[套装书]移动机器人学：数学基础、模型构建及实现方法+雾计算与边缘计算：原理及范式（2册）

作者
[美] 阿朗佐·凯利（Alonzo Kelly）[澳大利亚] 拉库马·布亚（Rajkumar Buyya）[爱沙尼亚] 萨蒂什·纳拉亚纳·斯里拉马（Satish Narayana Srirama）
丛书名
机器人学译丛
出版社
机械工业出版社
ISBN
9782002281710
简要
简介
内容简介书籍计算机书籍 ---------------------------移动机器人学：数学基础、模型构建及实现方法--------------------------- 本书介绍与移动机器人的控制、感知和规划技术相关的数学基础、系统模型、传感器技术和算法。数学基础方面，涵盖矩阵理论、刚体变换、线性与非线性优化、微分代数与微分方程、最优估计等；系统模型方面，涵盖运动学和动力学模型、控制系统模型、传感器和环境模型等；传感器技术方面，涵盖常用的车轮里程计、超声波传感器、激光雷达以及各种视觉传感器；算法方面，涵盖位姿估计、观测误差估计、同步定位和地图构建、运动规划等。本书可作为机器人学相关专业高年级本科生和研究生的教材，也可供该领域的科研人员和工程技术人员参考。 ---------------------------雾计算与边缘计算：原理及范式--------------------------- 本书全面概述了推动雾计算与边缘计算这一动态计算领域的最新应用程序和体系结构，同时突出了潜在的研究方向和新兴技术。
目录



---------------------------移动机器人学：数学基础、模型构建及实现方法---------------------------


译者序
前言
第1章　绪论 1
1.1　移动机器人应用 1
1.2　移动机器人分类 2
1.2.1　地面自主移动机器人 2
1.2.2　服务机器人 2
1.2.3　清洁和草坪护理机器人 3
1.2.4　社交机器人 3
1.2.5　野外机器人 4
1.2.6　检测、侦查、监控和勘探机器人 5
1.3　移动机器人工程 6
1.3.1　移动机器人子系统 6
1.3.2　全书概述 6
1.3.3　轮式移动机器人基础 8
1.3.4　参考文献与延伸阅读 9
1.3.5　习题 9
第2章　数学基础 10
2.1　约定和定义 10
2.1.1　符号约定 10
2.1.2　附体坐标系 14
2.1.3　参考文献与延伸阅读 16
2.2　矩阵基础 17
2.2.1　矩阵运算 17
2.2.2　矩阵函数 19
2.2.3　矩阵求逆 20
2.2.4　秩–零化度定理 22
2.2.5　矩阵代数 23
2.2.6　矩阵微积分 25
2.2.7　莱布尼茨法则 31
2.2.8　参考文献与延伸阅读 32
2.2.9　习题 32
2.3　刚体变换基础 33
2.3.1　定义 33
2.3.2　为什么使用齐次变换 33
2.3.3　语义和解释 34
2.3.4　参考文献与延伸阅读 43
2.3.5　习题 44
2.4　机构运动学 45
2.4.1　正运动学 45
2.4.2　逆运动学 49
2.4.3　微分运动学 52
2.4.4　参考文献与延伸阅读 54
2.4.5　习题 54
2.5　方向和角速度 55
2.5.1　欧拉角形式的方向表示 56
2.5.2　角速度和小角度 59
2.5.3　欧拉角形式的角速度与方向变化率 61
2.5.4　轴角形式的角速度与方向变化率 62
2.5.5　参考文献与延伸阅读 63
2.5.6　习题 64
2.6　传感器的运动学模型 64
2.6.1　摄像机的运动学模型 64
2.6.2　激光测距传感器的运动学模型 65
2.6.3　参考文献与延伸阅读 71
2.6.4　习题 71
2.7　变换图与位姿网络 71
2.7.1　关系变换 71
2.7.2　位姿网络求解 74
2.7.3　过约束网络 75
2.7.4　用于一般位置坐标系的微分运动学 77
2.7.5　参考文献与延伸阅读 81
2.7.6　习题 81
2.8　四元数 82
2.8.1　表示和符号 82
2.8.2　四元数乘法 83
