دانلود رایگان مقالات الزویر - ساینس دایرکتدانلود رایگان مقالات پژوهشی کامپیوتردانلود رایگان مقالات پژوهشی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات ژورنالی کامپیوتردانلود رایگان مقالات ژورنالی مهندسی فناوری اطلاعات ITدانلود رایگان مقالات سال 2020دانلود رایگان مقاله ISI اینترنت اشیا به زبان انگلیسیدانلود رایگان مقاله ISI اینترنت و شبکه های گسترده به زبان انگلیسیدانلود رایگان مقاله ISI رایانش مه یا محاسبات مه به زبان انگلیسیدانلود رایگان مقاله ISI سامانه های شبکه ای به زبان انگلیسیدانلود رایگان مقاله ISI شبکه بین خودرویی VANET به زبان انگلیسیدانلود رایگان مقاله ISI شبکه های ادهاک به زبان انگلیسیدانلود رایگان مقاله ISI محاسبات ابری یا رایانش ابری به زبان انگلیسیدانلود رایگان مقاله ISI مدیریت سیستم های اطلاعات به زبان انگلیسیدانلود رایگان مقاله ISI منطق فازی به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی فناوری اطلاعات به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی کامپیوتر به زبان انگلیسی سال 2022 و 2023دانلود رایگان مقاله ISI مهندسی نرم افزار به زبان انگلیسیدانلود رایگان مقاله ISI هوش مصنوعی به زبان انگلیسیسال انتشارمقالات Q1 فناوری اطلاعات به زبان انگلیسیمقالات Q1 مهندسی کامپیوتر به زبان انگلیسیمقالات فناوری اطلاعات با ایمپکت فاکتور بالا به زبان انگلیسیمقالات مهندسی کامپیوتر با ایمپکت فاکتور بالا به زبان انگلیسی

مقاله انگلیسی رایگان در مورد پیاده سازی دو FDMS هوشمند و یک بستر آزمایش برای رانندگی ایمن در شبکه ادهاک – الزویر ۲۰۲۰

 

مشخصات مقاله
ترجمه عنوان مقاله سیستم نظارت بر رانندگان مبتنی بر فازی (FDMS): پیاده سازی دو FDMS هوشمند و یک بستر آزمایش برای رانندگی ایمن در شبکه ادهاک وسایل نقلیه
عنوان انگلیسی مقاله Fuzzy-based Driver Monitoring System (FDMS): Implementation of two intelligent FDMSs and a testbed for safe driving in VANETs
انتشار مقاله سال ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۱۰ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه الزویر
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۷٫۰۰۷ در سال ۲۰۱۹
شاخص H_index ۹۳ در سال ۲۰۲۰
شاخص SJR ۰٫۸۳۵ در سال ۲۰۱۹
شناسه ISSN ۰۱۶۷-۷۳۹X
شاخص Quartile (چارک) Q1 در سال ۲۰۱۹
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط کامپیوتر، مهندسی فناوری اطلاعات
گرایش های مرتبط محاسبات ابری، هوش مصنوعی، مهندسی نرم افزار، سامانه های شبکه ای، اینترنت و شبکه های گسترده، مدیریت سیستم های اطلاعات
نوع ارائه مقاله
ژورنال
مجله  نسل آینده سیستم های کامپیوتری – Future Generation Computer Systems
دانشگاه Graduate School of Engineering, Fukuoka Institute of Technology (FIT), 3-30-1 Wajiro-higashi, Higashi-ku, Fukuoka, 811-0295, Japan
کلمات کلیدی شبکه ادهاک وسایل نقلیه، اینترنت اشیا، محاسبات مه، محاسبات لبه، منطق فازی، سیستم مدیریت اسناد
کلمات کلیدی انگلیسی VANETs، IoT، Fog computing، Edge computing، Fuzzy logic، DMS
شناسه دیجیتال – doi
https://doi.org/10.1016/j.future.2019.12.030
کد محصول E14341
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract

۱- Introduction

۲- Background overview and related work

۳- Proposed systems

۴- Proposed system evaluation

۵- Conclusions

References

بخشی از متن مقاله:

Abstract

Vehicular Ad hoc Networks (VANETs) have gained a great attention due to the rapid development of mobile Internet and Internet of Things (IoT) applications. On the other hand, the competition in the automotive industry has turned into an unprecedented race to who will be the first to provide the fully autonomous cars. However, the fully autonomous driving is still a bit far from deployment, and for now, they are providing automation only at a certain level and, at the same time, are offering connected services through their mobility service platforms. With Fog and Edge computing integrated in VANETs, these mobility platforms will be standardized to provide services for every car on the road, which will help VANETs to accomplish one of its main goals, the road safety. In this paper, we propose an intelligent Fuzzy-based Driver Monitoring System (FDMS) for safe driving. We present and compare two fuzzy-based systems: FDMS1 and FDMS2. To make a decision, FDMS1 considers Vehicle’s Environment Temperature (VET), Noise Level (NL) and Heart Rate (HR). While, for FDMS2, we consider Respiratory Rate (RR) as a new parameter to decide Driver’s Situational Awareness (DSA). We evaluate the ability of the driver to safely operate the vehicle by monitoring his condition and subsequently, based on the system output, a smart box informs the driver and provides assistance. We show through simulations and experiments the effect of the considered parameters on the determination of the driver’s situation and demonstrate the actions that can be performed accordingly.

Introduction

Every year the lives of approximately 1.35 million people are cut short as a result of a road traffic accident. Between 20 and 50 million more people suffer non-fatal injuries, with many incurring a disability as a result of their injury [1]. For years, in order to improve the road safety, many governments have undertaken initiatives by launching Intelligent Transport Systems (ITSs). ITS is a new road and traffic system which combines state-of-the-art information, communication, and control technologies to properly create an information network based on people, vehicles and roads. As a key part of ITS, the Vehicular Ad hoc Networks (VANETs) not only aim to help reducing the traffic accidents but also to enhance the traffic efficiency and the travel comfort of passengers and drivers. In VANETs, vehicles have networking capabilities and they send/receive valuable information such as safety warnings and traffic information to/from adjacent vehicles and roadside units (RSUs) via vehicle-to-vehicle (V2V) or vehicle-to-infrastructure (V2I) communication.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا