Cortesi, Emanuele
(2019)
Sperimentazione e simulazione di algoritmi distribuiti di raccolta dati per il mobile crowdsensing.
[Laurea], Università di Bologna, Corso di Studio in
Informatica [L-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (4MB)
| Contatta l'autore
|
Abstract
Il Mobile CrowdSensing (MCS) è una tecnica per l'acquisizione di dati provenienti da dispositivi mobili come smartphone oppure smartwatch, la quale ha spopolato negli ultimi anni perché è considerata una scelta ottima a livello di costo e semplicità per l'analisi di fenomeni di interesse comune come ad esempio il monitoraggio ambientale. In questo elaborato viene studiato il funzionamento del nuovo simulatore per MCS, di nome CrowdSenSim 2.0, per confrontare le prestazioni di vari algoritmi: esso è in grado di eseguire gli algoritmi: Deterministic Distributed Framework, Piggyback CrowdSensing e molteplici varianti del Probabilistic Distributed Algorithm. Vengono inlotre analizzate le prestazioni del nuovo algoritmo AO-JFS con finestra di look ahead, il cui scopo è minimizzare il consumo energetico e di banda nell'invio dei campioni letti dai dispositivi mobili.
Abstract
Il Mobile CrowdSensing (MCS) è una tecnica per l'acquisizione di dati provenienti da dispositivi mobili come smartphone oppure smartwatch, la quale ha spopolato negli ultimi anni perché è considerata una scelta ottima a livello di costo e semplicità per l'analisi di fenomeni di interesse comune come ad esempio il monitoraggio ambientale. In questo elaborato viene studiato il funzionamento del nuovo simulatore per MCS, di nome CrowdSenSim 2.0, per confrontare le prestazioni di vari algoritmi: esso è in grado di eseguire gli algoritmi: Deterministic Distributed Framework, Piggyback CrowdSensing e molteplici varianti del Probabilistic Distributed Algorithm. Vengono inlotre analizzate le prestazioni del nuovo algoritmo AO-JFS con finestra di look ahead, il cui scopo è minimizzare il consumo energetico e di banda nell'invio dei campioni letti dai dispositivi mobili.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Cortesi, Emanuele
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
crowdsensing,crowdsensim,simulazione,mobile crowdsensing,smart cities
Data di discussione della Tesi
17 Luglio 2019
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Cortesi, Emanuele
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
crowdsensing,crowdsensim,simulazione,mobile crowdsensing,smart cities
Data di discussione della Tesi
17 Luglio 2019
URI
Statistica sui download
Gestione del documento: