論文の概要: MOVO: a dApp for DLT-based Smart Mobility
- arxiv url: http://arxiv.org/abs/2104.13813v2
- Date: Fri, 10 Sep 2021 15:31:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 04:29:42.885647
- Title: MOVO: a dApp for DLT-based Smart Mobility
- Title（参考訳）: MOVO: DLTベースのスマートモビリティのためのdApp
- Authors: Mirko Zichichi, Stefano Ferretti, Gabriele D'Angelo
- Abstract要約: MOVOは、スマートモビリティのための分散アプリケーション(dApp)である。
i)車両やスマートフォンセンサからデータを収集するモジュール、(ii)分散Ledger Technologies(DLT)と分散ファイルストレージ(DFS)とのインタラクションのためのコンポーネントを含む。
本報告では,本ソフトウェアの主要コンポーネントについて述べるとともに,実際の移動シナリオにおけるMOVO dAppの有効性を確認する実験的な評価を行う。
- 参考スコア（独自算出の注目度）: 9.034589850863714
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plenty of research on smart mobility is currently devoted to the inclusion of
novel decentralized software architectures to these systems, due to the
inherent advantages in terms of transparency, traceability, trustworthiness.
MOVO is a decentralized application (dApp) for smart mobility. It includes: (i)
a module for collecting data from vehicles and smartphones sensors; (ii) a
component for interacting with Distributed Ledger Technologies (DLT) and
Decentralized File Storages (DFS), for storing and validating sensor data;
(iii) a module for "offline" interaction between devices. The dApp consists of
an Android application intended for use inside a vehicle, which helps the
user/driver collect contextually generated data (e.g. a driver's stress level,
an electric vehicle's battery level), which can then be shared through the use
of DLT (i.e., IOTA DLT and Ethereum smart contracts) and DFS (i.e., IPFS). The
third module consists of an implementation of a communication channel that, via
Wi-Fi Direct, allows two devices to exchange data and payment information with
respect to DLT (i.e. cryptocurrency and token) assets. In this paper, we
describe the main software components and provide an experimental evaluation
that confirms the viability of the MOVO dApp in real mobility scenarios.
- Abstract（参考訳）: スマートモビリティに関する多くの研究は、透明性、トレーサビリティ、信頼性といった点で固有の利点があるため、これらのシステムに新たな分散ソフトウェアアーキテクチャを取り入れることに費やされている。
MOVOは、スマートモビリティのための分散アプリケーション(dApp)である。
以下を含む。
(i)車両及びスマートフォンセンサからデータを収集するモジュール
(二 センサデータの保存及び検証のための分散Ledger Technologies(DLT)及び分散ファイルストレージ(DFS)との相互作用のためのコンポーネント
(iii)デバイス間の"オフライン"インタラクションのためのモジュール。
dAppは、車内での使用を目的としたAndroidアプリケーションで構成されており、ユーザ/ドライバがコンテキスト的に生成されたデータ(例えば、ドライバーのストレスレベル、電気自動車のバッテリレベル)を収集し、DLT(IOTA DLTおよびEthereumスマートコントラクト)とDFS(IPFS)を使用して共有することができる。
第3のモジュールは、Wi-Fi Directを介して、2つのデバイスがDLT(暗号通貨とトークン)資産に関するデータと支払い情報を交換できる通信チャネルの実装で構成されている。
本稿では,主要なソフトウェアコンポーネントについて述べるとともに,実際の移動シナリオにおけるMOVO dAppの有効性を確認する実験的な評価を行う。
関連論文リスト
- AI-Driven Intrusion Detection Systems (IDS) on the ROAD Dataset: A Comparative Analysis for Automotive Controller Area Network (CAN) [4.081467217340597]
コントロールエリアネットワーク(CAN)バスは、電子制御ユニット(ECU)間の車内通信を管理する中央システムである。
CANプロトコルは、固有の脆弱性、暗号化と認証の欠如、攻撃面の拡大、堅牢なセキュリティ対策を必要とするセキュリティ上の問題を引き起こす。
本稿では、ステルスと洗練された注入を含む最新のROADデータセットについて考察する。
論文 参考訳（メタデータ） (2024-08-30T12:26:23Z) - Federated Learning for 6G: Paradigms, Taxonomy, Recent Advances and
