Crowdsensing和场基于车辆发动的传感

---

改进的智能设备的功能和通信技术已被称作允许群体感知解决方案成为一个强大的战略变革环境遥感,成为未来智能城市的关键要素之一。smartwatches,特别是智能手机和其他个人产品现在不仅赋予重要的计算能力和不同的无线接口,而且越来越多的传感器对用户环境能够提供有用的信息,特别是当用户移动一个城市。如果采用车辆的机动性,传感功能可以进一步增加了智能设备连接到车辆使用船上诊断接口(OBD-II)或直接提供智能车辆通过vehicle-to-vehicle (V2V)或vehicle-to-infrastructure (V2I)通信。在未来,逐步引入自主车辆和无人飞行器,预计更多的传感方案。

在平行于这些发展,网络基础设施经历了近年来显著改善方面的报道和性能,结合云计算的发展,允许传输、存储和处理大量的数据在一个有效的方式。总之,潜在的生成和分析大量的数据是非凡的,能够提供前所未有的信息与高水平的空间和时间分辨率对任何感兴趣的事件发生在一个城市。

这个特殊问题的目的是解决移动传感最新进展,特别强调小说已被称作应用程序和体系结构群体感知和场基于车辆发动的感应。

目前的问题中包含的文章包括评论和研究集中在数据感知和处理在行人或车辆的情况下作为移动传感器。

介绍这个主题,本文通过w•萨莫拉等人资格已被称作“分享服务调查群体感知解决方案”提供了一个已被称作分享服务的调查群体感知解决方案出现在过去的几年中,关注不同的作品发表在顶级期刊和会议。正确分析这些作品,他们定义一个参考框架,该框架允许分类下的不同的建议的研究。在全球范围内,调查已被称作提供有用的洞察的广泛范围群体感知区域,被感兴趣的专家和新手。

分析和优化流动在城市领域是最相关的贡献之一,已被称作移动群体感知可以提供智能城市。特别是,不断增长的智能手机和车载设备的功能为获得有意义的了解城市流动。在这种背景下,f . Terroso-Saenz等人的作品名为“人类流动模型基于密集交通领域与投机取巧传感检测”引入了一个新颖的方法来利用这种模式,允许组成密集交通领域的地图(递延税资产)代表一个城市的流动特性,同时保护用户的隐私。除了车辆,行人和多通道路径也会受益匪浅上下文数据,以及信息的整个旅行,徘徊在城市的经验,包括旅游规划和支付。工作由美国Mirri等人资格已被称作“面向服务的群体感知访问智能移动场景”介绍了基础设施和总体架构的原型提出应对这些挑战,描述的一些服务可以提供:路径为坐轮椅的残疾人和老年人的建议。

除了移动性优化,交通安全也是一个关键问题应该解决交通事故的几率降到最低。在这种背景下,z .刘等人的作品名为“分享服务SenSafe:交通安全框架通过感应车辆和行人行为”提出了驾驶行为检测机制,依靠智能手机事件的距离,为司机提供警报。他们的提议还包括一个低开销的方法快速的数据广播,以及碰撞估计算法来触发警告当检测到危险的情况。因为广播是安全的一个关键元素和上下文感知车辆临时环境中通过简化直接vehicle-to-vehicle通信,有效的信息交换变得非常关键。c . Chen等人的工作,题为“安全增强广播方案基于上下文感知VANETs”地址等问题,提出了一种车载网络的拥塞控制方案可以动态地适应变量渠道占领最大化网络吞吐量,同时避免拥挤的通道,从而提高网络吞吐量,包交货率和传输延迟。

最后,高效处理数据本身的收益已被称作至关重要的群体感知上下文,包括数据采集和传播。关于后者,最近出现了新的范式,是浮动的情况下数据范式,旨在使浮动数据网络分布式和无碰撞。工作由A . Bujari和c·e·帕拉齐题为“AirCache:人群为基础的解决方案Geoanchored浮动数据”是这样的一个例子一个解决方案,其目的是保证数据可用性在一个感兴趣的领域,同时减少数据访问的成本在网络边缘。特别是,它依赖于复制迎面撞上或固定用户,除了一个节点选举策略,改善全球能源/内存消耗需要保持数据浮动。

对数据采集过程中,特别是在使用智能手机时,它通常涉及到不同的数据类型,由于不同的粒度,多个传感器数据源,时间标签。这样的异质性和时间依赖关系在数据分析过程中引入新的挑战。c·马等人的作品名为“表示学习时间标签异构数据已被称作移动群体感知”地址这一挑战提出了一个新的学习方法表示异构数据与时间标签,允许提取使用深度学习的典型特征。在他们的工作证明了该方法的适用性通过区分两个移动活动使用智能手机的传感器:步行和骑自行车和开车和坐公车。

总而言之,我们希望能够阐明这个特殊的问题已被称作领域的主要发展群体感知和场基于车辆发动的传感和吸引科学界的注意进行进一步的调查导致此类小说的快速部署解决方案。

确认

我们想表达我们的感谢所有作者的小说的贡献和评审人员的支持和建设性的批评在这个特殊的问题。

卡洛斯·t·卡拉
Celimuge吴
恩里科Natalizio
Francisco j·马丁内斯

版权

版权©2016年卡洛斯·t·卡拉等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。