توسعه CloudService در وسایل نقلیه در محیط IoT | Developing Vehicular Data CloudServices in the IoT Environment جدول مقالات آزادابزار تفکیک و ترجمه متون علمیمقالات اینترنت اشیاء
تماس با ما
 
بدان
 
امروز شنبه ، ۱۴۰۰/۰۷/۰۳
 
کلیه مقالات

توسعه CloudService در وسایل نقلیه در محیط IoT

Developing Vehicular Data CloudServices in the IoT Environment

توسعه خدمات ابری داده ابری در محیط IoT:

خلاصه:

پیشرفت در محاسبات ابری و اینترنت اشیاء (IoT) فرصتی امیدوارکننده برای حل چالش های ناشی از افزایش مسائل حمل و نقل فراهم کرده است.

ما با استفاده از محاسبات ابری و فناوری های IoT یک پلتفرم ابر داده چند منظوره وسایل نقلیه رمان را ارائه می دهیم.

همچنین دو سرویس ابری مبتنی بر داده های وسایل نقلیه خلاق ، سرویس هوشمند پارکینگ هوشمند و سرویس ابری برای استخراج داده های وسایل نقلیه ، برای تجزیه و تحلیل گارانتی وسیله نقلیه در محیط IoT نیز ارائه شده است.

دو مدل داده کاوی اصلاح شده برای سرویس ابری برای استخراج داده های وسایل نقلیه ، یک مدل Naïve Bayes و یک مدل رگرسیون لجستیک ، با جزئیات ارائه شده است.

چالش ها و راهنمایی هایی برای کارهای آینده نیز ارائه شده است.

مقدمه:

وسایل نقلیه مدرن به طور فزاینده ای با تعداد زیادی سنسور ، محرک و دستگاه های ارتباطی (دستگاه های تلفن همراه ، دستگاه های GPS و رایانه های تعبیه شده) مجهز شده اند.

به طور خاص ، تعداد زیادی وسیله نقلیه دارای قابلیت سنجش ، شبکه سازی ، ارتباطات و پردازش داده های قدرتمند بوده و می توانند با سایر وسایل نقلیه ارتباط برقرار کرده یا اطلاعات را با محیط های خارجی نسبت به پروتکل های مختلف از جمله HTTP ، TCP / IP ، SMTP ، WAP و نسل بعدی برقرار کنند. پروتکل Telematics (NGTP) [1].

در نتیجه ، بسیاری از خدمات نوآوری telematics [2] ، مانند امنیت از راه دور برای غیرفعال کردن موتور و تشخیص از راه دور ، برای تقویت ایمنی ، راحتی و لذت بردن رانندگان ایجاد شده است.

پیشرفت های رایانش ابری و اینترنت اشیاء (IoT) فرصتی امیدوارکننده برای پرداختن به بیشتر مسائل مربوط به حمل و نقل ، مانند ترافیک سنگین ، احتقان و ایمنی وسایل نقلیه فراهم کرده است.

در چند سال گذشته ، محققان چند مدل را ارائه داده اند که از محاسبات ابری برای اجرای سیستم های حمل و نقل هوشمند (ITS) استفاده می کنند.

به عنوان مثال ، یک معماری ابری جدید وسیله نقلیه به نام ITS-Cloud برای بهبود ارتباط وسیله نقلیه به وسیله نقلیه و ایمنی جاده پیشنهاد شده است [3].

برای بهینه سازی کنترل جابجایی ، یک سیستم کنترل ترافیک شهری مبتنی بر ابر ارائه شده است.

براساس معماری سرویس گرا (SOA) ، این سیستم از تعدادی سرویس نرم افزاری (SaaS) مانند خدمات کنترل تقاطع ، سرویس مدیریت منطقه ، سرویس کشف سرویس ابر و سرویس سنسور برای انجام کارهای مختلف استفاده می کند.

این خدمات همچنین برای تبادل اطلاعات با یکدیگر در تعامل هستند و پایه ای محكم برای ساختن سیستم كنترل و پردازش ترافیك مشاركتی در یك فضای ابری توزیع شده است.

به عنوان یک فناوری نوظهور که ناشی از پیشرفت های سریع در ارتباطات بی سیم مدرن است ، IoT توجه بسیاری را به خود جلب کرده است و انتظار می رود که مزایا را به مناطق مختلفی از جمله مراقبت های بهداشتی ، ساخت و حمل و نقل منتقل کند [5] - [8].

در حال حاضر ، استفاده از IoT در حمل و نقل هنوز در مرحله اولیه خود است و بیشتر تحقیقات در مورد ITS باعث شده تا فناوری IoT به عنوان یک راه حل یا یک زیرساخت توانمند به کار نرود.

برای این منظور ، ما پیشنهاد می کنیم از محاسبات ابری و IoT به عنوان زیرساختی مناسب برای توسعه یک سکوی ابری داده وسیله نقلیه استفاده شود که در آن اطلاعات مربوط به حمل و نقل ، مانند کنترل و مدیریت قاچاق ، کنترل و نظارت بر موقعیت مکانی خودرو ، وضعیت جاده ، ضمانت خودرو و ... اطلاعات مربوط به نگهداری ، می تواند به صورت هوشمند متصل و در دسترس رانندگان ، خودروسازان ، تولیدکننده قطعات ، کنترل کیفیت خودرو ، مسئولان ایمنی و بخش حمل و نقل منطقه ای قرار گیرد.

آزمایش استفاده از مدلهای داده کاوی برای تجزیه و تحلیل ابرهای داده وسایل نقلیه در محیط IoT نیز برای اثبات امکان سرویس دهی داده کاوی وسایل نقلیه انجام شد.

بقیه مقاله به شرح زیر سازماندهی می شوند.

در بخش دوم ، به بررسی مختصری از شبکه های وسایل نقلیه ، محاسبات ابری در حوزه خودرو و IoT در حوزه خودرو می پردازیم.

در بخش III ، ما با استفاده از محاسبات ابری موجود و فناوری های IoT ، یک پلت فرم ابر داده چندجانبه وسایل نقلیه رمان جدید ارائه می دهیم.

بخش چهار ارائه دهنده خدمات ابداع ابری داده های جدید را ارائه می دهد. یک سرویس هوشمند هوشمند پارکینگ و یک سرویس ابری برای استخراج داده های وسایل نقلیه برای آنالیز ضمانت وسیله نقلیه در محیط IoT.

دو مدل داده کاوی اصلاح شده برای سرویس ابری برای استخراج داده های وسایل نقلیه ، یک مدل Naïve Bayes و یک مدل رگرسیون لجستیک ، با جزئیات ارائه شده است.

چالش ها و راهنمایی های مربوط به کارهای آینده در بخش V آورده شده است.

بخش ششم نتیجه گیری ما را ارائه می دهد.

II- کار مرتبط:

الف - شبکه های وسایل نقلیه:

فناوری بی سیم منجر به توسعه شبکه های وسایل نقلیه در دهه های گذشته می شود.

ایده اصلی این است که زیرساخت های کنار جاده ای و وسایل نقلیه مجهز به رادیو می توانند با استفاده از شبکه های بی سیم ارتباط برقرار کنند.

محققان برای تأثیرگذاری مؤثرتر در عملیات شبکه ای مانند مسیریابی ، شبکه بین خودرویی پویایی به نام شبکه های موقت-وسیله نقلیه (VANET) را توسعه داده بودند.

VANET ها در درجه اول برای پشتیبانی از ارتباط بین وسایل نقلیه مختلف (V2 V) و ارتباط بین وسایل نقلیه و زیرساخت های کنار جاده (V2I) طراحی شده بودند [9].

VANET ها دارای معماری ترکیبی هستند و شبکه های ad hoc ، LAN بی سیم و فناوری سلولی را برای ITS ادغام می کنند.

علاوه بر این ، بسیاری از برنامه های VANET توسط تولید کنندگان وسایل نقلیه متعدد ، سازمان های دولتی و سازمان های صنعتی توسعه داده شده است.

در ابتدا ، بیشتر برنامه های VANET به بهبود ایمنی رانندگان متمرکز شده بودند و کارکردهایی از قبیل نظارت و به روزرسانی در مورد قاچاق ، هشدار اضطراری و کمکهای جاده ای را ارائه می دادند [11].

در سال های اخیر ، بسیاری از برنامه های مرتبط با عدم امنیت VANET ، مانند سرگرمی و برنامه های بازی ، توسعه داده شده است.

B- Cloud Computing در حوزه خودرو:

محاسبات ابری برای تغییر شکل نرم افزار و خدمات وسایل نقلیه در حوزه خودرو پیشنهاد شده است.

اولاریو و همكاران هرچه اتومبیل های بیشتر و بیشتر به وسیله هایی مجهز هستند كه می توانند به اینترنت دسترسی پیدا كنند. [11] پیشنهاد می کند شبکه های وسایل نقلیه موجود ، سنسورهای مختلف ، وسایل نقلیه روی صفحه در وسایل نقلیه و محاسبات ابری را برای ایجاد ابرهای وسایل نقلیه ادغام کنید.

آنها ابراز می كنند كه ابرهای وسایل نقلیه از نظر فنی امكان پذیر بوده و پس از ساخته شدن تأثیر قابل توجهی بر جامعه خواهند گذاشت.

بنابراین ، هم نرم افزارهای موجود خودرو و هم منابع متنوعی از اطلاعات برای ساخت ابرهای وسایل نقلیه مجازی سازی و بسته بندی شده اند.

سرویسهای مختلف وسایل نقلیه معمولاً برای پیاده سازی نقشه برداری ، محوطه سازی ، تجمع و ترکیب ترکیب شده و مورد استفاده قرار می گیرند و به خودروها اجازه می دهند تا با سرویس های مختلف میزبان در خارج از وسایل نقلیه ارتباط برقرار کنند.

