As processors' clock-speed flattened out in the early 2000s, multi-core processors became more prevalent and so did parallel programming. However this programming paradigm introduces additional complexities, and to combat this, the SkePU framework was created. SkePU does this by offering a single-threaded interface which executes the user's code in parallel in accordance to a chosen computational pattern. Furthermore it allows the user themselves to decide which parallel backend should perform the execution, be it OpenMP, CUDA or OpenCL. This modular approach of SkePU thus allows for different hardware to be used without changing the code, and it currently supports CPUs, GPUs and clusters. This thesis presents a new so-called SkePU-backend made for clusters, using the communication library GPI. It demonstrates that the new backend is able to scale better and handle workload imbalances better than the existing SkePU-cluster-backend. This is achieved despite it performing worse at low node amounts, indicating that it requires less scaling overhead. Its weaknesses are also analyzed, partially from a design point of view, and clear solutions are presented, combined with a discussion as to why they arose in the first place.

Modern stream processing engines usually use the Java virtual machine (JVM) as execution platform. The JVM increases portability and safety of applications at the cost of not fully utilising the performance of the physical machines. Being able to use hardware accelerators such as GPUs for computationally heavy analysis of data streams is also restricted when using the JVM. The project Continuous Deep Analytics (CDA) explores the possibility of a stream processor executing native code directly on the underlying hardware using Rust. Rust is a young programming language which can statically guarantee the absence of memory errors and data races in programs without incurring performance penalties during runtime. Rust is built on top of LLVM which gives Rust a theoretical possibility to compile to a large set of target platforms. Each specific target platform does however require a specific configured runtime environment for Rust’s compiler to work properly. The CDA compiler will run in a distributed setting where the compiler has to be able to reallocate to different nodes to handle node failures. Setting up a reassignable Rust compiler in such a setting can be error prone and Docker is explored as a solution to this problem. A concurrent thread based system is implemented in Scala for building Docker images and compiling Rust in containers. Docker shows a potential of enabling easy reallocation of the driver without manual configuration. Docker has no major effect on Rust’s compile time. The large Docker images required to compile Rust is a drawback of the solution. They will require substantial network traffic to reallocate the driver. Reducing the size of the images would therefore make the solution more responsive. / Moderna strömprocessorer använder vanligtvis Javas virtuella maskin (JVM) som plattform för exekvering. Det gör strömprocessorerna portabla och säkra men begränsar hur väl de kan använda kapaciteten i den underliggande fysiska maskinen. Att kunna använda sig av hårdvaruaccelerator som t.ex. grafikkort för tung beräkning och analys av dataströmmar är en anledning till varför projektet Continuous Deep Analytics (CDA) utforskar möjligheten att istället exekvera en strömprocessor direkt i den underliggande maskinen. Rust är ett ungt programmeringsspråk som statiskt kan garantera att program inte innehåller minnesfel eller race conditions", detta utan att negativt påverka prestanda vid exekvering. Rust är byggt på LLVM vilket ger Rust en teoretisk möjlighet att kompilera till en stor mängd olika maskinarkitekturer. Varje specifik maskinarkitektur kräver dock att kompileringsmiljön är konfigurerad på ett specifikt sätt. CDAs kompilator kommer befinna sig i ett distribuerat system där kompilatorn kan bli flyttad till olika maskiner för att kunna hantera maskinfel. Att dynamiskt konfigurera kompilatorn i en sådan miljö kan leda till problem och därför testas Docker som en lösning på problemet. Ett trådbaserat system för parallell exekvering är implementerat i Scala för att bygga Docker bilder och kompilera Rust i containrar. Docker visar sig att ha en potential för att möjliggöra lätt omallokering av drivern utan manuell konfiguration. Docker har ingen stor påverkan på Rusts kompileringstid. De stora storlekarna på de Docker bilder som krävs för att kompilera Rust är en nackdel med lösningen. De gör att om allokering av drivern kräver mycket nätverkstrafik och kan därför ta lång tid. För att göra lösningen kvickare kan storleken av bilderna reduceras.

