Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Azevedo, Leonildo José de Melo de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Internet das coisas
Internet of things
IoT
Meta-heurísticas
Meta-heuristics
Optimization
Otimização
QoD
QoS
Qualidade de dados
Quality of data
Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-28052025-140437/
Resumo: The Internet of Things (IoT) comprises \"things\" such as tiny sensors and actuators capable of interacting with the environment. The integration of these devices with sensor networks and Internet access enables communication between the physical world and cyberspace, fostering solutions to many real-world problems. However, most existing applications focus on solving specific issues using private sensor networks, limiting the full potential of the IoT. Additionally, these applications often overlook the quality of service provided by the sensor networks and their constituent sensors, leading to the collection of inaccurate or irrelevant data that can significantly harm organizations. This doctoral thesis presents a metaheuristic-based solution for precise analysis of data quality and infrastructure in IoT environments, specifically focusing on environmental sensing. Using the U.S. Environmental Protection Agency (EPA) database as a case study, we demonstrate how spatial and temporal data granularity analysis can aid in optimizing the deployment and reordering of environmental sensors. This type of analysis helps identify blind spots and unmapped areas, suggesting changes in sensor locations to improve coverage and data quality. By clarifying the relationship between environmental sensing and IoT, this work contributes to the discussion on enhancing sensor networks effectiveness, ensuring more reliable environmental monitoring within the IoT framework.
id USP_024995fece4530ccec03c868fd34fab8
oai_identifier_str oai:teses.usp.br:tde-28052025-140437
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Spatial and Temporal Granularity in Environmental Data Analysis for IoT ApplicationsGranularidade Espacial e Temporal na Análise de Dados Ambientais para Aplicações de IoTInternet das coisasInternet of thingsIoTIoTMeta-heurísticasMeta-heuristicsOptimizationOtimizaçãoQoDQoDQoSQoSQualidade de dadosQuality of dataThe Internet of Things (IoT) comprises \"things\" such as tiny sensors and actuators capable of interacting with the environment. The integration of these devices with sensor networks and Internet access enables communication between the physical world and cyberspace, fostering solutions to many real-world problems. However, most existing applications focus on solving specific issues using private sensor networks, limiting the full potential of the IoT. Additionally, these applications often overlook the quality of service provided by the sensor networks and their constituent sensors, leading to the collection of inaccurate or irrelevant data that can significantly harm organizations. This doctoral thesis presents a metaheuristic-based solution for precise analysis of data quality and infrastructure in IoT environments, specifically focusing on environmental sensing. Using the U.S. Environmental Protection Agency (EPA) database as a case study, we demonstrate how spatial and temporal data granularity analysis can aid in optimizing the deployment and reordering of environmental sensors. This type of analysis helps identify blind spots and unmapped areas, suggesting changes in sensor locations to improve coverage and data quality. By clarifying the relationship between environmental sensing and IoT, this work contributes to the discussion on enhancing sensor networks effectiveness, ensuring more reliable environmental monitoring within the IoT framework.A Internet das Coisas (IoT) é composta por \"coisas\" como pequenos sensores e atuadores capazes de interagir com o ambiente. A integração desses dispositivos com redes de sensores e acesso à Internet permite a comunicação entre o mundo físico e o ciberespaço, promovendo soluções para muitos problemas do mundo real. No entanto, a maioria das aplicações existentes concentra-se em resolver problemas específicos usando redes de sensores privadas, limitando o potencial total da IoT. Além disso, essas aplicações muitas vezes negligenciam a qualidade de serviço fornecida pelas redes de sensores e seus sensores constituintes, levando à coleta de dados imprecisos ou irrelevantes que podem prejudicar significativamente as organizações. Esta tese de doutorado apresenta uma solução baseada em metaheurísticas para análise precisa da qualidade de dados e infraestrutura em ambientes de IoT, com foco específico no sensoriamento ambiental. Utilizando a base de dados da Agência de Proteção Ambiental dos EUA (EPA) como estudo de caso, demonstramos como a análise da granularidade espacial e temporal dos dados pode auxiliar na otimização da implantação e reordenamento de sensores ambientais. Esse tipo de análise ajuda a identificar pontos cegos e áreas não mapeadas, sugerindo mudanças nas localizações dos sensores para melhorar a cobertura e a qualidade dos dados. Ao esclarecer a relação entre o sensoriamento ambiental e a IoT, este trabalho contribui para a discussão sobre o aprimoramento da eficácia das redes de sensores, garantindo um monitoramento ambiental mais confiável dentro do contexto da IoT.Biblioteca Digitais de Teses e Dissertações da USPEstrella, Júlio CezarAzevedo, Leonildo José de Melo de2025-03-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/55/55134/tde-28052025-140437/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2025-05-28T17:19:01Zoai:teses.usp.br:tde-28052025-140437Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212025-05-28T17:19:01Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
Granularidade Espacial e Temporal na Análise de Dados Ambientais para Aplicações de IoT
title Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
spellingShingle Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
Azevedo, Leonildo José de Melo de
Internet das coisas
Internet of things
IoT
IoT
Meta-heurísticas
Meta-heuristics
Optimization
Otimização
QoD
QoD
QoS
QoS
Qualidade de dados
Quality of data
title_short Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
title_full Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
title_fullStr Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
title_full_unstemmed Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
title_sort Spatial and Temporal Granularity in Environmental Data Analysis for IoT Applications
author Azevedo, Leonildo José de Melo de
author_facet Azevedo, Leonildo José de Melo de
author_role author
dc.contributor.none.fl_str_mv Estrella, Júlio Cezar
dc.contributor.author.fl_str_mv Azevedo, Leonildo José de Melo de
dc.subject.por.fl_str_mv Internet das coisas
Internet of things
IoT
IoT
Meta-heurísticas
Meta-heuristics
Optimization
Otimização
QoD
QoD
QoS
QoS
Qualidade de dados
Quality of data
topic Internet das coisas
Internet of things
IoT
IoT
Meta-heurísticas
Meta-heuristics
Optimization
Otimização
QoD
QoD
QoS
QoS
Qualidade de dados
Quality of data
description The Internet of Things (IoT) comprises \"things\" such as tiny sensors and actuators capable of interacting with the environment. The integration of these devices with sensor networks and Internet access enables communication between the physical world and cyberspace, fostering solutions to many real-world problems. However, most existing applications focus on solving specific issues using private sensor networks, limiting the full potential of the IoT. Additionally, these applications often overlook the quality of service provided by the sensor networks and their constituent sensors, leading to the collection of inaccurate or irrelevant data that can significantly harm organizations. This doctoral thesis presents a metaheuristic-based solution for precise analysis of data quality and infrastructure in IoT environments, specifically focusing on environmental sensing. Using the U.S. Environmental Protection Agency (EPA) database as a case study, we demonstrate how spatial and temporal data granularity analysis can aid in optimizing the deployment and reordering of environmental sensors. This type of analysis helps identify blind spots and unmapped areas, suggesting changes in sensor locations to improve coverage and data quality. By clarifying the relationship between environmental sensing and IoT, this work contributes to the discussion on enhancing sensor networks effectiveness, ensuring more reliable environmental monitoring within the IoT framework.
publishDate 2025
dc.date.none.fl_str_mv 2025-03-10
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/55/55134/tde-28052025-140437/
url https://www.teses.usp.br/teses/disponiveis/55/55134/tde-28052025-140437/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1844786350076723200

Registros relacionados