Herpubliceren van linked data event streams voor interdependentie in tijdsreeksen

Student:Lucas Derveaux
Richting:Master of Science in de industriële wetenschappen: informatica
Abstract:Steden willen weten hoe druk het is in bepaalde delen van de stad. Deze masterproef onderzoekt wat er nodig is om dat doel te bereiken. Om accurate voorspellingen te kunnen maken over het aantal mensen dat in een bepaald gebied zullen zijn op een bepaald moment. Om dit te doen zonder iemand zijn privacy te schenden wordt er gebruik gemaakt van open data en wordt de nieuwe gecreerde data opnieuw als open data gepubliceerd. Bijhorend bij deze masterproef is een tool ontwikkeld die in staat is om Linked Data Event Streams in te lezen, verwerken, fragmenteren en nieuwe Linked Data Event Streams te creëren die gemaakt zijn om onderlinge afhankelijkheid te onderozeken tussen tijdsreeksen.
Abstract (Eng):Cities want to know how busy certain parts of the city are. This masters dissertation investigates what is needed in order to complete that goal. To make accurate forecasting about the amount of people that will be in a certain area at a certain time. In order to do this without violating anyone’s privacy, open data is used and republished. The right data needs to be collected to be able to make accurate forecasting. Within this dissertation a tool is developed to be able to read, process, fragment and republish Linked Data Event Streams for interdependency research within time series.