Вы находитесь на странице: 1из 11

А.С. Смирнов, К.С. Голохваст, А.В.

Тумялис

СМИРНОВ АЛЕКСЕЙ СЕРГЕЕВИЧ – младший научный сотрудник, smirnov.aserg@dvfu.ru


ГОЛОХВАСТ КИРИЛЛ СЕРГЕЕВИЧ – директор, golokhvast.ks@dvfu.ru
ТУМЯЛИС АЛЕКСЕЙ ВЯЧЕСЛАВОВИЧ – старший научный сотрудник, tumialis.av@dvfu.ru

Дальневосточный региональный научный центр Российской академии образования


Дальневосточный федеральный университет
690922, Россия, Приморский край, о. Русский, кампус ДВФУ

Развитие «Интернета вещей», дополненной реальности и коммуникационных технологий


(обзор)

Аннотация: Подобно тому, как появление персональных компьютеров и смартфонов


изменило жизнь современного общества, «Интернет вещей», дополненная реальность и
сверхбыстрые и надежные телекоммуникационные сети нового поколения, путем
объединения физических объектов реального мира с постоянно растущей вычислительной
мощью и интеллектом киберпространства, способны совершить следующую большую
революцию во всех сферах деятельности человека будущего.
Ключевые слова: Интернет вещей, 5G, дополненная реальность.
ВВЕДЕНИЕ
Интернет вещей (IoT) - это новая и многообещающая технология, нацеленная на
глобальное преображение нашего мира путем объединения физических объектов
(«вещей») и киберпространства. Концепция IoT объединяет в себе множество технологий,
таких как Интернет, распределенные вычисления, машинное обучение, коммуникации,
большие данные, сенсорные технологии, человеко-компьютерное и межмашинное
взаимодействие.
Интернет вещей, аналитика больших данных и машинное обучение -
развивающиеся области науки и техники, формирующие новое поколение компьютерных
систем на основе использования искусственного интеллекта. Важно отметить, что эти
области междисциплинарны по своей природе, что позволяет им расти как с точки зрения
их теоретических основ, так и с точки зрения их практического применения [1].

