Edoardo Di Pietro – “Virtual Influencer vs Umano: Rubiamo il lavoro all’AI”
progetto di architetture
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23. E il tutto potrebbe essere sviluppato sulla piattaforma j2ee in modo da avere le informazione fruibili attraverso una semplice interfaccia web con gestione di notifiche simile al sistema feed rss o facebook (facebook gestisce la ricezione di informazioni via sms). Le scelte effettuate sono giustificate dal fatto che i dati da eleaborare sebbene possano essere in grande quantità, possono essere facilmente modellati come semplici stringhe o array di stringhe, che sono ottimamente gestite e con costi accettabili con le scelte fatte.
24. CASE STUDY Si vuole abilitare l'accesso ai dati del sistema PRA al sistema SRT qui in analisi. Il fine ultimo di questa integrazione è il recupero dei dati personali del possessore di un veicolo di cui si conosce la targa e di cui è stata segnalata dal sistema SRT un infrazione del codice della strada a una certa data. il recupero di tali dati, consentirà ai fruitori dei servizi di SRT di produrre una congrua contravvenzione e di inviare alla destinatario corretto tale contravvenzione. E' chiaro fin dalle prime battute che i punti cruciali di questa integrazione saranno la precisione dei dati personali e la sicurezza con cui si potrà fruire di questo servizio.
25.
26.
27.
28.
29.
30. Si hanno i seguenti schemi: Varco( idVarco , posizione); FlussoTraffico( idFlussoVarco , idVarco , timestamp, timestampPrimaFotocellula, timestampSecondaFotocellula); Centralina( idCentralina , latitudine, longitudine); DatoAmbientale( idDatoAmbientale , idTipo , idCentralina , data, timestamp, concentrazione); Vogliamo una view che mappi i dati di traffico di una certa posizione e i dati ambientali registrati presso quella posizione il tutto in un dato periodo di tempo.
31. Varco( idVarco , posizione); FlussoTraffico( idFlussoVarco , idVarco , timestamp, timestampPrimaFotocellula, timestampSecondaFotocellula); Centralina( idCentralina , latitudine, longitudine); DatoAmbientale( idDatoAmbientale , idTipo , idCentralina , data, timestamp, concentrazione); TipoDatoAmbientale( idTipo , nome, concentrazioneSoglia); Select count(ft.idFlussoTraffico) from FlussoTraffico ft, Varco v where ft.idVarco = v.idVarco and v.posizione = 'x' and ft.timestamp between 'hh:mm' and 'hh:mm' Select avg(da.concentrazione), tda.nome, c.latitudine, c.longitudine, da.timestamp trunc 1 from DatoAmbiente da, Centralina c, TipoDatoAmbientale tda where c.idCentralina = da.idCentralina and c.latitudine between 'x-200' and 'x+200' and c.longitudine between 'x-200' and 'x+200' and da.timestamp between 'hh:mm' and 'hh:mm' and da.idTipo = tda.idTipo and tda.nome='tipo' group by (tutti i campi)
32. Select 0 as concentrazione, count(ft.idFlussoTraffico) as flusso_traffico from FlussoTraffico ft, Varco v where ft.idVarco = v.idVarco and v.posizione = 'x' and ft.timestamp between 'hh:mm' and 'hh:mm'; (S1) Select da.concentrazione as concentrazione, tda.nome as nome, c.latitudine as latitudine, c.longitudine as longitudine, (da.timestamp as 'hh') as ora, 0 as flusso_traffico from DatoAmbiente da, Centralina c, TipoDatoAmbientale tda where c.idCentralina = da.idCentralina and c.latitudine between 'x-200' and 'x+200' and c.longitudine between 'x-200' and 'x+200' and da.timestamp between 'hh:mm' and 'hh:mm' and da.idTipo = tda.idTipo and tda.nome='tipo';(S2)
33. Create view as AnalisiStatistica( Select sum(concentrazione) as Concentrazione, sum(flusso_traffico)FlussoTraffico, max(nome) as tipo, max(latitudine) as lat, max(longitudine) as long, max(ora) as ora , from S1 union S2); Con i vincoli di integrità inseriti a monte si ottiene una vista exact, che è l'unica cosa ammissibile per studi di carattere matematico/statistico. I parametri di posizione e ora vanno impostati a monte.
34. AnalisiStatistica(ora, nome, lat,long,data, Concentrazione,FlussoTraffico); Interrogazione: Quantità di PM10 nella zona navigli alle ore 10 del giorno 20/1/2011. Prima di procedere con al query sulla vista è necessario tradurre zona navigli in coordinate geografiche (uso google maps). Select * from AnalisiStatistica where lat = 'x' and long = 'y' and ora = 't' and data = '20/01/2011 as dd/MM/yyyy' and tipo = 'PM10'; I campi lat long data e tipo avranno bisogno dell'unfolding sulle tabelle di S2, mentre flussoTraffico su S1.
35. I problemi di questa integrazione potrebbero essere la diversa modellazione dei campi che localizzano le centraline studiate, i campi relativi alle tempistiche, qui per semplicità indicati con timestamp, (se un db è oracle uno mySql, non è detto che abbiano gli stessi valori reali). Detto questo si prevede di creare un'integrazione di tipo EAI, che risolve a monte questi problemi di compatibilità istruendo il sistema con una procedura di interpretazione prestabilita, ogni volta che viene lanciata la ruotine di analisi dei dati ambientali.