MétaCan
Menu
Retour à la cohorte
Enregistrement W3146746004 · doi:10.1109/iwqos.2011.5931350

Utilizing elevator for wireless sensor data collection in high-rise structure monitoring

2011· article· en· W3146746004 sur OpenAlexaff
Feng Wang, Jiangchuan Liu, Dan Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElevator Systems and Control
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésElevatorBase stationExploitWireless sensor networkComputer scienceNetwork packetStairsData collectionComputer networkScheduling (production processes)Real-time computingWirelessTelecommunicationsEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Recently wireless sensor networks have been widely suggested for Structural Health Monitoring. In such applications, diverse sensor nodes are deployed in a building structure, collecting ambient data such as temperature and strain from various locations and reporting them to a central base station for processing and diagnosing. For today's high-rise structures (e.g., the Guangzhou New TV Tower, a project that we have participated in, peaks at 600m above ground), the extensive vertical dimension creates enormous challenges toward sensor data collection, beyond those addressed in state-of-the-art motelike systems. For example, with a straightforward base station placement, a huge amount of data will accumulate as being relayed to the base station. As such, the sensor nodes close to the base station would quickly run out of energy for relaying the traffic. The accumulated traffic would also saturate the wireless medium, introducing significant interferences and collisions. The extensive height of these building structures, however, make elevators an indispensable component. This motivates us to develop EleSense, a novel high-rise structure monitoring framework that explores using elevators. In EleSense, an elevator is attached with the base station and collects data when it moves across different floors to serve passengers, which can effectively reduce the traffic accumulation and the collection delay. To maximally exploit the benefit, we take a unique angle with the cross-layer design. We present an abstraction of the high-rise structure monitoring problem that exploits elevators, and model it as a joint optimization across link scheduling, packet routing and end-to-end delivery. We propose a centralized algorithm to solve it optimally. We further propose a distributed implementation to accommodate the hardware capability of a sensor node and address other practical issues. We evaluate EleSense through ns-2 simulations and with real configurations from the Guangzhou New TV Tower. The results show that EleSense has a throughput gain of 30.4% to 200.6% over the case without elevators. We also observe a gain of 40.5% to 127.5% over a straightforward 802.11 MAC scheme without the cross-layer optimization. Moreover, EleSense can significantly reduce the communication costs while maintaining excellent fairness with reliable data delivering.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,038
Tête enseignante GPT0,235
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElevator Systems and ControlTravaux en français237 207