http://wiki.occc.ir/api.php?action=feedcontributions&feedformat=atom&user=80.191.174.8 2026-07-12T03:26:38Z مشارکت‌های کاربر MediaWiki 1.38.4 http://wiki.occc.ir/index.php?title=%D8%B3%D8%A7%D9%85%D8%A7%D9%86%D9%87_%D8%B1%D8%B2%D8%B1%D9%88_%D8%A8%D8%A7%D8%B1%D9%86%D8%A7%D9%85%D9%87_%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%86%DB%8C%DA%A9%DB%8C&diff=6669 2015-01-31T18:58:25Z

<p>80.191.174.8: /* تحلیل صنعت مادر */</p> <hr /> <div>* موضوع : سامانه رزرو بارنامه الکترونیکی<br /> * تهیه کننده : امیر قصری<br /> <br /> == خلاصه اجرایی ==<br /> شرکت های باربری ,رانندگان و ارسال کنندگان کالاها می توانند برای ارسال بار به سرتا سر کشور از این سامانه استفاده کنند .<br /> <br /> == معرفی شرکت (تصویر شرکت) ==<br /> <br /> * شرکت ایران بر <br /> * شرکتی است که در آینده تشکیل خواهد شد . <br /> * مرکزیت این شرکت در یکی از شهرهای بزرگ کشور که بار فراوانی برای ترانزیت دارد خواهد بود .<br /> شهر بندرعباس به عنوان دفتر مرکزی این شهر انتخاب خواهد شد .<br /> * این شرکت به عنوان یک شرکت در عرصه باربری کشور ثبت و در برخی از شهرهای کشور می تواند دارای نمایندگی باشد .<br /> <br /> == چشم انداز ==<br /> تبدیل شرکت به بزرگترین و جامعترین شرکت موفق ملی در حوزه حمل و نقل کالا که به تمامی افراد در حوزه حمل و نقل کالا خدمات رسانی می کند .<br /> <br /> == ماموریت ==<br /> ماموریت این شرکت فراهم آوردن بستر برای فعالان حوزه حمل و نقل کالاست که به سهولت بتوانند بارهای ارسالی را به سرتاسر کشور انتقال دهند .<br /> <br /> == اهداف ==<br /> اهداف بازاریابی و تبلیغات:<br /> - جهت گسترش خدمات شرکت در تمامی شهرهای کشور تبلیغات به میزان 20 میلیون تومان در سال اول ( شامل 5 میلیون تومان تبلیغات اینترنتی و 10 میلیون تومان تبلیغات فیزیکی و 5 میلیون تومان جهت تبلیغات اس ام اسی)<br /> <br /> اهداف مالی:<br /> - رسیدن به سود خالص 20 میلیون تومان در سال اول راه اندازی شرکت( بر اساس هزینه باربری درصدی از هر بارنامه به عنوان کارمزد کسر خواهد گردید .)<br /> <br /> - بازگشت کامل سرمایه در سال دوم راه اندازی سایت<br /> <br /> اهداف پرسنلی:<br /> - جذب نیروهای متخصص و ایده پرداز جهت گسترش خدمات شرکت .<br /> <br /> اهداف تحقیق و توسعه:<br /> - امکان گسترش بسترهای ارائه خدمت به سایر لوازم چون دستکاههای موبایل .<br /> <br /> == معرفی محصولات و خدمات ==<br /> * خدمات شركت صرفا ارائه سيستم رزرو بار بصورت آنلاين مي باشد كه تمامي فعالان حوزه حمل و نقل كالا و بار مي توانند از اين سيستم براي افزايش بهره وري استفاده نمايند .<br /> * رانندگان و شركتهاي حمل و نقلي براي بروز و آسان كردن روال رزرو بار از اين سيستم استفاده خواهند نمود . <br /> * ويژگي منحصر به فرد اين روش بروز بودن ، جامع بودن و آسان بودن رزرو بار مي باشد .<br /> * مزاياي استفاده كاهش هزينه هاي رانندگان و شركتهاي باربري به دليل اينكه در شرايط عادي امكان رويت بارهاي كل كشور برايشان ميسر نميباشد و در صورت عدم آگاهي ميبايشت مدتها براي پيدا كردن بار منتظر بمانند .<br /> * در ابتدا مي بايست سامانه طراحي و راه اندازي گردد و تمامي اقدامات امنيتي و جاذبه داشتن آن صورت پذيرد .سپس به صورت آزمايشي راه اندازي گرديده و به مرور اشكالات رفع و بازاريابي براي گسترش استفاده از سيستم آغاز گردد .<br /> <br /> == محصولات جایگزین ==<br /> جايگزين اين روش ،روش سنتي متداول مي باشد كه صاحب بار به شركت باربري مراجعه نموده و براي ارسال بار خود درخواست مي دهد و شركت نيز به رانندگاني كه به آن مراجعه مي كنند پيشنهاد را ارائه مي دهد و راننده در صورت موافقت اقدام به بارگيري و ارسال بار مي نمايد . كه اين روش به دليل سرعت پايين و هزينه هاي اطلاع رساني بالا مقرون به صرفه نمي باشد .<br /> ضمنا با روش رزرو آنلاين بار راننده اي كه قصد حمل بار به شهرستان خاصي را دارد مي تواند براي برگشت خود از قبل برنامه ريزي نمايد و بار برگشتي خود را از قبل رزرو نمايد تا زمان انتظار در شهرمقصد كاهش يابد .<br /> <br /> == تحلیل صنعت مادر ==<br /> <br /> * صنعت مورد استفاده در اين سيستم صنعت حمل و نقل كشور مي باشد كه ما در اين سامانه بر روي حمل بار تمركز مي كنيم .<br /> * صنعت حمل و نقل به سه دسته حمل و نقل مسافر ، حمل و نقل كالاي داخل كشور حمل و نقل بين المللي تقسيم ميشود .<br /> * به دليل وجود كشور ما در منطقه استراتژيك براي جابجايي بار اين امر اهميت زيادي دارد .<br /> * بزرگترين و مهمترين بازيگردان هاي اين صنعت رانندگان و شركتهاي حمل و نقل مي باشد .<br /> * رانندگان درگير مسائلي جون عدم وجود بار از مسير مقصد به نقاط ديگر كشور و همچنين سوخت خودرو ها هستند.<br /> * با توجه به سرمايه گذاري كلان شركت در زمينه حمل كالا چشم انداز روشني براي اين صنعت مي تون متصور شد .<br /> <br /> == تحلیل صنعت خود ==<br /> در اين قسمت پس از آنکه جايگاه صنعت مادر مشخص گرديد، بايستي جايگاه صنعت خود را در صنعت مادر مشخص کرده و آينده صنعت خود را ترسيم نمائيد. همچنين در اين قسمت بايستي، محصول خود را از نظر تاريخچه تکنولوژي مورد بررسي قرار دهيد و اينکه محصول شما قبلاً با چه تکنولوژِي توليد مي شده، اکنون چه تکنولوژي آن را توليد مي کند و در آينده چگونه توليد خواهد شد و آيا تکنولوژي مورد استفاده شما در آينده نيز استفاده خواهد شد و يا احتمال منسوخ شدن آن وجود دارد. <br /> <br /> == تحلیل بازار ==<br /> در دو يا چند صفحه به سوالات زير پاسخ دهيد: <br /> * منظور از بازار حوزه حمل و نقل جابجايي كالا در سرتاسر كشور مي باشد .