論文の概要: Real-Time Agile Software Management for Edge and Fog Computing Based Smart City Infrastructure
- arxiv url: http://arxiv.org/abs/2506.12616v1
- Date: Sat, 14 Jun 2025 20:00:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:46.587304
- Title: Real-Time Agile Software Management for Edge and Fog Computing Based Smart City Infrastructure
- Title（参考訳）: エッジとフォグコンピューティングベースのスマートシティインフラストラクチャのためのリアルタイムアジャイルソフトウェア管理
- Authors: Debasish Jana, Pinakpani Pal, Pawan Kumar,
- Abstract要約: 本稿では、ROOFフレームワークを利用して、中間フォグおよび周辺エッジネットワーク層での分散コンピューティングを行い、その起点付近のデータを処理することでレイテンシを低減する。
ROOFは、冗長性を避けるためにフォグキャッシュ、省エネのための超低電力無線伝送、効率のためのAI駆動のリソース割り当てを備えている。
ブーバネスワル、バルセロナ、コペンハーゲンの事例研究は、交通システムと環境モニタリングにおけるROOFの使用を検証する。
- 参考スコア（独自算出の注目度）: 0.4772368796656325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The evolution of smart cities demands scalable, secure, and energy-efficient architectures for real-time data processing. With the number of IoT devices expected to exceed 40 billion by 2030, traditional cloud-based systems are increasingly constrained by bandwidth, latency, and energy limitations. This paper leverages the ROOF (Real-time Onsite Operations Facilitation) framework with decentralized computing at intermediary fog and peripheral edge network layers to reduce latency by processing data near its point of origin. ROOF features fog caching to avoid redundancy, ultra-low-power wireless transmission for energy savings, and AI-driven resource allocation for efficiency. Security is enhanced through TLS encryption, blockchain-based authentication, and edge-level access control. Case studies from Bhubaneswar, Barcelona and Copenhagen validate the use of ROOF in traffic systems and environmental monitoring. The paper concludes by outlining key challenges and prospects of AI-driven analytics in smart urban infrastructure.
- Abstract（参考訳）: スマートシティの進化は、リアルタイムデータ処理のためのスケーラブルでセキュアでエネルギー効率の良いアーキテクチャを必要とする。
2030年までに400億を超えると予測されるIoTデバイスの数を考えると、従来のクラウドベースのシステムは、帯域幅、レイテンシ、エネルギー制限によってますます制限されている。
本稿では、ROOF(Real-time Onsite Operations Facilitation)フレームワークを活用し、中間フォグおよび周辺エッジネットワーク層での分散コンピューティングを行い、その起点付近でデータを処理することでレイテンシを低減する。
ROOFは、冗長性を避けるためにフォグキャッシュ、省エネのための超低電力無線伝送、効率のためのAI駆動のリソース割り当てを備えている。
セキュリティはTLS暗号化、ブロックチェーンベースの認証、エッジレベルのアクセス制御によって強化される。
ブーバネスワル、バルセロナ、コペンハーゲンの事例研究は、交通システムと環境モニタリングにおけるROOFの使用を検証する。
論文は、スマート都市インフラにおけるAI駆動分析の主な課題と展望を概説することで締めくくっている。
関連論文リスト
- InTec: integrated things-edge computing: a framework for distributing machine learning pipelines in edge AI systems [1.3812010983144802]
この記事では、IoTアーキテクチャにおける画期的なイノベーションであるInTec(Integrated Things Edge Computing)フレームワークを紹介します。
既存の方法とは異なり、InTecは、モノ、エッジ、クラウドの各レイヤにMLタスクを戦略的に分散することで、3層アーキテクチャの可能性を完全に活用する。
この包括的なアプローチは、データ生成時点でのリアルタイムデータ処理を可能にし、レイテンシを大幅に削減し、ネットワークトラフィックを最適化し、システムの信頼性を向上させる。
論文 参考訳（メタデータ） (2025-02-17T10:38:00Z) - Data-driven Modality Fusion: An AI-enabled Framework for Large-Scale Sensor Network Management [0.49998148477760973]
本稿では,DMF(Data-driven Modality Fusion)と呼ばれる新しいセンシングパラダイムを紹介する。
異なるセンシングモードからの時系列データ間の相関を利用して、DMF手法によりモニタリングに必要な物理センサの数を削減できる。
このフレームワークは、エッジデバイスからコアへ計算の複雑さを移動させ、リソースに制約のあるIoTデバイスが集中的な処理タスクに負担されないようにする。
論文 参考訳（メタデータ） (2025-02-07T14:00:04Z) - Secure Resource Allocation via Constrained Deep Reinforcement Learning [49.15061461220109]
リソース割り当て、タスクオフロード、セキュリティ、パフォーマンスのバランスをとるフレームワークであるSARMTOを紹介します。
SARMTOは5つのベースラインアプローチを一貫して上回り、最大40%のシステムコスト削減を実現している。
これらの拡張は、複雑な分散コンピューティング環境におけるリソース管理に革命をもたらすSARMTOの可能性を強調している。
論文 参考訳（メタデータ） (2025-01-20T15:52:43Z) - Sparsity-Aware Intelligent Massive Random Access Control in Open RAN: A
Reinforcement Learning Based Approach [61.74489383629319]
新たなOpen Radio Access Network(O-RAN)におけるデバイスの大量ランダムアクセスは、アクセス制御と管理に大きな課題をもたらします。
閉ループアクセス制御の強化学習(RL)支援方式を提案する。
深部RL支援SAUDは、連続的かつ高次元の状態と行動空間を持つ複雑な環境を解決するために提案されている。
論文 参考訳（メタデータ） (2023-03-05T12:25:49Z) - Artificial Intelligence Empowered Multiple Access for Ultra Reliable and
Low Latency THz Wireless Networks [76.89730672544216]
テラヘルツ(THz)無線ネットワークは、第5世代(B5G)以上の時代を触媒すると予想されている。
いくつかのB5Gアプリケーションの超信頼性と低レイテンシ要求を満たすためには、新しいモビリティ管理アプローチが必要である。
本稿では、インテリジェントなユーザアソシエーションとリソースアロケーションを実現するとともに、フレキシブルで適応的なモビリティ管理を可能にする、全体論的MAC層アプローチを提案する。
論文 参考訳（メタデータ） (2022-08-17T03:00:24Z) - Implementing Reinforcement Learning Datacenter Congestion Control in NVIDIA NICs [64.26714148634228]
渋滞制御 (CC) アルゴリズムの設計は非常に困難になる。
現在、計算能力に制限があるため、ネットワークデバイスにAIモデルをデプロイすることはできない。
我々は,近年の強化学習CCアルゴリズムに基づく計算軽度解を構築した。
論文 参考訳（メタデータ） (2022-07-05T20:42:24Z) - Intelligent Blockage Prediction and Proactive Handover for Seamless
Connectivity in Vision-Aided 5G/6G UDNs [8.437758224218648]
超高密度ネットワーク(UDN)におけるモビリティ管理の課題
本稿では,無線信号とオンロード監視システムを利用した新しいメカニズムを提案し,ブロックの可能性を事前に予測し,タイムリーなハンドオーバ(HO)を行う。
その結果,我々のBLK検出とPHOアルゴリズムは,ユーザ接続性および要求品質(QoE)の40%向上を実現していることがわかった。
論文 参考訳（メタデータ） (2022-02-21T16:21:49Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Deep Reinforcement Learning with Spatio-temporal Traffic Forecasting for
Data-Driven Base Station Sleep Control [39.31623488192675]
5G時代のモバイル交通需要の増加に対応するため、基地局(BS)は無線アクセスネットワーク(RAN)に密に展開され、ネットワークカバレッジと容量が向上しています。
BSの高密度はピークトラフィックに対応するために設計されているため、オフピーク時にBSがオンになっている場合、不必要に大量のエネルギーを消費します。
セルラーネットワークのエネルギー消費を抑えるために、交通需要に応えないアイドルベースステーションを非活性化する方法が効果的である。
本論文では,DeepBSC と呼ばれるトラフィック認識型動的 BS 睡眠制御フレームワークを開発した。
論文 参考訳（メタデータ） (2021-01-21T01:39:42Z) - Enhanced Pub/Sub Communications for Massive IoT Traffic with SARSA
Reinforcement Learning [0.11470070927586014]
クラウド、エッジ、フォグコンピューティングは、IoTデータを収集、処理、配布するための潜在的かつ競争的な戦略である。
本稿では,通信リソースの少ないネットワークを通じて大量のIoTデータを伝送する問題について述べる。
SARSAアルゴリズムによる強化学習(Reinforcement Learning, RL)に基づく認知コミュニケーションリソース割り当てを使用する。
論文 参考訳（メタデータ） (2021-01-03T18:46:01Z)
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。