در حال حاضر ، با استفاده از روش مدولار ، چند لایه و SOA برای ادغام منابع و خدمات مختلف وسایل نقلیه امیدوار کننده ترین مدل و چارچوب برای ساخت سکوهای خدمات ابری وسایل نقلیه محسوب می شوند.

با استفاده از روش ماژولار برای تجزیه یک سیستم پیچیده براساس عملکرد آنها ، می توان یک سیستم عامل ابری وسایل نقلیه را به تعدادی سرویس و سیستم فرعی مانند مدیریت حمل و نقل ، مسیریابی سرویس ، پردازش اطلاعات ، تجزیه و تحلیل ضمانت خودرو و معدن تقسیم کرد. ، و غیره.

از آنجا که محاسبات ابری شامل سه پلتفرم سرویس مجزا به عنوان یک سرویس (PaaS) ، زیرساخت ها به عنوان یک سرویس (IaaS) و همچنین نرم افزار محبوب به عنوان یک سرویس (SaaS) ، مجموعه ای از SaaS ، PaaS و IaaS باید برای ساخت استفاده شوند. سیستم عامل های سرویس ابری وسایل نقلیه.

علاوه بر این ، ابرها را نیز می توان به ابرهای خصوصی ، عمومی و ترکیبی تقسیم کرد.

بنابراین ، سیستم عامل های سرویس ابری وسایل نقلیه همچنین می توانند به صورت ابری ترکیبی طراحی شوند که در آن برخی از سرویس ها ، مانند پرس و جو اطلاعات کاربر ، می توانند روی سیستم عامل های ابر عمومی میزبانی شوند و سایر سرویس های مهم منتقله مانند مدیریت قاچاق ، باید روی ابر خصوصی میزبانی شوند. سکوها [12].

طبقه بندی برای طبقه بندی ابرهای مرتبط با VANET به سه نوع زیر ایجاد شد:

1) وسایل نقلیه با استفاده از ابر؛ 2) ابرهای وسایل نقلیه. و 3) ابرهای ترکیبی [13].

رویکردهای چند لایه و SOA [14] - [16] به عنوان معماری اصلی برای ساخت سکوهای مختلف سرویس ابری وسایل نقلیه پیشنهاد شده است.

ایوای و آویاما [1] پیشنهاد می کنند سیستم خدمات ابری برای اتومبیل ها (a.k.a. ، سیستم DARWIN) را با استفاده از SOA به عنوان یک معماری توانمند توسعه دهند [17] ، [18].

DARWIN شامل مؤلفه های اصلی سرویس ، مانند مدیر سرویس پردازش و فضای سرویس است و این مؤلفه ها با سرویس های مختلف در داخل و خارج از وسایل نقلیه در ارتباط هستند تا یک ابر جامع وسایل نقلیه را تشکیل دهند.

DARWIN همچنین پروتکل هایی را برای پشتیبانی از قابلیت همکاری بین نرم افزارهای موجود وسایل نقلیه موجود و سرویس های مبتنی بر ابر فراهم می کند.

وانگ و همکاران [19] معماری محاسبات ابری وسیله نقلیه را که از سه رده کاربردی تشکیل شده است ، پیشنهاد دهید:

1) سرویس ابری؛ 2) ارتباطات؛ و 3) ردیف دستگاه.

با استفاده از تکنیک های رایانش ابری مانند SOA ، معماری سه لایه به دستگاه ها ، شبکه و خدمات ناهمگن اجازه می دهد تا اطلاعات را تبادل کرده و به صورت بلادرنگ همکاری کنند.

یک معماری سه لایه V-Cloud [10] برای ترکیب سیستم های سایبری فیزیکی سایبری با فناوری های محاسبات ابری ارائه شده است تا خدمات اساسی را برای رانندگان ارائه دهد.

معماری V-Cloud شامل سه لایه است:

سیستم فیزیکی سایبری وسایل نقلیه درون اتومبیل ، شبکه V2 V و شبکه V2I.

هر لایه دارای چندین مؤلفه فرعی است.

ITS-Cloud ارائه شده توسط Bitam و Mellouk [3] شامل سه لایه است:

1) لایه ابر 2) لایه ارتباطی؛ و 3) لایه کاربر نهایی.

به طور خاص ، لایه ابر برای پشتیبانی از خدمات مختلف مورد نیاز ذینفعان مختلف ابرهای وسایل نقلیه به ابر استاتیک و پویا تقسیم می شد.

یک معماری جدید به نام VehiCloud برای تبدیل شبکه های سنتی وسایل نقلیه به یک معماری ابری سرویس گرا طراحی شده است [20].

با بهره گیری از فن آوری های رایانش ابری در حال ظهور [21] - [23] ، VehiCloud برای رسیدگی به مسائل ارتباطی V2 V و آزمایش قابلیت های دستگاه های تعبیه شده و دستگاه های تلفن همراه هر چند آزمایش جاده ای اجرا و آزمایش شده است.

ج- IoT در حوزه خودرو:

ادغام سنسورها و فن آوری های ارتباطی راهی را برای ما فراهم می کند تا وضعیت در حال تغییر یک شی از طریق اینترنت را ردیابی کنیم.

IoT آینده ای را توضیح می دهد که در آن انواع اشیاء فیزیکی و دستگاه های اطراف ما ، مانند سنسورهای مختلف ، برچسب های شناسایی فرکانس رادیویی (RFID) ، دستگاه های GPS و دستگاه های تلفن همراه ، به اینترنت وصل خواهند شد و به این اشیاء و دستگاه ها امکان اتصال می دهند. ، همکاری ، و برقراری ارتباط در زمینه های اجتماعی ، زیست محیطی و کاربر برای دستیابی به اهداف مشترک [24] ، [25].

به عنوان یک فناوری نوظهور ، IoT انتظار می رود راه حل های امیدوار کننده ای برای تغییر سیستم های حمل و نقل و خدمات خودرو در صنعت خودرو ارائه دهد.

Speed ​​و Shingleton [26] ایده ای برای استفاده از "ویژگی های منحصر به فرد شناسایی صفحات ثبت اتومبیل" برای اتصال چیزهای مختلف پیشنهاد می کنند.

از آنجا که وسایل نقلیه از قابلیت های حساس ، شبکه ای ، ارتباطی و پردازش داده به طور فزاینده ای برخوردار هستند ، می توان از فن آوری های IoT برای مهار این قابلیت ها و به اشتراک گذاری منابع کم مصرف در بین وسایل نقلیه در فضای پارکینگ یا جاده استفاده کرد.

به عنوان مثال ، فناوری های IoT امکان ردیابی مکان موجود هر وسیله نقلیه ، نظارت بر حرکت آن و پیش بینی موقعیت آینده آن را ممکن می سازند.

با ادغام با رایانش ابری ، شبکه حسگر بی سیم ، شبکه های حسگر RFID ، شبکه ماهواره ای و سایر فناوری های حمل و نقل هوشمند ، می توان نسل جدیدی از ابرهای اطلاعاتی وسایل نقلیه مبتنی بر IoT را توسعه داد و به کار برد تا سودهای تجاری بسیاری از قبیل پیش بینی افزایش امنیت جاده ، کاهش تراکم جاده ، مدیریت جابجایی و توصیه به تعمیر و نگهداری خودرو.

برخی از کارهای اولیه استفاده از فناوری های IoT برای بهبود ITS در سالهای اخیر انجام شده است.

به عنوان مثال ، یک سیستم انفورماتیک هوشمند (سیستم iDrive) که توسط BMW ساخته شده است از سنسورها و برچسب های مختلفی برای نظارت بر محیط ، از جمله ردیابی محل وسیله نقلیه و وضعیت جاده ، برای تهیه راهنمایی های رانندگی استفاده می کند [27].

لنگ و ژائو [12] یک سیستم هوشمند وسایل نقلیه اینترنتی (معروف به IIOVMS) پیشنهاد می کنند تا اطلاعات قاچاق از محیط های خارجی را بطور مداوم جمع آوری کند و نظارت و مدیریت جابجایی جاده ها را در زمان واقعی انجام دهد.

لامپکینز [28] بحث می کند که چگونه ITS ها می توانند از وسایل IoT در وسیله نقلیه برای اتصال به ابر استفاده کنند و چگونه می توان تعداد زیادی سنسور در جاده را مجاب کرد تا از توانایی پردازش ابر استفاده کند.

شین و همکاران [27] معماری فناوری را پیشنهاد دهید که از فناوری رایانش ابری ، IoT و Middleware استفاده کند تا نوآوری خدمات خودرو را فعال کند.

ژانگ و همکاران [29] یک سیستم نظارت هوشمند برای ردیابی محل کامیون های یخچال و فریزر با استفاده از فناوری های IoT طراحی کرده است.

III- PLATFORM CLOUD CLOUD PLATFORM با استفاده از داده های خاص تخمک در محیط IOT:

شکل 1 معماری لایه باز سکوی ابر داده داده وسایل نقلیه پیشنهادی ما را نشان می دهد.

با ادغام دستگاه های مختلفی مانند حسگرها ، محرک ها ، کنترل کننده ها ، دستگاه های GPS ، تلفن های همراه و سایر تجهیزات دسترسی به اینترنت و استفاده از فناوری های شبکه (شبکه حسگر بی سیم ، شبکه سلولی ، شبکه ماهواره ای و سایر موارد) ، رایانش ابری ، IOT و واسطه ، این پلت فرم از مکانیزم های ارتباطی V2 V و V2I پشتیبانی می کند و قادر به جمع آوری و تبادل داده ها در بین رانندگان ، وسایل نقلیه و زیرساخت های کنار جاده ای مانند دوربین و چراغ خیابان است.

