Lantmäteriet arbetar med att säkra ägandet av fastigheter och att tillgängliggöra geo data tillsamhället. Enheten för Geografisk information samlar in en stor mängd geografiskaobjekttyper exempelvis väg, vandringsled och camping. Vissa av dessa samlas in med hjälpav flygbildstolkning medan andra objekt samlas in genom att information hämtas från internetgenom kontakter med intresseorganisation eller ute i fältet. Enheten brukar lägga mycket tidpå att identifiera objekt som är svåra att tolka i flygbilder. En sådan process kallas förflygbildstolkning och är den största produktionslinjen för att uppdatera Sveriges kartor medgeografisk information. Rapporten beskriver crowdsourcing och möjligheterna som finns meddet arbetet och hur det bidrar till Lantmäteriet. Potentiella objekt som kan samlas från allmäneller antigen riktad crowdsoucing och hur detta kan underlätta för Lantmäteriet är huvudsyftetmed rapporten.Via crowdsourcing kan till exempel aktörer som inte är anställda på företaget bidra till attförbättra kvaliteten på den geografiska informationen hos Lantmäteriet. Det kan vara såvälprivatpersoner som professionella yrkesmän som gör detta på sin fritid. Det finns flera typerav crowdsourcing, därmed är målet att fördjupa sig i ämnet och redogöra för potentiellamöjligheter för Lantmäteriet att använda sig av crowdsourcing på olika sätt som effektiviserardet egna arbetet för den topografiska enheten. Rapporten tar även upp hur olika länder arbetarmed topografisk crowdsourcing inom detta område, i detta fall är Länder Schweiz, Hollandoch Frankrike för att kunna få inspiration av deras arbete och eventuella framgångar. Utöverandra länder jämförs även några kommuner i syfte att ta reda på om de arbetar medcrowdsourcing inom detta område eller inte, och om de gör det, hur de gör. I rapporten tas 6frågeställningar upp och som även besvaras längre ner i rapporten för att kunna få en tydligarebild av det hela. För att kunna få dessa frågeställningar har Lantmäteriets Wiki, som är eninformationssida som innehåller både äldre och nyare studier av crowdsourcing somLantmäteriet har gjort, använts som både underlag, stöd och inspiration. Rapporten tar ävenupp om Lantmäteriet ska ha en öppen eller direkt crowdsourcing, eller kanske både och, samtvarför just den lösningen passar bäst för verksamheten.

One of the fundamental challenges in Internet-of-Things systems is that network environment is always changing. Conventional networking approaches do not consider the dynamic evaluation of the networks or consider the network dynamic as a mirror thing, which may not be able to work or has a low efficiency in the Internet-of-Things systems. This dissertation is uniquely built by considering the dynamic network environment and even taking advantage of the network dynamic to improve the network performances, with a focus on the routing and offloading issues. The first part is related to the routing design in the opportunistic mobile networks. The opportunistic mobile network is expected to be an intrinsic part of the Internet of Things. Devices communicate with each other autonomously without any centralized control and collaborate to gather, share, and forward information in a multi-hop manner. The main challenge in opportunistic mobile networks is due to intermittent connection and thus data is delivered through store-carry-forwarding paradigm. In this dissertation, We found an observation regarding the contact duration and proposed efficient data partitioning routing algorithms in the opportunistic mobile networks. The second part is related to the offloading issues in the Internet-of-things systems. With the surging demand on high-quality mobile services at any time, from anywhere, how to accommodate the explosive growth of traffics with/without existing network infrastructures is a fundamental issue. Specifically, We consider three different offloading problems, i.e., cellular data offloading, cloud task offloading, and mobile worker task offloading problems in vehicular networks, cloud, and crowdsourcing platforms. The common issue behind them is how to efficiently utilize the network resources in different scenarios by design efficient scheduling mechanisms. For the cellular data offloading, We explored the trade-off of cellular offloading in the vehicular network. For the cloud task offloading, We conducted the research to adjust the offloading strategies wisely so that the total offloading cost is minimized. For the worker task offloading in the smart cities, We optimized the cost-efficiency of the crowdsourcing platforms. / Computer and Information Science