MétaCan
Menu
Retour à la cohorte
Enregistrement W2765978676 · doi:10.1109/desec.2017.8073829

IoT-equipped UAV communications with seamless vertical handover

2017· article· en· W2765978676 sur OpenAlexafffund
Amit Singh Gaur, Jyoti Budakoti, Chung–Horng Lung, Alan Redmond

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHandoverComputer scienceComputer networkVertical handoverInternet of ThingsEmbedded systemWirelessTelecommunicationsWireless network

Résumé

récupéré en direct d'OpenAlex

With advancement in the technology and services in different application areas, UAVs have become a strong market share. Applications range from goods delivery, agriculture, surveillance, mining, industrial inspection, disaster management etc. Furthermore, this vast usability of UAVs can be powered by Internet of Things (IoT) and it can offer a new IoT value-added services. UAVs can be referred to as “things in motion” which can be controlled over the Internet and push the sensor data they collect to the cloud services. But this imposes major challenges with high a volume of data transmissions in some applications. Another area of concern is the choice of mode of communication in LOS (Line of Sight) and BLOS (Beyond Line of Sight) where Wi-Fi could have limited accessibility and other modes like satellite communication have higher cost of data transmissions. In this paper, a RESTful approach to connect UAVs with IoT to stream sensor data to cloud services is presented, providing an efficient solution for data management and transmissions by efficiently gathering, filtering and transmitting data on demand to the cloud services. An efficient vertical handover mechanism is also presented between different modes of communication like Wi-Fi and satellite for BLOS communication challenges to increase reliability or reduce cost.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,844
Score d'incertitude au seuil0,751

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0030,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,046
Tête enseignante GPT0,299
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207