هدف این پلتفرم ارائه خدمات در زمان واقعی ، اقتصادی ، ایمن و تقاضا به مشتریان از طریق ابرهای همراه از جمله ابر معمولی و ابر موقت (ابر حامل) است [3].

ابر معمولی از رایانه های مجازی تشکیل شده است و SaaS ، PaaS و IaaS را در اختیار علاقه مندان قرار می دهد.

به عنوان مثال ، سرویس های مدیریت ابر و بسیاری از برنامه های مدیریت حمل و نقل در ابر معمولی می توانند میزبانی شوند.

ابر موقت به طور معمول به صورت تقاضا تشکیل می شود و از امکانات کمتری برای محاسبات ، شبکه سازی و ذخیره سازی وسایل نقلیه استفاده می شود و برای گسترش ابر معمولی به منظور افزایش قابلیت محاسبه ، پردازش و ذخیره سازی کل ابر طراحی شده است.

ابر موقت ترکیبی از SaaS ، PaaS و IaaS را پشتیبانی می کند و در درجه اول میزبان برنامه های کاربردی وسایل نقلیه بسیار پویا است که ممکن است دارای مشکل در ابرهای معمولی باشد [26].

به عنوان مثال ، برنامه های مربوط به ترافیک و برنامه های هوشمند پارکینگ برای ابر موقت مناسب هستند.

ابر موقت اغلب نیاز به برقراری ارتباط با ابرهای معمولی دارد و تبادل مكرر داده و خدمات بین دو ابر وجود دارد [13].

بر اساس معماری لایه ای در شکل 1 ، دستگاههای ناهمگن IoT ، شبکه ، فناوریهای جامعه و خدمات مبتنی بر ابر در لایه های مختلف می توانند برای تبادل اطلاعات ، اشتراک منابع و همکاری در ابرها یکپارچه شوند.

پلت فرم ابر داده مبتنی بر IoT مبتنی بر IoT از سه سرویس ابری جدید پشتیبانی می کند که در جدول I نشان داده شده است [30].

در این معماری لایه بندی شده ، لایه های مختلف اهداف مختلفی دارند.

به طور کلی ، لایه های موجود در پایین یک پایه اساسی برای لایه های موجود در بالا ایجاد می کنند.

SOA برای ادغام سرویس های مختلف اطلاعاتی و ارتباطی و اتصال برنامه های داخل خودرو و خارج از وسایل نقلیه یکپارچه از طریق ابرهای داده وسایل نقلیه مورد استفاده قرار خواهد گرفت.

SOA به توسعه دهندگان برنامه های وسایل نقلیه اجازه می دهد تا برنامه های کاربردی جدید را در سرویس های کاربردهای تجاری جدید سازماندهی ، جمع و بسته بندی کنند.

SOA به عنوان یک فناوری بالغ برای ادغام در برنامه های کاربردی سازمانی ، دستورالعمل هایی را برای ادغام سرویس های وب ناهمگن ، برنامه ها و سیستم های مختلف واسطه ارائه می دهد.

Middleware برای پنهان کردن جزئیات اجرای فناوریهای زیرین مورد استفاده قرار می گیرد و پشتیبانی از ادغام برنامه های خاص مستقر در ابر داده های وسایل نقلیه را فراهم می کند [24].

با استفاده از بستر ابر داده مبتنی بر SOA مبتنی بر SOA و IoT ، می توان خدمات جدیدی را توسط تولید کنندگان خودرو ، آژانس های دولتی و خدمات شخص ثالث ارائه داد.

در این بخش ، دو سرویس ابری داده خلاقانه وسایل نقلیه را پیشنهاد می کنیم.

IV- خدمات CLOUD داده های VEHICULAR:

در این بخش ، ما علاقه مندیم دو سرویس ابری داده های وسایل نقلیه را به عنوان نمونه PAAS نشان داده شده در بخش III معرفی کنیم.

یک سرویس سرویس هوشمند پارکینگ هوشمند و دیگری سرویس داده نگهداری وسایل نقلیه معدنکاری است.

الف - سرویس هوشمند پارکینگ هوشمند:

یافتن فضای پارکینگ موجود در بسیاری از شهرها به چالش کشیده است و اغلب منجر به مواردی از قبیل احتقان ، تصادفات جاده ای و سرخوردگی روانی می شود.

برای آسانتر کردن فضای پارکینگ موجود ، یک سرویس ابری پارکینگ هوشمند که اطلاعات موقعیت جغرافیایی ، اطلاعات در دسترس بودن پارکینگ ، رزرو و ثبت سفارش در پارکینگ ، اطلاعات مربوط به ترافیک و اطلاعات وسیله نقلیه را از طریق تشخیص سنسور و ابرها جمع آوری و تجزیه و تحلیل می کند.

