提高发展中国家基于物联网的水运系统安全 Enhancing Safety in Water Transport System Based on Internet of Things for Developing Countries
一、简介
水路在许多发展中国家的运输系统中发挥着重要作用，因为与其他替代方案相比，它们的成本更低、可达性更高，从而产生了对货物和乘客运输的巨大需求。然而，由于资源有限、缺乏关怀以及缺乏维护和监控水路和水上车辆的技术，这种运输方式已经变得脆弱。大多数发展中国家的情况几乎相同 [ 1 ]。由于信息的可用性和获取相关信息的便利性，我们选择孟加拉国作为本研究的案例研究。
水路交通系统是孟加拉国人民非常重要的交通方式，特别是在该国南部地区[ 2 ]。此外，在该国的某些地区，水路交通是唯一可用的公共交通方式。据孟加拉国国内水运管理局 (BIWTA) 称，该国约 7%（约 24,000 公里）的地表被内陆水道覆盖。每年有超过 8700 万乘客通过该系统进行运输 [ 3 ]。
随着孟加拉国人口越来越密集，水路也变得拥挤 [ 4 ]。事故已成为该行业的常态。Awal 在他的研究中表明，在过去几年中，有数千人因水路事故而过早死亡或受伤或被报告失踪 [ 5 ]。他的进一步调查显示，这些年来事故数量显着增加，增加的主要原因是乘客超载和风暴，包括旋风和碰撞。2015 年 2 月 22 日，一艘客轮在强大的帕德玛河中间被一艘货船击中，造成 70 多人死亡，很少有人失踪 [ 6]]。几个月前，即 2014 年 8 月 4 日上午 11:00 左右，发射在同一条河流中的波涛汹涌的海水和强风中沉没，但地点不同，100 多名乘客丧生，87 人失踪。由于救援人员无法在深水中找到它，发射也丢失了 [ 7 ]。除了人员伤亡外，财产损失造成的损失也给国民经济带来了巨大的负担。尽管政府针对此类突发事件采取了一些积极措施，但安全场景的改善幅度可以忽略不计[ 8 ]。最不幸的是，由于缺乏有效的通信基础设施，救援行动需要很长时间才能启动，这增加了损害的多方面性。
孟加拉国与其他发展中国家一样，在为道路上的人民提供安全有效的交通系统方面也面临着困难。智能交通系统 (ITS) 正在广泛实施，以使城市交通系统安全高效 [ 9 , 10 ]。由于发展中国家道路交通系统基础设施不足等局限性，建立道路智能化系统需要付出巨大的努力和巨大的投资。另一方面，投资内部水道智能系统将更可行，因为只需要将车辆纳入智能系统，而不是水道。
考虑到上述事实以及水路运输系统对孟加拉国等发展中国家的重要性，本文重点开发一种基于物联网 (IoT) 的新型交通运输模式，将不安全的水路转变为更安全、更可靠、更可靠的水路。和可持续的系统。提议的模型被确定为面向发展中国家的智能水运系统 (IWTS)，图1提供了它的整体架构。据 IWTS 称，由机器对机器 (M2M) 系统技术组成的不同监控设备安装在水上车辆中。监控数据每隔一定时间从车辆传输到云服务，用于分析和检测紧急情况。由于云服务的复杂数据处理和应急预测系统的实现细节本身就是一个单独的研究课题的候选，因此被认为超出了本文的范围。然而，来自不同研究人员的各种提议以及所提议模型的技术细节将在下一节中介绍。本文的组织如下： 第2节总结了在开发 IWTS 之前对相关技术的研究和基于这些技术的工作。第3节详细描述了所提出的模型。第4节描述了 IWTS 在航道安全措施中的影响，第5节显示了支持本文在第4节中提出的主张的实验结果，第6节显示了一些有待进一步研究的开放区域，最后，第7节总结了本文.
