کاهش ترافیک با کمک تشخیص فعالیت انسان در خانه های هوشمند

چکیده مقاله

در این مقاله به بررسی کاهش ترافیک با کمک تشخیص فعالیت انسان در خانه های هوشمند پرداخته شده است در شبکه های حسگر بیسیم بدنی ، ارسالهای دوره ای داده های خام حجیم اخذ شده از بدن مستلزم مصرف انرژی بالا بوده حال آنکه انرژی گره های حسگر زیست پزشکی بسیار محدود میباشند از این رو کاهش مصرف انرژی در این شبکه ها همواره بایستی در مرکزیت توجه قرار بگیرد یکی دیگر از چالش های که در شبکه های حسگر بی سیم بدنی وجود دارد، چگونگی تعیین سطح عمومی سلامت فرد و اتخاذ تصمیم صحیح توسط تعدیل کننده می باشد که میتواند که در مواقع اضطراری و تماس با اورژانس بسیار سودمند واقع شود در این تحقیق به طور مشخص به منظور ارزیابی موثر روش پیشنهادی، میزان اثربخشی و بهینگی کاهش نرخ نمونه گیری و بازارسال را در رفع چالش مصرف انرژی موردبررسی قرارگرفته و مدیریت موارد اورژانسی نیز از طریق نرخ هشدارهای صحیح و نادرست تحلیل میشوند نتایج تحقیق نشان داد که استفاده از سیستم امتیاز هشدار دهی بدوی با عدم ارسال داده های تکراری و یک نرخ نمونه گیری ثابت قادر است، حجم داده های ارسالی را در مقایسه با ارسال کل داده ها به طور میانگین 70 %کاهش دهد که کاهش نرخ نمونه گیری نیز از سهم بسزایی در کاهش داده های ارسالی به دستگاه تعدیل کننده برخوردار میباشد و قادر است داده های ارسال شده به تعدیل کننده را نسبت به نرخ ثابت به طور متوسط تا 22 % کاهش دهد روش پیشنهادی با استفاده از ویژگی در نظر گرفتن ویژگی ها قادر است تا در مقایسه با روش با نرخ نمونه گیری ثابت به طور متوسط تا 30 %کاهش دهد

کلیدواژه‌ها

نویسندگان

محسن شریعتی نژاد

کارشناسی دانشگاه فنی و حرفه ای دزفول کارشناس اموز دانشجویی

�ریعتی نژاد، محسن،1398،کاهش ترافیک با کمک تشخیص فعالیت انسان در خانه های هوشمند،سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات سومین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی16 بهمن 1398 · اهواز