Käsiteliukuma älykaupunkiskenaarioissa

Eksponentiaalinen väestönkasvu ja kaupungistuminen haastavat modernien kaupunkien hallintoa, logistiikkaa, ihmisten sekä ympäristön hyvinvointia ja turvallisuutta. Kestävien yhteiskunnallisten tavoitteiden saavuttamiseksi voidaan hyödyntää datapohjaisia päätöksentekojärjestelmiä. Älykaupunkien dataa käytetään tukemaan kansalaisten elämäntapoja sekä ilmastoaloitteita, tuottamaan laadukasta terveydenhuoltoa ja koulutusta sekä sujuvoittamaan hallintoa ja kaupunkipolitiikkaa. Kaupungeista saatava data on monimuotoista ja laajaa, saattaa sisältää virheitä ja sen käsittely vaatii tehokkaita ja vikasietoisia data-alustoja. Alustojen on tuettava jatkuvaa datan keruuta, tallennusta, analysointia, visualisointia ja tulosten toimittamista sekä erä- että reaaliaikaisesti. Käsitevuoto (concept drift) on keskeinen este luotettavien ennusteiden tekemiselle reaalimaailman datavirroista. Käsitevuoto ilmenee ennakoimattomista syistä, datan tilastollisten ominaisuuksien ja kontekstin muutoksista ennustavaa mallinnusta tehdessä, johtaen epäluotettaviin datapohjaisiin ennusteisiin.

Työssä tutkitaan käsitevuotoa erityisesti laboratorion ulkopuolella tosimaailmassa. Tuloksena esitetään kaksi erilaista algoritmia käsitevuon havaitsevaan ennustavaan mallinnukseen. Algoritmit ovat koneoppimenetelmiä, joihin on integroitu käsitevuodon havaitsemis- sekä mukautumismekanismit. Työssä osoitetaan, että kun integroidaan käsitevuodon havaitseminen ennustemallinnukseen, voidaan lisätä ennusteiden tehokkuutta. Toiseksi työssä kehitettiin pilvilaskentaan perustuva hajautettu dataputkiarkkitehtuuri, joka tukee datan keruuta, datan analysointia, käsitevuodon havaitsemista ja muita reaaliaikaiseen mallintamiseen tarvittavia datankäsittelymekanismeja. Lisäksi kehitettiin reunalaskentaan perustuva hajautettu dataputkijärjestelmä mikrodatakeskuksineen laskennallisesti raskaita datakäsittelytehtäviä varten. Ehdotetut dataputket ovat vikasietoisia, ne voidaan skaalata saumattomasti ja ne tukevat erä- ja reaaliaikaista käsittelyä sekä kolmansien osapuolten sovellusintegraatioita.

Kokonaisuudessaan työssä kehitetyt menetelmät suoriutuvat nykyisiä ratkaisuja paremmin reaalimaailman käyttötapausten toteuttamisessa. Lopuksi käsitellään avoimet kysymykset sekä tulevaisuuden haasteet käsitevuodon havaitsemisen ja reaalimaailman sovellettavuuden suhteen.