2.8.3　其他四元数运算 85
2.8.4　三维旋转表示 86
2.8.5　姿态和角速度 88
2.8.6　参考文献与延伸阅读 90
2.8.7　习题 90
第3章　数值方法 92
3.1　向量函数的线性化和优化 92
3.1.1　线性化 93
3.1.2　目标函数优化 94
3.1.3　约束优化 98
3.1.4　参考文献与延伸阅读 103
3.1.5　习题 103
3.2　方程组 103
3.2.1　线性系统 103
3.2.2　非线性系统 108
3.2.3　参考文献与延伸阅读 110
3.2.4　习题 110
3.3　非线性优化和约束优化 111
3.3.1　非线性优化 111
3.3.2　约束优化 116
3.3.3　参考文献与延伸阅读 119
3.3.4　习题 120
3.4　微分代数系统 120
3.4.1　约束动力学 121
3.4.2　一阶和二阶约束运动学系统 123
3.4.3　拉格朗日动力学 125
3.4.4　约束 129
3.4.5　参考文献与延伸阅读 133
3.4.6　习题 133
3.5　微分方程的积分 134
3.5.1　状态空间中的动力学模型 134
3.5.2　状态空间模型的积分 134
3.5.3　参考文献与延伸阅读 137
3.5.4　习题 137
第4章　动力学 138
4.1　动坐标系 138
4.1.1　观测问题 138
4.1.2　改变参考系 139
4.1.3　应用实例：姿态稳定裕度估计 143
4.1.4　运动状态的递归变换 145
4.1.5　参考文献和延伸阅读 148
4.1.6　习题 149
4.2　轮式移动机器人运动学 149
4.2.1　刚体运动概况 150
4.2.2　轮式移动机器人固定接触点的速度运动学 152
4.2.3　常用转向系统配置 155
4.2.4　参考文献和延伸阅读 159
4.2.5　习题 160
4.3　约束运动学与动力学 160
4.3.1　禁止方向的约束 161
4.3.2　纯滚动（无侧滑）约束 165
4.3.3　拉格朗日动力学 168
4.3.4　地形接触 173
4.3.5　轨迹估计与预测 175
4.3.6　参考文献和延伸阅读 179
4.3.7　习题 180
4.4　线性系统理论概述 181
4.4.1　线性定常系统 181
4.4.2　线性动态系统的状态空间表示 187
4.4.3　非线性动态系统 190
4.4.4　非线性动态系统的扰动动力学 192
4.4.5　参考文献与延伸阅读 194
4.4.6　习题 195
4.5　预测模型与系统辨识 195
4.5.1　制动 196
4.5.2　转向 197
4.5.3　车辆翻倒 199
4.5.4　车轮打滑和偏航稳定性 202
4.5.5　动力学模型的参数化和线性化 204
4.5.6　系统辨识 207
4.5.7　参考文献与延伸阅读 213
4.5.8　习题 214
第5章　最优估计 215
5.1　随机变量、随机过程与随机变换 215
5.1.1　不确定性的表征 215
5.1.2　随机变量 216
5.1.3　不确定性变换 222
5.1.4　随机过程 229
5.1.5　参考文献与延伸阅读 234
5.1.6　习题 234
5.2　协方差传播与最优估计 235
5.2.1　连续积分与平均过程的方差 235
5.2.2　随机积分 239
5.2.3　最优估计 244
5.2.4　参考文献与延伸阅读 251
5.2.5　习题 251
5.3　状态空间卡尔曼滤波器 252
5.3.1　引言 252
5.3.2　线性离散时间卡尔曼滤波 254
5.3.3　非线性系统的卡尔曼滤波 256
5.3.4　简单应用实例：二维平面的移动机器人 260
5.3.5　关于卡尔曼滤波的实用信息 269
5.3.6　其他形式的卡尔曼滤波 274
5.3.7　参考文献与延伸阅读 274
5.3.8　习题 275
5.4　贝叶斯估计 276
5.4.1　定义 276
5.4.2　贝叶斯法则 278
5.4.3　贝叶斯滤波 282
5.4.4　贝叶斯建图 286
5.4.5　贝叶斯定位 292
5.4.6　参考文献与延伸阅读 295
5.4.7　习题 295
