HURRICANE: um Serviço para Gerência de Dados de Aplicações de Cidades Inteligentes
Resumo
O conceito de Cidades Inteligentes ganhou relevância, em especial na última década, por conta da proliferação de dados de cidades. O objetivo do uso desses dados é melhorar os serviços oferecidos à população, por meio do desenvolvimento de aplicações que consomem dados espaço-temporais. Esses dados trafegam por um fluxo que vai desde a coleta, pré-processamento até a visualização. Muitas das soluções existentes para Gerência de Dados neste contexto, ou são específicas para uma aplicação/domínio, ou não consideram todo o ciclo de vida do dado. Nesse artigo, apresentamos o Hurricane, um serviço configurável e extensível, avaliado com uma aplicação na área de segurança pública, que tem como objetivo permitir que os diferentes usuários envolvidos realizem a gerência e a análise dos dados no contexto de aplicações de Cidades Inteligentes de forma integrada e eficiente durante todo o ciclo de vida do dado.
Palavras-chave:
Cidades Inteligentes, Gerência de Dados, Dataflow, Proveniência
Referências
Bellini, E., Bellini, P., Cenni, D., Nesi, P., Pantaleo, G., Paoli, I., and Paolucci, M. (2021). An ioe and big multimedia data approach for urban transport system resilience management in smart cities. Sensors, 21:435.
Bilal, M., Usmani, R. S. A., Tayyab, M., Mahmoud, A. A., Abdalla, R. M., Marjani, M., Pillai, T. R., and Targio Hashem, I. A. (2020). Smart Cities Data: Framework, Applications, and Challenges, pages 1-29. Springer International Publishing, Cham.
Boeing, G. (2017). Osmnx: New methods for acquiring, constructing, analyzing, and visualizing complex street networks. Comp., Env. and Urban Sys., 65:126-139.
Caban, J. J. and Gotz, D. (2015). Visual analytics in healthcare-opportunities and research challenges. J. of the American Med. Inf. Assoc., 22:260-262.
Chen, H., Cheng, T., and Wise, S. (2017). Developing an online cooperative police patrol routing strategy. Computers, Environment and Urban Systems, 62:19-29.
Consoli, S., Mongiovi, M., Nuzzolese, A. G., Peroni, S., Presutti, V., Recupero, D. R., and Spampinato, D. (2015). A smart city data model based on semantics best practice and principles. In WWW 2015, pages 1395-1400. ACM.
Costa, C. and Santos, M. Y. (2017). The suscity big data warehousing approach for smart cities. IDEAS 2017, page 264-273, New York, NY, USA. ACM.
de Oliveira, D., Rodrigues, E., Costa, S., Amora, P. R. P., Caldas, A., Horta, M., de Fillippis, A. M., Ocana, K. A. C. S., Vidal, V. M. P., and Machado, J. C. (2019a). Um estudo comparativo de mecanismos de privacidade diferencial sobre um dataset de ocorrências do ZIKV no Brasil. In XXXIV Simpósio Brasileiro de Banco de Dados, SBBD 2019, Fortaleza, CE, Brazil, October 7-10, 2019, pages 253-258. SBC.
de Oliveira, D. C. M., Liu, J., and Pacitti, E. (2019b). Data-Intensive Work ow Management: For Clouds and Data-Intensive and Scalable Computing Environments. Synthesis Lectures on Data Management. Morgan & Claypool Publishers.
de Oliveira, W. M., de Oliveira, D., and Braganholo, V. (2018). Provenance analytics for workflow-based computational experiments: A survey. ACM Comput. Surv., 51(3):53:1-53:25.
Dwork, C. and Lei, J. (2009). Differential privacy and robust statistics. In Proceedings of the forty-first annual ACM symposium on Theory of computing, pages 371-380.
Freire, J., Koop, D., Santos, E., and Silva, C. T. (2008). Provenance for Computational Tasks: A Survey. Computing in Science & Engineering, pages 20-30.
Garcia-Font, V. (2020). Socialblock: An architecture for decentralized user-centric data management applications for communications in smart cities. JPDC, 145:13-23.
Jindal, A., Kumar, N., and Singh, M. (2020). A united framework for big data acquisition, storage, and analytics for demand response management in smart cities. FGCS, 108:921-934.
Liu, X., Heller, A., and Nielsen, P. S. (2017). Citiesdata: a smart city data management framework. Knowl. Inf. Syst., 53:699-722.