«ВЕЩИ» В «ТУМАНЕ»
Кирпичиками, из которых строится «Интернет вещей», являются «умные» вещи.
Наделенные интеллектом повседневные объекты превращаются в «умные» вещи,
способные не только собирать информацию из окружающей среды и взаимодействовать с
физическим миром, но и связываться друг с другом через коммуникационные каналы
связи для обмена данными и информацией. Ожидаемое огромное количество
взаимосвязанных устройств и значительный объем доступных данных открывают новые
возможности для создания услуг, которые принесут ощутимую пользу обществу,
окружающей среде, экономике и отдельным людям [2]. Конечной целью воплощения
концепции IoT является обеспечение того, чтобы носимые устройства, датчики,
стиральные машины, планшеты, смартфоны, интеллектуальные транспортные системы и
многие другие объекты были подключены через Интернет к общему интерфейсу с
возможностью общения друг с другом и могли взаимодействовать без вмешательства в их
работу человека. Воплощение концепции «Интернета вещей» даст любому человеку со
смартфоном или другим мобильным устройством контролировать что угодно в своем
окружении [3].
В зависимости от того, в какой сфере применяют «Интернет вещей», различают
Массовый IoT и критический IoT [4]. Первый задействован для работы потенциально
огромного количества, порядка десятков миллиардов устройств, тогда как второй
реализуется там, где важна максимальная скорость и доступность в паре с минимальной
задержкой. Ожидается, что IoT создаст благоприятную среду, которая будет влиять на
нашу повседневную жизнь и на бизнес-среду и способствовать росту мировой экономики
через Массовый IoT и критический IoT, в зависимости от характера применения этой
технологии. Массовый IoT требует подключения огромного числа интеллектуальных
устройств, которые могут быть развернуты в логистике, «умных домах» и «умных
городах», интеллектуальных энергосистемах, аграрном мониторинге и т.д. Например, для
некоторых людей уже стало обыденностью когда «умный дом» сам открывает ворота
гаража перед машиной хозяина, управляет освещением и климатом в комнатах и
заказывает доставку продуктов к ужину. Устройства подобного «умного дома» должны
быть недорогие, с низким энергопотреблением, расширенной зоной покрытия и высокой
масштабируемостью для эффективного развертывания Массового IoT. С другой стороны,
устройства Критического IoT, например, удаленно управляющие аппаратом
искусственной вентиляции легких пациента и следящие за его жизненными показателями
требуют более высокой скорости передачи данных, надежности, безопасности и как
можно меньшей задержки, поскольку отказ таких устройств может привести к серьезным
последствиям [5].
Предполагается, что количество подключенных к «Интернету вещей» устройств к
2025 году превысит 7 триллионов, при расчете примерно 1000 устройств на человека.
Часть из них будет носимыми гаджетами, но большинство будет задействовано в
инфраструктуре [2]. Это простые датчики, измеряющие скорость, температуру, давление и
другие физические параметры, которые только снимают данные и передают информацию
для обработки в «облако» – удаленные порой на тысячи километров от места действия
датчика дата-центры. По мере роста количества таких объектов и совершенствования
технологий объем производимых ими данных будет увеличиваться. В дополнение к
увеличению объема, эти большие данные также характеризуются локализацией в
определенном пространстве, временными параметрами, а также разным качеством.
Интеллектуальная обработка и анализ этих больших данных являются ключом к
разработке умных приложений IoT [6].
Внедрение IoT требует новой инфраструктуры обработки огромного объема
генерируемых миллиардами устройств данных и превращения их в знания для
дальнейшего использования. Современные облачные модели не предназначены для такого
объема, разнообразия и скорости данных, которые создает IoT. Миллиарды ранее не
подключенных устройств генерируют более двух эксабайт данных каждый день.
Примерно 50 миллиардов «вещей» будут подключены к Интернету к 2020 году.
Перемещение всех данных из этих «вещей» в «облако» для анализа потребует огромных
объемов пропускной способности [7].
Устройства IoT генерируют данные постоянно, и часто анализ этих данных должен
быть очень быстрым. Например, когда температура в химической ванне быстро
приближается к приемлемому пределу, корректирующие действия должны быть
предприняты почти сразу же. В то время, когда показания температуры перемещаются от
датчика к «облаку» для анализа, возможность предотвратить нештатную ситуацию и
спасти партию продукции может быть уже потеряна. Для обработки такого объема,
разнообразия и скорости данных IoT требуется новая вычислительная модель.