2. 背景研究
根据第1节的讨论，水道事故的主要原因是超载、风暴、旋风和碰撞。为了确保安全，车辆需要停止超载乘客，尽可能避免自然灾害和碰撞，并定期进行维护。因此，水中车辆需要有一个由不同信息传感设备组成的系统，以确定船上的乘客数量、乘客和货物的总重量、位置和速度，监控其干舷（水上车辆的高度）。甲板以上）、潮汐波高、水流速度和方向，并监测天气状况等，以避免破坏性情况。系统还需要将感知到的数据发送给应用服务进行处理和存储，9 ]。云服务需要分析车辆情况并向车辆发送问题通知。在车辆安全警示的情况下，还需要与车辆、交通管理部门、潜在救援队伍、车站终端进行实时沟通。因此，这个问题看起来是一个类似的问题，可以使用 ITS 的概念来解决；然而，物联网提供了新的维度和强大的潜力，可用于提高 ITS 的效率 [ 10 , 11 ]。
物联网是一种环境，其中不同的物理对象或“事物”嵌入了软件程序、传感器和电子设备，并提供了唯一标识符以及通过网络收集和交换数据的能力，而无需任何人工交互 [ 9] , 12 ]。因此，物理对象可以被描述为被称为智能事物的微型计算机 [ 12]]。根据物联网的定义，智能对象或事物在没有人为交互的情况下工作，这意味着它们以机器对机器的方式工作，这被称为 M2M 技术，是物联网不可或缺的一部分。包括 M2M 的设备，称为智能设备，配备了广泛的环境和上下文传感器来收集数据，以及多种个人、本地和广域通信能力 [ 13 , 14 ]。M2M 应用程序基本上用于监控（例如，环境、天气和温度）、控制设备和跟踪事物的目的 [ 13]。如今，M2M 比无线传感器网络 (WSN) 更受欢迎，因为 M2M 不仅使设备能够提供传感器相关数据，而且还支持 M2M 设备之间的自主通信，无需人工交互 [ 15 ]。因此，每个 M2M 设备都需要有一个唯一的 IP 地址，以避免与其他网络隔离，这带来了新的挑战，因为 IPv4 无法提供如此大量的地址。在这种情况下，IPv6 是唯一的替代方案，因为它提供了大量的唯一地址以及一些吸引人的功能，例如无状态配置和小型易于管理的标头 [ 16 ]。
然而，使用这些技术的应用程序通常拥有连接大量可互操作的智能设备和应用程序的庞大网络。因此，降低功耗对于确保更长的网络寿命至关重要。IEEE 802.15.4 ZigBee协议是专为确保其持久的，并且需要低功耗[无线设备开发17，18 ]。Lee 等人的一项比较研究。表明与 Wi-Fi 和 UWB 技术相比，ZigBee 技术在传输和接收方面消耗的功率更低 [ 19]]。为了确保此类网络中设备之间的无线通信便利，使用3G模块，因为它们支持多频段并集成了网络应用协议（例如，MMS、TCP、IP、SMTP和FTP）。SIM5216E等3G模块支持HSDPA/WCDMA/GSM/GPRS/EDGE，保证在3G网络覆盖不可用的情况下无线通信的可用性[ 20 ]。
有不同研究人员使用上述技术的相关工作。永军等。提出了一种基于物联网的改进和高效的城市交通 ITS [ 21 ]。卡多佐等人。定义了使用物联网架构进行更复杂的控制和交通监控的可行性，使用射频识别 (RFID)、低级阅读器协议和使用 M2M 技术内置的嵌入式设备 [ 9 ]。Huang和Liu提出了一种基于物联网的更精细化的城市交通管理系统[ 10]]。他们描述了基于物联网和使用 M2M 技术的嵌入式设备的集成更新现有 ITS 的路线图。他们还提出了一个云计算的概念，该概念在他们提出的系统中发挥了重要作用。尽管发展中国家的水道 ITS 迫在眉睫，但我们看到提议的系统仅适用于道路。即使使用在物联网概念成为现实之前用于 ITS 的技术，也没有这样的水路系统可以实现。本文详细分析了情况，并提出了这样一种水路ITS，以确保水上车辆的安全。
3. 智能水运系统（IWTS）
根据提议的模型，移动的车辆安装了一个控制单元和多个 M2M 设备。控制单元由称为收集器的特殊 M2M 设备、用于显示信息的显示单元和用于无线通信的 3G 模块组成。采集器与所有其他 M2M 设备、GPS 系统和语音通信系统相连。采集器将设备传输的信号转化为有意义的数据，将所有数据以特定格式组合在一起，并使用安装的3G模块提供的无线通信系统；它还将数据发送到云服务。云服务借助经过训练的决策模型对数据进行分析，以预测水中行驶车辆的现状。如果云服务预测发生任何紧急情况，它向控制室、最近的救援队、车站终端和使用GPRS系统的车辆发送带有详细信息的警报消息。最后，它将接收到的数据和其他相关信息存储到数据库中。数字2 显示了所提出模型的详细架构视图。
下面描述了所提出模型的技术细节。
3.1. 监视器
监视器是特定任务、基于传感器的智能设备，包括用于信息传感的无线 M2M 技术。为了监测船上的重量、波高、水流速度和方向、干舷（水上车辆甲板高于水位的高度）和天气状况，使用了M2M通信技术。根据 Lawton 的说法，这种类型的通信技术最适合用于此类监控，因为它可以自主运行并将信息推送到其他设备，并且能够自行做出一些决定 [ 13 ]。此外，M2M 设备是低功耗设备，它们不用于做出复杂的决策。为了确定车辆的位置、时间和速度，使用了 GPS 跟踪系统 [ 22 ]。
