Notice bibliographique
Résumé
In order to improve and optimise logistical operations, the railway sector is integrating Internet of Things (IoT) technology and systems. Real-time data is collected, sent, and analysed throughout the railway logistics process via linked equipment, sensors, data analytics, and communication networks. Various parts and systems of the rail infrastructure are outfitted with IoT sensors and devices for IoT-based railway logistics. These sensors can keep watch on and record data on the train's whereabouts, its speed, the temperature, the state of the cargo, and any necessary repairs. A central management system or cloud-based system will subsequently get the collected data for analysis and decision-making. IoT-based railway logistics promises to improve efficiency, safety, and dependability in railway logistics operations by using real-time data, connections, and intelligent decision-making skills. By boosting customer happiness, lowering costs, and improving operational efficiency, it has the potential to completely change the railway sector. To secure the integrity, confidentiality, and availability of data and systems, a number of security concerns and difficulties related to railway logistics must be addressed. These include security flaws on the internet: Railway logistics IoT systems and devices are vulnerable to cybersecurity risks such as malware, hacking, and unauthorised access. These devices can serve as entry points for cyberattacks since they are networked and connected to the internet, which might interrupt operations, compromise data, or endanger users’ safety. Railway logistics IoT devices produce and send a large quantity of data, including train movements, freight details, and maintenance logs. It is essential to protect this data and maintain privacy and prevent unauthorised entry. Both IoT devices and railway infrastructure are susceptible to physical assaults, vandalism, and manipulation. Critical components are physically accessed by unauthorised people. A possible point of vulnerability is the connection of IoT devices to the underlying network infrastructure. Strong security practices and methods must be put in place to handle these security issues. The primary object of this chapter is to focus on IoT-based railway logistics and security issues and challenges. Our studies will help the railway industry and new researchers.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,017 |
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 source (Gemma direct ou Codex distillé), 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 ».