Denna studie ger förslag på hur metoden Getis Ord Gi* kan användas för att analysera geografiskt data, hitta mönster och visualisera resultatet. I studien ges också förslag på hur ingångsvärden till metoden bör väljas och hur de påverkar den resulterande visualiseringen. Metoden kan användas till att analysera ett antal incidenter eller ärenden som är utspridda över ett större geografiskt område. Metoden skulle då kunna användas till att ge svar på om det förekommer problemområden (kluster) av något slag inom området. Istället för att fokusera på varje enskilt fall skulle det då gå att samordna insatser i de områdena och till exempel få en kostnadseffektivare hantering. De ingångsvärden som har undersökts är storlek på sökfönster samt metod för aggregering av data. Som testdata i studien används trädärenden inkomna till Gävle kommun under åren 2010-2013. De frågeställningar som besvaras är: 1) Hur påverkas den resulterande visualiseringen av klusteranalysen om punktdata aggregeras som sammanfallande punkter, överlagras mot ett rutnät eller överlagras mot stadsdelspolygoner? 2) Hur påverkas den resulterande visualiseringen av klusteranalysen om sökfönstrets storlek väljs så att endast varje punkts omedelbara närområde tas med eller om storleken sätts så att varje punkt har minst en granne inom sökfönstret? 3) Hur bör parametrarna aggregering av data och storlek på sökfönster väljas för att visualisera kluster i storleken kvarter till stadsdel? Resultatet visar att det är viktigt att verkligen tänka igenom vilken fråga som ska besvaras med Getis Ord Gi* analysen och välja ingångsvärden efter frågan. Den här studien ger exempel på flera typfall och rekommendationer för hur värden bör väljas i de olika fallen. I fallet med testdatat visar resultatet att metod B1 (Överlagring av punkter mot ett rutnät och en sökfönsterradie på 300 meter) ger den tydligaste visualiseringen. Aggregeringen mot rutnät gör att effekten av många punkter på enstaka adresser jämnas ut och kluster i storleksordningen kvarter framträder tydligt. Diskussionen belyser hur effekter som befolkningstäthet och studieområdets geografi kan komma att påverka resultatet. / In this study, suggestions are given for how the method Getis Ord Gi* can be used to analyze geographic data, find patterns and visualize results. Guidelines are also given for selecting parameters and how the parameters affect the visualization of the results. The method can be used to analyze the number of incidents spread over a large geographic area. The method allows users to identify concentrations of incidents. By focusing on concentrations instead of single incidents, municipalities and other agencies can more effectively respond to the needs of its citizens. The parameters that have been evaluated are search window distance band and the aggregation of data. Citizen service requests to the municipality of Gävle regarding trees during the years 2010 to 2013 have been used as test data. The research questions are as follows: 1) How is the visualization of the results affected if data is aggregated as coincident points, overlaid on a grid or overlaid on district polygons? 2) How is the visualization of the results affected if search window distance band is selected to incorporate only near surrounding points or to set to a distance where every point has at least one neighbor? 3) How should the parameters data aggregation and search window distance band be set to visualize data clusters by the size of blocks up to districts? The findings of this study emphasize the importance of selecting parameters based on the question at hand. Several cases and guidelines for selecting parameters are outlined. The results show that method B1 (data overlaid on a grid and a search window distance band of 300 meters) gives the clearest visualization of clusters for the test data. Data overlaid on grid smoothers the effect of many incidents on single addresses and the resulting clusters are about the size of city blocks. The discussion part emphasizes how effects as the population density and the geography in the study area may affect the reulting visualisation.

