, “IoT for Intelligent Traffic System, IoT for intelligent traffic system”, International Conference on Intelligent Computer Communication and Processing (ICCP), IEEE, p. 10, 2013.
Q. Zhang, T. Huang, Y. Zhu, and M. Qiu, “A case study of sensor data collection and analysis in smart city: provenance in smart food supply chain,” International Journal of Distributed Sensor Networks, vol. 9, no. 11, pp 382-132, 2013.
K. Kotis and A. Katasonov, “Semantic Interoperability on the Web of Things: The Smart Gateway Framework”, Proceedings of the Sixth International Conference on Complex, Intelligent, and Software Intensive Systems (CISIS-2012). Palermo, pp 25-35, 2012.
D. Bandyopadhyay and J. Sen, “The internet of things - applications and challenges in technology and Standardization,” Springer International Journal of Wireless Personal Communications, vol. 58, no. 1, pp. 49-69, 2011.
D. Singh, G. Tripathi and A. J. Jara, “A survey of Internet-of-Things: Future Vision, Architecture, Challenges and Services,” IEEE World of Forum on Internet of Things, pp. 15-20, 2017.
P. Pyykonen, J. Laitinen, J. Viitanen, P. Eloranta and Korhonen, “IoT for Intelligent Traffic System, IoT for intelligent traffic system,” International Conference on Intelligent Computer Communication and Processing (ICCP), IEEE, pp. 251-257, 2013.
X. Yu, F. Sun and X. Cheng, “Intelligent Urban Traffic Management System Based on Cloud Computing and Internet of Things,” International Conference on Computer Science & Service System, IEEE, pp. 216, 2012.
M. Mazhar Rathore, P. Anand, A. Awais and R. Suengmin , “Urban planning and building smart cities based on the internet of things using big data analytics,” Computer Networks, Elsevier, pp. 1-22, 2016. [Online]. doi: 10.1016/j.comnet.2015.12.023
A.P. Plageras, K.E. Psannis, C. Stergiou, H. Wang and B.B. Gupta, Efficient IoT-based sensor BIG Data collection-processing and analysis in Smart Buildings, Future Generation Computer Systems, Elsevier, pp 1-15, 2017. [Online]. https://doi.org/10.1016/j.future.2017.09.082
Q. Liu Qiang Liu, Y. Ma, M. Alhussein, L. Peng and Y. Zhang, “Green data center with IoT sensing and cloud-assisted smart temperature controlling system,” Computer Networks, Elsevier, pp 1-11, 2015. [Online]. http://dx.doi.org/10.1016/j.comnet.2015.11.024
S. Pasha, “Thingspeak Based Sensing and Monitoring System for IoT with Matlab Analysis,” International Journal of New Technology and Research (IJNTR), vol. 2, no. 6, pp. 19-23, 2016.
A. Adnan, G. Kousiouris, H. Pervaiz, J. Sancho, P. Ta-Shma, F. Carrez, and K. Moessner, “Real-time probabilistic data fusion for large-scale IoT applications,” IEEE Access, vol 6, no 4, pp 10015-10027, 2018.
L. Lengyel, P. Ekler, T. Ujj, T. Balogh, and H. Charaf, “SensorHUB: An IoT Driver Framework for Supporting Sensor Networks and Data Analysis,” International Journal of Distributed Sensor Networks, Hindawi, vol 11, no. 3, pp 1-12, 2015.
S. Balakrishna, M. Thirumaran, and V. Kumar Solanki, “A Framework for IoT Sensor Data Acquisition and Analysis,” EAI Endorsed Transactions on Internet of Things, vol 18, no. 1, pp 1-13, 2019. [Online]. http://dx.doi.org/10.4108/eai.21-12-2018.159410