Таким образом, простая двухуровневая архитектура «Облако – Объект» вряд ли
может обеспечить качественную коммуникацию и обработку данных, необходимые для
всех этих миллиардов подключенных устройств. Подключение множества датчиков
непосредственно к «облаку» чрезвычайно требовательно к облачным ресурсам. В
результате «облако» остается занятым в течение каждого рабочего цикла датчика. Кроме
того, пропускная способность не может поддерживать эту загрузку данных [8]. В
дополнение к облачной инфраструктуре обработки и хранения данных, предлагается
архитектура туманных вычислений. Туманные вычисления были разработаны, чтобы
располагаться между объектами IoT и «облаком», обеспечивая иерархию вычислительной
мощности, которая может собирать, объединять и обрабатывать данные с устройств IoT.
Распределение этой иерархии может варьироваться от места к месту, но предполагается,
что первый уровень будет расположен на расстоянии одного шага от периферийного
устройства, в точке доступа (например, WiFi-роутер или сотовый телефон) или сразу над
ней. Это будет первый (ближайший) вариант разгрузки для периферийных устройств,
обеспечивающий меньшую задержку даже при ограниченной вычислительной мощности
[9], ведь сами объекты IoT обладают вычислительной мощностью и оперативной памятью.
Эти устройства, промышленные контроллеры, коммутаторы, маршрутизаторы,
встроенные серверы и камеры видеонаблюдения, называемые узлами «тумана», могут
находиться в любом месте с сетевым подключением: в заводском цехе, в верхней части
опоры линии электропередач, вдоль железнодорожного пути, в транспортном средстве
или на нефтяной вышке. Любое устройство с подключением к компьютерам, хранилищам
и сетям может быть узлом «тумана».
Проводя расчеты в «тумане», как можно ближе к периферийным устройствам IoT,
объем данных, который требуется переместить в «облако» для обработки, значительно
снижается. Также обеспечивается минимальная задержка обработки данных, реализуется
принцип локализации данных на местности [10] и экономится заряд батареи смартфона
или АР-очков. Вычисления, проводимые в архитектуре «тумана», также предлагается
делить на классы [11]. Эти классы могут использоваться для определения приоритетов
сетевого трафика и требований к обработке планировщиками и механизмами
распределения ресурсов. Приоритизация будет поддерживать обработку чувствительных к
задержке приложений. Содействуя распределению нагрузки между слоями «тумана»,
наиболее вероятно, что туманные вычисления смогут поддерживать большее количество
запросов, способствуя их масштабируемости. Комбинация «тумана» и «облака» может
уменьшить объем передаваемых данных и убрать эффект бутылочного горлышка при их
передаче в «облако», а также способствовать снижению задержек, так как ресурсы
«тумана» задействуются непосредственно ближе к периферии IoT. В симуляционной
модели было проанализировано [12] использование туманных вычислений совместно с
облачными. Решение было приблизительно на 2.72% более энергоэффективно в сравнении
с использованием только облачных вычислений.
Размещенная на сайте компании Cisco Systems, Inc. статья [13] описывает ряд
требований к архитектуре туманных вычислений:
 Минимизация задержки: миллисекунды имеют значение, когда вы
пытаетесь предотвратить остановку производственной линии или восстановить
электроснабжение;
 Сохранение пропускной способности сети: нецелесообразно
переносить огромные объемы данных с тысяч или сотен тысяч периферийных
устройств в «облако». В этом нет необходимости, поскольку многие критические
анализы не требуют облачной обработки и хранения;
 Решение проблем безопасности: данные IoT должны быть защищены
как во время передачи, так и во время хранения. Это требует мониторинга и
автоматического реагирования по всему континууму возможной кибер-атаки: до,
во время и после;
 Надежная работа: данные IoT все чаще используются для принятия
решений, влияющих на безопасность граждан и критически важную
инфраструктуру. Целостность и доступность данных не может быть под
вопросом;
 Сбор и защита данных в различных условиях окружающей среды:
устройства IoT могут быть распределены на территории сотни и более
квадратных километров. Устройства, развернутые в суровых условиях, таких как
автомобильные дороги, железные дороги, полевые подстанции и транспортные
средства, могут нуждаться в повышенной прочности и стойкости к атмосферным
явлениям;
 Перемещение данных в лучшее место для обработки: какое место
лучше, зависит от того, насколько быстро требуется решение. Чрезвычайно
чувствительные ко времени решения должны быть приняты как можно ближе к
«вещам», производящим и действующим на полученных данных. Напротив, для
