Los puntos clave no están disponibles para este artículo en este momento.
Con el continuo incremento del volumen y tamaño de las ciudades, están surgiendo rápidamente una serie de unidades urbanas relacionadas con el tráfico (por ejemplo, vehículos, carreteras, edificios, etc.), lo que representa una carga pesada para el control científico del tráfico en las ciudades inteligentes. En esta situación, se está convirtiendo en una necesidad utilizar los datos de los sensores de las numerosas cámaras desplegadas en los cruces de la ciudad para una predicción precisa del flujo de tráfico. Sin embargo, los datos de los sensores de tráfico a menudo están distribuidos y almacenados por diferentes organizaciones o partes con cero confianza, lo que obstaculiza significativamente el intercambio de datos de sensores entre múltiples partes debido a preocupaciones de privacidad. Por lo tanto, se requieren esfuerzos desafiantes para equilibrar la compensación entre el intercambio de datos y la privacidad de los mismos para habilitar la fusión y predicción de datos de tráfico entre organizaciones. A la luz de este desafío, proponemos un enfoque de predicción del flujo de tráfico preciso basado en LSH (hashing sensible a la localidad) con la capacidad de proteger la privacidad. Finalmente, a través de una serie de experimentos realizados en un conjunto de datos de tráfico del mundo real, demostramos la viabilidad de nuestra propuesta en términos de precisión y eficiencia de la predicción, al tiempo que garantizamos la privacidad de los datos de los sensores.
Wang et al. (Mon,) estudiaron esta cuestión.