乘客计数监视器有一个自主方向传感器（例如，DA-200 方向传感器），以跟踪上下车的乘客 [ 23 ]。它还包括一个重量计算装置，使其能够确定乘客的体重。该监视器安装在入口和出口门上，仅在乘客上下车时传输数据。图3展示了安装在水基车辆出入口处的这种监视器。在技术先进的国家，RFID阅读器用于统计上下车的乘客人数[ 21 ]；然而，对于像孟加拉国这样的发展中国家来说，这可能是一项艰巨的任务，因为每位乘客都需要一张带有 RFID 标签的卡。
除乘客柜台外的监控器类型相似，但每个监控器负责特定的任务。它们定期向收集器传输消息。但是，如果它们定期为收集器传输消息，则收集器必须从多个监控设备接收大量消息。由于M2M设备的处理能力有限且内存不足，它们需要以更有效的方式传输消息。一种解决方案可能是仅在必要时发送消息。让我们假设一个监视器表示为米一世米一世以间隔Δ时间传输消息。如果要发送的消息米一世米一世 保持不变 Δ吨Δ吨 和 Δ吨+ 1Δ吨+1 时间， 米一世米一世 不应该在时间传输消息 Δ吨+ 1Δ吨+1; 相反，它应该保持沉默，直到需要发送不同的消息。通过将这种智能级别整合到所有监视器中，可以确保收集器不会被传入的消息淹没。因此，它还确保了对监控设备的低处理能力要求。由于基于 M2M 的监控器可以自行做出一些决定，因此它们可以确定可能发生紧急情况的情况。在这种情况下，它们会立即将消息发送到收集器，而不管下一个发送消息的间隔如何。
3.2. 控制单元
3.2.1. 集电极
收集器是一种特殊用途的 M2M 设备，可以监听所有监视器、GPS 系统和语音通信系统。Matamoros 和 Anton-Haro 以及 Boswarthick 等人。使用这样一种设备，其中一组 M2M 设备充当监视器，而单独的 M2M 设备通过读取来自监视器的传输信号来收集信息，并使用其无线通信系统将信息发送到应用服务 [ 24 , 25 ]]。在 IWTS 中，收集器将监控数据存储在其内存中以供进一步使用，因为监控器在需要发送新消息之前保持沉默。收集器有一个计时器，当它到期时，收集器启动一个新的计时器并向静默监视器发送消息请求。此外，如果从任何监视器接收到紧急类别消息，收集器会立即请求其他监视器传输消息。在收到来自不同监视器和 GPS 系统的消息后，它会对其进行解释并将数据组合为特定格式（例如 JSON），然后使用无线通信系统通过 HTTP 将它们发送到云服务。图4 显示了发送到云服务以分析车辆当前状况的样本格式化数据。
3.2.2. 3G模块
3G 模块为控制单元提供无线通信功能。迄今为止，手机运营商提供的 3G 网络覆盖可在大多数发展中国家通过移动网络提供最快的互联网连接。水基车辆向云服务发送数据的数据量和频率需要这种类型的网络连接。SIM5216E 等 3G 模块可确保在 3G 网络覆盖不可用的情况下进行无线通信 [ 20 ]。
3.3. 全球定位系统
它主要负责确定车辆位置的详细信息，包括经纬度、时间和速度 [ 21 ] 并将信息发送到收集器，以便在任何情况下都可以确定车辆的位置和距离不同救援站的距离。令人担忧的情况。
3.4. 语音通讯
该系统使控制室和救援队能够在必要时与车辆建立直接语音连接。车主还可以在驾驶室和控制室之间建立直接的语音连接。例如，控制室和救援队在收到应用服务发出的警报或紧急信号后，需要与车辆驾驶室进行通信。除了监视器，语音通信系统是 IWTS 的重要组成部分，尤其是在紧急情况下。
3.5. 云服务
云服务有两个组件，即应用程序服务和数据库服务。这些服务部署在云中，因为已经观察到云计算有助于降低 M2M 实施成本，因为在服务器上进行复杂的数据处理，这也提高了 M2M 设备的性能 [ 26 ]。此外，Ajah 等人。表示采用这种集中式数据处理机制（云计算）是为了提高 M2M 设备的能源效率，因为基于传感器的 M2M 设备感知信息并且只做很少的计算，并且数据的复杂计算发生在中央应用程序中服务器 [ 27 ]。GPRS技术用于向行驶中的车辆等系统发送通知[ 28]]。
3.5.1. 申请服务
车辆控制单元接收到数据后，借助不同数据挖掘算法（如数据融合算法）构建和训练的应急预测系统，对数据进行处理和分析[ 29 , 30 ] , 贝叶斯信念网络 [ 31 ])。对数据进行分析后，利用互联网和GPRS技术将必要的信息发送给交通管理部门和行驶车辆的控制单元以及车站终端。图5展示了如何在 IWTS 中分析监控数据流和车辆情况。随时通过互联网从云服务中提取数据被视为一项常规功能。如果应用服务在分析数据后预测出任何紧急或异常情况，它会向交通管理部门、车辆控制单元、车站终端以及最近的救援站发出警报，以启动与车辆的通信和救援行动。该信息包括车辆信息、位置和预测情况以及其他必要的详细信息。