анализа больших данных, не требовательных к скорости обработки, годятся
вычислительные мощности «облака».
Обработка данных в «тумане», ближе к месту их производства и востребованности,
решает проблемы, связанные с увеличением объема, разнообразия и скорости обработки
данных. Туманные вычисления ускоряют обнаружение и реакцию на события, исключая
ненужное движение данных в «облако» и обратно. Это устраняет необходимость в
дорогостоящей модификации сети для добавления пропускной способности. Туманные
вычисления также защищают конфиденциальные данные IoT, обрабатывая их внутри стен
компании. В конечном итоге организации, использующие туманные вычисления,
получают повышение гибкости бизнеса, уровня обслуживания и безопасности. Для
подключения устройств IoT к «туману» обычно используются беспроводные каналы
связи, поскольку эти устройства часто имеют только беспроводные интерфейсы.
Беспроводные соединения могут также использоваться в соединениях между «туманом» и
«туманом» в зависимости от доступной инфраструктуры. Ожидается, что технологии
мобильной связи (3G, 4G, 5G) будут задействованы в системах туманных вычислений.
Будущее IoT связывают с развитием телекоммуникационных сетей пятого
поколения [14], поскольку 5G позволит развивать скорость загрузки 20 Гбит/сек в сети
мобильной связи при 4 миллисекундах задержки (в зависимости от среды
распространения и используемой частоты сигнал приходит к получателю с той или иной
задержкой; поколение связи 4G работало при 10-50 мс задержки). Текущие разработки в
области 5G характеризуются организацией сетевых ресурсов для удовлетворения
широкого спектра услуг, классифицированных по трем категориям. Расширенная
широкополосная мобильная связь (enhanced mobile broadband - eMBB) должна будет
обеспечивать беспроводную передачу огромных объемов данных на устройства
виртуальной и дополненной реальности, в телемедицине и при трансляции видео
сверхвысокого разрешения. Сверхнадежная связь с малой задержкой (ultra-reliable and
low-latency communications - URLL) будет задействована в автопилотируемых машинах и
летательных аппаратах. Массивная межмашинная связь (massive machine-type
communications - mMTC) обеспечит функционирование умных городов и домов, умной
инфраструктуры и умных автоматических систем промышленного мониторинга [15].
Хотя иерархия туманных и облачных вычислений применяется во всех трех данных
категориях, услуги IoT обычно рассматриваются в контексте mMTC. Примечательная
особенность организации сетей пятого поколения - это так называемый слайсинг сети.
Оператор, предоставляющий услуги 5G, сможет разделить всю сеть на доли (слайсы),
предоставляя каждую долю для удовлетворения самых разных потребностей
вышеобозначенных трех категорий услуг в зависимости от требований к задержке,
надежности, пропускной способности, масштабируемости и поддержки мобильности. В
этом контексте долю сети можно рассматривать как виртуальную сеть, ресурсы которой
предоставляются для конкретной услуги или класса услуг и изолируются от других долей,
которые совместно используют одну и ту же физическую инфраструктуру.
В результате получается более гибкая, надежная, масштабируемая и безопасная
сеть. Используя эти технологии, во многих ситуациях сети смогут переконфигурировать
доли в течение нескольких секунд, чтобы быстро реагировать на местные требования,
такие как неожиданное собрание людей или приоритизация систем аварийных служб. С
другой стороны, также можно запрограммировать долгосрочную аренду доли, например,
для компании, занимающейся электроснабжением, для размещения ее компонентов, таких
как счетчики, датчики, контроллеры и другие устройства IoT. Краткосрочная аренда также
возможна, например, когда организаторы концерта хотят иметь выделенную долю для
музыкального фестиваля на выходных и оптимизировать его для потоковой передачи
высококачественных видео и музыкальных данных [9]. Ожидается, что внедрение сетей
пятого поколения (5G) еще больше ускорит повсеместное внедрение «Интернета вещей» и
повысит его удобство использования и безопасность [16].
Лавинообразно растущие данные, даже после обработки в «тумане» и «облаке» и
превращения в знания, потребуют новые инструменты для работы с ними. Смартфоны,
очки дополненной реальности и другие носимые гаджеты генерируют огромное
количество данных для IoT, поэтому эти данные должны быть доступны в режиме
реального времени. Кроме того, устройства должны воспринимать информацию из
окружающей среды и передавать ее непосредственно в облачную аналитическую систему.
Принимая это во внимание, можно сделать вывод, что облачные хранилища и обработка
данных в «тумане» и «облаке» значительно расширяют возможности умных носимых
устройств.

