Mobile Geolocation and Infocommunication Services for Transportation (MobiGeIST) munkacsoport

Mobile Geolocation and Infocommunication Services for Transportation (MobiGeIST) munkacsoport

Török Attila

Institute for Applied Communication Technologies (IKTI)

Budapest, 2011.02.28

BAYZOLTÁN Alkalmazott Kutatási Közalapítvány

BelAmi projektben vállalt részfeladatok 2. Értéknövelt szolgáltatások bevezetése a közlekedési információs rendszerekbe AmI megoldások segítségével 2.1. Geolokációs szolgáltatások keretrendszerének megvalósítása heterogén hálózatokon 2.3. Forgalmi információk integrálása és utazási idő predikciója több forrás alapján 2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja 4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban 4.3. Kommunikáció hatékonyságának növelése alkalom adta (opportunistic) hálózatokban analitikus és optimalizációs megoldások segítségével. 5.1. Adatbányászati eljárások alkalmazása geolokációs események bekövetkezésének előzetes jelzésére (szenzor adatok alapján) 2


2.1.

Geolokációs szolgáltatások keretrendszerének megvalósítása heterogén hálózatokon

 keretrendszer

helymeghatározáson alapuló értéknövelt geolokációs szolgáltatások bevezetésére.

–

a

az alkalmazások dinamikus kommunikációs igényeire nyújt hatékony megoldásokat, geolokációs szolgáltatások egyszerű bevezetését teszi lehetővé

protokollokat és algoritmusokat (4.2, 4.3) a BelAmIban kidolgozott szimulációs környezetben teszteljük (2.4 ) és ebben a részfeladatban valósítjuk meg


2.1.


1 év:  a geolokációs szolgáltatások keretrendszer architektúrájának a megtervezése a potenciális alkalmazások igényeinek alapján.  A kiválasztott geolokációs alkalmazások igényei alapján a megfelelő eszközpark beszerzése és beüzemelése.  a kliensoldali alkalmazás- és middleware interfészek megtervezése és megvalósítása.


2.1.


 különböző

kommunikációs paradigmák vizsgálata:kliensszerver, peer-to-peer, publish/subscribe, alkalom adta (opportunistic) –

–

néhány megoldás (pl. alkalom adta hálózatok) nagyon kecsegető, ellenben a gyakorlatban használatuk egyelőre nem várható, nincsenek szabványosítva. néhány nagyon népszerű (pl. web szolg.), de nem elég dinamikus, céljaink megvalósításához nehézkesen használható

 publish/subscribe

protokollok mellett döntöttünk  pub/sub technológiák/megoldások vizsgálata (JMS, AMQP, XMPP) => általában mind erőforrás igényesek, mobil kliensen nem is létezik megvalósításuk  végül az XMPP protokoll mellett döntöttünk


2.1.


a

megfelelő XMPP megvalósítás kiválasztása és beüzemelése: – –

szerver: OpenFire, eJabberd kliens: Smack Android platformra

a

rendszer architektúrájának a megtervezése: decentralizált kliens-szerver modell – – – –

Kommunikációs szerver: XMPP-alapú Geolokációs szerver: geolokációs jogok, geo infó elosztóhely Geolokációs alkalmazás szerver: pl. FCD, útvonaltervező Megjelenítési szerver: pl. térképek, grafikus megjelenítés


2.1.


 Alkalmazás:

MyTraffic


2.1.


2 év:  az információterjesztő és -gyűjtő protokollok fizikai eszközökhöz való hozzáillesztése  a keretrendszer kommunikációs hálózatának és a szerveroldali szoftverrészeknek az implementálása. A kiválasztott geolokációs alkalmazás többi (hálózati, szerveroldali) szoftverkomponensének megvalósítása.


2.1.


a

kommunikációs szervert felkészítettük a különböző kliensek felől érkező adatok fogadására –

a MobileFCDServer mellé további, ú.n. fogadóoldali alkalmazásokat dolgoztunk ki

 geolokációs

adatok feldolgozására online geolokációs adatbázis (motor ) beüzemelése – –

Több térképformátum kezelése (Teleatlas, OSM) segédalkalmazások a forgalmi adatok numerikus vagy képi formában való megjelenítésére


2.1.


 FCD

motor újratervezése:  Kapacitás –

Előfeldolgozás, címkézés  percenként

–

1.000.000 minta DB-ba bepakolható

Mapmatch & Routing  percenként

48.000 minta feldolgozása (mapmatch több munkát igényel)

 Éles –

–

rendszer

Percenként 10.000-20.000 bejövő minta 5-10 sec feldolgozási idő (Intel Quad Xeon 2.5GHz)


2.1.