Denna rapport behandlar en undersökning av olika lastbalanseringsalgoritmer i Linux Virtual Server. Undersökningen har gjorts i ett webbkluster (Apache var webbservern som användes) med tre heterogena noder, där operativsystemet var den detalj som skiljde dem åt. Operativsystemen som ingick i undersökningen var Windows Server 2008 R2, CentOS 6.2 och FreeBSD 9.0. De faktorer som undersöktes mellan de olika algoritmerna var klustrets genomsnittliga svarstid vid olika belastning och hur många anslutningar som kunde hanteras av klustret, detta gjordes med verktyget httperf. Undersökningen ger svar på hur ett heterogent webbklusters genomsnittligasvarstid och arbetskapacitet kan skilja sig åt beroende på vilken algoritm som används för lastbalansering. Resultatet visar att den genomsnittliga svarstiden håller sig låg tills en hastig stigning inträffar. Shortest Expected Delay och Weighted Least-Connection Scheduling kunde hantera störst antal anslutningar. / This report covers an investigation of different load balancing algorithms in Linux Virtual Server. The investigation was done in a web cluster (with Apache as the software being used) consisting of three heterogeneous nodes, where the operating system was the detail that differentiated the nodes. The operating systems that were used in the investigation were Windows Server 2008 R2, CentOS 6.2 and FreeBSD 9.0. The factors examined were average response time at different load and how many connections the cluster could cope with, these factors were examined by measurements taken with the tool httperf. The investigation gives an answer to how a heterogeneous web clustersaverage response time and working capacity can be affected by the choice of load balancing algorithm. The result shows that the average response time stays low until a sudden rise occurs. Shortest Expected Delay and Weighted Least-Connection Scheduling could handle the largest number of connections.

Syfte: Att undersöka huruvida scenkonstkompanier bildar industrispecifika kluster som ger upphov till gemensamma fördelar och därmed kan höja den konstnärliga kvaliteten.  Metod: En kvantitativ enkätundersökning bland aktiva svenska scenkonstkompanier som analyserats genom principalkomponentanalys. Slutsatser: Det tycks finnas ett kluster av scenkonstverksamhet i Stockholm. Klustret inkluderar dock inte alla kompanier som finns på platsen, vilket indikerar att scenkonst inte är ett bra begrepp för att avgränsa kluster. Genre, professionalitetsgrad och närvaron av en konstnärlig ledare som inte också ingår i ensemblen tycks vara viktiga faktorer för att förstå vilka verksamheter som bildar gemensamma kluster. / Purpose: To determine whether the Performing Arts form industry specific clusters that share positive externalities and improve artistic quality. Method: A quantitative study based on a survey among active Swedish performing arts companies, analyzed by means of a Principal Components’ Analysis. Results: A cluster of Performing Arts’ companies seems to exist in Stockholm. However, the cluster does not include all Performing Arts’ activities present in the area, indicating that Performing Arts is not a good delineator of the specific activities prone to form a common cluster. Genre, professionality and the presence of an Artistic Director who doesn’t take part in the ensemble seem to be important factors to predict liability to form local clusters.

Syfte: Syftet med denna uppsats är att undersöka hur företag inom besöksnäringen i Stockholms skärgård samarbetar och om samarbete kan leda till längre säsonger. Samt huruvida de statligt finansierade utvecklingsprojekten i skärgården bidragit till längre säsonger enligt de undersökta företagen. Metod: I denna studie har en kvalitativ metod i form av semi-strukturerade intervjuer används för insamling av empiri. Sex företag på två skärgårdsöar har intervjuats och används som empiriskt huvudmaterial men även en intervju som gjorts med Värmdö kommun har fått ligga till grund för en del av det empiriska materialet. Slutsatser: Det har under studien framkommit att samarbete mellan lokala aktörer är en viktig del i utvecklingen av destinationen. Samarbetet är inte bara en del i utvecklingen utan kan också vara en hjälp till att förlänga säsongerna. Utvecklingsprojekten har enligt företagarna som intervjuats ej gynnat dem. Det framgår att företagarna anser att det är de själva som måste jobba hårt om de ska se någon förändring. / Purpose: The purpose of this paper is to investigate how companies in the tourism industry in the Stockholm archipelago cooperate and whether cooperation can lead to longer seasons. As well as if the state-funded development projects in the archipelago have contributed to longer seasons according to the investigated companies. Methodology: In this study, a qualitative method in the form of semi-structured interviews has been used for the gathering of empirical data. Six companies on two archipelago islands have been interviewed and used as main empirical material, but an interview with Värmdö municipality has also formed the basis for some of the empirical material. Conclusions: During this study, it has been found that cooperation between local actors is an important part of the development of the destination. Not only is the cooperation a part of the destination development, it can also help extend the season. According to the interviewees, the development projects have not benefited them. It is apparent that the entrepreneurs believe that they themselves that must work hard for any change to happen.