第6章　状态估计 296
6.1　位姿估计的数学基础 296
6.1.1　位姿修正与航位推算法 296
6.1.2　位姿修正 298
6.1.3　三角测量中的误差传播 300
6.1.4　实际位姿修正系统 307
6.1.5　航位推算法 308
6.1.6　实际航位推算系统 316
6.1.7　参考文献与延伸阅读 316
6.1.8　习题 317
6.2　用于状态估计的传感器 318
6.2.1　关节传感器 318
6.2.2　环境场传感器 319
6.2.3　惯性参考系 320
6.2.4　惯性传感器 322
6.2.5　参考文献与延伸阅读 327
6.2.6　习题 327
6.3　惯性导航系统 328
6.3.1　引言 328
6.3.2　惯性导航的数学原理 328
6.3.3　惯性导航中的误差和辅助系统 332
6.3.4　应用实例：简单的里程计辅助姿态航向基准系统 335
6.3.5　参考文献与延伸阅读 338
6.3.6　习题 338
6.4　卫星导航系统 339
6.4.1　引言 339
6.4.2　工作原理 339
6.4.3　状态测量 340
6.4.4　性能参数 343
6.4.5　运行模式 345
6.4.6　参考文献与延伸阅读 346
6.4.7　习题 346
第7章　控制 348
7.1　经典控制 348
7.1.1　引言 348
7.1.2　虚拟弹簧阻尼系统 351
7.1.3　反馈控制 353
7.1.4　参考模型和前馈控制 358
7.1.5　参考文献与延伸阅读 361
7.1.6　习题 361
7.2　状态空间控制 362
7.2.1　引言 362
7.2.2　状态空间反馈控制 363
7.2.3　应用实例：机器人轨迹跟踪 366
7.2.4　感知控制 370
7.2.5　转向轨迹生成 372
7.2.6　参考文献与延伸阅读 377
7.2.7　习题 378
7.3　预测控制的优化与建模 378
7.3.1　变分法 378
7.3.2　最优控制 381
7.3.3　模型预测控制 385
7.3.4　求解最优控制问题的方法 387
7.3.5　参数化最优控制 390
7.3.6　参考文献与延伸阅读 393
7.3.7　习题 394
7.4　智能控制 394
7.4.1　引言 395
7.4.2　评价 397
7.4.3　表达 399
7.4.4　搜索 405
7.4.5　参考文献与延伸阅读 409
7.4.6　习题 410
第8章　感知 411
8.1　图像处理算子与算法 411
8.1.1　计算机视觉算法分类 412
8.1.2　高通滤波算子 413
8.1.3　低通算子 417
8.1.4　信号和图像匹配 418
8.1.5　特征检测 420
8.1.6　区域处理 422
8.1.7　参考文献与延伸阅读 425
8.1.8　习题 425
8.2　非接触传感器的物理特性及原理 426
8.2.1　非接触传感器 426
8.2.2　测距技术 427
8.2.3　辐射信号 430
8.2.4　透镜、滤光片和反射镜 436
8.2.5　参考文献与延伸阅读 439
8.2.6　习题 440
8.3　感知传感器 440
8.3.1　激光测距传感器 440
8.3.2　超声波测距传感器 444
8.3.3　可见光摄像机 445
8.3.4　中远红外波长摄像机 447
8.3.5　雷达 449
8.3.6　参考文献与延伸阅读 451
8.3.7　习题 451
8.4　几何级与语义级计算机视觉概述 451
8.4.1　像素级分类 451
8.4.2　计算立体视觉 453
8.4.3　障碍物探测 456
8.4.4　参考文献与延伸阅读 459
8.4.5　习题 459
第9章　定位和地图构建 462
9.1　表示和问题 462
9.1.1　引言 462
9.1.2　表示 463
9.1.3　定时和运动问题 465
9.1.4　定位的相关问题 466
9.1.5　结构概述 468
9.1.6　应用实例：无人地面车辆的地形地图 469
9.1.7　参考文献与延伸阅读 473
9.1.8　习题 473
9.2　视觉定位和运动估计 473