ИНДУСТРИЯ 4.0
Объединение уже существующих промышленных автоматических систем с
большими данными, вычислительной мощью, скоростью и надежностью «Интернета
вещей» может позволить достичь четвертой промышленной революции, часто называемой
просто «Индустрия 4.0» [17]. В обозримом будущем на умных заводах будут
использоваться мониторинг состояния всего производственного оборудования в режиме
реального времени, управление режимом работы на основе облачных вычислений и
сервис-ориентированных технологий, проектирование, тестирование, сборка и
обслуживание продукции используя методы виртуальной/дополненной реальности [15].
Помимо того, высококонкурентная бизнес-среда требует инновационных
продуктов при минимизации времени их выхода на рынок, и также растет тренд на
создание совместных производственных сред, в которых различные заинтересованные
стороны на всем протяжении жизненного цикла разработки продукта в реальном времени
обмениваются друг с другом информацией. Дополненная реальность, представляющая
собой набор инновационных и эффективных методов взаимодействия человека и
компьютерными сетями, обладает потенциалом для решения этих проблем [18].
Дополненная реальность это одна из ключевых стимулирующих технологий, которая
позволит передавать информацию о производстве и обслуживании от цифровых систем
проектирования и баз данных операторам на месте. Дополненная реальность в паре с
передовыми коммуникационными технологиями, поддерживающими высокоскоростную
передачу данных и сочетающих в себе низкую задержку и повышенную доступность,
такими как сети 5G, предлагают способ оперативного распространения информации и
повышения осведомленности о состоянии в «умном» фабричном цехе [19], за счет чего
повысится безопасность производства [20]. Предприятия, внедрившие технологии
«Интернета вещей» и дополненной реальности, смогут значительно увеличить свою
производительность, конкурентоспособность и прибыльность за счет сокращения
жизненного цикла разработки и производства продукта, а также за счет наличия в режиме
реального времени точной информации из «Интернета вещей» о том, что, как и в каких
количествах нужно произвести [21]. Используя помощь устройств дополненной
реальности, операторы «умных» фабрик смогут производить высококастомизированную
продукцию, удовлетворяющую самым изысканным запросам потребителя, массовое
производство останется в прошлом [22].
Сельское хозяйство также будет умным и точным, так как IoT вносит значительный
вклад и в эту область, давая фермерам возможность контролировать свои фермы
дистанционно и более эффективно руководить сельскохозяйственной деятельностью,
помогая в реализации концепции точного земледелия. Точное земледелие [23] позволяет
фермеру получать увеличенный урожай за счет лучшего управления, а применение более
подходящих или щадящих химических удобрений и пестицидов только там, где это
действительно необходимо, также способствует сохранению окружающей среды [24].

