Improving Sustainability of Smart Cities through Visualization Techniques for Big Data from IoT Devices

Mejora de la sostenibilidad de las ciudades inteligentes mediante técnicas de visualización para Big Data procedente de dispositivos IoT

Clicks: 401
ID: 113823
2020
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #25 of 275 articles by views in sustainability

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 275 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Fostering sustainability is paramount for Smart Cities development. Lately, Smart Cities are benefiting from the rising of Big Data coming from IoT devices, leading to improvements on monitoring and prevention. However, monitoring and prevention processes require visualization techniques as a key component. Indeed, in order to prevent possible hazards (such as fires, leaks, etc.) and optimize their resources, Smart Cities require adequate visualizations that provide insights to decision makers. Nevertheless, visualization of Big Data has always been a challenging issue, especially when such data are originated in real-time. This problem becomes even bigger in Smart City environments since we have to deal with many different groups of users and multiple heterogeneous data sources. Without a proper visualization methodology, complex dashboards including data from different nature are difficult to understand. In order to tackle this issue, we propose a methodology based on visualization techniques for Big Data, aimed at improving the evidence-gathering process by assisting users in the decision making in the context of Smart Cities. Moreover, in order to assess the impact of our proposal, a case study based on service calls for a fire department is presented. In this sense, our findings will be applied to data coming from citizen calls. Thus, the results of this work will contribute to the optimization of resources, namely fire extinguishing battalions, helping to improve their effectiveness and, as a result, the sustainability of a Smart City, operating better with less resources. Finally, in order to evaluate the impact of our proposal, we have performed an experiment, with non-expert users in data visualization.
Fomentar la sostenibilidad es primordial para el desarrollo de las ciudades inteligentes. Recientemente, las ciudades inteligentes se han visto beneficiadas por el auge del Big Data procedente de dispositivos IoT, lo que ha propiciado mejoras en la monitorización y la prevención. Sin embargo, los procesos de monitorización y prevención requieren de técnicas de visualización como un componente clave. En efecto, para prevenir posibles riesgos (como incendios, fugas, etc.) y optimizar sus recursos, las ciudades inteligentes precisan de visualizaciones adecuadas que aporten información estratégica a los responsables de la toma de decisiones. No obstante, la visualización de Big Data siempre ha representado un desafío, especialmente cuando dichos datos se generan en tiempo real. Este problema se acrecienta aún más en entornos de ciudades inteligentes, ya que se debe lidiar con diversos grupos de usuarios y múltiples fuentes de datos heterogéneas. Sin una metodología de visualización adecuada, los cuadros de mando complejos que integran datos de diversa naturaleza resultan difíciles de comprender. Con el fin de abordar esta problemática, proponemos una metodología basada en técnicas de visualización para Big Data, orientada a mejorar el proceso de recopilación de evidencias mediante la asistencia a los usuarios en la toma de decisiones en el contexto de las ciudades inteligentes. Asimismo, para evaluar el impacto de nuestra propuesta, se presenta un estudio de caso basado en llamadas de servicio dirigidas a un cuerpo de bomberos. En este sentido, nuestros hallazgos se aplicarán a datos procedentes de llamadas ciudadanas. De este modo, los resultados de este trabajo contribuirán a la optimización de recursos, concretamente de los batallones de extinción de incendios, ayudando a mejorar su eficacia y, en consecuencia, la sostenibilidad de una ciudad inteligente, al operar mejor con menos recursos. Por último, con el fin de evaluar el impacto de nuestra propuesta, hemos llevado a cabo un experimento con usuarios no expertos en visualización de datos.
Reference Key
lavalle2020sustainabilityimproving Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Ana Lavalle, Miguel A. Teruel, Alejandro Maté, Juan Trujillo, Ana Lavalle, Miguel A. Teruel, Alejandro Maté, Juan Trujillo
Are you one of these authors? Claim your profile
Journal sustainability
Year 2020
DOI
10.3390/su12145595
URL
https://doi.org/10.3390/su12145595
Keywords
artificial intelligence methodology Internet of Things smart city big data analytics data visualization dashboards artificial intelligence methodology Internet of Things smart city big data analytics data visualization dashboards

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.