Liu, Z. and Heer, J. (2014). The effects of interactive latency on exploratory visual analysis. IEEE transactions on visualization and computer graphics, 20:2122-2131.
Lourenço, V., Mann, P., Guimaraes, A., Paes, A., and de Oliveira, D. (2018). Towards safer (smart) cities: Discovering urban crime patterns using logic-based relational machine learning. In 2018 International Joint Conference on Neural Networks, IJCNN 2018, Rio de Janeiro, Brazil, July 8-13, 2018, pages 1-8. IEEE.
Mehmood, H., Gilman, E., Cortes, M., Kostakos, P., Byrne, A., Valta, K., Tekes, S., and Riekki, J. (2019). Implementing big data lake for heterogeneous data sources. In ICDEW 2019, pages 37-44.
Nandury, S. V. and Begum, B. A. (2016). Strategies to handle big data for traffic management in smart cities. In ICACCI 2016, India, pages 356-364. IEEE.
Nargesian, F., Zhu, E., Miller, R. J., Pu, K. Q., and Arocena, P. C. (2019). Data lake management: Challenges and opportunities. Proc. VLDB Endow., 12:1986-1989.
Pisco, V. G. and Marques-Neto, H. T. (2021). iwalk: Uma solução para medição e análise da caminhabilidade de cidades com portais de dados abertos. In Anais do V Workshop de Computação Urbana, pages 84-97. SBC.
Raghavan, S., Boung Yew, S. L., Lee, Y. L., Tan, W., and Kee, K. K. (2019). Data Integration for Smart Cities: Opportunities and Challenges, pages 393-403.
Ribeiro, M. B. and Braghetto, K. R. (2021). A data integration architecture for smart cities. In SBBD 2021, Rio de Janeiro, Brazil, pages 205-216. SBC.
Ribeiro, M. W. M., Lima, A. A. B., and de Oliveira, D. (2020). OLAP parallel query processing in clouds with c-pargres. Concurr. Comput. Pract. Exp., 32(7).
Silva, J., Almeida, J. G., Batista, T., and Cavalcante, E. (2021). Aquedücte: A data integration service for smart cities. WebMedia ’21, page 177-180, NY, USA. ACM.
Silva, V., Leite, J., Camata, J. J., de Oliveira, D., Coutinho, A. L. G. A., Valduriez, P., and Mattoso, M. (2017). Raw data queries during data-intensive parallel work ow execution. FGCS, 75:402-422.
Zhou, R., Zhang, X., Wang, X., Yang, G., Guizani, N., and Du, X. (2021). Efficient and traceable patient health data search system for hospital management in smart cities. IEEE Internet Things J., 8(8):6425-6436.
Bilal, M., Usmani, R. S. A., Tayyab, M., Mahmoud, A. A., Abdalla, R. M., Marjani, M., Pillai, T. R., and Targio Hashem, I. A. (2020). Smart Cities Data: Framework, Applications, and Challenges, pages 1-29. Springer International Publishing, Cham.
Boeing, G. (2017). Osmnx: New methods for acquiring, constructing, analyzing, and visualizing complex street networks. Comp., Env. and Urban Sys., 65:126-139.
Caban, J. J. and Gotz, D. (2015). Visual analytics in healthcare-opportunities and research challenges. J. of the American Med. Inf. Assoc., 22:260-262.
Chen, H., Cheng, T., and Wise, S. (2017). Developing an online cooperative police patrol routing strategy. Computers, Environment and Urban Systems, 62:19-29.
Consoli, S., Mongiovi, M., Nuzzolese, A. G., Peroni, S., Presutti, V., Recupero, D. R., and Spampinato, D. (2015). A smart city data model based on semantics best practice and principles. In WWW 2015, pages 1395-1400. ACM.
Costa, C. and Santos, M. Y. (2017). The suscity big data warehousing approach for smart cities. IDEAS 2017, page 264-273, New York, NY, USA. ACM.
de Oliveira, D., Rodrigues, E., Costa, S., Amora, P. R. P., Caldas, A., Horta, M., de Fillippis, A. M., Ocana, K. A. C. S., Vidal, V. M. P., and Machado, J. C. (2019a). Um estudo comparativo de mecanismos de privacidade diferencial sobre um dataset de ocorrências do ZIKV no Brasil. In XXXIV Simpósio Brasileiro de Banco de Dados, SBBD 2019, Fortaleza, CE, Brazil, October 7-10, 2019, pages 253-258. SBC.
de Oliveira, D. C. M., Liu, J., and Pacitti, E. (2019b). Data-Intensive Work ow Management: For Clouds and Data-Intensive and Scalable Computing Environments. Synthesis Lectures on Data Management. Morgan & Claypool Publishers.
de Oliveira, W. M., de Oliveira, D., and Braganholo, V. (2018). Provenance analytics for workflow-based computational experiments: A survey. ACM Comput. Surv., 51(3):53:1-53:25.