با استفاده از یک روش مدولار ، یک معماری نرم افزاری [31] برای اجرای سرویس هوشمند هوشمند پارکینگ در شکل 2 ارائه شده است.

هر وسیله نقلیه با فرستنده گیرنده با برد انتقال کوتاه (حدود 1 متر) و پردازنده ای با ظرفیت محاسبات ساده از پیش ثبت نام می شود.

فرستنده گیرنده می تواند دستگاه های متداول مانند زیگ ، دستگاه های بلوتوث و دستگاه های مادون قرمز با هزینه کم باشد.

پردازنده و گیرنده بی سیم هم در ضبط کننده داده های رویداد (EDR) ثبت می شوند.

ما یک پارکینگ را با شبکه WIFI ، دستگاههای مادون قرمز و کمربندهای پارکینگ برای شناسایی خودروهای سوء استفاده طراحی کردیم.

هنگامی که یک ماشین وارد پارکینگ می شود و به سمت شکاف پارکینگ رزرو شده می رود ، غرفه ورودی رزرو را تأیید می کند.

در صورت اعتبارسنجی محل پارکینگ ، یک راهنمایی مربوط به جهت برای تعیین مکان رزرو شده در اتومبیل بارگذاری می شود.

دستگاه مادون قرمز ، چراغ ها و کمربند پارکینگ برای شناسایی و جلوگیری از سوء استفاده از یکدیگر کار می کنند.

همانطور که در شکل 3 نشان داده شده است ، هنگامی که چرخ جلو کمربند a را فشار می دهد ، ارتباط بلوتوث فعال می شود.

دستگاه مقاوم در برابر ضربه گیر (TRD) و کمربند a در شکل 3 ، تأیید رزرو را در صورت لزوم تأیید می کند.

ما از یک دستگاه مادون قرمز برای تأیید اینکه آیا ماشین به جای استفاده از شکاف برای یک هدف موقت پارک شده است استفاده می کنیم.

اگر شکاف پارکینگ به طور صحیح با اتومبیل پارک شده باشد ، نور رنگ سبز را نشان می دهد. در غیر این صورت ، نور رنگ قرمز را نشان می دهد.

این سنسورها برای گزارش وضعیت هر شکاف پارکینگ به طور مداوم به مرکز رایانه متصل می شوند.

ما همچنین برای انتشار تبلیغات از پارکینگ زیرساختی طراحی کردیم (شکل 4 را ببینید).

برج های فرستنده بی سیم در پارکینگ وجود دارد و چندین فرستنده فرستنده (نشان داده شده) در کنار جاده نصب شده است.

برج بی سیم موجود در پارکینگ می تواند از اطلاعات رایانه خالی مرکز کامپیوتر که در آن وضعیت پارکینگ دائماً تحت نظر است ، بدست آورد.

بنابراین ، برج بی سیم می تواند اطلاعات پارکینگ و برنامه پارکینگ را به عنوان استراتژی های تجاری برای سود اقتصادی صرف کند.

از آنجا که محدوده انتقال بی سیم محدود است ، ما فرستنده فرستنده جاده را برای انتقال اطلاعات پارکینگ به مناطق دور افتاده داریم ، همانطور که در شکل 4 نشان داده شده است.

ب- مدلهای سرویس پارکینگ هوشمند: PDF

ج- سرویس داده نگهداری وسایل نقلیه معدن: PDF

د- سرویس ابر ابر داده کاوی خودرو: PDF

از آنجا که ابرهای اطلاعاتی وسایل نقلیه شامل انواع داده ها و منابع اطلاعاتی ناهمگن هستند ، باید سرویس کاوی مؤثر برای توسعه سریع موقعیت های خطرناک جاده ، صدور پیام های هشدار دهنده اولیه و کمک به رانندگان در تصمیم گیری های آگاهانه برای جلوگیری از تصادفات تدوین شود.

از خدمات داده کاوی همچنین می توان برای ارزیابی رفتار رانندگان یا عملکرد وسایل نقلیه برای پیشبرد مشکلات استفاده کرد.

هسته اصلی هر سرویس داده کاوی مدل های داده کاوی است [37] ، [38].

تاکنون ، مدل های معدودی برای استخراج داده های وسایل نقلیه جمع آوری شده از شبکه های وسایل نقلیه یا ابرهای داده آزمایش و آزمایش شده است.

در زیر یک سرویس تخصصی داده کاوی برای تجزیه و تحلیل هشدار زودهنگام گارانتی خودرو ارائه شده است.

ما از مدلهایی که در بخش IV-C تهیه کرده ایم برای طراحی و توسعه سرویس داده کاوی استفاده کرده ایم.

در فرآیند تولید وسیله نقلیه ، بعضی اوقات برخی از مسائل مربوط به کیفیت می توانند برای مدت طولانی بدون اینکه مشخص شوند ، پنهان شوند.

به دلیل کمبود وقایع یا سیگنال هایی برای ارتباط چندین موضوع گسسته ، مشکلات احتمالی ممکن است به هیچ وجه مورد بررسی قرار نگیرند.

