• rete sociale
• tracce di co-locazione
• mobile edge computing
• misure di centralità
• mobile crowdsensing
• algoritmi di rilevamento di comunità

I modelli architetturali di Mobile Edge Computing (MEC) consentono la trasmissione di grandi quantita' di dati dal cloud verso i punti in cui le informazioni sono realmente richieste ed utilizzate, in prossimita' degli utenti, e viceversa. La combinazione tra MEC e Mobile Crowdsensing (MCS) consente un notevole aumento delle prestazioni delle piattaforme per la raccolta di informazioni, traendo vantaggio dalle capacita' di elaborazione e memorizzazione di dati proprie dei dispositivi mobili e indossabili. In questo lavoro si analizzano vari modelli architetturali MEC composti da edge fissi e edge mobili. L'obiettivo e' quello di ottimizzare la condivisione dei contenuti tra dispositivi e cloud, selezionando gli edge in base alla mobilita' e alla socialita' degli utenti. A tal proposito, si presenta e valuta un algoritmo per identificare il miglior insieme di edge mobili e si dimostra come tale modalità di selezione aumenti le prestazioni di un sistema di condivisione di dati. Le simulazioni sono basate su ParticipAct, un dataset contenente le tracce di mobilita' di circa 170 utenti, raccolte in un arco temporale di 18 mesi. Gli esperimenti avvalorano il concetto per cui il numero di richieste soddisfatte dagli edge mobili e' maggiore di quello delle richieste evase da edge fissi. Ne deriva che gli edge mobili possono essere considerati validi elementi da affiancare agli edge fissi in un sistema ibrido e un'alternativa plausibile a questi ultimi in quanto, a differenza degli edge fissi, gli edge mobili non richiedono costi di installazione e manutenzione; inoltre, migliorano notevolmente la qualita' del servizio offerto.