Orquestração de Dados para Computação Urbana por meio da Computação em Névoa

• Processo: 18/23126-3
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de setembro de 2019
• Data de Término da vigência: 31 de outubro de 2020
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Leandro Aparecido Villas
• Beneficiário: Maycon Leone Maciel Peixoto
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 15/24494-8 - Comunicação e processamento de big data em nuvens e névoas computacionais, AP.TEM
• Bolsa(s) vinculada(s): 19/24938-4 - Redução de dados de fluxo de tráfego através da FOG computing, BE.EP.PD
• Assunto(s): Computação em nuvem Sistemas distribuídos Computação urbana Big data
• Palavra(s)-Chave do Pesquisador: big data | Computação em Névoa | Computação em Nuvem | Computação Urbana | Orquestração de Dados | Sistemas de transporte inteligentes | Sistemas Distribuídos

Resumo

Na Computação Urbana, os diversos sensores presentes em um Sistema de Transporte Inteligente podem produzir muitos dados que são difíceis de processar, analisar e armazenar mesmo para a Computação em Nuvem. Assim, surge a utilização do paradigma da Computação em Névoa, como uma extensão da Computação em Nuvem, para realizar os serviços diretamente na extremidade da rede, provendo baixa latência e computação em tempo real. A Névoa pode continuar armazenando e processando os dados para tomada de decisões, mesmo que de forma autônoma, independentemente do estado da infraestrutura da Nuvem. Desse modo, esse projeto visa fomentar pesquisas na Computação em Nuvem, sob o ângulo da Computação em Névoa, através do estudo, proposição e avaliação de técnicas que buscam contribuir com o estado-da-arte na questão fundamental dos dados produzidos a partir de um Sistema de Transporte Inteligente. O objetivo geral deste projeto é reduzir o volume de dados e aumentar a relevância dos dados enviados para a Nuvem. Para isso, será desenvolvido um mecanismo para responder as requisições de serviços de forma que ocorra a orquestração coordenada de dados, identificando qual parte da carga de dados será tratada por recursos de computação na borda e qual parte será tratada pela Nuvem. Por fim, salienta-se que essa proposta está vinculada ao projeto temático financiado pela FAPESP (processo: 2015/24494-8).

Publicações científicas

(6)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MACIEL PEIXOTO, MAYCON LEONE; GENEZ, THIAGO A. L.; BITTENCOURT, LUIZ F.. Hierarchical Scheduling Mechanisms in Multi-Level Fog Computing. IEEE TRANSACTIONS ON SERVICES COMPUTING, v. 15, n. 5, p. 14-pg., 2022-09-01. (18/23126-3, 15/24494-8)

PEIXOTO, MAYCON L. M.; CRUZ, EDSON M.; MAIA, ADRIANO H. O.; SANTOS, MARIESE C. A.; LOBATO JUNIOR, WELLINGTON, V; VILLAS, LEANDRO A.; IEEE. Exploiting Fog Computing with an Adapted DBSCAN for Traffic Congestion Detection System. 2020 IEEE 92ND VEHICULAR TECHNOLOGY CONFERENCE (VTC2020-FALL), v. N/A, p. 5-pg., 2020-01-01. (18/23126-3, 15/24494-8)

LOBATO JUNIOR, WELLINGTON; DE SOUZA, ALLAN M.; PEIXOTO, MAYCON L. M.; ROSARIO, DENIS; VILLAS, LEANDRO; IEEE. A Cache Strategy for Intelligent Transportation System to Connected Autonomous Vehicles. 2020 IEEE 92ND VEHICULAR TECHNOLOGY CONFERENCE (VTC2020-FALL), v. N/A, p. 5-pg., 2020-01-01. (18/23126-3, 15/24494-8)

PEIXOTO, M. L. M.; MAIA, A. H. O.; MOTA, E.; RANGEL, E.; COSTA, D. G.; TURGUT, D.; VILLAS, L. A.. A traffic data clustering framework based on fog computing for VANETs. VEHICULAR COMMUNICATIONS, v. 31, OCT 2021. (18/23126-3, 15/24494-8)

RODRIGUES, DIEGO O.; MAIA, GUILHERME; BRAUN, TORSTEN; LOUREIRO, ANTONIO A. F.; PEIXOTO, MAYCON L. M.; VILLAS, LEANDRO A.. Exploring Hybrid-Multimodal Routing to Improve User Experience in Urban Trips. APPLIED SCIENCES-BASEL, v. 11, n. 10, MAY 2021. (18/23126-3, 18/19639-5, 18/12447-3, 15/24494-8, 20/11259-9)

PEIXOTO, M. L. M.; MOTA, E.; MAIA, A. H. O.; LOBATO, W.; SALAHUDDIN, M. A.; BOUTABA, R.; VILLAS, L. A.. FogJam: A Fog Service for Detecting Traffic Congestion in a Continuous Data Stream VANET. Ad Hoc Networks, v. 140, p. 15-pg., 2023-03-01. (18/23126-3, 19/19105-3, 15/24494-8)