پیام رسان بله
جستجو
ارائه راهکارهای مبتنی بر مسیریابی ccrبمنظورکاهش تاخیر درحمل ونقل شهری دربستراینترنت اشیا
زهره سعادت زینی1
چکیده :
در حوزه حمل و نقل سه شاخه حمل و نقل زمینی، هوایی و ریلی تعریف می شود که در آنها اتصال دستگاه های کم مصرفی می تواند منافع مالی برای سازمان ها و راحتی برای مصرف کنندگان به ارمغان آورند. اغلب کشورها و شهرها با مشکلات و چالش هایی در زمینه حمل و نقل مواجه هستند. برای نمونه یافتن فضای پارک در یک شهر شلوغ می تواند زمان بر شده و خود موجب گره های ترافیکی شود. نصب یک حسگر که می تواند جای پارک های خالی را نمایش دهد می تواند به رانندگان در یافتن سریعتر این فضاهای خالی پارک، به مقامات محلی و مسئولان پارکینگ ها در بهره وری بیشتر، اعمال قانون بهتر و حتی درآمد بهتر کمک کند. سیستم های حمل و نقل ریلی و هوایی نیز زیرساخت های گسترده و پیچیده ای با دامنه گسترده ای از تجهیزات دارند.برای مثال ایستگاه های راه آهن و ترمینال های فرودگاه ها از دامنه گسترده ای از علائم دیجیتال، از بوردهای اطلاع رسانی گرفته تا بوردهای تبلیغاتی استفاده می کنند؛ اتصال این دستگاه ها به شبکه متصل به اینترنت اشیا می تواند امکان به روز رسانی منظم اطلاعات را فراهم کرده و امکان تشخیص سریعتر مشکلات و کاهش هزینه-های نگهداری را میسر سازد. اینترنت اشیا بیش از پیش سرعت نوآوری در حوزه حمل و نقل را افرایش داده است، بویژه برای وسایل نقلیه شخصی و تجاری که هر روزه رانده می¬شود و شاید زمانی نگذرد که بتوان خودروها را دستگاه های هوشمند چرخ دار نامید.
در بسیاری از موارد، داده هایی که برای یک برنامه کاربردی جمع آوری شده اند، به شدت همپوشانی دارند و می توانند در حین انتقال، ترکیب شده یا به طور مشترک پردازش شوند. به عنوان مثال، خواندن ترکیب چندین سنسور مربوط به یک رویداد فیزیکی مشابه. چنین پروسه جمع¬آوری داده¬ها می¬تواند کل پیام¬های ارسال شده توسط لینک¬های گران¬قیمت بی¬سیم را کاهش دهد که تأثیر قابل توجهی بر مصرف انرژی و همچنین بهره وری کل شبکه دارد. از سوی دیگر، بسته های غیر مجاز ممکن است به سادگی از نقطه نظر پردازش جمع نشده باشند. یک مسئله مهم در جمع آوری داده ها، تعیین یک جریان اطلاعات بهینه و توپولوژی ارتباطی است تا بتواند به طور موثر مسیر داده های همبسته را به گره های پردازش در نظر گرفته شده در شبکه متصل کند. این کار همان مفهوم فناوری مسیریابی محتوا محوری (CCR) است که به منظور کاهش تاخیر در حمل و نقل شهری مورد استفاده قرار می¬گیرد.به وسیله‌ی مسیریابی داده‌های بهم مرتبط به گره‌های رله میانی برای پردازش، جمع‌آوری داده‌ها با سرعت بالاتری می‌تواند به دست آید، از این رو ترافیک در شبکه به طور موثری کاهش می‌یابد. در نتیجه، کاهش قابل توجهی را در زمان تاخیر می‌توان به دست آورد. علاوه بر این، انتقال داده‌های تکراری پس ازجمع‌آوری داده‌ها می‌تواند حذف شود که عمدتا مصرف انرژی صرف شده بر روی ارتباطات بی‌سیم را کاهش داده و در نتیجه در عمر باتری صرفه‌جویی می شود.
کلمات کلیدی : ccr rpl زمانبندی پویا شبکه ها باتوان پایین وبااتلاف
زبان مقاله : فارسی
محور مقاله : گروه کامپیوتر
محل انتشار : دومین کنفرانس مکانیک،مهندسی برق و کامپیوتر ایتالیا
آدرس وب سایت کنفرانس : mecconf.com/2nd
کد IOI مقاله : XCBC-EDECF
لینک مستقیم مقاله : https://isnac.ir/XCBC-EDECF
سایر مقالات ارائه دهنده
سایر مقالات محل انتشار
- طراحی و شبیه سازی انتن نیم دایره ی دوبل در محدوده ی فرکانسی 5 تا 15 گیگاهرتز
- بررسی هوش مصنوعی در بهداشت و درمان
- طراحی کنترل کننده تحمل پذیر عیب عملگر در سیستم کوادروتور در حالت شناور
- جایابی چند منظوره بهینه ی پست های توزیع با در نظر گرفتن قابلیت اطمینان با استفاده از الگوریتم جستجوی موجودات همزیست (SOS)
- بهينه‌سازي مصرف انرژي در شبكه‌هاي حسگر بی سیم برمبناي الگوريتم‌هاي مسيريابي با استفاده از اتوماتاي يادگير سلولي
- ارائه یک مدل تصمیم‌گیری شناختی بر اساس عامل (SOAR)
- تشخیص و جداسازی عیب‌های چند عملگر با استفاده از فیلترکالمن توسعه یافته در سیستم کوادروتور در حالت شناور در یک نقطه
- Active Fault Tolerant Control for a Multi-Actuator fault of Quadrotor System in Hovering Mode
- مدل‌سازی و تحلیل عددی جریان اطراف ایرفویل متقارن NACA0012 تحت زوایای حمله مختلف با استفاده از روش مدل‌سازی K.ω SST
- ارائه راهکارهای مبتنی بر مسیریابی ccrبمنظورکاهش تاخیر درحمل ونقل شهری دربستراینترنت اشیا
- بررسی تاثیر امواج الکترومغناطیس تلفن همراه بر روی چشم انسان
- معضل ناامنی اینترنت اشیاء در دستگاههای IOT
- Numerical Modeling and Optimization of Superheater with Genetic Algorithm
- کنترل بهینه ی ربات های صنعتی مبتنی بر رویتگر با استفاده از الگوریتم رقابت استعماری
- تشخیص پوسیدگی دندان با استفاده از یادگیری ماشین