The development of a mega project in relation with its local proximity is a major challenge in urban planning. This study explores young residents’ perceptions of Paris-Saclay, France, an academic mega cluster in the south of Paris. The intent is to understand the role an academic mega project can play in the reduction of social inequalities at a local scale, among young residents. Research about mega projects and academic clusters in relation to the local environment is a growing research field in planning research. To explore young residents’ perceptions is however an underexplored issue, but of high relevance considering that young French people face growing inequalities reflected in the urban fabric. An empirical study has been carried out to explore young people’s perceptions and attitudes towards the project by conducting focus group discussions in high schools inside and nearby the area of the academic cluster. The results show that the geographical proximity does not influence the respondents’ perceived connection to the academic cluster to a greater extent, rather, it is the respondents’ personal social relations that are the key point to create a sense of connection to the academic cluster. Future planning actions may be oriented towards improving the communication of the project and to offer various networks between the academic cluster and the young population. Such initiatives will not "solve" social segregation but are seen as measures to improve the situation for young residents within the planner's responsibilities.

In recent decades, numerous prominent scholars have highlighted the fact that small and medium sized firms in general, and new technology-based firms in particular, represent an important source of innovation and economic growth. The success of new technology-based firms is further argued to be closely linked to innovation capacity and performance, which in turn depends on the context in which the company is located. This study investigates how contextual factors affect the performance of new technology-based firms in Sweden. This was done through a multiple case study, where a data set of 48 new technology-based firms were analysed both quantitatively and qualitatively. The quantitative analysis outlined correlations between the firms’ context and their respective change in market value over time. The qualitative analysis examined these correlations in more detail by evaluating how firms were affected by specific contextual factors. This analysis was based on semi-structured interviews conducted with a sample of 11 firms from the data set. The result indicates that firms located in metropolitan cities and university cities, on average, have a higher proportion of high-performing firms compared to firms from other cities. Stockholm further stands out with the highest proportion of firms among the top performing firms and the lowest proportion of firms among the bottom performing firms. The result further highlights three main contextual factors that were consistently emphasised by interviewees as being particularly important for their firm performance; these factors were local access to 1) skilled and specialisedworkforce followed by 2) risk capital and finally 3) customer proximity. / Under de senaste decennierna har många framstående forskare konstaterat att små och medelstoraföretag i allmänhet, och nya teknikbaserade företag i synnerhet, utgör en viktig källa till innovation och ekonomisk tillväxt. Nya teknikbaserade företags framgång anses vidare vara nära sammankopplat med deras innovationskapacitet och prestation, som i sin tur har visat sig bero på den kontext som företaget befinner sig i. Denna studie undersöker hur kontextuella faktorer påverkar företagsprestationen för nya teknologibaserade företag i Sverige. Detta gjordes genom en flerfallstudie, där en datamängd på 48 nya teknikbaserade företag analyserades både kvantitativt och kvalitativt. Den kvantitativa analysen undersökte samband mellan vilken kontext företagen befunnit sig i och hur deras respektive marknadsvärde förändrats över tid. Den kvalitativa analysen utforskade sedan dessa samband mer ingående genom att utvärdera hur företagen påverkats avspecifika kontextuella faktorer. Denna analys grundades på semi-strukturerade intervjuer med elva företag från datamängden. Resultatet indikerar att företag belägna i storstäder och universitetsstäder i genomsnitt har en högre andel högpresterande företag jämfört med företag från andra stadstyper. Stockholm utmärker sig vidare med den högsta andelen företag bland de bäst presterande företagen i datasetet, och den lägsta andelen företag bland de sämst presterande företagen. Resultatet belyser vidare tre huvudsakliga kontextuella faktorer som konsekvent betonades vara bland de viktigaste för företagets prestation; dessa faktorer motsvarade lokaltillgång till 1) skicklig och specialiserad arbetskraft följt av 2) riskkapital och slutligen 3) kundnärhet.