УМНЫЕ ГОРОДА БУДУЩЕГО


Но в первую очередь, развитие и повсеместное распространение технологий IoT,
VR/AR и 5G коснется каждого из нас, до неузнаваемости изменив привычную нам
повседневную бытовую среду. Происходившая в последние два десятилетия
технологическая революция, обусловленная достижениями и разработками в области
информационных и коммуникационных технологий, кардинально изменила то, как мы
общаемся, работаем, путешествуем, живем. Наши города должны стать интеллектуальной
динамичной инфраструктурой, которая будет удовлетворять все запросы граждан, при
этом выполняя критерии энергоэффективности и надежности.
«Умный город» - это городская система, которая использует такие
информационные и коммуникационные технологии, как IoT, VR/AR и 5G, чтобы сделать
свою инфраструктуру и общественные услуги более интерактивными, более доступными
и более эффективными для своих жителей.
Выделяют [25] следующие компоненты «умного города»:
 «Умная» инфраструктура сетей водного и энергоснабжения с
датчиками контроля расхода ресурсов;
 «Умные» транспортные сети со встроенными системами мониторинга
и контроля в реальном времени;
 «Умная» среда, реализующая принцип защиты и надзора природных
ресурсов, например, система управления отходами и контроль загрязнения
окружающей среды с помощью датчиков;
 «Умные» услуги здравоохранения, образования, туризма,
безопасности и т.д.;
 «Умное» управление городом, связанное с технологиями
предоставления умных услуг и использованием ресурсов в соответствии с
выбранной политикой;
 «Умная» экономика, способствующая росту бизнеса и занятости
населения, а также расширению города;
 «Умный» образ жизни, который улучшает качество жизни в
городской среде;
 И, конечно же, умные люди, которые творят и внедряют инновации в
этом высокотехнологичном обществе.
Появление «умных» городов обусловлено, главным образом, тремя вызовами:
увеличением населения Земли и ростом миграции населения из сельских регионов в
городские центры (прогнозируется, что к 2050 году доля городского населения достигнет
70%), нехваткой природных ресурсов, а также загрязнением окружающей среды и
изменением климата. Обществу необходимо решать эти задачи, чтобы минимизировать
потребление невозобновляемых энергетических ресурсов, продвигать использование
возобновляемых источников энергии и сокращать выбросы CO2 в атмосферу в этих
густонаселенных городах и новых городских районах. Концепция «Умный город»
является мощным инструментом для решения этих вызовов, удовлетворяя при этом
потребности города и его жителей [26]. Для полноценного использования всех сервисов и
объектов IoT, которые есть в «умном городе», будут использоваться смартфоны, очки
дополненной реальности и другие «умные» носимые устройства. Через них будет
собираться информация об активности жителей, чтобы сделать важнейшие компоненты
инфраструктуры и услуг города более интерактивными, доступными и эффективными. По
полностью безопасным и лишенным привычных заторов дорогам будут перемещаться
автономные автомобили [27], но если пассажир решит взять управление в свои руки, то
проецирование навигационных данных через устройство дополненной реальности на
лобовом стекле, взаимодействующее с установленными в машине и на местности
датчиками, поможет ему найти путь в незнакомом районе [28]. Применение дополненной
реальности в медицинской сфере, особенно в хирургии для тренировок стажеров и при
проведении различных операций [29, 30, 31], уже показало свой положительный эффект
на точность и скорость выполнения многих процедур, что в конечном итоге позитивно
сказывается на состоянии пациента, и в больницах умного города тем более будет расти
потребность в комбинации технологий AR и IoT для обеспечения конкурентного
преимущества в существующих хирургических технологиях [32]. За пределами
медицинского учреждения с помощью устройств AR через IoT станет возможен
постоянный удаленный мониторинг людей с различными недугами со сверхточным и
сверхбыстрым анализом данных и с напоминаниями для пациента, какие медикаменты
ему необходимо принять, тем самым, корректировку лечебного плана в зависимости от
изменившихся внешних условий можно будет делать в режиме онлайн.
Революционные изменения из-за применения технологий AR и IoT происходят в
сфере торговли, где любая даже самая незначительная инновация дает неоспоримые
конкурентные преимущества над соперниками в стремлении в полной мере удовлетворить
все запросы покупателей. Инновации внедряются как со стороны спроса, так и
предложения. Повсеместное использование недорогих, не требующих источника питания
радио-меток приводит к повышению эффективности работы логистических каналов за
счет анализа складских остатков в реальном времени. Многие производители одежды и
обуви уже перешли на установку таких меток непосредственно сразу на фабрике [33].
Считывание метки AR-устройством потенциального покупателя не только представляет
ему полнейшую информацию о товаре, но и позволяет реализовать новые способы
продвижения товара средствами дополненной реальности. Расположенные в торговом
зале датчики Интернета вещей являются предметом повышенного интереса для
маркетологов, так как позволяют собирать массу данных о посетителях и получать знания
о покупательских паттернах и предпочтениях, оптимизируя расположение товаров в
магазине и создавая персонализированные предложения для каждого покупателя. Из
магазинов одежды исчезают примерочные, ведь приглянувшуюся деталь гардероба можно
примерить на свое отражение в интерактивном зеркале с помощью средств AR.
Объединение этих инновационных технологий в высококонкурентной сфере торговли
кардинально изменит шоппинг. Примером такого радикального изменения могут служить
магазины Amazon, в которых нет ни касс, ни продавцов, ни консультантов, Покупатель
идентифицируется в системе камерами наблюдения, берет понравившийся товар с полки и
просто выходит из магазина, а оплата за покупку списывается с его счета.

