Työtehtävän tunnistaminen ajoneuvodatasta

Abstract

Esineiden Internet mahdollistaa uudenlaisen, tehostetun tiedonkeruun ja sen analytiikan sekä isoista että pienistä järjestelmistä. Tämä avaa uusia liiketoimintamahdollisuuksia. Työssä tutkitaan, miten työtehtäviä voidaan klassifioida traktorin reaaliaikaisesta ajodatasta. Keskeinen haaste on relevantin tiedon valinta ja siirto traktorista. Tutkielmassa käsitellään klassifioinnin perusalgoritmeja sillä tarkkuudella, että niiden perusajatus tulee ilmi. Tämä auttaa parhaan algoritmin valinnassa sulautettuun ympäristöön, jossa resurssit ovat vähäiset. Tuloksena on kolmen eri työtehtävän tehokas erottelu.

Internet of Things allows a new, enhanced data analytics from both small and large systems. This brings new business possibilities. The objective of this study is to build a model that classifies work tasks efficiently from real time data. The central problem is the selection and transmission of relevant data from the vehicle. Some of the most important classification algorithms are covered in the basics to get an overview of what is suitable for the task. Appropriate algorithm in an embedded system with minimal resources is desirable. As a result, an efficient classification between three different work tasks is found.