A general approach to value identification of large scale geospatial data

Nowadays, most mobile devices continuously record information as geospatial data. Thanks to the advent of the Internet of Things, they are gradually dominating the big data sector. An application that collects this kind of data is SmartRoadSense, a mobile app that has been developed with the aim of collecting geospatial data relative to the roads travelled while driving a car. One of the main problems with geospatial data is the ability to effectively perform analytics on them. There are two main causes: the distribution in space (since they can be recorded at any point on the earth) and the distribution over time (they gradually lose value over time). Therefore, if the increase in volume represents a challenge for storing, managing and processing operations (mostly technical aspects), on the other hand, the analysis, visualisation and veracity represent an even greater challenge because there is no way to be able to quantify the effort required to understand its value. The purpose of this work is to propose a general approach that attempts to help the operator understand the distribution of geospatial data (without shape limits) in space and time starting from customised metrics with the implicit goal of revealing its value.

Oggi la maggior parte dei dispositivi mobili registra continuamente informazioni come dati geo-spaziali. Grazie all’avvento dell’Internet delle Cose, essi stanno gradualmente dominando il settore dei big data. Un’applicazione che si occupa di collezionare questo genere di dati è SmartRoadSense, un app mobile che è stata sviluppata con lo scopo di collezionare dati geo-spaziali relativamente alle strade percorse mentre si sta guidando un auto. Uno dei principali problemi relativamente ai dati geo-spaziali è la capacità di fare analytics in maniera efficace su di essi. Due sono le cause principali: la distribuzione nello spazio (dal momento che possono essere registrati in qualsiasi punto del globo) e la distribuzione nel tempo (essi perdono progressivamente valore con il passare del tempo). Pertanto, se l’aumento di volume rappresenta una sfida per le operazioni di memorizzazione, gestione e trattamento (perlopiù aspetti tecnici), dall’altro lato l’analisi, visualizzazione e veracità rappresentano una sfida ancora più grande perché non c’è alcun modo di poter quantificare lo sforzo necessario per comprenderne il valore. Lo scopo di questo lavoro è proporre un approccio generale che tenti di aiutare l’operatore nel comprendere la distribuzione dei dati geo-spaziali (senza limiti di forma) nello spazio e nel tempo a partire da metriche personalizzate con l’obbiettivo implicito rivelarne il valore.