Κατάλογος Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Χριστόδουλου Καμπάνη 

με θέμα

Σύστημα Ενδοδικτυακού Εντοπισμού Συχνών Μονοπατιών με χρήση Τεχνολογιών RFID και Ασύρματων Δικτύων Αισθητήρων
A System for In-Network Hot Motion Path Detection over RFID and Sensor Network Technologies

Εξεταστική Επιτροπή
Επίκουρος Καθηγητής Νικόλαος Γιατράκος (επιβλέπων)
Καθηγητής Άγγελος Μπλέτσας 
Αναπληρωτής Καθηγητής Νικόλαος Μπεκιάρης-Λυμπέρης 

Περίληψη
Σε έναν διασυνδεδεμένο κόσμο όπως ο σημερινός, τεράστιοι όγκοι δεδομένων διακινούνται μέσω δικτύων ακολουθώντας ποικίλες διαδρομές, δημιουργώντας έναν τεράστιο όγκο ροής πληροφορίας. Στη σύγχρονη εποχή της πληροφορίας, όπου η ταχύτητα είναι κρίσιμη και οι καθυστερήσεις μπορεί να είναι επιζήμιες, η ανάγκη για αποδοτική επεξεργασία δεδομένων είναι επιτακτική. Η επίτευξη αποδοτικότητας απαιτεί ισορροπία μεταξύ χρήσης πόρων, ακρίβειας και ταχύτητας επεξεργασίας. Αυτή η ανάγκη οδηγεί στην αναζήτηση τεχνικών data compression που διατηρούν τις κρίσιμες πληροφορίες μειώνοντας ταυτόχρονα το transmission overhead. Μία από τις πιο απαιτητικές εφαρμογές βρίσκεται στα road networks, όπου οι δρόμοι σχηματίζουν τη δομή του δικτύου και τα κινούμενα αντικείμενα αντιπροσωπεύουν τη συνεχή ροή πληροφορίας.
Η παρούσα εργασία παρουσιάζει έναν distributed algorithm βασισμένο στο MinHashing για τον εντοπισμό hot motion edges  και hot motion paths στο road network, μειώνοντας το communication cost χωρίς να θυσιάζει την ακρίβεια των δεδομένων. Στόχος του συστήματος μας ειναι η real-time traffic analysis, αναδεικνύοντας ταυτόχρονα τις ισορροπίες ανάμεσα στην συμπίεση των δεδομένων , την ακρίβεια εντοπισμού και την αποδοτικότητα της επικοινωνίας.
Τα αποτελέσματα συμβάλλουν στην ανάπτυξη scalable, αποκεντρωμένων συστημάτων παρακολούθησης κυκλοφορίας, δίνοντας λύσεις σε προκλήσεις όπως η συμπίεση των δεδομένων, η προστασία ιδιωτικότητας και η αποδοτική μετάδοση πληροφορίας.

Abstract 
In today’s interconnected world, vast amounts of data traverse networks along diverse paths, generating an immense flow of information. In this fast-paced information age, where speed is paramount and delays can be detrimental, the demand for efficient data processing has reached unprecedented levels. Achieving efficiency requires balancing resource utilization with accuracy and processing speed. This necessity drives the pursuit of data compression techniques that preserve critical information while reducing
transmission overhead. One of the most demanding applications of this principle is in road networks, where roads form the network structure, and moving objects represent the continuous flow of information.
This work introduces a distributed algorithm based on MinHashing to identify frequent road network edges and hot motion paths, reducing communication costs while preserving data accuracy. By leveraging RFID-enabled motes, the algorithm efficiently compresses data for real-time traffic analysis, highlighting trade-offs between detection accuracy and communication efficiency. 
These findings contribute to scalable, decentralizedtraffic monitoring systems, addressing challenges in data compression, privacy, and transmission efficiency.