为了开发决策模型以利用从行驶车辆的控制单元发送的传感器数据来预测紧急情况和异常情况，可以使用数据融合概念。Faouzia 等。提供有关如何在 ITS 的独特领域中使用数据融合技术以及如何检测事件的调查 [ 29 ]。此外，Leppänen 等人。使用人工智能开发服务，他们使用不同的数据融合算法来分析传感器数据并在 ITS 中做出决策 [ 30 ]。因此，这些技术现在可能是推荐的，因为它们也适用于 IWTS。Khaled 和 Kawamura 最近进行的一项研究表明，使用贝叶斯信念网络 [ 31]对吉大港港口船舶之间勾结的概率进行了分析。]。为了他们的研究，他们分析了吉大港港口的事故数据库。虽然这样的事故数据库很难在其他用于运送人员的水道中实现，但他们的方法可能是开发 IWTS 应急预测系统的潜在起点。图6 提出了基于云的过程流模型，用于 IWTS 中水基车辆的紧急检测。
3.5.2. 数据库服务
应用服务存储它从正在运行的车辆和其他来源接收到的数据，没有任何数据缩减以备将来使用，并维护每个事件的历史信息，这使得 IWTS 能够在未来连接到其他应用程序和服务。
4. IWTS 对航道安全的影响
有了 IWTS，每辆水中的客车都在 IWTS 的网络覆盖范围内。安装在每辆乘用车上的 IWTS 监控系统以特定的时间间隔将监控数据发送到应用服务，以确保始终了解车辆在水中的状态。因此，IWTS 对航道安全情景的改善具有不可避免的影响，其中一些影响如下：
| （一世） |
水中的车辆不断受到监控，各种监控设备都在监控车辆及其环境，并定期将信息发送到云服务进行观察。 |
||||
| (二) |
随着乘客计数器和重量监控器让当局了解乘客人数和船上的总重量，车辆超重情况会不断受到监控。 |
||||
| (三) |
由于车辆状态随时知晓，违法超载会第一时间上报，其他自然问题也始终如一地主动处理，事故发生的可能性将大大降低。 |
||||
| (四) |
由于任何紧急情况和事故的信息都可以立即预测，救援行动变得更加容易和快捷。这大大减少了生命和财产的损失。 |
||||
| (五) |
由于车辆位置及其状态始终是已知的，并且信息可通过互联网获得，因此乘客可能有机会实时预测他们的旅程。 |
||||
| (六) |
它提高了水路运输系统的安全性，从而增加了这种运输方式的使用。 |
||||
| （七） |
虽然使用这条路线的人数增加了，但车站管理变得更加容易。 |
||||
| (八) |
所有上述积极因素也将对国家经济产生积极影响。 |
||||
五、实验结果
这项研究的主要重点是能够检测到水道中车辆的任何紧急情况，并向监测机构发送紧急警报，以启动行动以阻止水道中的任何事故。尽管提议的模型有望监测许多不同的区域，但在本实验中仅使用来自两个区域的数据来检测任何紧急情况。选择的区域是乘客重量监测和干舷（水上车辆甲板高于水位的高度）监测。该实验是在实时虚拟专用服务器 (VPS) 中进行的，该服务器配置了 Intel® Xeon® CPU E5-2630L 0 @ 2.00 GHz 64 位操作系统，其中安装了 8.0 GB RAM。为了检查紧急情况检测和向控制室和救援小组发送紧急警报的过程，微软。
假设使用水基车辆的乘客重量和干舷监测方案来确定该实验的一组合成数据。根据假设的场景，车辆每天上午 11 点 05 分开始从巴里萨尔到达卡的常规旅程。在开始旅程之前，它从上午 10:00 到上午 11:00 装载乘客。船舶可承载的最大允许重量设置为 14000 公斤，干舷设置为至少 150 厘米。假设车辆的监控系统以 5 分钟的间隔向云服务发送数据。然而，当超过最大允许重量水平并且干舷开始减少时，监控设备开始更频繁地向云服务发送数据（例如，每隔一分钟）。合成数据集仅针对连续 7 天的载客时段（上午 10:00 至上午 11:00）生成。为了了解系统的特性，该数据集用于预测越过阈值的事件并确定事件发生的时间。用于实验的程序是使用 C# 编程语言编写的。数字7表示用于体重监测的合成数据的特征，图8 代表干舷监测合成数据的特征。
图7 中提供的图表和8表明，在这 7 天中，周三装载到车辆的重量峰值不断增加，这迫使干舷也逐渐下降。峰用红色矩形标记；图9和10代表图7中那些标记峰的放大视图和8.
从图9 中提供的图表和10，可以看出，在周三上午 10:22 左右，超过了最大允许重量级别或阈值，并且干舷开始下降。当天上午10点28分左右，重量达到顶峰，干舷最低。此时，控制室和最近的救援队收到了高级别紧急警报。接到警报后，控制室和最近的救援队进行了调查，在上午10点40分左右，车辆通过卸载额外的乘客恢复了正常状态。
编写了一个简单的 C# 程序来从乘客体重和干舷监控数据中检测紧急事件。该应用程序托管在 VPS 中，数据使用 5 mbps 共享宽带 Internet 连接通过 http 从客户端计算机发送到应用程序。服务器程序收到数据后进行处理，当乘客体重超过阈值或干舷低于阈值时发出紧急警报。因此，当乘客体重开始超过阈值和干舷分别下降到阈值时，应用程序开始使用 GPRS 向控制室和最近的救援队发送紧急警报。图9和10显示上午10:28左右重量达到峰值，干舷最低，服务器程序生成高级别紧急警报。图11代表发送到控制室手机和最近救援队的高级别紧急警报消息。根据实验，整个过程大约需要2到3秒。