ЗАКЛЮЧЕНИЕ
Можно сделать вывод, что несмотря на то, что мир эволюционирует и становится
все сложнее, появляются новые сложные высокотехнологичные системы,
взаимодействующие с другими еще более сложными системами, но, тем не менее, вместе
с этим, возникают абсолютно новые сферы человеческой деятельности, а существовавшие
ранее радикально изменяются в лучшую сторону. В статье были поверхностно
рассмотрены только некоторые частые примеры реализации функционирования IoT,
дополненной реальности и телекоммуникационных технологий нового поколения. Каждая
из этих технологий по отдельности имеет большой потенциал для того, чтобы сделать
жизнь людей более безопасной, удобной и радостной, а при достижении их
синергетического взаимодействия положительный эффект будет просто колоссальный.
Области применения этих новых технологий абсолютно любые и ограничиваются только
человеческой фантазией.
СПИСОК ЛИТЕРАТУРЫ
1. Martis R. J., Gurupur V. P., Lin H., Islam A., Fernandes L. S.
Recent advances in Big Data Analytics, Internet of Things and Machine Learning
// Future Generation Computer Systems, Volume 88, November 2018, Pages 696-
698. DOI:10.1016/j.future.2018.07.057
2. Borgia E. The Internet of Things vision: Key features, applications
and open issues // Computer Communications, Volume 54, 1 December 2014,
Pages 1-31. DOI:10.1016/j.comcom.2014.09.008
3. Want R., Schilit B. N., Jenson S. Enabling the Internet of Things //
Computer, Volume 48, Issue 1, Jan. 2015. DOI:10.1109/MC.2015.12
4. LTE Progress Leading to the 5G Massive Internet of Things
[электронный ресурс]. – Режим доступа:
http://www.5gamericas.org/files/8415/1250/0673/LTE_Progress_Leading_to_the
_5G_Massive_Internet_of_Things_Final_12.5.pdf. – Заглавие с экрана. – (Дата
обращения 11.02.2019)
5. Akpakwu G.A., Silva B. J., Hancke G.P., Abu-Mahfouz A.M. A
Survey on 5G Networks for the Internet of Things: Communication Technologies
and Challenges // IEEE Access, Volume 6, Pages 3619 - 3647.
DOI:10.1109/ACCESS.2017.2779844
6. Mahdavinejad M.S., Rezvan M., Barekatain M., Adibi P., Barnaghi
P., Sheth A.P. Machine learning for internet of things data analysis: a survey //
Digital Communications and Networks, Volume 4, Issue 3, August 2018, Pages
161-175. DOI:10.1016/j.dcan.2017.10.002
7. Orsini G., D. Bade and W. Lamersdorf, "Computing at the Mobile
Edge: Designing Elastic Android Applications for Computation Offloading,"
2015 8th IFIP Wireless and Mobile Networking Conference (WMNC), Munich,
2015, pp. 112-119. DOI:10.1109/WMNC.2015.10
8. Bellavista P., Berrocal J., Corradi A., Das S.K., Foschini L., Zanni
A. A survey on fog computing for the Internet of Things // Pervasive and Mobile
Computing, Volume 52, January 2019, Pages 71-99.
DOI:10.1016/j.pmcj.2018.12.007
9. Bittencourt L., Immich R., Sakellariou R., Fonseca N., Madeira E.,
Curado M., Villas L., DaSilva L., Lee C., Rana O. The Internet of Things, Fog
and Cloud continuum: Integration and challenges // Internet of Things, Volumes
3–4, October 2018, Pages 134-155. DOI:10.1016/j.iot.2018.09.005
10. Hossain A. SK, Rahman A. Md., Hossain A. M. Edge computing
framework for enabling situation awareness in IoT based smart city // Journal of
Parallel and Distributed Computing, Volume 122, December 2018, Pages 226-
237. DOI:10.1016/j.jpdc.2018.08.009
11. Guevara J.C., Bittencourt L. F., da Fonseca N. L. S. Class of
service in fog computing // 2017 IEEE 9th Latin-American Conference on
Communications (LATINCOM) 8-10 Nov. 2017.
DOI:10.1109/LATINCOM.2017.8240187
12. Mahmoud M.E.M., Rodrigues J.J.P.C, Saleem K., Al-Muhtadi J.,
Kumar N., Korotaev V. Towards energy-aware fog-enabled cloud of things for
healthcare // Computers & Electrical Engineering, Volume 67, April 2018, Pages
58-69. DOI:10.1016/j.compeleceng.2018.02.047
13. Fog Computing and the Internet of Things: Extend the Cloud to
Where the Things Are [электронный ресурс]. – Режим доступа:
https://www.cisco.com/c/dam/en_us/solutions/trends/iot/docs/computing-
overview.pdf. – Заглавие с экрана. – (Дата обращения 11.02.2019)
14. Liberg O., Sundberg M., Wang E. Y.-P., Bergman J., Sachs J. 5G
and the Internet of Things // Cellular Internet of Things. Technologies, Standards
and Performance, 2018, Pages 361-366. DOI:10.1016/B978-0-12-812458-
1.00010-1
15. Cheng J., Chen W., Tao F., Lin C-L. Industrial IoT in 5G
environment towards smart manufacturing // Journal of Industrial Information