3 év  A beüzemelt, teljes rendszer tesztelése, a felmerülő problémák orvoslása, –

a megfigyelések alapján a keretrendszer és az alkalmazás hatékonyságának további növelése.


2.3. Forgalmi információk integrálása és utazási idő predikciója több forrás alapján a

részfeladat célja magas minőségű forgalmi információk előállítása, melyet több forrásból származó forgalmi információk (pl. GPS adatok, hisztorikus adatok, út keresztmetszeti adatok, időjárás adatok) fuzionálásával állítunk elő  további cél a forgalmi információk predikciója az 5.1. részfeladatban kidolgozott módszerek segítségével.


2.3. Forgalmi információk integrálása és utazási idő predikciója több forrás alapján

1 év  nem állt rendelkezésünkre hurokdetektorokból, illetve kamerákból származó forgalmi információ: –

elkezdtünk „virtuális” keresztmetszeti adatokat gyűjteni

 járművekben

elhelyezett, vezeték nélküli hálózatok paramétereit figyelő modulok kifejlesztése: –

WiFi, Cell-ID (GSM)

 adatgyűjtő

és algoritmus tesztelő kliens alkalmazás (Windows Mobile, Android)


2.3. Forgalmi információk integrálása és utazási idő predikciója több forrás alapján  lokalizációs

és predikciós szerver-oldali szolgáltatások fejlesztése  FCD nyers adatok benchmarking módszere: –

az adatok térbeli és időbeli eloszlását elemezve néhány egyszerű mérőszámmal jellemezzük az adatforrásokat.



2 év  Predikciós algoritmusok: – –

a mobil eszközt hordozó személy úti céljának megállapítására a célba érkezés idejének előrejelzésére.

 minden

potenciális célponthoz utazási időértéket rendelünk a múltbeli tapasztalatok alapján.  egy konkrét utazás ideje alatt a potenciális célpontokhoz megállapítjuk a múltbeli tapasztalatok alapján az odaérés idejét, majd kiszámítjuk a legvalószínűbb célpontot  Megvalósítás: –

Android, XMPP, Postgresql



3 év  a forgalomelemző központ integrálása a geolokációs szolgáltatások keretrendszerébe.


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja

 Integrált

szimulációs környezet létrehozása, amely lehetőséget biztosít: –

–

szintetikus, illetve valós forgalmi adatok alapján a járműhálózatok gyors és hatékony szimulációs vizsgálatára, ugyanakkor integrálható a valós geolokációs keretrendszerbe is.


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja 1 év  integrált ITS szimulációs környezet (RUBeNS): –

járműforgalom és egy kommunikációs hálózat szimulátor (ns-2) összekapcsolása

 Járműforgalom – – –

modellezésének javítása:

Cél: a szimulált forgalom mintázata minél inkább igazodjon a valós forgalom mintázatához Probléma: járműforgalom szimulátor (VISSIM) nem vezéreli a járműveket ha ns-2-ből is befolyásoljuk őket Megvalósult:  penetration

rate állítási lehetősége  járműforgalom mátrix generálása  járműforgalom mikroszkópikus tulajdonságainak dinamikus változtatása


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja  Szimulátor –

– –

belső architektúrájának fejlesztése:

a kommunikációs és a járműforgalom szimulátorok közötti interfész és összeköttetés vizsgálata, hibák javítása, teljesítmény fokozása. a kommunikációs szimulátor áttelepítése a legújabb verziójú ns-2-be belső interfészek, szimulátor modulok fejlesztése:  IF

és modulok: az útvonalválasztás mellett, egyéb a protokollokat támogató szolgáltatásokat is nyújtanak a speciális kontextus-függő információkat felhasználva.


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja 2 év  A RUBeNS szimulátor és a geolokációs keretrendszer összekapcsolása: – – – –

a funkcionalitás lényege a keretrendszerben lett megvalósítva útvonalválasztás megvalósítása: C++/Boost, a szimulált környezet egy jól definiált XML-alapú interfészen keresztül kapcsolódik a keretrendszerhez szimulációs kimenet feldolgozása PostGIS-ben:  Java-alapú

interfész a szimulátor és az adatbázis között  dugók “elárasztási területeinek” a vizsgálata


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja  Eredmények

vizualizációja az integrált környezetben:


2.4. Közlekedési hibrid ad-hoc hálózatok szimulációja Szimulátor modellezési képességeinek bővítése  Hibrid szimulációs keretrendszer (MatLab)  makromodell-alapú forgalom szimuláció: –

Simulink: Statistical Traffic Model – STM

 kommunikációs – –

protokollok modellezése:

Információ terjesztés: statisztikai modell protokollok modellezése: SimEvents


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban

 Cél:

kommunikációs protokollok kifejlesztése, amelyek: – heterogén és alkalom adta hálózatokban jármű–jármű, illletve jármű–infrastruktúra közötti hatékony kommunikációt valósítanak meg – kontextusfüggő és alkalmazásorientált működés


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban 1 év  kontextusfüggő működés: definiáltunk egy ún. érdeklődési területet (DoI - Domain of Interest), amely azokat az útszakaszokat tartalmazza ahová a közlekedési információ eljuttatása fontosnak tűnik.