虽然上述实验仅使用两种类型的数据进行，但它清楚地表明，如果可以阻止乘客超载，则可以大大降低水道事故的可能性，因为乘客超载被认为是造成水道事故的最主要原因之一. 因此，它显着提高了水基车辆的安全性。而且，当其他监控设备到位时，安全性将大大提高，整个水路将变成一个智能、安全的交通系统。
6. 未来工作范围
尽管本文几乎考虑了发展中国家内陆水运系统的所有方面，但所提议的系统仍有一些改进和增强的余地。需要进一步研究开发 IWTS 应用服务应急预测系统的高效决策模型的体系结构，因为由于无法训练决策模型，在收集以前的真实数据方面存在挑战。此外，使救援队使用的车辆自动化并将这些车辆连接到 IWTS 可能是未来研究的另一个很好的候选者。此外，从 IWTS 中可用的数据实现对乘客旅程的实时预测可以被认为是进一步研究的另一个候选者。
7. 结论
据观察，水路中经常发生令人不快的事故，造成人员伤亡，也给孟加拉国等发展中国家造成巨大损失，因此，为这些国家建立安全高效的水路运输系统非常重要。所提出的模型使系统对人们来说既智能又安全。该系统可以轻松检测到车辆在水中行驶的任何警报情况。从而可以主动处理情况，并在紧急情况下立即启动救援行动，这将挽救生命并使运输系统安全可靠。尽管该模型的开发重点是孟加拉国，但它可以很容易地适用于其他发展中国家，只需稍加改动，甚至无需任何改动，因为资源、技术、
利益冲突
作者声明，本文的发表不存在利益冲突。
致谢
作者感谢沙特阿拉伯利雅得沙特国王大学的科学研究院长，感谢他们通过研究小组项目 No.1 资助这项工作。RG-1436-016。
参考
| 1. | Kalyani, T., Vidyasagar, DSP, Srinivas, VSJ印度内陆水域内河船倾覆事故分析以及与客运相关的安全问题国际创新研究与发展杂志2015 47 8 17 Google Scholar |
| 2. | Awal, ZI, Islam, MR, Hoque, MM孟加拉国海上车辆事故特征：碰撞类型事故研究国际机械工程会议 (ICME '07) 2007 年达卡，孟加拉国 谷歌学者 |
| 3. | BIWTA关于我们：孟加拉国内陆水运管理局BIWTA，2014，http: //www.biwta.gov.bd/website/?page_id =2 Google Scholar |
| 4. | MMM Group孟加拉国：能力建设和支持规划委员会交通部门协调部门2012达卡，孟加拉国规划委员会 Google Scholar |
| 5. | Awal, ZI孟加拉国内河运输事故研究：十年经验（1995-2005）沿海船舶和内河航道国际会议论文集2006皇家海军建筑师学会 Google Scholar |
| 6. | Karmakar, P.死亡人数达到2015 年 2 月70日，http://www.thedailystar.net/frontpage/death-toll-reaches-70-3656 Google Scholar |
| 7. | Pinak-6 搜索被放弃，每日星报，2014 年 8 月，http://www.thedailystar.net/pinak-6-search-abandoned-36738 Google Scholar |
| 8. | Mamun, S.尽管有 10,000 人死亡，但航运安全超出了地平线DhakaTribune 2015 http://www.dhakatribune.com/bangladesh/2015/feb/24/despite-10000-deaths-shipping-safety-beyond-horizon Google Scholar |
| 9. | Cardoso, RM, Mastelari, N., Bassora, MF智能交通系统背景下的物联网架构——基于 Web 的应用程序部署的案例研究第 22 届国际机械工程大会 (COBEM '13) 2013 年São巴西圣保罗 谷歌学者 |
| 10. | Huang, L., Liu, C.基于物联网的城市交通管理中的应用模式第二届计算机科学与电子工程国际会议 (ICCSEE '13) 2013 年 3 月中国杭州Atlantis Press Google Scholar |
| 11. | YuFeng, C., ZhengTao, X., Li, C.智能交通系统交通信息采集技术研究进展湖北汽车工业学院学报2010 242 30 36 Google Scholar |
| 12. | Fleisch, E. What is the internet of things? An economic perspectiveEconomics, Management, and Financial Markets201052125157 Google Scholar |