<br /> * اندازه بازار به دليل وجود بارهاي فراوان و فعالان بسيار حوزه حمل و نقل گسترده مي باشد .<br /> * اين شرکت پاسخگوي نياز رزرو بار از سرتاسر كشور خواهد بود .<br /> * ميتوان بر اساس نوع وسله نقليه كابران را به دسته هاي مختلف تقسيم نمود .مثلا تريلي هاي انتقال سوخت يا بارهاي فاسد شدني يا بارهاي ترافيكي حجيم .<br /> * مشتريان هدف رانندگان و صاحبان بار مي باشند .<br /> <br /> * برای تضمین فروش خدمات میبایست مجوز لازم از ادارت حمل ونقل گرفته شود و هماهنگی های لازم برای استفاده از سیستم را انجام داد .<br /> * برای بازاریابی و گسترش خدمات رسانی در کشور میبایست در پایانه ها ی باربری تبلیغات برای استفاده از سیستم صورت پذیرد .و همچنین تخفیفاتی برای کاربران اولیه در نظر گرفت .<br /> <br /> == تحلیل رقبا ==<br /> خدمت ارائه شده توسط این شرکت خدمتی جدید است که رقیبی جدی در صحنه ارتباطات آنلاین ندارد و تنها رقبای این شرکت ,شرکتهای باربری می باشند که بصورت سنتی اقدام به ارائه خدمت می نمایند که در صورت انجام به موقع خدمت امکان پیشی گرفتن از سایرین وجود خواهد داشت .<br /> <br /> == تدوین استراتژی ==<br /> استراتژي ها جواب اين سؤال هستند كه چه عواملي در طول زمان سبب موفقيت اين فعاليت خواهند شد. براي اين منظور، ابتدا بايد نقاط قوت و ضعف، فرصت ها و تهديدهاي خود و رقبا را تعيين کنيد سپس به کمک آن، استراتژي هاي خود را در مورد مسائل ذيل تهيه نمائيد:<br /> * قيمت گذاري<br /> * مشتريان<br /> * رقبا<br /> * بازاريابي<br /> * بازار هدف<br /> * توزيع<br /> * تکنولوژي<br /> * تبليغات<br /> * ماليات<br /> * قوانين محلي و دولتي<br /> * شرايط اقتصادي<br /> [[تصویر:Untitled.jpg|وسط|قاب|SWOT]]<br /> <br /> == مراحل توسعه محصولات ==<br /> پس از راه افتادن و اقبال به سامانه می توان امکاناتی چون امکان ارائه بیمه و ... از طریق سایت را نیز فراهم نمود .<br /> <br /> == تحلیل مالی ==<br /> اگر طرح تجاري شما را به يک کيک تشبيه کنيم قسمت اطلاعات مالي آن بايستي همانند خامة روي آن باشد!!!<br /> <br /> شما يک ايده تجاري خوب را طرح ريزي کرده ايد، اثبات کرديد که يک نياز واقعي در بازار وجود دارد، نشان داديد که چگونه ايده ها را اجرا مي کنيد، بيان کرديد که تيم شما آماده است که ريسک ها را مديريت کند و اکنون شما نشان خواهيد داد که هر کدامتان قرار است چه مقدار پول توليد کند. <br /> <br /> توجه داشته باشيد، چنانچه ايده شما چندان غني نباشد، يا يک بازار خوب براي ايده شما وجود ندارد، يا از نظر اجرائي ضعيف هستيد، يا تيم مديريتي شما با کفايت نيست، طرح مالي شما محکوم به شکست خواهد شد. اگر شما تا اينجاي کار خواننده طرح را متقاعد نکرده باشيد مطمئناً با اطلاعات مالي که در ادامه خواهيد آورد نيز متقاعد نخواهد شد.<br /> با اين وجود، بسيار مهم است که اطلاعات مالي شما قوي و خوش ساختار باشد. اگر شما نتوانيد نشان دهيد که ايده شما مي تواند پول(زيادي) نصيبتان کند، خواننده بلافاصله علاقة خود را از دست خواهد داد. به منظور تدوين قسمت مالي طرح خود، قوياً توصيه مي کنم که با استفاده از برنامه توسعه و فعاليت خود، يک جدول زماني از فعاليت ها و توسعه هاي آتي خود ترسيم کنيد.<br /> <br /> از روي جدول زماني فعاليت هاي آتي، شما مي توانيد نمودار جريان نقدي (Cash Flow) و صورت-هاي مالي (نظير صورت حساب سود و زيان و ترازنامه) را حداقل براي 3 سال آتي (و گاهي تا 5سال) تدوين کنيد.<br /> <br /> با يک حساب سرانگشتي، حسابهاي مالي شما بايستي تا نقطه اي از آينده ادامه داشته باشد که در آن نقطه، تجارت شما به يک تعادل نسبي در انجام امور خود دست يافته باشد.در سال اول، صورت هاي مالي فعاليت ها، هزينه ها و در آمدها بايستي ماه به ماه باشد، چرا که جريان هاي نقدي در گام هاي اولية هر شروعي بحراني و حياتي است. در سال هاي دوم و سوم صورتهاي مالي بايستي به چهار قسمت در سال تقسيم شود، و در سال هاي چهارم و پنجم بصورت ساليانه بيان شود.<br /> <br /> صورتهاي مالي خود را در 3 حالت، &quot;محتمل ترين حالت&quot;، &quot;خوش بينانه ترين حالت&quot; و &quot;بدبينانه ترين حالت&quot; تنظيم نمائيد. چرا که اين امکان را به شما و خواننده مي دهد تا حد بالا و پائين ريسک طرح خود و نيز ريسک پذيري و ريسک گريزي شما را کشف نمايد. مطمئن شويد که هزينه ها و درآمدهاي قسمت مالي با ساير قسمت هاي طرح تجاريتان همخواني و تناسب داشته باشد. براي مثال اگر شما گفته ايد که 3 شعبه در سال دوم راه اندازي مي کنيد ولي صورت هاي مالي نشان مي دهد که 5 شعبه، خواننده به سرعت تجانس و تطابق طرح تان را زير سوال خواهد برد.<br /> <br /> خلاصه مالي طرح شما بايستي شرح و توضيحي بر صورتهاي مالي تان باشد، صورت هاي مالي اصلي را در ادامه ضميمه کنيد.<br /> <br /> زمان و حجم سرمايه گذاري لازم جهت اجراي طرحتان را شرح دهيد. سپس نشان دهيد که اين يک سرمايه گذاري خوب است و اين کار را با اثبات مطلوب بودن منفعت ها، دارائي ها، نرخ بازگشت سرمايه، ... ، انجام دهيد.<br /> <br /> در ادامه مشخص نمائيد که سرمايه لازم را چگونه تأمين خواهيد کرد. براي مثال چه مقدار از آن را خود و شرکايتان پرداخت خواهند کرد و چه مقدار از آن را از طريق گرفتن تسهيلات از بانک يا مرکز رشد تامين خواهيد نمود.<br /> <br /> اگر بخواهيد قسمت تحليل مالي طرح تجاري خود را با جزئيات بيشتري تشريح کنيد در واقع خروجي آن يک طرح توجيهي خواهد بود.<br /> <br /> == تحلیل ریسک ==<br /> در اين قسمت بايستي شاخص هايي که در طرح شما به عنوان ريسک مطرح مي شوند ليست کرده و ميزان اثر گذاري هر يک در طرح خود را آناليز حساسيت کنيد.<br /> <br /> == طرح فنی ==<br /> طرح فنی بیانگر اکوسیستم طرح کسب و کار شما می باشد که در آن کلیه اجزا و سیستم های فنی (مبتنی بر تجارت الکترونیک) در ارتباط با مشتری، تامین کنندگان و سایر موجودیت های محیطی توصیف شده و چگونگی ارتباط بین آنها مشخص می شود. بنابراین یک شمای تصویری از بعد فنی برای طرح کسب و کار در این قسمت ارایه دهید.</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=%D8%B3%D8%A7%D9%85%D8%A7%D9%86%D9%87_%D8%B1%D8%B2%D8%B1%D9%88_%D8%A8%D8%A7%D8%B1%D9%86%D8%A7%D9%85%D9%87_%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%86%DB%8C%DA%A9%DB%8C&diff=6668 2015-01-31T18:57:37Z

