基于 FIWARE 的增强型网络物理系统架构：面向小型机器学习与机器学习操作——以城市交通系统为例
密码学与安全
2024-11-22 v1 人工智能
分布式、并行与集群计算
网络与互联网体系结构
摘要
AI 与物联网的兴起正在加速社会的数字化转型。交通计算面临特定挑战，包括实时性要求、去中心化特性以及通过无线网络的联网。新的边缘计算和小型机器学习 (tinyML) 研究探索在低性能设备上执行 AI 模型以应对这些问题。然而，很少有研究提出能够管理智能网络物理系统整个生命周期的无关架构。本文扩展了基于 FIWARE 软件组件的先前架构，以实现机器学习操作流程，使其能够在网络物理系统中管理整个 tinyML 生命周期。我们还提供了一个用例，展示如何通过一个完整的智能交通系统示例实现 FIWARE 架构。我们得出结论，FIWARE 生态系统是开发网络物理系统中的 tinyML 和边缘计算的真实可行选项。
引用
@article{arxiv.2411.13583,
title = {Enhanced FIWARE-Based Architecture for Cyberphysical Systems With Tiny Machine Learning and Machine Learning Operations: A Case Study on Urban Mobility Systems},
author = {Javier Conde and Andrés Munoz-Arcentales and Álvaro Alonso and Joaquín Salvachúa and Gabriel Huecas},
journal= {arXiv preprint arXiv:2411.13583},
year = {2024}
}