Dwork, C. and Lei, J. (2009). Differential privacy and robust statistics. In Proceedings of the forty-first annual ACM symposium on Theory of computing, pages 371-380.
Freire, J., Koop, D., Santos, E., and Silva, C. T. (2008). Provenance for Computational Tasks: A Survey. Computing in Science & Engineering, pages 20-30.
Garcia-Font, V. (2020). Socialblock: An architecture for decentralized user-centric data management applications for communications in smart cities. JPDC, 145:13-23.
Jindal, A., Kumar, N., and Singh, M. (2020). A united framework for big data acquisition, storage, and analytics for demand response management in smart cities. FGCS, 108:921-934.
Liu, X., Heller, A., and Nielsen, P. S. (2017). Citiesdata: a smart city data management framework. Knowl. Inf. Syst., 53:699-722.
Liu, Z. and Heer, J. (2014). The effects of interactive latency on exploratory visual analysis. IEEE transactions on visualization and computer graphics, 20:2122-2131.
Lourenço, V., Mann, P., Guimaraes, A., Paes, A., and de Oliveira, D. (2018). Towards safer (smart) cities: Discovering urban crime patterns using logic-based relational machine learning. In 2018 International Joint Conference on Neural Networks, IJCNN 2018, Rio de Janeiro, Brazil, July 8-13, 2018, pages 1-8. IEEE.
Mehmood, H., Gilman, E., Cortes, M., Kostakos, P., Byrne, A., Valta, K., Tekes, S., and Riekki, J. (2019). Implementing big data lake for heterogeneous data sources. In ICDEW 2019, pages 37-44.
Nandury, S. V. and Begum, B. A. (2016). Strategies to handle big data for traffic management in smart cities. In ICACCI 2016, India, pages 356-364. IEEE.
Nargesian, F., Zhu, E., Miller, R. J., Pu, K. Q., and Arocena, P. C. (2019). Data lake management: Challenges and opportunities. Proc. VLDB Endow., 12:1986-1989.
Pisco, V. G. and Marques-Neto, H. T. (2021). iwalk: Uma solução para medição e análise da caminhabilidade de cidades com portais de dados abertos. In Anais do V Workshop de Computação Urbana, pages 84-97. SBC.
Raghavan, S., Boung Yew, S. L., Lee, Y. L., Tan, W., and Kee, K. K. (2019). Data Integration for Smart Cities: Opportunities and Challenges, pages 393-403.
Ribeiro, M. B. and Braghetto, K. R. (2021). A data integration architecture for smart cities. In SBBD 2021, Rio de Janeiro, Brazil, pages 205-216. SBC.
Ribeiro, M. W. M., Lima, A. A. B., and de Oliveira, D. (2020). OLAP parallel query processing in clouds with c-pargres. Concurr. Comput. Pract. Exp., 32(7).
Silva, J., Almeida, J. G., Batista, T., and Cavalcante, E. (2021). Aquedücte: A data integration service for smart cities. WebMedia ’21, page 177-180, NY, USA. ACM.
Silva, V., Leite, J., Camata, J. J., de Oliveira, D., Coutinho, A. L. G. A., Valduriez, P., and Mattoso, M. (2017). Raw data queries during data-intensive parallel work ow execution. FGCS, 75:402-422.
Zhou, R., Zhang, X., Wang, X., Yang, G., Guizani, N., and Du, X. (2021). Efficient and traceable patient health data search system for hospital management in smart cities. IEEE Internet Things J., 8(8):6425-6436.
Publicado
19/09/2022
Como Citar
BANNI, Maicon; ROSSETI, Isabel; DE OLIVEIRA, Daniel.
HURRICANE: um Serviço para Gerência de Dados de Aplicações de Cidades Inteligentes. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 37. , 2022, Búzios.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 151-163.
ISSN 2763-8979.
DOI: https://doi.org/10.5753/sbbd.2022.224324.