9.2.1　引言 473
9.2.2　定位和运动估计的信号对准 479
9.2.3　用于定位和运动估计的特征匹配 483
9.2.4　搜索最优位姿 488
9.2.5　参考文献与延伸阅读 496
9.2.6　习题 497
9.3　同步定位与地图构建 498
9.3.1　引言 498
9.3.2　循环构建地图的全局一致性 499
9.3.3　回访检测 503
9.3.4　离散路标的EKF SLAM 505
9.3.5　应用实例：激光反射器的自动探测 508
9.3.6　参考文献与延伸阅读 510
9.3.7　习题 511
第10章　运动规划 512
10.1　引言 512
10.1.1　路径规划简介 513
10.1.2　路径规划的系统阐述 514
10.1.3　无障碍运动规划 515
10.1.4　参考文献与延伸阅读 516
10.1.5　习题 517
10.2　全局路径规划的表示与搜索 517
10.2.1　连续运动规划 517
10.2.2　最优搜索的重要创意 522
10.2.3　一致代价序贯规划算法 525
10.2.4　加权序贯规划 529
10.2.5　序贯运动规划的实现 536
10.2.6　参考文献与延伸阅读 538
10.2.7　习题 539
10.3　实时全局运动规划：在未知的动态环境中的移动 539
10.3.1　引言 539
10.3.2　有限深度搜索 541
10.3.3　实时方法 543
10.3.4　规划修正方法：D*算法 544
10.3.5　分层规划 551
10.3.6　参考文献与延伸阅读 553
10.3.7　习题 553
索引 554



---------------------------雾计算与边缘计算：原理及范式---------------------------


出版者的话
译者序
前言
致谢
作者名单
第一部分　基础原理
第1章　物联网和新的计算范式 2
1.1　引言 2
1.2　相关技术 4
1.3　通过雾计算和边缘计算完成云计算 5
1.3.1　FEC的优势：SCALE 5
1.3.2　FEC如何实现SCALE五大优势：通过SCANC 6
1.4　雾计算和边缘计算的层次结构 8
1.4.1　内边缘 9
1.4.2　中边缘 9
1.4.3　外边缘 9
1.5　商业模式 10
1.5.1　X即服务 10
1.5.2　支持服务 11
1.5.3　应用服务 11
1.6　机遇和挑战 11
1.6.1　开箱即用的体验 11
1.6.2　开放平台 12
1.6.3　系统管理 13
1.7　结论 13
参考文献 14
第2章　解决联合边缘资源面临的挑战 16
2.1　引言 16
2.2　组网挑战 17
2.2.1　联合边缘环境中的组网挑战 18
2.2.2　解决组网挑战 19
2.2.3　未来研究方向 21
2.3　管理挑战 22
2.3.1　联合边缘环境中的管理挑战 22
2.3.2　目前的研究 23
2.3.3　解决管理挑战 23
2.3.4　未来研究方向 24
2.4　其他挑战 25
2.4.1　资源挑战 25
2.4.2　建模挑战 27
2.5　结论 28
参考文献 28
第3章　集成物联网+雾+云基础设施：系统建模和研究挑战 33
3.1　引言 33
3.2　方法论 34
3.3　集成C2F2T文献中的建模技巧 36
3.3.1　解析模型 37
3.3.2　佩特里网模型 39
3.3.3　整数线性规划 41
3.3.4　其他方法 41
3.4　集成C2F2T文献中的应用场景 42
3.5　集成C2F2T文献中的度量指标 44
3.5.1　能耗 44
3.5.2　性能 45
3.5.3　资源消耗 45
3.5.4　成本 46
3.5.5　服务质量 46
3.5.6　安全 46
3.6　未来研究方向 46
3.7　结论 47
致谢 48
参考文献 48
第4章　5G、雾计算、边缘计算和云计算中网络切片的管理和编排 51
4.1　引言 51
4.2　背景 52
4.2.1　5G 52
4.2.2　云计算 53
4.2.3　移动边缘计算 53
4.2.4　边缘计算与雾计算 53
4.3　5G中的网络切片 54
4.3.1　基础设施层 55