<p>80.191.174.8: /* ماموریت */</p> <hr /> <div>* موضوع : سامانه رزرو بارنامه الکترونیکی<br /> * تهیه کننده : امیر قصری<br /> <br /> == خلاصه اجرایی ==<br /> شرکت های باربری ,رانندگان و ارسال کنندگان کالاها می توانند برای ارسال بار به سرتا سر کشور از این سامانه استفاده کنند .<br /> <br /> == معرفی شرکت (تصویر شرکت) ==<br /> <br /> * شرکت ایران بر <br /> * شرکتی است که در آینده تشکیل خواهد شد . <br /> * مرکزیت این شرکت در یکی از شهرهای بزرگ کشور که بار فراوانی برای ترانزیت دارد خواهد بود .<br /> شهر بندرعباس به عنوان دفتر مرکزی این شهر انتخاب خواهد شد .<br /> * این شرکت به عنوان یک شرکت در عرصه باربری کشور ثبت و در برخی از شهرهای کشور می تواند دارای نمایندگی باشد .<br /> <br /> == چشم انداز ==<br /> تبدیل شرکت به بزرگترین و جامعترین شرکت موفق ملی در حوزه حمل و نقل کالا که به تمامی افراد در حوزه حمل و نقل کالا خدمات رسانی می کند .<br /> <br /> == ماموریت ==<br /> ماموریت این شرکت فراهم آوردن بستر برای فعالان حوزه حمل و نقل کالاست که به سهولت بتوانند بارهای ارسالی را به سرتاسر کشور انتقال دهند .<br /> <br /> == اهداف ==<br /> اهداف بازاریابی و تبلیغات:<br /> - جهت گسترش خدمات شرکت در تمامی شهرهای کشور تبلیغات به میزان 20 میلیون تومان در سال اول ( شامل 5 میلیون تومان تبلیغات اینترنتی و 10 میلیون تومان تبلیغات فیزیکی و 5 میلیون تومان جهت تبلیغات اس ام اسی)<br /> <br /> اهداف مالی:<br /> - رسیدن به سود خالص 20 میلیون تومان در سال اول راه اندازی شرکت( بر اساس هزینه باربری درصدی از هر بارنامه به عنوان کارمزد کسر خواهد گردید .)<br /> <br /> - بازگشت کامل سرمایه در سال دوم راه اندازی سایت<br /> <br /> اهداف پرسنلی:<br /> - جذب نیروهای متخصص و ایده پرداز جهت گسترش خدمات شرکت .<br /> <br /> اهداف تحقیق و توسعه:<br /> - امکان گسترش بسترهای ارائه خدمت به سایر لوازم چون دستکاههای موبایل .<br /> <br /> == معرفی محصولات و خدمات ==<br /> * خدمات شركت صرفا ارائه سيستم رزرو بار بصورت آنلاين مي باشد كه تمامي فعالان حوزه حمل و نقل كالا و بار مي توانند از اين سيستم براي افزايش بهره وري استفاده نمايند .<br /> * رانندگان و شركتهاي حمل و نقلي براي بروز و آسان كردن روال رزرو بار از اين سيستم استفاده خواهند نمود . <br /> * ويژگي منحصر به فرد اين روش بروز بودن ، جامع بودن و آسان بودن رزرو بار مي باشد .<br /> * مزاياي استفاده كاهش هزينه هاي رانندگان و شركتهاي باربري به دليل اينكه در شرايط عادي امكان رويت بارهاي كل كشور برايشان ميسر نميباشد و در صورت عدم آگاهي ميبايشت مدتها براي پيدا كردن بار منتظر بمانند .<br /> * در ابتدا مي بايست سامانه طراحي و راه اندازي گردد و تمامي اقدامات امنيتي و جاذبه داشتن آن صورت پذيرد .سپس به صورت آزمايشي راه اندازي گرديده و به مرور اشكالات رفع و بازاريابي براي گسترش استفاده از سيستم آغاز گردد .<br /> <br /> == محصولات جایگزین ==<br /> جايگزين اين روش ،روش سنتي متداول مي باشد كه صاحب بار به شركت باربري مراجعه نموده و براي ارسال بار خود درخواست مي دهد و شركت نيز به رانندگاني كه به آن مراجعه مي كنند پيشنهاد را ارائه مي دهد و راننده در صورت موافقت اقدام به بارگيري و ارسال بار مي نمايد . كه اين روش به دليل سرعت پايين و هزينه هاي اطلاع رساني بالا مقرون به صرفه نمي باشد .<br /> ضمنا با روش رزرو آنلاين بار راننده اي كه قصد حمل بار به شهرستان خاصي را دارد مي تواند براي برگشت خود از قبل برنامه ريزي نمايد و بار برگشتي خود را از قبل رزرو نمايد تا زمان انتظار در شهرمقصد كاهش يابد .<br /> <br /> == تحلیل صنعت مادر ==<br /> <br /> * صنعت مورد استفاده در اين سيستم صنعت حمل و نقل كشور مي باشد كه ما در اين سامانه بر روي حمل بار تمركز مي كنيم .<br /> * صنعت حمل و نقل به سه دسته حمل و نقل مسافر ، حمل و نقل كالاي داخل كشور حمل و نقل بين المللي تقسيم ميشود .<br /> * به دليل وجود كشور ما در منطقه ستراتژيك براي جابجايي بار اين امر اهميت زيادي دارد .<br /> * بزرگترين و مهمترين بازيگردان هاي اين صنعت راندگان و شركتهاي حمل و نقل مي باشد .<br /> * رانندگان درگير مسائلي جون عدم وجود بار از مسير مقصد به نقاط ديگر كشور و همچنين سوخت خودرو ها هستند<br /> * با توجه به سرمايه گذاري كلان شركت در زمينه حمل كالا چشم انداز روشني براي اين صنعت مي تون متصور شد .