| 13. | Lawton, G. Machine-to-machine technology gears up for growthComputer2004379121510.1109/MC.2004.1372-s2.0-4644317360 Google Scholar | Crossref | ISI |
| 14. | Pereira, C., Aguiar, A.Towards efficient mobile M2M communications: survey and open challengesSensors20141410195821960810.3390/s1410195822-s2.0-84908519604 Google Scholar | Crossref | ISI |
| 15. | Wan, J., Chen, M., Xia, F., Li, D., Zhou, K.From machine-to-machine communications towards cyber-physical systemsComputer Science and Information Systems20131031105112810.2298/CSIS120326018W2-s2.0-84880050834 Google Scholar | Crossref | ISI |
| 16. | Ramos, M. D., Foster, A. D., Felici-Castell, S., Fos, V. G., Solano, J. J. P.Gatherer: an environmental monitoring application based on IPv6 using wireless sensor networksInternational Journal of Ad Hoc and Ubiquitous Computing2013133-420921710.1504/ijahuc.2013.0554652-s2.0-84881181475 Google Scholar | Crossref | ISI |
| 17. | Fadlullah, Z. M., Fouda, M. M., Kato, N., Takeuchi, A., Iwasaki, N., Nozaki, Y.Toward intelligent machine-to-machine communications in smart gridIEEE Communications Magazine2011494606510.1109/mcom.2011.57411472-s2.0-79953792812 Google Scholar | Crossref | ISI |
| 18. | Lee, J.-S. Performance evaluation of IEEE 802.15.4 for low-rate wireless personal area networksIEEE Transactions on Consumer Electronics200652374274910.1109/TCE.2006.17064652-s2.0-33750093923 Google Scholar | Crossref | ISI |
| 19. | Lee, J.-S., Su, Y.-W., Shen, C.-C.A comparative study of wireless protocols: bluetooth, UWB, ZigBee, and Wi-FiProceedings of the 33rd Annual Conference of the IEEE Industrial Electronics Society (IECON ′07)November 2007Taipei, TaiwanIEEE465110.1109/iecon.2007.44601262-s2.0-49949117456 Google Scholar | Crossref |
| 20. | Zhang, Q., Chen, Y.Design of wireless intelligent video surveillance system based on 3G networkTELKOMNIKA Indonesian Journal of Electrical Engineering201412120621710.11591/telkomnika.v12i1.3909 Google Scholar | Crossref |
| 21. | Yongjun, Z., Xueli, Z., Shuxian, Z., shenghui, G.Intelligent transportation system based on internet of thingsProceedings of the World Automation Congress (WAC ′12)June 2012Puerto Vallarta, MexicoIEEE13 Google Scholar |