4.3.2　网络功能和虚拟化层 55
4.3.3　服务和应用层 55
4.3.4　切片管理和编排 56
4.4　软件定义云中的网络切片 56
4.4.1　网络感知虚拟机管理 56
4.4.2　网络感知虚拟机迁移规划 57
4.4.3　虚拟网络功能管理 58
4.5　边缘和雾中的网络切片管理 59
4.6　未来研究方向 60
4.6.1　软件定义云 60
4.6.2　边缘计算与雾计算 61
4.7　结论 62
致谢 62
参考文献 62
第5章　雾计算和边缘计算的优化问题 67
5.1　引言 67
5.2　背景及相关工作 68
5.3　预备知识 69
5.4　雾计算优化案例 70
5.5　雾计算的形式化建模框架 70
5.6　指标 71
5.6.1　性能 71
5.6.2　资源使用 72
5.6.3　能耗 72
5.6.4　财务成本 73
5.6.5　其他质量属性 73
5.7　雾结构中的优化机会 73
5.8　服务生命周期中的优化机会 74
5.9　雾计算中优化问题的分类 75
5.10　优化技术 76
5.11　未来研究方向 76
5.12　结论 77
致谢 77
参考文献 77
第二部分　中间件
第6章　雾计算和边缘计算的中间件：设计问题 82
6.1　引言 82
6.2　对雾计算和边缘计算中间件的需求 82
6.3　设计目标 83
6.3.1　Ad-Hoc设备发现 83
6.3.2　运行时期执行环境 83
6.3.3　最小的任务中断 83
6.3.4　操作参数的开销 83
6.3.5　环境感知自适应设计 84
6.3.6　服务质量 84
6.4　最先进的中间件基础设施 84
6.5　系统模型 85
6.5.1　嵌入式传感器或执行器 85
6.5.2　个人设备 85
6.5.3　雾服务器 85
6.5.4　微云 86
6.5.5　云服务器 86
6.6　建议架构 86
6.6.1　API规范 87
6.6.2　安全性 87
6.6.3　设备发现 87
6.6.4　中间件 87
6.6.5　传感器/执行器 89
6.7　案例研究示例 89
6.8　未来研究方向 90
6.8.1　人类参与和环境感知 90
6.8.2　移动性 90
6.8.3　安全可靠的执行 90
6.8.4　任务的管理和调度 90
6.8.5　分布式执行的模块化 90
6.8.6　结算和服务水平协议 91
6.8.7　可扩展性 91
6.9　结论 91
参考文献 91
第7章　边缘云架构的轻量级容器中间件 96
7.1　引言 96
7.2　背景及相关工作 97
7.2.1　边缘云架构 97
7.2.2　用例 98
7.2.3　相关工作 98
7.3　轻量级边缘云集群 99
7.3.1　轻量级软件—容器化 99
7.3.2　轻量级硬件—Raspberry Pi集群 100
7.4　架构管理—存储与编排 100
7.4.1　自建的集群存储与编排 101
7.4.2　OpenStack 存储 101
7.4.3　Docker编排 103
7.5　物联网集成 105
7.6　边缘云架构的安全管理 105
7.6.1　安全要求和区块链原则 106
7.6.2　基于区块链的安全架构 107
7.6.3　基于区块链的集成编排 108
7.7　未来研究方向 110
7.8　结论 111
参考文献 111
第8章　雾计算中的数据管理 114
8.1　引言 114
8.2　背景 115
8.3　雾数据管理 116
8.3.1　雾数据生命周期 117
8.3.2　数据特征 118
8.3.3　数据预处理与分析 118
8.3.4　数据隐私 120
8.3.5　数据存储与数据暂存 120
8.3.6　电子健康案例研究 120
8.3.7　提出的架构 121
8.4　未来研究方向 125
8.4.1　安全性 125
8.4.2　雾计算与存储层次的定义 125
8.5　结论 125
参考文献 125
第9章　支持雾应用程序部署的预测性分析 128
9.1　引言 128
9.2　案例：智能建筑 129
9.3　使用FogTorchΠ进行预测性分析 133
9.3.1　应用程序和基础设施建模 133
