Evaluation and Challenges of IoT Simulators for Intelligent Transportation System Applications
Notice bibliographique
Résumé
The Internet-of-Things (IoT) constructs a vast, intricate, and perpetually evolving ecosystem exerting profound societal implications. This labyrinthine nature often culminates in errors that directly impact human lives. A significant domain where this complexity materializes is Intelligent Transportation Systems (ITS). Present tools and methodologies inadequately accommodate the complex task of testing and validation, underscoring the urgency for comprehensive review and enhancement. This study aims to present a broad analysis of existing simulators utilized for ITS simulations. It delves into the role and effectiveness of such simulation tools, highlighting their limitations and proposing research directions. This paper scrutinizes both commercial and research-oriented IoT simulators for ITS, evaluating their features and simulation environment tools. We have detailed various ITS scenarios simulated within these frameworks, intending to gauge their readiness for real-world ITS applications and to elaborate on the challenges involved in ITS infrastructure implementation. The findings suggest that despite numerous simulators aiding the evolution of solutions for IoT challenges in recent years, their utility in actual ITS implementations remain uncertain. Consequently, we explore public cloud platforms offering IoT simulation capabilities, focusing particularly on the capabilities provided by the Amazon Web Services (AWS) IoT simulation for this study. Our research outlines the pressing challenges in this field, while proposing potential solutions and flagging opportunities for further research. This study paves the way towards improving the reliability and accuracy of IoT simulators in the context of ITS, which has immense potential to enhance the quality of human life.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».