PIoT: A Performance IoT Simulation System for a Large-Scale City-Wide Assessment
Notice bibliographique
Résumé
Given the proliferation of sensors and actuators, evaluating the network performance of current and forthcoming city-wide Internet of Things (IoT) applications is a challenging task. To overcome this challenge, we created a large-scale simulator called PIoT over the years that can assess the performance of multiple millions of mobile/static IoT devices using a 4G/5G cellular infrastructure. In PIoT, different Key Performance Indicators (KPIs) are defined and collected to produce data to evaluate applications and network performance. PIoT is an on-going academic simulator project, and its most recent version is accessible to the public through the user interface found on <uri xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">https://www.piotsimulation.com</uri> without any installation requirements. It uses a realistic database that contains the real locations and features of Base Stations (BSs) and the real locations of IoT user equipment devices. The interface can be used by operators and researchers to understand network behavior when deploying new applications or to gather data to feed artificial intelligence and machine learning algorithms. The objective of this paper is to present a detailed description of the PIoT modeling architecture, as well as some use cases to help potential users understand the type of capabilities that are available when using the simulator. Limitations and comparisons with other popular engines are also included in the paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».