<br /> <br /> == تحلیل صنعت خود ==<br /> در اين قسمت پس از آنکه جايگاه صنعت مادر مشخص گرديد، بايستي جايگاه صنعت خود را در صنعت مادر مشخص کرده و آينده صنعت خود را ترسيم نمائيد. همچنين در اين قسمت بايستي، محصول خود را از نظر تاريخچه تکنولوژي مورد بررسي قرار دهيد و اينکه محصول شما قبلاً با چه تکنولوژِي توليد مي شده، اکنون چه تکنولوژي آن را توليد مي کند و در آينده چگونه توليد خواهد شد و آيا تکنولوژي مورد استفاده شما در آينده نيز استفاده خواهد شد و يا احتمال منسوخ شدن آن وجود دارد. <br /> <br /> == تحلیل بازار ==<br /> در دو يا چند صفحه به سوالات زير پاسخ دهيد: <br /> * منظور از بازار حوزه حمل و نقل جابجايي كالا در سرتاسر كشور مي باشد .<br /> * اندازه بازار به دليل وجود بارهاي فراوان و فعالان بسيار حوزه حمل و نقل گسترده مي باشد .<br /> * اين شرکت پاسخگوي نياز رزرو بار از سرتاسر كشور خواهد بود .<br /> * ميتوان بر اساس نوع وسله نقليه كابران را به دسته هاي مختلف تقسيم نمود .مثلا تريلي هاي انتقال سوخت يا بارهاي فاسد شدني يا بارهاي ترافيكي حجيم .<br /> * مشتريان هدف رانندگان و صاحبان بار مي باشند .<br /> <br /> * برای تضمین فروش خدمات میبایست مجوز لازم از ادارت حمل ونقل گرفته شود و هماهنگی های لازم برای استفاده از سیستم را انجام داد .<br /> * برای بازاریابی و گسترش خدمات رسانی در کشور میبایست در پایانه ها ی باربری تبلیغات برای استفاده از سیستم صورت پذیرد .و همچنین تخفیفاتی برای کاربران اولیه در نظر گرفت .<br /> <br /> == تحلیل رقبا ==<br /> خدمت ارائه شده توسط این شرکت خدمتی جدید است که رقیبی جدی در صحنه ارتباطات آنلاین ندارد و تنها رقبای این شرکت ,شرکتهای باربری می باشند که بصورت سنتی اقدام به ارائه خدمت می نمایند که در صورت انجام به موقع خدمت امکان پیشی گرفتن از سایرین وجود خواهد داشت .<br /> <br /> == تدوین استراتژی ==<br /> استراتژي ها جواب اين سؤال هستند كه چه عواملي در طول زمان سبب موفقيت اين فعاليت خواهند شد. براي اين منظور، ابتدا بايد نقاط قوت و ضعف، فرصت ها و تهديدهاي خود و رقبا را تعيين کنيد سپس به کمک آن، استراتژي هاي خود را در مورد مسائل ذيل تهيه نمائيد:<br /> * قيمت گذاري<br /> * مشتريان<br /> * رقبا<br /> * بازاريابي<br /> * بازار هدف<br /> * توزيع<br /> * تکنولوژي<br /> * تبليغات<br /> * ماليات<br /> * قوانين محلي و دولتي<br /> * شرايط اقتصادي<br /> [[تصویر:Untitled.jpg|وسط|قاب|SWOT]]<br /> <br /> == مراحل توسعه محصولات ==<br /> پس از راه افتادن و اقبال به سامانه می توان امکاناتی چون امکان ارائه بیمه و ... از طریق سایت را نیز فراهم نمود .<br /> <br /> == تحلیل مالی ==<br /> اگر طرح تجاري شما را به يک کيک تشبيه کنيم قسمت اطلاعات مالي آن بايستي همانند خامة روي آن باشد!!!<br /> <br /> شما يک ايده تجاري خوب را طرح ريزي کرده ايد، اثبات کرديد که يک نياز واقعي در بازار وجود دارد، نشان داديد که چگونه ايده ها را اجرا مي کنيد، بيان کرديد که تيم شما آماده است که ريسک ها را مديريت کند و اکنون شما نشان خواهيد داد که هر کدامتان قرار است چه مقدار پول توليد کند. <br /> <br /> توجه داشته باشيد، چنانچه ايده شما چندان غني نباشد، يا يک بازار خوب براي ايده شما وجود ندارد، يا از نظر اجرائي ضعيف هستيد، يا تيم مديريتي شما با کفايت نيست، طرح مالي شما محکوم به شکست خواهد شد. اگر شما تا اينجاي کار خواننده طرح را متقاعد نکرده باشيد مطمئناً با اطلاعات مالي که در ادامه خواهيد آورد نيز متقاعد نخواهد شد.<br /> با اين وجود، بسيار مهم است که اطلاعات مالي شما قوي و خوش ساختار باشد. اگر شما نتوانيد نشان دهيد که ايده شما مي تواند پول(زيادي) نصيبتان کند، خواننده بلافاصله علاقة خود را از دست خواهد داد. به منظور تدوين قسمت مالي طرح خود، قوياً توصيه مي کنم که با استفاده از برنامه توسعه و فعاليت خود، يک جدول زماني از فعاليت ها و توسعه هاي آتي خود ترسيم کنيد.<br /> <br /> از روي جدول زماني فعاليت هاي آتي، شما مي توانيد نمودار جريان نقدي (Cash Flow) و صورت-هاي مالي (نظير صورت حساب سود و زيان و ترازنامه) را حداقل براي 3 سال آتي (و گاهي تا 5سال) تدوين کنيد.<br /> <br /> با يک حساب سرانگشتي، حسابهاي مالي شما بايستي تا نقطه اي از آينده ادامه داشته باشد که در آن نقطه، تجارت شما به يک تعادل نسبي در انجام امور خود دست يافته باشد.در سال اول، صورت هاي مالي فعاليت ها، هزينه ها و در آمدها بايستي ماه به ماه باشد، چرا که جريان هاي نقدي در گام هاي اولية هر شروعي بحراني و حياتي است. در سال هاي دوم و سوم صورتهاي مالي بايستي به چهار قسمت در سال تقسيم شود، و در سال هاي چهارم و پنجم بصورت ساليانه بيان شود.<br /> <br /> صورتهاي مالي خود را در 3 حالت، &quot;محتمل ترين حالت&quot;، &quot;خوش بينانه ترين حالت&quot; و &quot;بدبينانه ترين حالت&quot; تنظيم نمائيد. چرا که اين امکان را به شما و خواننده مي دهد تا حد بالا و پائين ريسک طرح خود و نيز ريسک پذيري و ريسک گريزي شما را کشف نمايد. مطمئن شويد که هزينه ها و درآمدهاي قسمت مالي با ساير قسمت هاي طرح تجاريتان همخواني و تناسب داشته باشد. براي مثال اگر شما گفته ايد که 3 شعبه در سال دوم راه اندازي مي کنيد ولي صورت هاي مالي نشان مي دهد که 5 شعبه، خواننده به سرعت تجانس و تطابق طرح تان را زير سوال خواهد برد.<br /> <br /> خلاصه مالي طرح شما بايستي شرح و توضيحي بر صورتهاي مالي تان باشد، صورت هاي مالي اصلي را در ادامه ضميمه کنيد.<br /> <br /> زمان و حجم سرمايه گذاري لازم جهت اجراي طرحتان را شرح دهيد. سپس نشان دهيد که اين يک سرمايه گذاري خوب است و اين کار را با اثبات مطلوب بودن منفعت ها، دارائي ها، نرخ بازگشت سرمايه، ... ، انجام دهيد.<br /> <br /> در ادامه مشخص نمائيد که سرمايه لازم را چگونه تأمين خواهيد کرد. براي مثال چه مقدار از آن را خود و شرکايتان پرداخت خواهند کرد و چه مقدار از آن را از طريق گرفتن تسهيلات از بانک يا مرکز رشد تامين خواهيد نمود.