ثورة في التنقل الحضري: حلول وقوف السيارات الذاتية المعززة بإنترنت الأشياء والتعلم بالنقل للمدن الذكية
Title Revolutionizing Urban Mobility: IoT-Enhanced Autonomous Parking Solutions with Transfer Learning for Smart Citie
الباحث الرئيس يزيد بدر ناصر السعوي
التخصص: علوم الحاسب
التخصص الدقيق: انترنت الاشياء
المستخلص: ظهرت المدن الذكية كمجال متخصص يجمع بين العديد من التقنيات، حيث انتقلت من الهندسة المدنية إلى حلول تعتمد على التكنولوجيا. لعب التطور السريع للتقنيات مثل إنترنت الأشياء (IoT)، الشبكات المعرفة بالبرمجيات (SDN)، تقنية الجيل الخامس (5G)، الذكاء الاصطناعي، العلوم الإدراكية، والتحليلات، دورًا حاسمًا في تقديم حلول مبتكرة للمدن الذكية.
تعتمد المدن الذكية بشكل كبير على الأجهزة، والشبكات اللاسلكية المخصصة (Ad Hoc Networks)، والحوسبة السحابية لدمج وتبسيط مختلف الأنشطة نحو تحقيق أهداف مشتركة. ومع ذلك، فإن التعقيد الناتج عن تعدد مزودي الخدمات السحابية وتنوع الخدمات المقدمة يتطلب وجود منصة مستقرة ومتسقة لضمان العمليات المستدامة.
تم تطوير نموذج البيئة التشغيلية للمدن الذكية (SCOPE) لتلبية الاحتياجات المتزايدة، حيث يدمج التعلم الآلي، العلاقات الإدراكية، إدارة الأنظمة البيئية، والأمن. يهدف نموذج SCOPE إلى توفير نظام بيئي يحقق توازنًا بين الاستدامة والتقدم.
في سياق المدن الذكية، تلعب أجهزة إنترنت الأشياء دورًا كبيرًا في تمكين الأتمتة وجمع البيانات. يركز هذا البحث على وحدة محددة من نموذج SCOPE، تُعنى بآليات معالجة البيانات والتعلم للتعرف على الأشياء في المدن الذكية. يقدم البحث نظامًا لوقوف السيارات الذكية يستخدم تقنيات التعرف الذكي لتحديد الأماكن الشاغرة.
يستخدم المتحكم التعليمي في نموذج SCOPE نهجًا من مستويين، ويعتمد على نموذجين مختلفين، هما:
AlexNet
YOLO (You Only Look Once)
يهدف هذا النهج لضمان الاستقرار الإجرائي وتحسين الأداء المستمر في التعرف على الأشياء وتحديد المواقع الفارغة، مما يوفر حلولًا متقدمة ومستدامة للتنقل الحضري في المدن الذكي
Abstract: Smart cities have emerged as a specialized domain encompassing various technologies, transitioning from civil engineering to technology-driven solutions. The accelerated development of technologies, such as the Internet of Things (IoT), software-defined networks (SDN), 5G, artificial intelligence, cognitive science, and analytics, has played a crucial role in providing solutions for smart cities. Smart cities heavily rely on devices, ad hoc networks, and cloud computing to integrate and streamline various activities towards common goals. However, the complexity arising from multiple cloud service providers offering myriad services necessitates a stable and coherent platform for sustainable operations. The Smart City Operational Platform Ecology (SCOPE) model has been developed to address the growing demands, and incorporates machine learning, cognitive correlates, ecosystem management, and security. SCOPE provides an ecosystem that establishes a balance for achieving sustainability and progress. In the context of smart cities, Internet of Things (IoT) devices play a significant role in enabling automation and data capture. This research paper focuses on a specific module of SCOPE, which deals with data processing and learning mechanisms for object identification in smart cities. Specifically, it presents a car parking system that utilizes smart identification techniques to identify vacant slots. The learning controller in SCOPE employs a two-tier approach, and utilizes two different models, namely Alex Net and YOLO, to ensure procedural stability and improvement.