移动联网引领第四次工业革命

---

联网轻量级设备的爆炸式增长开启了物联网(IoT)时代，实体世界的设备在互联网上以数字形式呈现。今天，联网的嵌入式设备正在我们的日常生活中随处可见，预计在不久的将来，数百亿这样的设备将连接到互联网。这些设备之间的物对物通信技术，以及机器学习和大数据技术，将成为引领第四次工业革命的真正自主和分布式物联网的关键促成因素之一。然而，在下一次工业革命之前，仍然存在一些技术挑战。例如，如何有效地分配和管理网络资源，以提供更可扩展的服务，以及如何提高整个系统的能源效率和带宽利用率，是阻碍物联网真正自治和分布式应用和服务的开发和实现的一个重大挑战。

本期专题关注的是能够实现物联网的技术挑战。我们呼吁手稿展示和讨论物联网网络系统的最新进展。截至特刊截稿日期，全球共收到稿件20份。经过审核，本期特刊已经收录了14篇稿件。已接受的研究手稿集中于大规模工业物联网服务，物联网SDN和网络虚拟化，物联网高效通信方法，以及各种新兴物联网应用。通过稿件展示了重要的研究成果，这些进展将有助于引领第四次工业革命的物联网的发展。我们在下面提供已接受的论文摘要。

大规模工业物联网服务正在智能工厂领域涌现，如工厂云，它将分布式小工厂集成为基于消费者订单的动态组合的大型虚拟工厂。由于智能工厂有许多工业要素，包括各种传感器/执行器、网关、控制器、应用服务器、物联网云等，它们之间的连接和关系非常复杂，很难以点对点的方式处理它们。针对这一问题，提出了一种基于群共享树的软件定义网络组播算法，包括近接收集合点选择算法和群共享树交换机制。与传统的组播方法相比，在严重拥塞的情况下，所提出的组播机制可以减少丢包和延迟。

在智能制造，生产机械和辅助设备中，称为工业互联网（IIOT），与精确的生产过程中的管理和命令交付有关的统一网络基础设施。然而，为这种生产提供自主，可靠和实时服务是一个开放的挑战，因为这些IIOT设备是假设具有有限的计算性能的轻量级嵌入式平台。为了克服这一挑战，提出了一种用于网络基础设施的模式识别的在线任务调度（PIOTS）机制，其中提供了多层计算来实时处理卸载任务。每个时隙中的历史IIT任务模式用于培训一个自组织地图（SOM），它表示定义尺寸内的任务模式的功能。因此，使用匈牙利方法对所有SOM神经元进行脱机任务调度，使用匈牙利方法来确定预期的最佳任务分配。每当任务到达基础架构时，任务的预期最佳分配都是调度到适当的边缘计算的实体。

在软件定义物联网(SD-IoT)方面，需要使SDN数据平面足够灵活，以满足异构物联网应用的各种需求。为此，提出了一种用于SD-IoT数据平面的新的网络内数据处理方案，该方案定义了一个事件驱动的数据处理模型，可以表达SD-IoT环境中各种网络内数据处理(例如，来自数千个传感器节点的传感数据聚合)案例。此外，提出的模型包括一种用于数据处理过程编程的语言，同时还引入了一种灵活的数据平面结构，可以在运行时安装和执行程序。

基于集装箱的虚拟化可以提供高性能，资源效率，敏捷环境和IOT设备的易于管理的优势。但是，到目前为止，还没有调查不同网络模式及其性能问题。因此，呈现了对物联网设备上的容器网络性能的分析。结果表明，集装箱的网络性能低于本机Linux的网络性能，分别为TCP和UDP的平均性能差为6％和18％。此外，容器的网络性能根据网络模式而变化。当单个容器运行时，桥接模式比主机模式达到更高的性能25％，而主机模式在多阴部环境中显示比桥接模式更好的性能。