<br /> <br /> اگر بخواهيد قسمت تحليل مالي طرح تجاري خود را با جزئيات بيشتري تشريح کنيد در واقع خروجي آن يک طرح توجيهي خواهد بود.<br /> <br /> == تحلیل ریسک ==<br /> در اين قسمت بايستي شاخص هايي که در طرح شما به عنوان ريسک مطرح مي شوند ليست کرده و ميزان اثر گذاري هر يک در طرح خود را آناليز حساسيت کنيد.<br /> <br /> == طرح فنی ==<br /> طرح فنی بیانگر اکوسیستم طرح کسب و کار شما می باشد که در آن کلیه اجزا و سیستم های فنی (مبتنی بر تجارت الکترونیک) در ارتباط با مشتری، تامین کنندگان و سایر موجودیت های محیطی توصیف شده و چگونگی ارتباط بین آنها مشخص می شود. بنابراین یک شمای تصویری از بعد فنی برای طرح کسب و کار در این قسمت ارایه دهید.</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=%D8%B3%D8%A7%D9%85%D8%A7%D9%86%D9%87_%D8%B1%D8%B2%D8%B1%D9%88_%D8%A8%D8%A7%D8%B1%D9%86%D8%A7%D9%85%D9%87_%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%86%DB%8C%DA%A9%DB%8C&diff=6667 2015-01-31T18:57:15Z

<p>80.191.174.8: /* چشم انداز */</p> <hr /> <div>* موضوع : سامانه رزرو بارنامه الکترونیکی<br /> * تهیه کننده : امیر قصری<br /> <br /> == خلاصه اجرایی ==<br /> شرکت های باربری ,رانندگان و ارسال کنندگان کالاها می توانند برای ارسال بار به سرتا سر کشور از این سامانه استفاده کنند .<br /> <br /> == معرفی شرکت (تصویر شرکت) ==<br /> <br /> * شرکت ایران بر <br /> * شرکتی است که در آینده تشکیل خواهد شد . <br /> * مرکزیت این شرکت در یکی از شهرهای بزرگ کشور که بار فراوانی برای ترانزیت دارد خواهد بود .<br /> شهر بندرعباس به عنوان دفتر مرکزی این شهر انتخاب خواهد شد .<br /> * این شرکت به عنوان یک شرکت در عرصه باربری کشور ثبت و در برخی از شهرهای کشور می تواند دارای نمایندگی باشد .<br /> <br /> == چشم انداز ==<br /> تبدیل شرکت به بزرگترین و جامعترین شرکت موفق ملی در حوزه حمل و نقل کالا که به تمامی افراد در حوزه حمل و نقل کالا خدمات رسانی می کند .<br /> <br /> == ماموریت ==<br /> ماموریت این شرکت فراهم آورددن بستر برای فعالان حوزه حمل و نقل کالاست که به سهولت بتوانند بارهای ارسالی را به سرتاسر کشور انتقال دهند .<br /> <br /> == اهداف ==<br /> اهداف بازاریابی و تبلیغات:<br /> - جهت گسترش خدمات شرکت در تمامی شهرهای کشور تبلیغات به میزان 20 میلیون تومان در سال اول ( شامل 5 میلیون تومان تبلیغات اینترنتی و 10 میلیون تومان تبلیغات فیزیکی و 5 میلیون تومان جهت تبلیغات اس ام اسی)<br /> <br /> اهداف مالی:<br /> - رسیدن به سود خالص 20 میلیون تومان در سال اول راه اندازی شرکت( بر اساس هزینه باربری درصدی از هر بارنامه به عنوان کارمزد کسر خواهد گردید .)<br /> <br /> - بازگشت کامل سرمایه در سال دوم راه اندازی سایت<br /> <br /> اهداف پرسنلی:<br /> - جذب نیروهای متخصص و ایده پرداز جهت گسترش خدمات شرکت .<br /> <br /> اهداف تحقیق و توسعه:<br /> - امکان گسترش بسترهای ارائه خدمت به سایر لوازم چون دستکاههای موبایل .<br /> <br /> == معرفی محصولات و خدمات ==<br /> * خدمات شركت صرفا ارائه سيستم رزرو بار بصورت آنلاين مي باشد كه تمامي فعالان حوزه حمل و نقل كالا و بار مي توانند از اين سيستم براي افزايش بهره وري استفاده نمايند .<br /> * رانندگان و شركتهاي حمل و نقلي براي بروز و آسان كردن روال رزرو بار از اين سيستم استفاده خواهند نمود . <br /> * ويژگي منحصر به فرد اين روش بروز بودن ، جامع بودن و آسان بودن رزرو بار مي باشد .<br /> * مزاياي استفاده كاهش هزينه هاي رانندگان و شركتهاي باربري به دليل اينكه در شرايط عادي امكان رويت بارهاي كل كشور برايشان ميسر نميباشد و در صورت عدم آگاهي ميبايشت مدتها براي پيدا كردن بار منتظر بمانند .<br /> * در ابتدا مي بايست سامانه طراحي و راه اندازي گردد و تمامي اقدامات امنيتي و جاذبه داشتن آن صورت پذيرد .سپس به صورت آزمايشي راه اندازي گرديده و به مرور اشكالات رفع و بازاريابي براي گسترش استفاده از سيستم آغاز گردد .<br /> <br /> == محصولات جایگزین ==<br /> جايگزين اين روش ،روش سنتي متداول مي باشد كه صاحب بار به شركت باربري مراجعه نموده و براي ارسال بار خود درخواست مي دهد و شركت نيز به رانندگاني كه به آن مراجعه مي كنند پيشنهاد را ارائه مي دهد و راننده در صورت موافقت اقدام به بارگيري و ارسال بار مي نمايد . كه اين روش به دليل سرعت پايين و هزينه هاي اطلاع رساني بالا مقرون به صرفه نمي باشد .<br /> ضمنا با روش رزرو آنلاين بار راننده اي كه قصد حمل بار به شهرستان خاصي را دارد مي تواند براي برگشت خود از قبل برنامه ريزي نمايد و بار برگشتي خود را از قبل رزرو نمايد تا زمان انتظار در شهرمقصد كاهش يابد .<br /> <br /> == تحلیل صنعت مادر ==<br /> <br /> * صنعت مورد استفاده در اين سيستم صنعت حمل و نقل كشور مي باشد كه ما در اين سامانه بر روي حمل بار تمركز مي كنيم .<br /> * صنعت حمل و نقل به سه دسته حمل و نقل مسافر ، حمل و نقل كالاي داخل كشور حمل و نقل بين المللي تقسيم ميشود .<br /> * به دليل وجود كشور ما در منطقه ستراتژيك براي جابجايي بار اين امر اهميت زيادي دارد .<br /> * بزرگترين و مهمترين بازيگردان هاي اين صنعت راندگان و شركتهاي حمل و نقل مي باشد .<br /> * رانندگان درگير مسائلي جون عدم وجود بار از مسير مقصد به نقاط ديگر كشور و همچنين سوخت خودرو ها هستند<br /> * با توجه به سرمايه گذاري كلان شركت در زمينه حمل كالا چشم انداز روشني براي اين صنعت مي تون متصور شد .