Integration, Volume 10, June 2018, Pages 10-19. DOI:10.1016/j.jii.2018.04.001
16. Li S., Xu L.D., Zhao S. 5G Internet of Things: A survey // Journal
of Industrial Information Integration, Volume 10, June 2018, Pages 1-9.
DOI:10.1016/j.jii.2018.01.005
17. Monostori L., Kadar B., Bauernhansl T., Kondoh S., Kumara S.,
Reinhart G., Sauer O., Schuh G., Sihn W., Ueda K. Cyber-physical systems in
manufacturing // CIRP Annals, Volume 65, Issue 2, 2016, Pages 621-641.
DOI:10.1016/j.cirp.2016.06.005
18. Wang, X., Ong, S.K. & Nee, A.Y.C. A comprehensive survey of
augmented reality assembly research // Adv. Manuf. (2016) 4: 1.
DOI:10.1007/s40436-015-0131-4
19. Mourtzis D., Zogopoulos V., Katagis I., Lagios P. Augmented
Reality based Visualization of CAM Instructions towards Industry 4.0 paradigm:
a CNC Bending Machine case study // Procedia CIRP, Volume 70, 2018, Pages
368-373. DOI:10.1016/j.procir.2018.02.045
20. Alam F. Md., Katsikas S., Beltramello O., Hadjiefthymiades S.
Augmented and virtual reality based monitoring and safety system: A prototype
IoT platform // Journal of Network and Computer Applications, Volume 89, 1
July 2017, Pages 109-119. DOI:10.1016/j.jnca.2017.03.022
21. Manavalan E., Jayakrishna K. A review of Internet of Things (IoT)
embedded sustainable supply chain for industry 4.0 requirements // Computers &
Industrial Engineering, Volume 127, January 2019, Pages 925-953. DOI:
10.1016/j.cie.2018.11.030
22. Nee A.Y.C., Ong S. K., Chryssolouris G., Mourtzis D. Augmented
reality applications in design and manufacturing // CIRP Annals, Volume 61,
Issue 2, 2012, Pages 657-679. DOI:10.1016/j.cirp.2012.05.010
23. Finch H.J.S., Samuel A.M., Lane G.P.F., 10 - Precision farming,
Editor(s): H.J.S. Finch, A.M. Samuel, G.P.F. Lane, Lockhart & Wiseman’s Crop
Husbandry Including Grassland (Ninth Edition), Woodhead Publishing, 2014,
Pages 235-244, ISBN 9781782423713, DOI:10.1533/9781782423928.2.235.
24. Khanna A., Kaur S. Evolution of Internet of Things (IoT) and its
significant impact in the field of Precision Agriculture // Computers and
Electronics in Agriculture, Volume 157, February 2019, Pages 218-231.
DOI:10.1016/j.compag.2018.12.039
25. Das A., Sharma S. C. M., Ratha B. K. The New Era of Smart
Cities, From the Perspective of the Internet of Things // Smart Cities
Cybersecurity and Privacy, 2019, Pages 1-9. DOI:doi.org/10.1016/B978-0-12-
815032-0.00001-9
26. Pellicer S., Santa G., Bleda A. L., Maestre R., Jara A. J., Skarmeta
A. G. A Global Perspective of Smart Cities: A Survey // 2013 Seventh
International Conference on Innovative Mobile and Internet Services in
Ubiquitous Computing, 3-5 July 2013. DOI:10.1109/IMIS.2013.79
27. Chen M., Tian Y., Fortino G., Zhang J., Humar I. Cognitive
Internet of Vehicles // Computer Communications, Volume 120, May 2018, Pages
58-70. DOI:doi.org/10.1016/j.comcom.2018.02.006
28. Kim S. J., Dey A. K. Simulated augmented reality windshield
display as a cognitive mapping aid for elder driver navigation // CHI '09
Proceedings of the SIGCHI Conference on Human Factors in Computing
Systems, Pages 133-142. Boston, MA, USA - April 04 - 09, 2009.
DOI:10.1145/1518701.1518724
29. Huang T.-K., Yang C.-H., Hsieh Y.-H., Wang J.-C., Hung C.-C.
Augmented reality (AR) and virtual reality (VR) applied in dentistry // The
Kaohsiung Journal of Medical Sciences, Volume 34, Issue 4, 2018, Pages 243-
248. DOI:10.1016/j.kjms.2018.01.009
30. Lopez W. O. C., Navarro P. A., Crispin S., Intraoperative clinical
application of augmented reality in neurosurgery: A systematic review // Clinical
Neurology and Neurosurgery, Volume 177, 2019, Pages 6-11.
DOI:10.1016/j.clineuro.2018.11.018
31. Quero G., Lapergola A., Soler L., Shabaz M., Hostettler A., Collins
T., Marescaux J., Mutter D., Diana M., Pessaux P. Virtual and Augmented Reality
in Oncologic Liver Surgery // Surgical Oncology Clinics of North America,
Volume 28, Issue 1, 2019, Pages 31-44. DOI:10.1016/j.soc.2018.08.002
32. Lee Y., Lee C. H. Augmented reality for personalized
nanomedicines // Biotechnology Advances, Volume 36, Issue 1, 2018, Pages 335-
343. DOI:10.1016/j.biotechadv.2017.12.008
33. Marks & Spencer Expects to Achieve 100 Percent RFID-Tagging
by 2017 [электронный ресурс]. – Режим доступа:
https://www.rfidjournal.com/articles/view?13028. – Заглавие с экрана. – (Дата
обращения 11.02.2019)

Оценить