A survey of people movement analytics studies in the context of smart cities

Abstract

With the advent of the newest emergency call mandates in US and Europe, with the advances in cellular-based and WiFi-based localization solutions, and with the developments of cloud computing and web-based social networks, the location information and movement-related data is becoming easier and easier to collect from the user mobile devices and from the user cloud data and it is more and more used in a variety of Location Based Services and for various network planning and management tasks. The last decade has seen significant research efforts dedicated to analyze the user location and movement data, to extract mobility patterns and features and to use the predicted patterns for a more efficient resource allocation and for better location-based services. In the context of what is called today 'the smart city', user mobility and location data are becoming key components of the smart city architecture and applications. The goal of this paper is to give a compact and comprehensive overview of the challenges and solutions related to collecting, storing, analyzing, visualizing, using or distributing people's movement data and to summarize the purposes of such data in the context of the smart cities and the Internet of Things.

Mobile data usage in urban transport research

“…Подробный анализ моделей, которые могут быть использованы для описания городской мобильности с учётом трёх общепринятых показателей: распределение мест посещения, расстояние поездок, количество посещенных мест в течение суток. Обзор подходов которые используются для обработки таких данных содержится в работе [7]. Авторами представлены виды выявляемых социальных связей, формируемых на основе анализа информации предоставляемой мобильными компании.…”

“…В последнее десятилетие было выполнено множество исследований, посвященных изучению моделей мобильности пользователей и определению законов, описывающих передвижения людей в городском пространстве [4][5][6]. Существуют комплексные обзорные работы по различным аспектам анализа данных о мобильности пользователей [7]. Предлагаемые методы, касаются как анализа паттернов движения жителей, так и обработки данных пользователей на основе определения их местоположения, включая описание соответствующих европейских и международных хранилищ подобной информации [8].…”

Energy-Efficient Cooperative Spectrum Sensing Based on Stochastic Programming in Dynamic Cognitive Radio Sensor Networks

“…However, mobility of nodes -an essential issue in mobile networks for IoT applications [22], [23] and Internet of Mobile Things environments [24], [25]-modifies the network topology dynamically, which in turn will limit the application of reported static solutions regarding sensor selection for CSS. Static approaches posed in [13]- [21] are insufficient to extend the network lifetime in dynamic CRSN due to the inherent assumption of constant distances from each sensor node to the FC and the PU nodes.…”