برای جلوگیری از تصادفات ، مهم است که تکنیک های جدیدی را تهیه کنید که این مشکلات پنهان را از قبل آشکار کند.

با استفاده از دو مدل داده کاوی اصلاح شده اصلاح شده (Naive Bayes Classi fi er و Logistic Regression Classi fi er) برای خوشه بندی و طبقه بندی داده های واقعی گارانتی و تعمیر و نگهداری اتومبیل که از یک شرکت خودرو سازی محلی جمع آوری کرده ایم ، نشان دادیم که چگونه می توان از خدمات ابری برای استخراج داده برای شناسایی موضوعات احتمالی استفاده کرد. که بعداً ممکن است به مشکل تبدیل شود

این آزمایش محصول جدید را فرض می کند که در حال توسعه است و دارای برخی از موضوعات بالقوه اما ناشناخته است.

در نتیجه استفاده از دو مدل داده کاوی ، ما توانستیم نتایج اولیه را بدست آوریم (شکل 5 را ببینید).

دریافتیم که دقت در ستون ستون به طرز چشمگیری کاهش یافته است.

افت با مقدار 3 برابر است.

به عبارت دیگر ، این مدل دریافت که در بین کلیه چالشها و راهنماهای کار آینده ، سه گروه وجود دارد:

ابرهای داده حمل و نقل مبتنی بر IoT باید قبل از استقرار در مقیاس وسیع ، مؤثر ، مقیاس پذیر ، ایمن و قابل اعتماد باشند.

الگوریتم ها و مکانیسم های موجود برای برآورده کردن همه این الزامات به طور همزمان رضایت بخش نیستند.

در زیر شرح برخی از این چالش ها آورده شده است.

1) مقیاس پذیری و ادغام فناوری:

اثربخشی یک ابر وسایل نقلیه بستگی به مقیاس پذیری آن در اداره تعداد پویا وسایل نقلیه دارد.

علاوه بر اداره قاچاق منظم ، ابرهای وسایل نقلیه باید بتوانند سنبله های قاچاق یا خواسته های ناگهانی ناشی از وقایع یا موقعیت های خاص ، مانند بازی های ورزشی یا شرایط اضطراری را کنترل کنند.

توسعه بیشتر در مورد الگوریتم های بهینه سازی که با هماهنگی ماشین های مجازی ، فضای ذخیره سازی و پهنای باند شبکه برای تعادل بار کار سرور و بهبود استفاده از منابع محاسباتی در ابرهای وسایل نقلیه مورد نیاز است [39].

با آمدن دستگاه ها و فناوری های جدید هر ساله ، توسعه IoT Middleware مؤثر که از ادغام این فناوری ها و دستگاه های جدید [40] با فناوری های موجود در خودرو از تولید کنندگان خودرو پشتیبانی کند ، یک چالش خواهد بود.

2) عملکرد ، قابلیت اطمینان و کیفیت خدمات:

از آنجا که وسایل نقلیه غالباً در حال حرکت هستند ، شبکه و ارتباطات وسایل نقلیه معمولاً متناوب یا غیرقابل اعتماد است.

سازوکارهای جدید بیشتری برای تقویت قابلیت اطمینان ارتباط با کاهش سطح بالای ترافیک مورد نیاز است.

به عنوان مثال ، چن و همکاران. [41] یک پروتکل انتقال جدید ایجاد کرد تا پروتکل معمولی Zigbee قابل اطمینان تر شود.

مکانیسم های همگام سازی داده های لایه ای متقاطع نیز باید به گونه ای طراحی شوند که بتوانند از بین قاچاق بین لایه ها استفاده کنند.

الگوریتم های فشرده سازی داده های شتاب برای سنسورها ، محرک ها و سایر دستگاه های دسترسی به اینترنت نیاز به پیشرفت دارند تا بتوانند مقدار زیادی از داده های خام تولید شده را به صورت مؤثر و کارآمد فشرده سازی کنند.

واحدهای پردازش چندگانه و پشتیبانی در مراکز داده ابری مختلف برای به حداقل رساندن زمان پاسخگویی سرویس ، بهبود دسترسی و ثبات سرویس و افزایش قابلیت اطمینان ابر و تحمل گسل مورد نیاز است.

مکانیسم های ارزیابی زمان واقعی در مورد عملکرد ، قابلیت اطمینان و کیفیت خدمات در ابرهای داده وسایل نقلیه باید بیشتر توسعه یابد.

3) امنیت و حریم خصوصی:

به دلیل عدم وجود زیرساخت های تأسیس شده برای تأیید اعتبار و مجوز ، نگرانی های امنیتی و حریم خصوصی در مورد ابرهای اطلاعاتی وسایل نقلیه وجود دارد [39].

سطح امنیتی پایین ابرهای اطلاعاتی وسایل نقلیه برای خدمات وسایل نقلیه با توجه به ایمنی حمل و نقل قابل قبول نیست.