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban  DoI – – –

számoló algoritmus:

kiszámolja azt az érdeklődési területet, ahol egy dugó hatással lehet az útvonalválasztásra. továbbító élek – érdeklődési területet alkotó útszakaszok hatás tényező – megmutatja, hogy a dugó milyen mértékben érinti a továbbító éleket

 DoI

területek kiszámítását offline végezzük el  DoI változatok: – –

optimális megoldást adó, egészértékű lineáris programozáson alapuló módszer heurisztikus algoritmus


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban  Kommunikációs – –

protokollok vizsgálata:

publish/subscribe Query-alapúak

 implementáció:

szimuláció, illetve matematikai modellezés segítségével.


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban 2 év  újragondoltuk a kommunikációs protokoll predikciós funkcióját: – –

 az

a gyakran pontatlan és kevésbé hatékony kapcsolódási lehetőségek statisztikája helyett, rendszerünket felruháztuk ezen lehetőségek felderítésének a képességével.

eszköz egy szerver-oldali szolgáltatástól lekérdezi a közeljövőben felmerülő kommunikációs lehetőségeket  hatékonyabb ütemezés és erőforrás menedzsment a mobilon az adat kommunikációban


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban  A rendszer –

architektúrája:

kliens kommunikációs rétege:  alkalmazások

kommunikációs igényeinek a kiszolgálása  kommunikációs interfészek menedzsmentje  Kommunikációs lehetőségek feltérképezése –

szerver-oldali kommunikációs szolgáltatás (Orákulum):  Kliens

működésének az optimalizálása a legjobb kommunikációs lehetőségek felajánlásával, figyelembe véve a beérkező igényeket és a lokalizációs információkat


4.2. Kommunikációs protokollok kifejlesztése alkalom adta hálózatokban 3 év  Információgyűjtő protokoll kifejlesztése a heterogén alkalom adta hálózatokra.  A kommunikációs protokollok összeintegrálása és egy rendszerként való vizsgálata.


4.3. Kommunikáció hatékonyságának növelése alkalom adta (opportunistic) hálózatokban analitikus és optimalizációs megoldások segítségével.

 A részfeladat

alapvető célja, hogy a 4.2. részfeladatban kifejlesztett hálózati és protokoll technológiákat bizonyos célok szerint optimalizálja. Ehhez szükséges: –

–

a felmerülő kommunikációs igények költség- és energia-optimális kielégítésének mint feladatnak matematikai megfogalmazása, és a feladat elméleti megoldása; olyan algoritmus megalkotása, amely a rendelkezésre álló számítási kapacitással valós időben alkalmazható, és hatékonysága közel van az elméleti optimumhoz.


4.3. Kommunikáció hatékonyságának növelése alkalom adta (opportunistic) hálózatokban analitikus és optimalizációs megoldások segítségével. 1 év  meghatároztuk azokat a szempontokat és teljesítmény jellemzőket, amelyek a protokollok működésében és hatékony alkalmazhatóságában fontosnak számítanak  Eszközrendszer kiválasztása a modellezéshez: –

lineáris programozás (LP) és egészértékű LP (ILP)

 LP – –

a

feladat felírása:

ezzel egy gráffal modellezett tetszőleges úthálózaton optimalizációs problémákat oldhatunk meg az élek súlya tetszőlegesen állítható, jelenleg FRC metrika

modellel azt vizsgáltuk: egy/több forgalmi akadály („dugó”) esetén az úthálózat mely részeire szükséges az akadályról szóló információt eljuttatni.