<br /> <br /> == تحلیل صنعت خود ==<br /> در اين قسمت پس از آنکه جايگاه صنعت مادر مشخص گرديد، بايستي جايگاه صنعت خود را در صنعت مادر مشخص کرده و آينده صنعت خود را ترسيم نمائيد. همچنين در اين قسمت بايستي، محصول خود را از نظر تاريخچه تکنولوژي مورد بررسي قرار دهيد و اينکه محصول شما قبلاً با چه تکنولوژِي توليد مي شده، اکنون چه تکنولوژي آن را توليد مي کند و در آينده چگونه توليد خواهد شد و آيا تکنولوژي مورد استفاده شما در آينده نيز استفاده خواهد شد و يا احتمال منسوخ شدن آن وجود دارد. <br /> <br /> == تحلیل بازار ==<br /> در دو يا چند صفحه به سوالات زير پاسخ دهيد: <br /> * منظور از بازار حوزه حمل و نقل جابجايي كالا در سرتاسر كشور مي باشد .<br /> * اندازه بازار به دليل وجود بارهاي فراوان و فعالان بسيار حوزه حمل و نقل گسترده مي باشد .<br /> * اين شرکت پاسخگوي نياز رزرو بار از سرتاسر كشور خواهد بود .<br /> * ميتوان بر اساس نوع وسله نقليه كابران را به دسته هاي مختلف تقسيم نمود .مثلا تريلي هاي انتقال سوخت يا بارهاي فاسد شدني يا بارهاي ترافيكي حجيم .<br /> * مشتريان هدف رانندگان و صاحبان بار مي باشند .<br /> <br /> * برای تضمین فروش خدمات میبایست مجوز لازم از ادارت حمل ونقل گرفته شود و هماهنگی های لازم برای استفاده از سیستم را انجام داد .<br /> * برای بازاریابی و گسترش خدمات رسانی در کشور میبایست در پایانه ها ی باربری تبلیغات برای استفاده از سیستم صورت پذیرد .و همچنین تخفیفاتی برای کاربران اولیه در نظر گرفت .<br /> <br /> == تحلیل رقبا ==<br /> خدمت ارائه شده توسط این شرکت خدمتی جدید است که رقیبی جدی در صحنه ارتباطات آنلاین ندارد و تنها رقبای این شرکت ,شرکتهای باربری می باشند که بصورت سنتی اقدام به ارائه خدمت می نمایند که در صورت انجام به موقع خدمت امکان پیشی گرفتن از سایرین وجود خواهد داشت .<br /> <br /> == تدوین استراتژی ==<br /> استراتژي ها جواب اين سؤال هستند كه چه عواملي در طول زمان سبب موفقيت اين فعاليت خواهند شد. براي اين منظور، ابتدا بايد نقاط قوت و ضعف، فرصت ها و تهديدهاي خود و رقبا را تعيين کنيد سپس به کمک آن، استراتژي هاي خود را در مورد مسائل ذيل تهيه نمائيد:<br /> * قيمت گذاري<br /> * مشتريان<br /> * رقبا<br /> * بازاريابي<br /> * بازار هدف<br /> * توزيع<br /> * تکنولوژي<br /> * تبليغات<br /> * ماليات<br /> * قوانين محلي و دولتي<br /> * شرايط اقتصادي<br /> [[تصویر:Untitled.jpg|وسط|قاب|SWOT]]<br /> <br /> == مراحل توسعه محصولات ==<br /> پس از راه افتادن و اقبال به سامانه می توان امکاناتی چون امکان ارائه بیمه و ... از طریق سایت را نیز فراهم نمود .<br /> <br /> == تحلیل مالی ==<br /> اگر طرح تجاري شما را به يک کيک تشبيه کنيم قسمت اطلاعات مالي آن بايستي همانند خامة روي آن باشد!!!<br /> <br /> شما يک ايده تجاري خوب را طرح ريزي کرده ايد، اثبات کرديد که يک نياز واقعي در بازار وجود دارد، نشان داديد که چگونه ايده ها را اجرا مي کنيد، بيان کرديد که تيم شما آماده است که ريسک ها را مديريت کند و اکنون شما نشان خواهيد داد که هر کدامتان قرار است چه مقدار پول توليد کند. <br /> <br /> توجه داشته باشيد، چنانچه ايده شما چندان غني نباشد، يا يک بازار خوب براي ايده شما وجود ندارد، يا از نظر اجرائي ضعيف هستيد، يا تيم مديريتي شما با کفايت نيست، طرح مالي شما محکوم به شکست خواهد شد. اگر شما تا اينجاي کار خواننده طرح را متقاعد نکرده باشيد مطمئناً با اطلاعات مالي که در ادامه خواهيد آورد نيز متقاعد نخواهد شد.<br /> با اين وجود، بسيار مهم است که اطلاعات مالي شما قوي و خوش ساختار باشد. اگر شما نتوانيد نشان دهيد که ايده شما مي تواند پول(زيادي) نصيبتان کند، خواننده بلافاصله علاقة خود را از دست خواهد داد. به منظور تدوين قسمت مالي طرح خود، قوياً توصيه مي کنم که با استفاده از برنامه توسعه و فعاليت خود، يک جدول زماني از فعاليت ها و توسعه هاي آتي خود ترسيم کنيد.<br /> <br /> از روي جدول زماني فعاليت هاي آتي، شما مي توانيد نمودار جريان نقدي (Cash Flow) و صورت-هاي مالي (نظير صورت حساب سود و زيان و ترازنامه) را حداقل براي 3 سال آتي (و گاهي تا 5سال) تدوين کنيد.<br /> <br /> با يک حساب سرانگشتي، حسابهاي مالي شما بايستي تا نقطه اي از آينده ادامه داشته باشد که در آن نقطه، تجارت شما به يک تعادل نسبي در انجام امور خود دست يافته باشد.در سال اول، صورت هاي مالي فعاليت ها، هزينه ها و در آمدها بايستي ماه به ماه باشد، چرا که جريان هاي نقدي در گام هاي اولية هر شروعي بحراني و حياتي است. در سال هاي دوم و سوم صورتهاي مالي بايستي به چهار قسمت در سال تقسيم شود، و در سال هاي چهارم و پنجم بصورت ساليانه بيان شود.<br /> <br /> صورتهاي مالي خود را در 3 حالت، &quot;محتمل ترين حالت&quot;، &quot;خوش بينانه ترين حالت&quot; و &quot;بدبينانه ترين حالت&quot; تنظيم نمائيد. چرا که اين امکان را به شما و خواننده مي دهد تا حد بالا و پائين ريسک طرح خود و نيز ريسک پذيري و ريسک گريزي شما را کشف نمايد. مطمئن شويد که هزينه ها و درآمدهاي قسمت مالي با ساير قسمت هاي طرح تجاريتان همخواني و تناسب داشته باشد. براي مثال اگر شما گفته ايد که 3 شعبه در سال دوم راه اندازي مي کنيد ولي صورت هاي مالي نشان مي دهد که 5 شعبه، خواننده به سرعت تجانس و تطابق طرح تان را زير سوال خواهد برد.<br /> <br /> خلاصه مالي طرح شما بايستي شرح و توضيحي بر صورتهاي مالي تان باشد، صورت هاي مالي اصلي را در ادامه ضميمه کنيد.<br /> <br /> زمان و حجم سرمايه گذاري لازم جهت اجراي طرحتان را شرح دهيد. سپس نشان دهيد که اين يک سرمايه گذاري خوب است و اين کار را با اثبات مطلوب بودن منفعت ها، دارائي ها، نرخ بازگشت سرمايه، ... ، انجام دهيد.