論文の概要: Rule based Complex Event Processing for an Air Quality Monitoring System in Smart City
- arxiv url: http://arxiv.org/abs/2403.14701v1
- Date: Sat, 16 Mar 2024 10:35:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-01 03:23:33.628710
- Title: Rule based Complex Event Processing for an Air Quality Monitoring System in Smart City
- Title（参考訳）: スマートシティにおける大気質モニタリングシステムのためのルールベース複合イベント処理
- Authors: Shashi Shekhar Kumar, Ritesh Chandra, Sonali Agarwal,
- Abstract要約: 本研究は,ルールベースの複合イベント処理(CEP)とSPARQLクエリを用いた大気質監視のための統合フレームワークを提案する。
データセットはインドのCPCB(Central Pollution Control Board)から収集され、そのデータは前処理され、Apache Kafkaに渡される。
その結果、前処理されたデータをRDF(Resource Description Framework)データに変換し、CEPエンジンに取り込み込む知識グラフと統合する。
- 参考スコア（独自算出の注目度）: 0.929965561686354
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, smart city-based development has gained momentum due to its versatile nature in architecture and planning for the systematic habitation of human beings. According to World Health Organization (WHO) report, air pollution causes serious respiratory diseases. Hence, it becomes necessary to real-time monitoring of air quality to minimize effect by taking time-bound decisions by the stakeholders. The air pollution comprises various compositions such as NH3, O3, SO2, NO2, etc., and their concentrations vary from location to location.The research work proposes an integrated framework for monitoring air quality using rule-based Complex Event Processing (CEP) and SPARQL queries. CEP works with the data stream based on predefined rules to detect the complex pattern, which helps in decision support for stakeholders. Initially, the dataset was collected from the Central Pollution Control Board (CPCB) of India and this data was then preprocessed and passed through Apache Kafka. Then a knowledge graph developed based on the air quality paradigm. Consequently, convert preprocessed data into Resource Description Framework (RDF) data, and integrate with Knowledge graph which is ingested to CEP engine using Apache Jena for enhancing the decision support . Simultaneously, rules are extracted using a decision tree, and some ground truth parameters of CPCB are added and ingested to the CEP engine to determine the complex patterns. Consequently, the SPARQL query is used on real-time RDF dataset for fetching the condition of air quality as good, poor, severe, hazardous etc based on complex events detection. For validating the proposed approach various chunks of RDF are used for the deployment of events to the CEP engine, and its performance is examined over time while performing simple and complex queries.
- Abstract（参考訳）: 近年, スマートシティを基盤とした開発は, 建築における多彩な性質と, 人間の体系的居住の計画により, 勢いを増している。
世界保健機関(WHO)の報告によると、大気汚染は深刻な呼吸器疾患を引き起こす。
したがって、利害関係者による時間的な決定をすることで、効果を最小限に抑えるために、空気質のリアルタイムモニタリングが必要である。
大気汚染は, NH3, O3, SO2, NO2などの様々な組成からなり, その濃度は場所によって異なる。
CEPは、定義済みのルールに基づいてデータストリームで動作し、複雑なパターンを検出し、利害関係者の意思決定を支援する。
当初、データセットはインドのCPCB(Central Pollution Control Board)から収集され、そのデータは前処理され、Apache Kafkaに渡された。
そして、空気質パラダイムに基づいた知識グラフを開発した。
その結果、事前処理されたデータをRDF(Resource Description Framework)データに変換し、Apache Jenaを使用してCEPエンジンに取り込み、意思決定サポートを強化する知識グラフと統合する。
同時に、決定木を用いてルールを抽出し、CPCBのいくつかの基底真理パラメータをCEPエンジンに追加して取り込み、複雑なパターンを決定する。
その結果、SPARQLクエリは、複雑なイベント検出に基づいて、空気品質の状態を良し悪し、重大で有害なものとして取得するリアルタイムRDFデータセットに使用される。
提案手法の検証には,CEPエンジンへのイベントのデプロイにさまざまなRDFを使用しており,その性能を経時的に検証し,単純で複雑なクエリを実行する。
関連論文リスト
- Random Forest Regression Feature Importance for Climate Impact Pathway Detection [0.0]
気候源のRF時流下流衝撃の連鎖を発見し, ランク付けするための新しい手法を開発した。
より複雑な2つのベンチマークを実行することで生成されたデータのアンサンブルに本手法を適用した。
RFRの重要度に基づくアプローチは、両方のテストケースで既知の影響経路を正確に検出できる。
論文 参考訳（メタデータ） (2024-09-25T04:18:53Z) - PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
私たちはaを提案します。
フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。
我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
論文 参考訳（メタデータ） (2024-06-04T13:51:08Z) - A Framework for Scalable Ambient Air Pollution Concentration Estimation [0.0]
英国では大気汚染が重要な問題であり、大気汚染濃度のデータが大気質の改善を目的とした介入の基礎となっている。
欠落した測度を埋めることにより,時間的・空間的データギャップに対処するデータ駆動型機械学習モデルフレームワークを提案する。
このアプローチは、2018年を通してイングランドの包括的なデータセットを1kmx1kmの時間分解能で提供する。
論文 参考訳（メタデータ） (2024-01-16T18:03:07Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳（メタデータ） (2023-04-27T20:21:18Z) - Local manifold learning and its link to domain-based physics knowledge [53.15471241298841]
多くの反応系では、熱化学状態空間は低次元多様体(LDM)に近く進化すると仮定される。
局所的データクラスタ(ローカルPCA)に適用されたPCAは,熱化学状態空間の固有パラメータ化を検出することができることを示す。
論文 参考訳（メタデータ） (2022-07-01T09:06:25Z) - Mining atmospheric data [0.0]
最初の問題は、新しい公開データセットとベンチマークの構築に関するものだ。
第2の課題は、大気データ分類のための深層学習手法の調査である。
対象とする用途は、空気質の評価と予測である。
論文 参考訳（メタデータ） (2021-06-26T10:04:35Z) - ESTemd: A Distributed Processing Framework for Environmental Monitoring
based on Apache Kafka Streaming Engine [0.0]
分散ネットワークとリアルタイムシステムは、新しいコンピュータ時代、モノのインターネットにとって最も重要なコンポーネントになりつつある。
生成されたデータは、微妙な生態から自然資源、都市環境まで、環境指標を計測、推測、理解する能力を提供する。
不均質な環境データにストリーム処理を適用するための分散フレームワークであるEvent STream Processing Engine for Environmental Monitoring Domain (ESTemd)を提案する。
論文 参考訳（メタデータ） (2021-04-02T15:04:15Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳（メタデータ） (2020-07-23T13:32:47Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳（メタデータ） (2020-05-08T21:32:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。