4.3. Kommunikáció hatékonyságának növelése alkalom adta (opportunistic) hálózatokban analitikus és optimalizációs megoldások segítségével.  az – –

alap algoritmus továbbfejlesztése: Query-alapú protokollok vizsgálatára figyelembe vesszük az autók haladási sebességét



2 év  Programcsomag: –

– –

segítségével az úthálózat gráf ismeretében a korábban kidolgozott LP algoritmus egyenleteinek elkészítése automatikusan elvégezhető. segítségével közvetlenül egy térkép adatbázisból generálható az úthálózat gráf. Lpsolve-al való kompatibilitás a lineáris programra

 az

új optimalizációs eljárásban figyelembe tudjuk venni az egyes útszakaszok átbocsájtó képességét: –

ez alapján az egy kezdőpontból egy végpontba menő járműfolyam több részre bontható és optimálisan elosztható az úthálózat gráfban


4.3. Kommunikáció hatékonyságának növelése alkalom adta (opportunistic) hálózatokban analitikus és optimalizációs megoldások segítségével.  az

új modul felhasználásával megvizsgáltuk, hogy milyen hatással van a lekérdezés helye és a lekérdezett útszakasz közötti távolság az algoritmus által javasolt útvonal minőségére.  Kidolgoztunk egy rendszert, mely segítségével összehasonlítható a LP algoritmus optimális megoldása a heurisztikus algoritmus eredményével. – –

bekalibrálható a heurisztikus algoritmus kimenete több jellemző útvonalon (belváros, híd) megvizsgáltuk a két algoritmus eredményeit





3 év  A javasolt protokollok által megvalósított kommunikáció szimulálásából (lásd 2.4. részfeladat) adódó eredmények kiértékelésének automatizálása.


5.1. Adatbányászati eljárások alkalmazása geolokációs események bekövetkezésének előzetes jelzésére (szenzor adatok alapján)

 Feladat:

egy olyan adatbányászati eszközrendszer megteremtése: – –

amelybe különféle geolokációs szenzoradatok könnyen integrálhatóak és feldolgozhatóak. az újonnan létrehozott eszközrendszer alkalmas közlekedési információk innovatív adatbányászati elemzésére.



1 év  koncepció (Budapest dugóinak feltérképezése, előjelzésére) kidolgozása,  az FCD rendszerünk működésének kontrollja (hibás, téves adatok mennyiségének meghatározása),  teszt adattárház létrehozása: az adattárház optimális felépítésének, a belekerülő adatoknak megtervezése, –

előfeldolgozó és tisztító algoritmusok létrehozása, tesztelése.


5.1. Adatbányászati eljárások alkalmazása geolokációs események bekövetkezésének előzetes jelzésére (szenzor adatok alapján)  Az

adatok előfeldolgozása során kiválasztottuk a szükséges mezőket, töröltük a nyilvánvalóan hibás és használhatatlan rekordokat.  azonosítottunk bizonyos mezőket (length), melyek hibásan vannak feltöltve  az adatok egyik felén egyszerű lineáris predikciós modelleket alkottunk. A modellek hibájának vizsgálatára, azaz az előjelzés validálására az adatok másik felét használtuk.  A vizsgált modellcsalád legjobb modellje 12 km/h átlagos hibával becsülte meg a következő óra sebességviszonyait.



Oracle Enterprise Linux és Oracle Standard Edition telepítése és konfigurálása  A megvalósítandó adatbányászati elemzések két nagy csoportra oszthatóak: 

– –

utak forgalmának egymáshoz való viszonya, különböző események utakra gyakorolt hatása,

 Adattárház –

formája:

galaxis-séma és hópehely séma kombinációja

 szintén

feltöltöttük a rendszerbe a Meteorológiai Intézettől kutatási célra kaptuk időjárási adatokat


5.1. Adatbányászati eljárások alkalmazása geolokációs események bekövetkezésének előzetes jelzésére (szenzor adatok alapján) 2 év  megvizsgáltuk, hogy mely útszakaszokról milyen mennyiségű és minőségű információ áll rendelkezésünkre. – –

viszonylag kevés útszakaszról áll rendelkezésünkre kellő számú forgalmi információ a statisztikai elemzéshez a további vizsgálatok csak ezekre a szakaszokra vonatkoztak

 adatok –



interpolációja a hiányos minták csökkentésére

ezeken a kiegészített adatokon végzett predikció hozta a legjobb eredményt

kétféle előrejelzést hoztunk létre: – –

az időjárás viszonylatában a forgalmi állapot az útszakaszok forgalmi helyzete egy bizonyos T jövőbeli időpontra

 Modell:

neurális hálók segítségével (kis számú belső csomóponttal rendelkező volt a legjobb)  előrejelzés mértéke: > 1h  Eredmény: adatbányász versenyen (IEEE ICDM Contest 2010) 7. helyezés



3 év  az eredmények értelmezése és értékelése.  a kinyert tudás felhasználása.


Köszönöm a figyelmet!

Mobile Geolocation and Infocommunication Services for Transportation (MobiGeIST) munkacsoport

Recommend Documents