<br /> <br /> در ادامه مشخص نمائيد که سرمايه لازم را چگونه تأمين خواهيد کرد. براي مثال چه مقدار از آن را خود و شرکايتان پرداخت خواهند کرد و چه مقدار از آن را از طريق گرفتن تسهيلات از بانک يا مرکز رشد تامين خواهيد نمود.<br /> <br /> اگر بخواهيد قسمت تحليل مالي طرح تجاري خود را با جزئيات بيشتري تشريح کنيد در واقع خروجي آن يک طرح توجيهي خواهد بود.<br /> <br /> == تحلیل ریسک ==<br /> در اين قسمت بايستي شاخص هايي که در طرح شما به عنوان ريسک مطرح مي شوند ليست کرده و ميزان اثر گذاري هر يک در طرح خود را آناليز حساسيت کنيد.<br /> <br /> == طرح فنی ==<br /> طرح فنی بیانگر اکوسیستم طرح کسب و کار شما می باشد که در آن کلیه اجزا و سیستم های فنی (مبتنی بر تجارت الکترونیک) در ارتباط با مشتری، تامین کنندگان و سایر موجودیت های محیطی توصیف شده و چگونگی ارتباط بین آنها مشخص می شود. بنابراین یک شمای تصویری از بعد فنی برای طرح کسب و کار در این قسمت ارایه دهید.</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6666 2015-01-31T18:52:25Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> <br /> یک برنامه کاربردی باید دسترسی کارآمد به داده را از نظر سرعت دسترسی و نیز پشتیبانی برای پرس و جوهای پیچیده اجازه دهد. برنامه های کاربردی باید قادر باشند منافع خود را با استفاده از پرس و جوهای پیچیده، در اشکال فیلترهای زبان طبیعی بیان کند. برای مثال برنامه کاربردی باید قادر باشد به درخواست داده با استفاده از یک عبارت مثل &quot;دریافت پیش بینی مکان دوستانی که در شهر هستند&quot; و یا &quot;دریافت پیش بینی ترافیک جاده در یک خیابان خاص&quot; باشد.<br /> <br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> یک پلت فرم آگاه از زمینه باید امکان کشف منابع (مثل سنسور و خدماتی مثل آب و هوا)، دسترسی به داده و تجمیع اطلاعات را فراهم کند. همچنین باید مقیاس پذیر نیز باشد. برای یک برنامه ترافیکی، معمولا بطور بالقوه شامل میلیون ها کاربر می باشد که داده sense شده توسط آنها باید بطور مداوم ذخیره شودو تاریخچه داده نیز باید برای قابلیت ردیابیو پردازش و داده کاوری نگهداری شود.<br /> <br /> <br /> بطور خلاصه، برنامه های کاربردی آگاه از زمینه در رابطه با حجم بالای داده و دسترسی سریع به داده ملزومات و نیازمندی های مشترکی دارند. چنین ملزوماتی باید توسط خدمات ارائه شده در سطح پلت فرم ارضاء شود.بدیهی است دستیابی به مدیریت داده بسیار مقیاس پذیر، یک چالش مهم و بحرانی است. رایانش ابری با مدل های هزینه ای و محاسباتی خود به این چالش پاسخ می دهد.<br /> <br /> === مشکلات Big Data ===<br /> <br /> .......<br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> ......<br /> <br /> === تکنیک هایی برای حل مشکلات Big Data ===<br /> <br /> ......<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6665 2015-01-31T18:52:04Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> <br /> یک برنامه کاربردی باید دسترسی کارآمد به داده را از نظر سرعت دسترسی و نیز پشتیبانی برای پرس و جوهای پیچیده اجازه دهد. برنامه های کاربردی باید قادر باشند منافع خود را با استفاده از پرس و جوهای پیچیده، در اشکال فیلترهای زبان طبیعی بیان کند. برای مثال برنامه کاربردی باید قادر باشد به درخواست داده با استفاده از یک عبارت مثل &quot;دریافت پیش بینی مکان دوستانی که در شهر هستند&quot; و یا &quot;دریافت پیش بینی ترافیک جاده در یک خیابان خاص&quot; باشد.<br /> <br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> یک پلت فرم آگاه از زمینه باید امکان کشف منابع (مثل سنسور و خدماتی مثل آب و هوا)، دسترسی به داده و تجمیع اطلاعات را فراهم کند. همچنین باید مقیاس پذیر نیز باشد. برای یک برنامه ترافیکی، معمولا بطور بالقوه شامل میلیون ها کاربر می باشد که داده sense شده توسط آنها باید بطور مداوم ذخیره شودو تاریخچه داده نیز باید برای قابلیت ردیابیو پردازش و داده کاوری نگهداری شود.<br /> <br /> بطور خلاصه، برنامه های کاربردی آگاه از زمینه در رابطه با حجم بالای داده و دسترسی سریع به داده ملزومات و نیازمندی های مشترکی دارند. چنین ملزوماتی باید توسط خدمات ارائه شده در سطح پلت فرم ارضاء شود.بدیهی است دستیابی به مدیریت داده بسیار مقیاس پذیر، یک چالش مهم و بحرانی است. رایانش ابری با مدل های هزینه ای و محاسباتی خود به این چالش پاسخ می دهد.<br /> <br /> === مشکلات Big Data ===<br /> <br /> .......<br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> ......<br /> <br /> === تکنیک هایی برای حل مشکلات Big Data ===<br /> <br /> ......<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6664 2015-01-31T18:44:09Z