به عنوان مثال ، مهاجمین کنار جاده ممکن است به طرز مخرب بسیاری از درخواست های جعلی را به سرویس ابر پارکینگ ارسال کرده و بسیاری از مکان های پارکینگ را رزرو کنند.

آنها همچنین می توانند اطلاعات غلط در دسترس بودن پارکینگ یا اطلاعات مکان اشتباه را به سرویس ابر پارکینگ ارسال کنند تا باعث ایجاد هرج و مرج شود.

به دلیل وجود تعداد زیاد و پویا در حال تغییر وسایل نقلیه در جاده ، روابط ایمنی به سختی ساخته شده است.

اقدامات امنیتی متوازن برای تقویت امنیت و اعتماد به نفس سرویسهای ابری بدون محدود کردن قابلیت اطمینان سیستم مورد نیاز است.

علاوه بر این ، بسیاری از رانندگان به دلیل نگرانی در مورد حریم شخصی خود ، نمی خواهند مکان وسیله نقلیه آنها ردیابی و نظارت شود.

تلاش های معقول در فن آوری [42] ، قانون و مقررات برای تأمین ابرهای داده های وسایل نقلیه و جلوگیری از دسترسی غیرمجاز یا افشای اطلاعات حریم خصوصی مورد نیاز است.

به عنوان مثال ، اجرای احراز هویت امنیتی در ابرهای داده وسایل نقلیه ، اقدامات ضد امنیتی لازم است.

4) عدم وجود استانداردهای جهانی برای ادغام دستگاه و خدمات ، امنیت ، حفظ حریم خصوصی ، معماری و ارتباطات:

استانداردهای جهانی برای جلوگیری از درگیری بین ابرهای داده وسایل نقلیه بومی محلی توسعه یافته ضروری است.

با این وجود ، از آنجا که تعدادی از ذینفعان در ابرهای داده وسایل نقلیه درگیر هستند و وابستگی های پیچیده ای نیز بین این ذینفعان وجود دارد ، ایجاد استانداردهای جهانی برای کاهش پیچیدگی و ایجاد ابرهای داده های وسایل نقلیه سازگارتر و مقرون به صرفه تر است.

تلاش های بیشتر در مورد استانداردسازی برای هماهنگی تلاشها و منابع مختلف برای اجرای ابرهای داده وسایل نقلیه مورد نیاز است.

نتیجه گیری VI:

در این مقاله ، ما پلت فرم ابر داده های مدولار و چند لایه رمان مبتنی بر محاسبات ابری و فناوری های IoT جدید ارائه می دهیم.

ما همچنین در مورد چگونگی توسعه خدمات ابری برای مفید ساختن ابرهای داده وسایل نقلیه بحث می کنیم.

این مطالعه با ارائه یک معماری نرم افزاری جدید برای ابرهای داده وسایل نقلیه در محیط IoT ، که قابلیت ادغام دستگاههای متعدد موجود در وسایل نقلیه و دستگاههای موجود در زیرساختهای جاده را دارد ، کمک می کند.

ابرهای داده های وسایل نقلیه مبتنی بر IoT انتظار می رود ستون فقرات ITS های آینده با هدف نهایی ایمن تر و لذت بخش تر رانندگی باشند.

با این حال ، تحقیقات در مورد ادغام IoT با ابرهای داده وسایل نقلیه هنوز در مراحل ابتدایی است و مطالعه موجود در مورد این موضوع بسیار ناچیز است.

برای استفاده از ابرهای وسایل نقلیه مفید ، خدمات بیشماری ، از جمله ناوبری در جاده ها ، مدیریت حمل و نقل ، نظارت از راه دور ، نظارت شهری ، اطلاعات و سرگرمی و هوش تجاری [43] - [47] ، باید در ابرهای داده وسایل نقلیه توسعه داده و مستقر شوند.

تعدادی از چالش ها از جمله امنیت ، حفظ حریم خصوصی ، مقیاس پذیری ، قابلیت اطمینان ، کیفیت خدمات و عدم وجود استانداردهای جهانی هنوز هم وجود دارد.

با توجه به پیچیدگی های موجود در اجرای ابرهای وسایل نقلیه و ادغام دستگاهها و سیستمهای مختلف با ابرهای وسایل نقلیه [48] - [51] ، رویکردی منظم و همکاری بین آکادمی ، شرکتهای خودروسازی ، اجرای قانون ، مقامات دولتی ، گروههای استانداردسازی و خدمات ابری ارائه دهندگان برای رفع این چالش ها مورد نیاز هستند.

اگرچه با وجود بسیاری از چالش ها ، IoT و محاسبات ابری فرصت های فوق العاده ای برای نوآوری فناوری در صنعت خودرو فراهم می کند [52] ، [53] و به عنوان زیرساخت های توانمند برای توسعه ابرهای داده های وسایل نقلیه خدمت می کنند.