This thesis explores the feasibility of clustering mixed data and unevenly spaced time series for customer segmentation. The proposed method implements the Gower dissimilarity as the local distance function in dynamic time warping to calculate dissimilarities between mixed data time series. The time series are then clustered with k−medoids and the clusters are evaluated with the silhouette score and t−SNE. The study further investigates the use of a time warping regularisation parameter. It is derived that implementing time as a feature has the same effect as penalising time warping, andtherefore time is implemented as a feature where the feature weight is equivalent to a regularisation parameter. The results show that the proposed method successfully identifies clusters in customer transaction data provided by Nordea. Furthermore, the results show a decrease in the silhouette score with an increase in the regularisation parameter, suggesting that the time at which a transaction occurred might not be of relevance to the given dataset. However, due to the method’s high computational complexity, it is limited to relatively small datasets and therefore a need exists for a more scalable and efficient clustering technique. / Denna uppsats utforskar klustring av ojämnt fördelade tidsserier med numeriska och kategoriska variabler för kundsegmentering. Den föreslagna metoden implementerar Gower dissimilaritet som avståndsfunktionen i dynamic time warping för att beräkna dissimilaritet mellan tidsserierna. Tidsserierna klustras sedan med k-medoids och klustren utvärderas med silhouette score och t-SNE. Studien undersökte vidare användningen av en regulariserings parameter. Det härledes att implementering av tid som en egenskap hade samma effekt som att bestraffa dynamic time warping, och därför implementerades tid som en egenskap där dess vikt är ekvivalent med en regulariseringsparameter.  Resultaten visade att den föreslagna metoden lyckades identifiera kluster i transaktionsdata från Nordea. Vidare visades det att silhouette score minskade då regulariseringsparametern ökade, vilket antyder att tiden transaktion då en transaktion sker inte är relevant för det givna datan. Det visade sig ytterligare att metoden är begränsad till reltaivt små dataset på grund av dess höga beräkningskomplexitet, och därför finns det behov av att utforksa en mer skalbar och effektiv klusteringsteknik.

A challenge to release autonomous vehicles to public roads is safety verification of the developed features. Safety test driving of vehicles is not practically feasible as the acceptance criterion is driving at least 2.1 billion kilometers [1]. An alternative to this distance-based testing is the scenario-based approach, where the intelligent vehicles are exposed to known scenarios. Identification of such scenarios from the driving data is crucial for this validation. The aim of this thesis is to investigate the possibility of unsupervised identification of driving scenarios from the driving data. The task is performed in two major parts. The first is the segmentation of the time series driving data by detecting changepoints, followed by the clustering of the previously obtained segments. Time-series segmentation is approached using a Deep Learning method, while the second task is performed using time series clustering. The work also includes a visual approach for validating the time-series segmentation, followed by a quantitative measure of the performance. The approach is also qualitatively compared against a Bayesian Nonparametric approach to identify the usefulness of the proposed method. Based on the analysis of results, there is a discussion about the usefulness and drawbacks of the method, followed by the scope for future research. / En utmaning att släppa autonoma fordon på allmänna vägar är säkerhetsverifiering av de utvecklade funktionerna. Säkerhetstestning av fordon är inte praktiskt genomförbart eftersom acceptanskriteriet kör minst 2,1 miljarder kilometer [1]. Ett alternativ till denna distansbaserade testning är det scenaribaserade tillväga-gångssättet, där intelligenta fordon utsätts för kända scenarier. Identifiering av sådana scenarier från kördata är avgörande för denna validering. Syftet med denna avhandling är att undersöka möjligheten till oövervakad identifiering av körscenarier från kördata. Uppgiften utförs i två huvuddelar. Den första är segmenteringen av tidsseriedrivdata genom att detektera ändringspunkter, följt av klustring av de tidigare erhållna segmenten. Tidsseriesegmentering närmar sig med en Deep Learningmetod, medan den andra uppgiften utförs med hjälp av tidsseriekluster. Arbetet innehåller också ett visuellt tillvägagångssätt för att validera tidsserierna, följt av ett kvantitativt mått på prestanda. Tillvägagångssättet jämförs också med en Bayesian icke-parametrisk metod för att identifiera användbarheten av den föreslagna metoden. Baserat på analysen av resultaten diskuteras metodens användbarhet och nackdelar, följt av möjligheten för framtida forskning.