9.3.2　搜索符合条件的部署 133
9.3.3　估算资源消耗和成本 135
9.3.4　QoS保证度的估计 137
9.4　案例（续） 139
9.5　相关工作 141
9.5.1　云应用程序部署支持 141
9.5.2　雾应用程序部署支持 142
9.5.3　成本模型 142
9.5.4　比较iFogSim和FogTorchΠ 143
9.6　未来研究方向 145
9.7　结论 146
参考文献 146
第10章　使用机器学习保护物联网系统的安全和隐私 151
10.1　引言 151
10.1.1　物联网中的安全和隐私问题示例 151
10.1.2　物联网中不同层的安全问题 152
10.1.3　物联网设备中的隐私问题 154
10.1.4　物联网安全漏洞深度挖掘：物联网设备上的分布式拒绝服务攻击 156
10.2　背景 159
10.2.1　机器学习简述 159
10.2.2　常用机器学习算法 160
10.2.3　机器学习算法在物联网中的应用 161
10.2.4　基于物联网领域的机器学习算法 162
10.3　保护物联网设备的机器学习技术综述 164
10.3.1　物联网安全机器学习解决方案的系统分类 164
10.3.2　机器学习算法在物联网安全中的应用 165
10.3.3　使用人工神经网络预测和保护物联网系统 166
10.3.4　新型物联网设备攻击 167
10.3.5　关于使用有效机器学习技术实现物联网安全的提案 167
10.4　雾计算中的机器学习 169
10.4.1　介绍 169
10.4.2　用于雾计算和安全的机器学习 169
10.4.3　机器学习在雾计算中的应用 170
10.4.4　雾计算安全中的机器学习 170
10.4.5　用于雾计算的其他机器学习算法 171
10.5　未来研究方向 172
10.6　结论 172
参考文献 173
第三部分　应用和问题
第11章　大数据分析的雾计算实现 178
11.1　引言 178
11.2　大数据分析 179
11.2.1　优点 179
11.2.2　大数据分析典型基础设施 179
11.2.3　技术 180
11.2.4　云中的大数据分析 181
11.2.5　内存分析 181
11.2.6　大数据分析流程 181
11.3　雾中的数据分析 182
11.3.1　雾分析 182
11.3.2　雾引擎 183
11.3.3　使用雾引擎进行数据分析 184
11.4　原型和评估 185
11.4.1　架构 185
11.4.2　配置 186
11.5　案例研究 189
11.5.1　智能家居 189
11.5.2　智能营养监测系统 191
11.6　相关工作 193
11.7　未来研究方向 195
11.8　结论 196
参考文献 196
第12章　在健康监测中运用雾计算 199
12.1　引言 199
12.2　具有雾计算的基于物联网的健康监测系统架构 200
12.2.1　设备（传感器）层 201
12.2.2　具有雾计算的智能网关 202
12.2.3　云服务器和最终用户终端 202
12.3　智能电子健康网关中的雾计算服务 203
12.3.1　本地数据库（存储） 203
12.3.2　推送通知 204
12.3.3　分类 204
12.3.4　具有用户界面的本地主机 204
12.3.5　互操作性 204
12.3.6　安全 205
12.3.7　人体跌倒检测 205
12.3.8　故障检测 207
12.3.9　数据分析 207
12.4　系统实现 207
12.4.1　传感器节点实现 207
12.4.2　具有雾的智能网关实现 208
12.4.3　云服务器和终端 210
12.5　案例研究、实验结果和评估 210
12.5.1　人体跌倒检测的案例研究 210
12.5.2　心率变异性的案例研究 211
12.6　连接组件的讨论 213
12.7　雾计算中的相关应用 214
12.8　未来研究方向 214
12.9　结论 215
参考文献 215
第13章　用于实时人物目标跟踪的边缘智能监控视频流处理 219
13.1　引言 219
13.2　人物目标检测 220
