Λεπτομέρειες βιβλιογραφικής εγγραφής
| Τίτλος: |
Approaches to processing big spatiotemporal uncertain data in GLONASS+112 |
| Πηγή: |
МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ. 11:26-27 |
| Στοιχεία εκδότη: |
Voronezh Institute of High Technologies, 2023. |
| Έτος έκδοσης: |
2023 |
| Θεματικοί όροι: |
associative rules, интеллектуальный анализ данных, пространственно-временные данные, управление чрезвычайными ситуациями, spatiotemporal data, emergency managemen, неопределенность, data mining, кластеризация, uncertainty, ассоциативные правила, clustering |
| Περιγραφή: |
В работе исследуются подходы к обработке больших пространственно-временных данных в единой государственной информационной системе (ЕГИС) ГЛОНАСС+112 в условиях пространственной и временной неопределенности. Данная система предназначена для организации взаимодействия оперативных служб в Республике Татарстан (РТ), осуществления комплексного сбора и обработки данных, характеризующих различные инциденты, на основании звонков, поступивших на единый номер экстренных служб «112». Исследована производительность и масштабируемость различных операций по работе с большими данными в данной системе, адаптированных для использования в условиях неопределенности (запрос диапазона с порогом, JOIN, поиск k-ближайших соседей). Предложены новые подходы для решения задач формирования ассоциативных правил и кластеризации в условиях пространственной и временной неопределенности. Предложена модернизация алгоритма кластеризации пространственно-временных данных ST-DBSCAN. Данный алгоритм внедрен в схему формирования ассоциативных правил. Разработан программный комплекс формирования ассоциативных правил для пространственно-временных данных в условиях неопределенности. Программный комплекс осуществляет анализ не только данных ГЛОНАСС+112, но и информации о погоде, поступающей из внешних источников. Формируемые ассоциативные правила могут быть использованы для принятия решений и планирования ресурсов подразделениями различных оперативных служб. Это позволит повысить эффективность управления нежелательными инцидентами и чрезвычайными ситуациями. The paper examines some approaches to processing big spatiotemporal uncertain data in GLONASS+112. This system is used for managing interaction between operational services in the Republic of Tatarstan and collecting and processing data characterizing various incidents, based on calls received by a common emergency number "112". The performance and scalability of several basic operations for managing big data (query with threshold, JOIN, k-nearest neighbors algorithm) were studied; they were adapted for operating data under spatial and temporal uncertainty. New approaches to clustering and associative rules mining for uncertain data are suggested. Modernization of ST-DBSCAN algorithm for clustering spatiotemporal data is proposed. This algorithm is integrated into the association rules mining process. The program complex for forming the associative rules for spatiotemporal data under uncertainty has been developed. The complex is applied to analyze GLONASS+112 data as well as the information about weather conditions obtained from external sources. The associative rules being formed can be used by various units in operating services for decision-making and resource-planning. This would help to increase the efficiency of managing the emergencies and undesired incidents. |
| Τύπος εγγράφου: |
Article |
| Γλώσσα: |
Russian |
| ISSN: |
2310-6018 |
| DOI: |
10.26102/2310-6018/2023.40.1.026 |
| Αριθμός Καταχώρησης: |
edsair.doi...........246a2408c2f8ebb1f620dcff0ec145a2 |
| Βάση Δεδομένων: |
OpenAIRE |