面向多灾害预警系统的微服务中间件
通过使用物联网的 Web 模式和复杂事件处理技术,本文提出了一种完全可重用的微服务架构,用于智能港口空气质量监测和警报部署,并展示了该架构的出色性能评估结果。
Jan, 2024
发展基于语义的数据集成中间件,将当地土著知识和传感器数据的异构数据模型融合,以实现准确的旱灾预测系统。土著知识通过中间件的自动推理生成模块转化为规则,与传感器数据结合进行推理,确定旱灾的发生。语义中间件包括分布式架构、实时流处理引擎、基于规则的推理模块和本体模块用于语义表示知识库。
May, 2024
提出了一种基于微服务和语义虚拟化的物联网架构,通过知识驱动和数据驱动技术支持智能服务,并使用机器学习管道实现数据驱动方面。
Oct, 2019
本研究开发了一种多模式野火预测和个性化早期警告系统,该系统基于先进的机器学习框架,使用来自环境保护局的传感器数据和 2012 年至 2018 年的历史野火数据,成功设计了新型的 U-Convolutional-LSTM 神经网络,能够提取与迫在眉睫的野火相关的关键时空特征。此外,地质数据被用于提供更好的野火风险评估。最终,为个有感官障碍或呼吸恶化症状的人提出了个性化早期警告系统,旨在为危险地区的居民提供更好的准备,从而挽救生命并减少经济损失。
Aug, 2022
提出了一种智能互动应急响应系统,利用人工智能和传感器融合技术,优化城市中家庭、道路和公共设施等三个应用场景中发生事故的实时动态模型,进而将现有的应急响应系统转变为智能化互动系统,提高公共服务和居民生活质量。
Mar, 2024
提出了一种基于区块链的模型来保护异构信息系统中的数据通道,使用综合多灾害预警系统(MHEWS)作为案例研究,以解决数据通道中存在的安全和隐私问题,该模型利用区块链技术的固有安全特性,以分散方式确保数据的完整性、保密性和真实性,并在混合环境中进行评估,通过原型实现和模拟实验展示了相对传统方法更具防篡改和不可变性的数据通道,以实现数据的真实性和完整性,并使用机密账本。
Jan, 2024
本论文提出了一个基于轻量级物联网和微服务架构的智能公共安全 (LISPS) 框架,该框架能够监测、跟踪人体活动、识别可疑行为,并解决了边缘计算中的部分问题。实验结果表明了该方法的可行性。
Mar, 2019
城市化对经济增长有促进作用,但也通过环境恶化对环境造成危害。机器学习已成为一个有很大潜力的工具,通过识别关键的预测特征来跟踪环境恶化。最近的研究专注于利用污染物水平和颗粒物作为环境状态指标来开发预测模型,以勾勒出所面临的挑战。机器学习被用来识别与环境恶化相关的模式。该研究旨在帮助政府识别干预点,改进规划和保护工作,并最终促进可持续发展。
Aug, 2023
本文回顾了近期的研究,重点关注数据来源、监测和预测模型,采用智能设备、机器学习、大数据技术和物联网等方法,展示了改善空气污染模型的各种方面的研究进展和面临的问题和挑战。
Apr, 2023