| 22. | Wang, Y., Qi, H.Research of intelligent transportation system based on the internet of things frameWireless Engineering and Technology20123316016610.4236/wet.2012.33023 Google Scholar | Crossref |
| 23. | Stand-Alone Directional Passenger Counter, INFODEV, January 2015, http://www.infodev.ca/vehicles/products-and-passenger-counters/products/counting-devices/da-200.html Google Scholar |
| 24. | Matamoros, J., Antón-Haro, C.Data aggregation schemes for Machine-to-Machine gateways: interplay with MAC protocolsProceedings of the 21st Future Network & Mobile Summit (FutureNetw ′12)July 2012Berlin, GermanyIEEE182-s2.0-84867229082 Google Scholar |
| 25. | Boswarthick, D., Elloumi, O., Hersent, O.M2M Communications: A Systems Approach2012John Wiley & Sons Google Scholar | Crossref |
| 26. | Osawa, T. Practice of M2M connecting real-world things with cloud computingFujitsu Scientific & Technical Journal20114744014072-s2.0-80755189305 Google Scholar | ISI |
| 27. | Ajah, S., Al-Sherbaz, A., Turner, S., Picton, P.Machine-to-machine communications energy efficiencies: the implications of different M2M communications specificationsInternational Journal of Wireless and Mobile Computing201581152610.1504/ijwmc.2015.0667522-s2.0-84920464884 Google Scholar | Crossref |
| 28. | Chadil, N., Russameesawang, A., Keeratiwintakorn, P.Real-time tracking management system using GPS, GPRS and Google earthProceedings of the 5th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON ′08)May 2008Krabi, Thailand39339610.1109/ECTICON.2008.4600454 Google Scholar | Crossref |
| 29. | El Faouzi, N.-E., Leungd, H., Kuriand, A.Data fusion in intelligent transportation systems: progress and challenges—a surveyInformation Fusion201112141010.1016/j.inffus.2010.06.001 Google Scholar | Crossref | ISI |
| 30. | Leppänen, T., Perttunen, M., Kaipio, P., Riekki, J.用于合作交通应用的传感器数据融合中间件International Journal on Advances in Networks and Services 2011 41-2 149 158 Google Scholar |
| 31. | 哈立德，E.，河村，Y.贝叶斯信念网络的应用通过分析孟加拉国事故数据库估计在吉大港发生碰撞的概率因果造船及海洋工程的日本学会学报（JASNAOE '14）2014日本仙台 谷歌学者 |