<p>80.191.174.8: /* بدنه تحقیق */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> <br /> یک برنامه کاربردی باید دسترسی کارآمد به داده را از نظر سرعت دسترسی و نیز پشتیبانی برای پرس و جوهای پیچیده اجازه دهد. برنامه های کاربردی باید قادر باشند منافع خود را با استفاده از پرس و جوهای پیچیده، در اشکال فیلترهای زبان طبیعی بیان کند. برای مثال برنامه کاربردی باید قادر باشد به درخواست داده با استفاده از یک عبارت مثل &quot;دریافت پیش بینی مکان دوستانی که در شهر هستند&quot; و یا &quot;دریافت پیش بینی ترافیک جاده در یک خیابان خاص&quot; باشد.<br /> <br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> یک پلت فرم آگاه از زمینه باید امکان کشف منابع (مثل سنسور و خدماتی مثل آب و هوا)، دسترسی به داده و تجمیع اطلاعات را فراهم کند. همچنین باید مقیاس پذیر نیز باشد. برای یک برنامه ترافیکی، معمولا بطور بالقوه شامل میلیون ها کاربر می باشد که داده sense شده توسط آنها باید بطور مداوم ذخیره شودو تاریخچه داده نیز باید برای قابلیت ردیابیو پردازش و داده کاوری نگهداری شود.<br /> <br /> === مشکلات Big Data ===<br /> <br /> .......<br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> ......<br /> <br /> === تکنیک هایی برای حل مشکلات Big Data ===<br /> <br /> ......<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6663 2015-01-31T18:42:43Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> <br /> یک برنامه کاربردی باید دسترسی کارآمد به داده را از نظر سرعت دسترسی و نیز پشتیبانی برای پرس و جوهای پیچیده اجازه دهد. برنامه های کاربردی باید قادر باشند منافع خود را با استفاده از پرس و جوهای پیچیده، در اشکال فیلترهای زبان طبیعی بیان کند. برای مثال برنامه کاربردی باید قادر باشد به درخواست داده با استفاده از یک عبارت مثل &quot;دریافت پیش بینی مکان دوستانی که در شهر هستند&quot; و یا &quot;دریافت پیش بینی ترافیک جاده در یک خیابان خاص&quot; باشد.<br /> <br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> یک پلت فرم آگاه از زمینه باید امکان کشف منابع (مثل سنسور و خدماتی مثل آب و هوا)، دسترسی به داده و تجمیع اطلاعات را فراهم کند. همچنین باید مقیاس پذیر نیز باشد. برای یک برنامه ترافیکی، معمولا بطور بالقوه شامل میلیون ها کاربر می باشد که داده sense شده توسط آنها باید بطور مداوم ذخیره شودو تاریخچه داده نیز باید برای قابلیت ردیابیو پردازش و داده کاوری نگهداری شود.<br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> ......<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6583 2015-01-30T18:50:19Z

<p>80.191.174.8: /* بدنه تحقیق */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> <br /> .....<br /> <br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> .....<br /> <br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> ......<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6582 2015-01-30T18:48:52Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> * ''دسترسی کارآمد به داده''<br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6581 2015-01-30T18:44:33Z

<p>80.191.174.8: /* بدنه تحقیق */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> * ''دسترسی کارآمد به داده''<br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6580 2015-01-30T18:37:41Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> * ''مجاورت''<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> * ''ضمانت های بلادرنگ''<br /> <br /> برنامه های کاربردی آگاه از زمینه باید <br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> * ''دسترسی کارآمد به داده''<br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6579 2015-01-30T18:34:25Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> * ''مجاورت''<br /> * ''ضمانت های بلادرنگ''<br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> * ''دسترسی کارآمد به داده''<br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6578 2015-01-30T18:30:46Z

<p>80.191.174.8: /* چالش های Big Data و احتیاجات آن برای شهر هوشمند */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * ''تحرک و مکان''<br /> * ''مجاورت''<br /> * ''ضمانت های بلادرنگ''<br /> * ''پشتیبانی از عیب و نقص ارتباطات''<br /> * ''دسترسی کارآمد به داده''<br /> * ''پشتیبانی از ذخیره سازی کارآمد''<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6577 2015-01-30T18:29:36Z

<p>80.191.174.8: /* بدنه تحقیق */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * تحرک و مکان<br /> * مجاورت<br /> * ضمانت های بلادرنگ<br /> * پشتیبانی از عیب و نقص ارتباطات<br /> * دسترسی کارآمد به داده<br /> * پشتیبانی از ذخیره سازی کارآمد<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6576 2015-01-30T18:27:24Z

<p>80.191.174.8: /* بدنه تحقیق */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> === چالش های Big Data و احتیاجات آن برای شهر هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> * مورد فهرست گلوله‌ای تحرک و مکان<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6383 2015-01-25T20:19:00Z

<p>80.191.174.8: /* مقدمه */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> تحلیل هایی که توسط محقق صورت گرفته است (نظیر مقایسه و ارزیابی)<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8 http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=6382 2015-01-25T20:18:36Z

<p>80.191.174.8: /* مقدمه */</p> <hr /> <div>== چکیده ==<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> == بررسی ادبیات موضوع ==<br /> کارهایی که در ارتباط با عنوان تحقیق مورد بررسی قرار گرفته است ...<br /> <br /> == بدنه تحقیق ==<br /> تحلیل هایی که توسط محقق صورت گرفته است (نظیر مقایسه و ارزیابی)<br /> <br /> == نتیجه گیری ==<br /> نتیجه ای که در نهایت حاصل شده است.<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

80.191.174.8