ASWI - Pokročilé softwarové inženýrství » ASWI 2020 » Aplikace nad otevřenými daty (KIV) – BHVS

h1. Specifikace

h2. Stakeholders

* *členové týmu:* Tomáš Ballák, Petr Hlaváč, Jakub Vašta, Martin Šebela

* *zákazník:* Přemek Brada

* *mentor:* Petr Pícha

* *uživatelé:* univerzita, veřejnost

h2. Zadání

ZČU v rámci projektu podpořené organizací CESNET nabídlo *volně k dispozici* několik *datových sad open dat*. Na schůzce z 10. 3. 2020 pro lokální IT správce fakult bylo řečeno, že projekt bude mít své pokračování a v tuto chvíli ZČU uvítá projekty, která data budou využívat.

Smyslem námi navrženého zadání je využít některé z dostupných datových sad, přičemž *podle provedené analýzy* v rámci _0. iterace_ se jedná o následující datové sady:

h2. Zpracovávaná data

* data o *připojení uživatelů* k přístupovým bodů *Wi-Fi* (access pointy) na ZČU

* data dostupná ze *snímačů JIS karet* (parkoviště, pokladny v menze aj.)

* data týkající se *půjčování koloběžek* na ZČU

h2. Vizualizace dat

Data z těchto datových sad budou zanesena do mapy formou nové vrstvy, tzv. *heatmapy nad mapovým pokladem* (např. nad mapovým pokladem _OpenStreetMap_, popř. _GoogleMaps_), přičemž *uživatel si bude moct přehrát* (animovat) den na ZČU po vhodně zvolených *časových intervalech* formou *časové osy* (minimálně po jednotlivých hodinách).

h2. Datové sady v budoucnu

Bude snaha, aby aplikace *v budoucnu zveřejněná data* (nové datové sady se uvolňují postupně po několika měsících) *automaticky stahovala* a vkládala do databáze (tzn. přidávala nové záznamy k již v databázi vedeným AP a jiným snímačům). S tímto bodem se nicméně pojí rizika zmíněná dále.

h2. Rizika

Bohužel neovlivníme období, během kterých nemusí být data k dispozici (v důsledku *výpadku externích systémů* na straně dodavatele dat), případnou *změnu formátu* těchto dat nebo dokonce *změnu metodiky sledování, resp. logování*. V takovém případě bude nutné provést v aplikaci úpravy.

h2. Predikce dat

V aplikaci bude možné *predikovat pohyb studentů* pomocí technik umělé inteligence formou lineární regrese (model by mohl být natrénován vždy z několika předchozích tydnů pro každý den zvlášť, přičemž bude potřeba brát v úvahu změny semestru a například první týden nového semestru modely vymazat a na týden predikci nezobrazovat).

Predikce může vzhledem k aktuálnímu počtu dat dosahovat slabších výsledků, ale od machine learning si slibujeme, že se s rostoucím data setem bude lepšit.

h2. Využitelnost a cíle

Aplikace může poukázat na postupný průběh semestru (například postupné odcházení studentů prvních ročníků), ostatně ukazovat *průběh jednoho dne v univerzitním kampusu a u kolejí* (resp. tam, kam dosáhne Wi-Fi či jsou zabudované jiné z uvedených snímačů).

Stejně tak může poukázat na různé *anomálie*, které byly už v rámci provedené analýzy zjištěny (například návrat studentů z nočních akcí na koleje (vstup do kolejí je přes JIS snímač), pohyb po univerzitě a bufetech v nočních hodinách...).

Informace získané z těchto dat mohou být navíc použity pro další architektonické a stavební úpravy (kam má *smysl investovat*, kde se lidé srocují apod.).

h2. Produkční prostředí

Aplikace bude nasazena pravděpodobně na virtuálním stroji na CIV ZČU, popř. na přiděleném virtuálním stroji na KIV FAV ZČU. _Poznámka:_ bude upřesněno zákazníkem

h2. Nástřel projektu

_Poznámka:_ schéma *neznázorňuje grafický návrh*, pouze čtenáři ukazuje to, co je předmětem projektu, aby měl na první pohled jasno

!https://students.kiv.zcu.cz:3443/attachments/download/1969/campus_heatmap.png!