13.2.1　Haar级联特征提取 220
13.2.2　HOG+SVM 221
13.2.3　卷积神经网络 223
13.3　目标跟踪 224
13.3.1　特征表示 225
13.3.2　目标跟踪技术分类 225
13.3.3　基于点的跟踪 226
13.3.4　基于内核的跟踪 227
13.3.5　基于轮廓的跟踪 228
13.3.6　核化相关滤波器 228
13.4　轻量级人物检测 230
13.5　案例分析 231
13.5.1　人物目标检测 232
13.5.2　目标跟踪 234
13.6　未来研究方向 235
13.7　结论 236
参考文献 236
第14章　智能交通应用发展中的雾计算模型 239
14.1　引言 239
14.2　数据驱动的智能交通系统 240
14.3　智能交通应用程序的关键任务计算要求 241
14.3.1　模块化 242
14.3.2　可扩展性 242
14.3.3　环境感知和抽象支持 242
14.3.4　权力分散 242
14.3.5　云数据中心的能耗 243
14.4　智能交通应用程序中的雾计算 243
14.4.1　认知 244
14.4.2　效率 244
14.4.3　敏捷性 244
14.4.4　时延 245
14.5　案例研究：智能交通灯管理系统 247
14.6　雾编排挑战和未来方向 249
14.6.1　物联网空间智能交通应用程序的雾编排挑战 249
14.7　未来研究方向 250
14.7.1　部署阶段的机会 251
14.7.2　运行阶段的机会 251
14.7.3　评估阶段的机会：大数据驱动的分析和优化 252
14.8　结论 253
参考文献 254
第15章　基于雾的物联网应用程序的测试视角 257
15.1　引言 257
15.2　背景 258
15.3　测试视角 259
15.3.1　智能家居 259
15.3.2　智能健康 262
15.3.3　智能交通 266
15.4　未来研究方向 270
15.4.1　智能家居 270
15.4.2　智能健康 271
15.4.3　智能交通 273
15.5　结论 274
参考文献 275
第16章　在雾计算中运行物联网应用的法律问题 278
16.1　引言 278
16.2　相关工作 279
16.3　雾应用、边缘应用、物联网应用的分类 279
16.4　GDPR约束对云、雾和物联网应用的影响 280
16.4.1　GDPR中的定义和术语 280
16.4.2　GDPR规定的义务 282
16.4.3　欧盟以外的数据转移 285
16.4.4　总结 286
16.5　按设计原则进行数据保护 287
16.5.1　采用数据保护原则的原因 287
16.5.2　GDPR中的隐私保护 288
16.5.3　默认数据保护 288
16.6　未来研究方向 289
16.7　结论 290
致谢 290
参考文献 290
第17章　使用iFogSim工具包对雾计算和边缘计算环境进行建模和仿真 292
17.1　引言 292
17.2　iFogSim仿真器及其组件 293
17.2.1　物理组件 293
17.2.2　逻辑组件 294
17.2.3　管理组件 294
17.3　安装iFogSim 294
17.4　使用iFogSim搭建仿真过程 295
17.5　示例场景 295
17.5.1　使用异构配置创建雾节点 295
17.5.2　创建不同的应用程序模型 296
17.5.3　具有不同配置的应用程序模块 299
17.5.4　具有不同元组发射率的传感器 300
17.5.5　从传感器发送特定数量的元组 300
17.5.6　雾设备的移动性 301
17.5.7　将低层雾设备与附近网关连接 303
17.5.8　创建雾设备集群 304
17.6　部署策略的仿真 305
17.6.1　物理环境的结构 305
17.6.2　逻辑组件的假设 306
17.6.3　管理（应用程序部署）策略 306
17.7　智能医疗案例研究 314
17.8　结论 316
参考文献 316



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4