Projekt

Obecné

Profil

Specifikace » Historie » Verze 26

Jakub Vašta, 2020-04-08 11:53

1 1 Martin Šebela
h1. Specifikace
2 2 Martin Šebela
3 12 Martin Šebela
h2. Stakeholders
4
5
* *členové týmu:* Tomáš Ballák, Petr Hlaváč, Jakub Vašta, Martin Šebela
6
* *zákazník:* Přemek Brada
7
* *mentor:* Petr Pícha
8
* *uživatelé:* univerzita, veřejnost
9
10 4 Martin Šebela
h2. Zadání
11
12 14 Martin Šebela
ZČU v rámci projektu podpořeným 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.
13 2 Martin Šebela
14 3 Martin Šebela
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:
15 2 Martin Šebela
16
h2. Zpracovávaná data
17
18 22 Martin Šebela
* data o *připojení uživatelů* k *drátové a bezdrátové síti* (Wi-Fi) na ZČU
19 5 Martin Šebela
* data dostupná ze *snímačů JIS karet* (parkoviště, pokladny v menze aj.)
20 2 Martin Šebela
* data týkající se *půjčování koloběžek* na ZČU
21
22
h2. Vizualizace dat
23
24 6 Martin Šebela
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).
25 2 Martin Šebela
26 16 Martin Šebela
Je třeba podotknout, že datové sady obsahují pouze data *zpětně*, aplikace tedy *nebude zobrazovat data v reálném čase*, nicméně toto může částečně řešit predikce dat (viz dále).
27
28 1 Martin Šebela
h2. Predikce dat
29 2 Martin Šebela
30 11 Martin Šebela
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).
31 1 Martin Šebela
32 11 Martin Šebela
Predikce může vzhledem k aktuálnímu počtu dat dosahovat slabších výsledků, ale od machine learning si slibujeme, že se s rostoucím data setem bude lepšit.
33 1 Martin Šebela
34
h2. Využitelnost a cíle
35
36
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).
37
38
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...).
39
40 15 Martin Šebela
Informace získané z těchto dat mohou být navíc použity pro další architektonické a stavební úpravy (kam má *smysl investovat*, kde se lidé srocují, kde by mělo smysl posílit signál apod.).
41 13 Martin Šebela
42 17 Martin Šebela
Z důvodu, že vybrané datové sady neobsahují data v reálném čase, je možné v aplikaci využívat jako přibližnou náhradu *predikci pohybu* (viz související bod).
43
44 13 Martin Šebela
h2. Datové sady v budoucnu
45 1 Martin Šebela
46 17 Martin Šebela
Bude snaha, aby aplikace *v budoucnu zveřejněná data* (nové datové sady se postupně uvolňují po několika měsících) *automaticky stahovala* a vkládala do databáze (tzn. přidávala nové záznamy k již v databázi vedeným AP a jiným snímačům). Ohled bude také brán na *rozšiřitelnost* při přidávání dalších datových sad.
47
48
S tímto bodem se nicméně *pojí rizika* zmíněná dále.
49 13 Martin Šebela
50
h2. Rizika
51
52
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.
53 7 Martin Šebela
54 14 Martin Šebela
h2. Produkční prostředí
55
56 22 Martin Šebela
Výstupem bude *webová aplikace* (z větší části *responzivní*), která bude nasazena na *virtuálním stroji* na CIV ZČU, popř. na přiděleném virtuálním stroji na KIV FAV ZČU.
57 8 Martin Šebela
58 7 Martin Šebela
h2. Nástřel projektu
59
60 9 Martin Šebela
_Poznámka:_ schéma *neznázorňuje grafický návrh*, pouze čtenáři ukazuje to, co je předmětem projektu, aby měl na první pohled jasno
61
62 7 Martin Šebela
!https://students.kiv.zcu.cz:3443/attachments/download/1969/campus_heatmap.png!
63 18 Petr Hlaváč
64
h2. Technická specifikace projektu
65 21 Petr Hlaváč
66 20 Petr Hlaváč
Schéma znázorňuje strukturu projektu, její provázanost a použité technologie.
67 21 Petr Hlaváč
68 19 Petr Hlaváč
!https://students.kiv.zcu.cz:3443/attachments/download/2006/ASWI_spec_prj.png!
69 23 Petr Hlaváč
70 25 Petr Hlaváč
*Schéma databáze:*
71 23 Petr Hlaváč
72 24 Petr Hlaváč
!https://students.kiv.zcu.cz:3443/attachments/download/2016/Navrh%20DB.png!
73 26 Jakub Vašta
74
h3. Architerkutra applikace
75
76
!https://students.kiv.zcu.cz:3443/attachments/download/2016/open-data-architecture.png!
77
78
# Konfigurační soubory
79
# Parser konfiguračních souborů
80
# Crawler
81
# Open data web úložiště
82
# Cron
83
# Data processor open dat
84
# Log soubory se zpětnou vazbou