Insights [52.024964564408]
本稿では,プロトコルスタックのすべてのレベルにわたってフェデレートラーニングを実装することの付加価値について検討する。
それは重要なFLアプリケーションを示し、ホットトピックに対処し、将来の研究と開発のための貴重な洞察と明示的なガイダンスを提供します。
我々の結論は、FLと将来の6Gの相乗効果を活用しつつ、FLがワイヤレス産業に革命をもたらす可能性を浮き彫りにすることを目的としています。
論文 参考訳（メタデータ） (2023-12-07T20:39:57Z) - A Quality-of-Service Compliance System using Federated Learning and
Optimistic Rollups [0.0]
平行するトレンドは、多くの人々にとって主要なコンピューティングデバイスとして携帯電話やタブレットが台頭していることだ。
これらのデバイスに存在する強力なセンサーは、それらがモバイルであるという事実と相まって、前例のないほど多様なプライベートな性質を持つデータにアクセスすることができる。
このようなデータで学んだモデルは、よりインテリジェントなアプリケーションを動かすことによって、ユーザビリティを劇的に向上させるという約束を持っているが、データに敏感な性質は、それを集中した場所に保存するリスクと責任を意味する。
我々は、クライアントが実行するサービスに関する特定のデータがソースマシンを離れないように、フェデレートラーニング(FL)の使用を提案する。
論文 参考訳（メタデータ） (2023-11-14T20:02:37Z) - LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。
本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
論文 参考訳（メタデータ） (2023-11-02T07:23:33Z) - Berlin V2X: A Machine Learning Dataset from Multiple Vehicles and Radio
Access Technologies [56.77079930521082]
我々は,MLに基づく多種多様な研究への道を開くための詳細な測定キャンペーンを実施してきた。
得られたデータセットは、携帯電話(と2つの異なるオペレーター)とサイドリンク無線アクセス技術の両方のために、様々な都市環境にまたがるGPS位置の無線測定を提供する。
私たちは、MLが克服しなければならない課題と、MLが活用できる機能について、データの初期分析を提供しています。
論文 参考訳（メタデータ） (2022-12-20T15:26:39Z) - IoT with a Soft Touch: A Modular Remote Sensing Platform for STE(A)M
Applications [0.0]
この作業では,2つの目標を達成するために開発された,IoT with a Soft Touchというリモートセンシングプラットフォームを提示する。
まず,STE(A)Mを実践する学生を刺激し,技術力の低下を図る。
第2に、この技術はよりソフトな応用(例えば、環境と医療)に使用される。
論文 参考訳（メタデータ） (2022-03-29T11:41:39Z) - Mobile Sensing for Multipurpose Applications in Transportation [0.0]
国務省は、交通問題をタイムリーに分析・解決するために一貫したデータを集めるのに苦労している。
スマートフォンに内蔵されたセンサーの最近の進歩は、より手頃なデータ収集方法をもたらした。
開発されたアプリは、ミズーリ州コロンビアとミズーリ州カンザスシティを結ぶi70Wハイウェイのデータを収集して評価された。
論文 参考訳（メタデータ） (2021-06-20T17:56:12Z) - Federated Learning-based Active Authentication on Mobile Devices [98.23904302910022]
モバイルデバイス上のユーザアクティブ認証は、デバイスセンサ情報に基づいて登録ユーザを正しく認識できるモデルを学ぶことを目的としている。
Federated Active Authentication (FAA) と呼ばれる新しいユーザーアクティブ認証トレーニングを提案します。
既存のFL/SL法は,同質に分散するデータに依存するため,FAAにとって最適ではないことを示す。
論文 参考訳（メタデータ） (2021-04-14T22:59:08Z) - DMD: A Large-Scale Multi-Modal Driver Monitoring Dataset for Attention
and Alertness Analysis [54.198237164152786]
視覚は運転監視システム(DMS)の最も豊かで費用対効果の高い技術である
十分に大規模で包括的なデータセットの欠如は、DMS開発の進展のボトルネックとなっている。
本稿では,実運転シナリオとシミュレーション運転シナリオを含む広範囲なデータセットであるドライバモニタリングデータセット(DMD)を紹介する。
論文 参考訳（メタデータ） (2020-08-27T12:33:54Z) - Wireless Communications for Collaborative Federated Learning [160.82696473996566]
IoT(Internet of Things)デバイスは、収集したデータを中央のコントローラに送信することができず、機械学習モデルをトレーニングすることができる。
GoogleのセミナルFLアルゴリズムでは、すべてのデバイスを中央コントローラに直接接続する必要がある。
本稿では,コラボレーティブFL(CFL)と呼ばれる新しいFLフレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-03T20:00:02Z) - Federated Learning in Vehicular Networks [41.89469856322786]
フェデレートラーニング(FL)フレームワークは、トランスミッションオーバーヘッドを減らすことを目的として、効率的なツールとして導入された。
本稿では,車載ネットワークアプリケーションにおける一元学習(CL)によるFLを用いたインテリジェント交通システムの構築について検討する。
データラベリングやモデルトレーニングといった学習の観点からも,コミュニケーションの観点からも,データレート,信頼性,送信オーバーヘッド,プライバシ,リソース管理といった面から,大きな課題を識別する。
論文 参考訳（メタデータ） (2020-06-02T06:32:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。