دانلود ترجمه مقاله حسگری جمعی موبایل برای پیش بینی ترافیک در اینترنت خودروها
عنوان فارسی |
حسگری جمعی موبایل برای پیش بینی ترافیک در اینترنت خودروها |
عنوان انگلیسی |
Mobile Crowd Sensing for Traffic Prediction in Internet of Vehicles |
کلمات کلیدی : |
  حسگری جمعی موبایل؛ پیش بینی ترافیک؛ اینترنت خودروها؛ تجمیع داده؛ محاسبه ابری |
درسهای مرتبط | اینترنت اشیا (IoT) |
تعداد صفحات مقاله انگلیسی : 15 | نشریه : NCBI |
سال انتشار : 2016 | تعداد رفرنس مقاله : 34 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. کارهای مرتبط 3. اینترنت خودروها به کمک ابر 4. حسگری جمعی موبایل برای پیش بینی ترافیک توسط VWC 5. شبیه سازی و آزمایش 6. بحث و بررسی و چشم انداز 7. نتیجه گیری
چکیده – پیشرفت در روش های ارتباط بیسیم، محاسبه ابری موبایل، فناوری خودرویی و پایانه هوشمند در حال تبدیل شبکه های تک کاره خودرویی به الگوی اینترنت خودروها (IoV) است. این امر منجر به تغییر در مسئله مسیریابی خودرو از محاسبه بر مبنای داده ها به پیش بینی زمان واقعی ترافیک می شود. در این مقاله ابتدا رده بندی اینترنت خودرویی به کمک ابر را از دیدگاه رابطه سرویس میان محاسبه ابری و اینترنت خودرو مورد توجه قرار می دهیم. سپس روش های سنتی پیش بینی ترافیک استفاده شده توسط ارتباطات خودرو با زیرساخت و خودرو با خودرو را بررسی می کنیم. بر این مبنا یک فناوری حسگری جمعی موبایل برای پشتیبانی ایجاد گزینه های مسیر دینامیک برای رانندگانی که می خواهند از شلوغی دوری کنند، پیشنهاد می کنیم. آزمایشاتی برای بررسی روش پیشنهادی انجام شد. در نهایت در مورد چشم انداز پیش بینی قابل اطمینان ترافیک بحث می کنیم.
The advances in wireless communication techniques, mobile cloud computing, automotive and intelligent terminal technology are driving the evolution of vehicle ad hoc networks into the Internet of Vehicles (IoV) paradigm. This leads to a change in the vehicle routing problem from a calculation based on static data towards real-time traffic prediction. In this paper, we first address the taxonomy of cloud-assisted IoV from the viewpoint of the service relationship between cloud computing and IoV. Then, we review the traditional traffic prediction approached used by both Vehicle to Infrastructure (V2I) and Vehicle to Vehicle (V2V) communications. On this basis, we propose a mobile crowd sensing technology to support the creation of dynamic route choices for drivers wishing to avoid congestion. Experiments were carried out to verify the proposed approaches. Finally, we discuss the outlook of reliable traffic prediction.
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.