远程和个性化的医疗保健是IOT的关键应用之一。许多这些应用程序都是在连接到云的移动设备上构建。然而，呼吁幻影和验证应用程序级别的想法的可行性尚未挑战云，移动和互连基础设施的稳固理解。通过提出称为Healthnode的框架提供了一种解决方案，这是一种用于在云平台上开发医疗保健应用的通用框架，重点是易于实现。HealthNode呈现出明确的指南，同时支持实现必要的功能，以实现快速和可扩展的基于云的医疗保健应用程序。将健康潮流应用于各种现实世界的健康应用的案例研究表明，健康管理可以有效地在实施中有效地表达架构结构，并且所提出的平台可以支持系统理解和软件演变。

认知无线电网络是物联网的关键技术，能够有效解决物联网应用中的频谱问题。在此背景下，提出了一种新的物联网传感器网络二次信息采集站(SIGSs)最佳位置和最佳运行通道选择方法。目的是在保护主系统的同时最大限度地提高次级系统的容量。此外，本文还提出了二次物联网设备(sid)的外观概率矩阵，根据优化部署和概率，最大限度地增加可安装在汽车、可穿戴设备或其他监测设备中的sid的可支持数量。适应度函数是在上述目标的基础上提出的，同时考虑了信噪比和位置约束。采用粒子群优化技术(PSO)来寻找SIGSs的最佳位置和运行通道。

由于自动驾驶汽车具有巨大的潜在利益，对其的需求正在迅速增长。然而，自动驾驶汽车的开发也面临着汽车定位等挑战。在不大量修改现有交通基础设施的情况下，提出了一种简单安全的车辆定位算法。在定位方面，道路上的车辆分为两类:主机车辆(HVs)，用于估计其他车辆的位置，转发车辆(FVs)，移动在HVs前面。FV传输调制数据从尾部(或背面)光，和摄像机的HV接收该信号使用光学摄像机通信(OCC)。此外，还考虑了街灯(SL)数据，以保证HV的位置精度。利用摄影测量技术，通过测量图像传感器上被占用的图像面积来计算FV或SL与HV摄像机之间的距离。将HV与SL之间的距离变化与HV与FV之间的距离变化进行比较，可以确定FV的位置。

车辆通信网络允许道路上的车辆与互联网上的其他车辆或节点进行通信。然而，在路边单元稀疏分布的公路环境中，由于高速行驶，路边单元与车辆之间的通信经常中断。为了解决这一问题，提出了一种基于AODV的增强路由机制，该机制既利用V2I通信，又利用V2V通信，使rsu能够为间断位于rsu覆盖区域之外的车辆提供连续的服务。为了减少稀疏RSU环境下的路由恢复时间和路由失败次数，通过与RSU直接通信时间较长的车辆建立备份路由。为了有效地切换到下一个RSU，还提出了路由缩短机制。

眨眼检测或眼跟踪算法在移动环境中具有各种应用，例如对面部识别系统中欺骗的对策。然而，在资源有限的智能手机环境中，关键问题之一是其计算效率。为了解决问题，提出了一种混合方法，其组合了两台机器学习技术SVM和CNN，使得可以在资源限制的智能手机上有效可靠地执行眼睛闪烁检测。商品智能手机的实验结果表明，该方法达到了94.4％的精度，每秒22帧的处理速率。

最后，由于头戴式显示器(HMDs)可以以低廉的价格提供身临其境的虚拟现实(VR)体验，因此目前备受关注。与此同时，谷歌Earth和Apple maps 3D模式等用户可以在现实世界的3D模型中导航的3D地图在当前的移动和桌面环境中广泛使用。然而，传统的界面方法如键盘、鼠标等并不适合在VR环境中通过3D地图进行导航，因为操作方法与现实中的实际动作并不相似。基于此，本文提出了一种适用于基于hmd的虚拟环境的三维地图导航沉浸式手势界面。提出了一种利用Kinect深度摄像头实时捕捉和识别手势的算法。

的利益冲突

编辑们宣称他们没有利益冲突。

致谢

我们要感谢所有审阅者，这些审阅者为此特殊问题贡献了他们的时间和洞察力。

Jeongyeup Paek
安德里亚Gaglione
翁Gnawali
马科斯·维埃拉
帅郝

版权

Jeongyeup Paek等人版权所有©2018。这是一篇开放获取的文章知识共享署名许可，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。