حجت الله حمیدی

شهر هوشمند در سال های اخیر، شکل جدیدی از توسعه زندگی را نمایان کرده است و به عنوان یک رویکرد مؤثر برای رسیدن به مدیریت بهتر شهری مطرح شده است. ازنظر مفهومی در این نوع از شهر ها اثرات متقابل بین تکنولوژی های نو، سازمان دهی های جدید و سیاست های نوین سازنده ی شهرهای هوشمند به صورت سیستم اجتماعی و فنی مجتمع شده اند. هدف شهر هوشمند، تحقق بخشیدن به یکپارچگی خدمات شهری، کسب وکار، حمل ونقل، آب، انرژی و سایر زیرسیستم های شهری از طریق ترکیب و تحلیل داده های جمع آوری شده از طریق سنسورها و فناوری اطلاعات و ارتباطات است. در این مقاله، یک ساختار ترکیبی با استفاده از تجزیه وتحلیل و پردازش داده توسط ابر و فناوری اینترنت اشیا برای توسعه و مدیریت شهرهای هوشمند و برنامه ریزی های شهری، پیشنهاد می گردد. علاوه بر این، یک ارزیابی از گسترش و آنالیز حسگرها و هدف از ساخت شهر هوشمند و همچنین تکنولوژی هایی پشتیبان در این نوع از شهرها را بررسی شده است. مطالعه حاضر به تعریف و بررسی اجمالی داده های بزرگ و اینترنت اشیاء و رایانش ابری پرداخته، سپس چالش ها و محدودیت های موجود را شناسایی می کند ساختارمدل ارائه شده دارای 3 سطح می باشد که لایه اول وظیفه جمع آوری منابع داده های بزرگ و تولید محتوا را دارد. لایه دوم مسئول ارتباط بین سنسورها و تقویت آن ها بوده و مدیریت اطلاعات و پردازش داده ها را با استفاده از معماری Hadoop انجام می دهد. لایه سوم مسئول برنامه های کاربردی و نحوه استفاده از نتایج و داده های تحلیلی است. پیاده سازی این سیستم شامل مراحل مختلفی است که از تولید، جمع آوری، یکپارچه سازی، طبقه بندی، پردازش، محاسبه و تصمیم گیری در مورد اطلاعات می شود؛ بر اساس اطلاعات و تحلیل های جمع آوری شده و معماری سیستم موردنظر، سیستم با استفاده از Hadoop تک نوده در Ubuntu 14.04 LTS و با پردازنده های 3.2 GHZ x4 و مموری 4 گیگابایت توسعه پیدا کرده است. نهایتاً این مقاله سبب ایجاد راه جدیدی درزمینه اینترنت اشیا شده است که در آن داده ها با استفاده از دستگاه ها و حسگرها از موقعیت های جغرافیایی مختلف جمع شده و با استفاده از یک سیستم جدید طراحی شده و محاسبات ا بری سرویس های مختلف در یک شهر مورد تجزیه وتحلیل قرار می دهد و موجب تصمیم گیری هوشمند برای مدیریت شهر هوشمند و ایجاد رفاه شهروندان می شود.

اینترنت اشیا یک راه حل جدید، در ارتباطات از راه دور بین اشیا است. سه بعد اصلی امنیت داده ها در اینترنت اشیا شامل محرمانگی، یکپارچگی و در دسترس بودن است. یکی از ابزارهای بسیار پراهمیت در مدیریت اینترنت اشیا استفاده از فناوری بیومتریک (زیست سنجی) می باشد. از سیستم های زیست سنجی در حوزه های مختلف فناوری اطلاعات استفاده می شود. همچنین در این زمینه به ابزاری نیاز داریم که هویت اشخاص را شناسایی کند و بر اساس ویژگی های بدن اشخاص آن ها را بازشناسی کند؛ بنابراین استفاده از ویژگی های زیست سنجی در کاربردهای اینترنت اشیا بسیار ضروری احساس می شود. تشخیص سریع برخط، در اینترنت اشیا موجب ظهور استاندارد جدیدی در استفاده از زیست سنجی می باشد. در این مقاله برای برای مدیریت تشخیص سریع برخط در اینترنت اشیا، به معرفی استاندارد جدیدی جهت استفاده از زیست سنجی در اینترنت اشیا پرداخته شده است که به جزییات آن پرداخته می شود. از نتایج به دست آمده مشاهده می شود که زیست سنجی اثرانگشت، دارای بالاترین اولویت نسبت به سایر تکنیک های زیست سنجی برلای استفاده در اینترنت اشیا است، و در عین حال که پایین ترین هزینه برای پیاده سازی را داشته و سطح امنیت بالایی را برای مدیریت سیستم برقرار می کند.

با توجه به حجم عظیم داده های جمع آوری شده در سازمان ها و سیستم های نگهداشت و مدیریت اطلاعات که سبب شکل گیری انبار داده های بسیار بزرگ شده، نیاز به استخراج الگو از متون هر روز بیشتر احساس می شود. متن کاوی یکی از مهم ترین روش ها در استخراج الگوی مناسب است که به وسیله اقتباس یا استخراج دانش از مجموعه ای از داده ها به اهداف سازمان ها بسیار کمک می کند. این روش ها همچنین می توانند افق جدیدی را برای تجارت و حفاظت از مالکیت معنوی آثار نویسندگان به وجود آورند. در این مقاله با رویکردی جدید به کشف الگوهای متنی جهت سازماندهی و تجزیه و تحلیل هوشمند متن می پردازیم. هدف اصلی، به کارگیری الگوی مناسب در جهت حفظ آثار نویسندگان، محققان و اسناد متنی است. با توجه به حجم آثار نویسندگان و سیستم های مدیریت اسناد، حجم اطلاعات در دسترس نیز به شدت افزایش یافته است. برای کشف دانش موجود در این داده ها، که منفعت زیادی را برای کاربران اطلاعات به دنبال دارد، روش های خاصی مورد نیاز است که در حوزه داده کاوی به آن پرداخته شده است. بخش اعظم این داده های در دسترس به صورت متنی و بدون ساختار یا نیمه ساختارمند هستند که برای استفاده از آن ها می توان علاوه بر روش های مورد استفاده در داده کاوی، از فناوری هایی مانند پردازش زبان طبیعی، تجزیه و تحلیل هوشمند و علم آمار بهره گرفت.