Wireless intelligent sensor network

Wireless intelligent sensor networks (WISNs)
monitor the natural environment,3 using fields of
sensors to take periodic readings and report results,
together with derived values, to a central repository.
In a dedicated WISN, sensors are arranged over a
specific area. However, tracing human activity is
difficult using a traditional WISN because human
activities and locations are rarely known prior to
an event. With mobile network technologies, which
integrate a variety of sensors into smartphones, it’s
easier to monitor people’s activities and help them
escape disasters. In addition, the powerful processing
and connecting capability of smartphones can
be used to give people evacuation instructions.
Because of the number of active sensors in a
disaster environment, the data processing and analyzing
module should be scalable, providing enough
peak capability for the disaster context. A datacenter’s
reconfigurable architecture supports this scalability
using infrastructure as a service (IaaS).4,5
Most current datacenters use a tree architecture, in
which computing power adjusts as demand changes.
The software deployed on a datacenter also supports
scalability. For example, MapReduce delivers a large
amount of data to many running nodes, with each
running node processing only one part of the data 6
Our smart cloud evacuation system (SCES) uses
smartphones and datacenters to provide scalable
performance for energy saving at the front end and
adjustable performance at the back end. The SCES
is a sensor-portable monitoring and emergency decision
system that supports fast disaster response. It
provides a user-friendly supporting architecture for
collecting and analyzing real-time information on-site
so individual escape guidance is delivered to public.
Case Study: Levee Erosion
When Hurricane Katrina hit the New Orleans region
in 2005, levee failures on the canals allowed
water to pour into St. Bernard Parish and New Orleans
East. The continuing effects of saltwater intrusion
driven by Katrina can still be seen in the
wilting trees and plants far from the coast. The inland
saltwater intrusion caused the state’s rice crop
to decrease by 20 percent that year, with some fields
taking as much as two years to recover.7
Lake Pontchartrain is one of the few examples
of quick ecological recovery following the record
storm season. In the weeks after Katrina, polluted
floodwater, dubbed a “toxic stew,” was pumped directly
from the streets of New Orleans into the lake.
The Lake Pontchartrain Basin Foundation, which
estimated that about 10 billion gallons of contaminated
water were dumped into Pontchartrain, started
to monitor the bacteria counts per drop almost
immediately after the pumping stopped in October.7
Fortunately, the total contaminated water was less
than 10 percent of the lake’s volume, so the ecological
system was able to recover quickly.
To address levee failure, we put various sensors
behind the wall of levees in Lake Pontchartrain to
monitor structural erosion. Some sensors will detect
the levee erosion level and periodically report to the
back-end datacenter. Additional data transferred includes
water level, temperature, and bacteria count.
If the lake’s water level is too high and there’s a possibility
of flooding, the datacenter will automatically

ผลลัพธ์ (ไทย) 1:

เครือข่ายเซ็นเซอร์ไร้สายอัจฉริยะ (WISNs)ตรวจสอบสภาพแวดล้อมธรรมชาติ ใช้ข้อมูล 3เซ็นเซอร์จะอ่านเป็นครั้งคราวและรายงานผลกันมาค่า การเก็บข้อมูลกลางใน WISN ไมตรี จัดเซ็นเซอร์ผ่านการพื้นที่เฉพาะ อย่างไรก็ตาม ติดตามกิจกรรมมนุษย์เป็นยากโดยใช้ WISN แบบดั้งเดิมเนื่องจากมนุษย์กิจกรรมและสถานไม่ค่อยรู้จักกันก่อนเหตุการณ์ ด้วยเทคโนโลยีเครือข่ายโทรศัพท์มือถือ ที่รวมความหลากหลายของเซนเซอร์ไว้ในสมาร์ทโฟนง่ายต่อการตรวจสอบกิจกรรมของประชาชน และช่วยให้พวกเขาหลบหนีภัย นอกจากนี้ การประมวลผลที่มีประสิทธิภาพและสามารถเชื่อมต่อความสามารถของสมาร์ทโฟนใช้เพื่อให้คำแนะนำในการอพยพคนเนื่องจากจำนวนใช้งานเซนเซอร์ในตัวสิ่งแวดล้อมภัยพิบัติ ข้อมูลประมวลผล และวิเคราะห์โมดูลควรปรับสเกล ให้เพียงพอความสามารถสูงสุดสำหรับบริบทภัยพิบัติ ของ datacenterสถาปัตยกรรม reconfigurable สนับสนุนขนาดนี้ใช้โครงสร้างพื้นฐานเป็น.4,5 บริการ (IaaS)Datacenters ล่าสุดใช้สถาปัตยกรรมเป็นต้นพลังงานที่ใช้คอมพิวเตอร์ปรับเป็นการเปลี่ยนแปลงความต้องการซอฟต์แวร์จัดวางบน datacenter ยังสนับสนุนขยับ ตัวอย่าง MapReduce ส่งขนาดใหญ่จำนวนข้อมูลที่ทำงานอยู่โหนดมาก แต่ละใช้โหนส่วนเดียวของข้อมูล 6 การประมวลผลใช้ระบบของเราอพยพเมฆสมาร์ท (SCES)สมาร์ทโฟนและ datacenters ให้ปรับขนาดได้ประสิทธิภาพสำหรับพลังงานที่ส่วนหน้า และประสิทธิภาพสามารถปรับที่ส่วนหลัง SCESตรวจสอบเซนเซอร์แบบพกพาและตัดสินใจฉุกเฉินระบบที่สนับสนุนการตอบสนองต่อภัยพิบัติได้อย่างรวดเร็ว มันมีสถาปัตยกรรมสนับสนุนใช้งานง่ายสำหรับรวบรวมและวิเคราะห์ข้อมูลในเวลาจริงกายเพื่อให้คำแนะนำแต่ละหนีถูกส่งไปที่สาธารณะกรณีศึกษา: กัดเซาะคันดินธรรมชาติเมื่อพายุเฮอริเคนแคทรีนาตีภูมิภาคนิวออร์ลีนส์ในปี 2005 คันดินธรรมชาติความล้มเหลวในคลองได้น้ำหลั่งแพริช St. Bernard และนิวออร์ลีนส์ภาคตะวันออก ผลกระทบต่อเนื่องของการบุกรุกของน้ำเค็มขับเคลื่อนโดยยังสามารถเห็นแคทรีนาในการต้นไม้และพืชจากชายฝั่ง wilting ส่วนในการบุกน้ำเค็มที่เกิดจากการเพาะปลูกข้าวของรัฐลดลงร้อยละ 20 ปี มีบางเขตข้อมูลการถึง 2 ปี recover.7เล Pontchartrain เป็นหนึ่งในไม่กี่อย่างของระบบนิเวศการกู้คืนอย่างรวดเร็วตามเรกคอร์ดฤดูกาลพายุ ในสัปดาห์หลังจากแคทรีนา เสียfloodwater พากย์เป็น "พิษสตูว์ ถูกสูบโดยตรงจากถนนของนิวออร์ลีนส์เป็นทะเลสาบมูลนิธิลุ่มน้ำทะเลสาบ Pontchartrain ซึ่งคาดว่า ประมาณ 10 พันล้านแกลลอนของปนเปื้อนน้ำถูก dumped ใน Pontchartrain เริ่มต้นตรวจนับจำนวนแบคทีเรียต่อหล่นเกือบทันทีหลังจากสูบหยุดใน October.7โชคดี น้ำที่ปนเปื้อนทั้งหมดไม่น้อยกว่าร้อยละ 10 ของปริมาตรของทะเลสาบ เพื่อระบบนิเวศระบบไม่สามารถกู้คืนได้อย่างรวดเร็วจะล้มเหลวอยู่คันดินธรรมชาติ เราใส่เซนเซอร์ต่าง ๆหลังกำแพง levees ในเล Pontchartrain การตรวจสอบโครงสร้างพังทลาย บางเซ็นเซอร์จะตรวจพบกัดเซาะคันดินธรรมชาติระดับ และเป็นระยะรายงานการส่วน datacenter ข้อมูลเพิ่มเติมการโอนย้ายประกอบด้วยระดับน้ำ อุณหภูมิ และนับจำนวนแบคทีเรียถ้าระดับน้ำในทะเลสาบสูงเกินไป และมีความเป็นไปได้ของน้ำท่วม datacenter จะโดยอัตโนมัติ

ผลลัพธ์ (ไทย) 2:

เครือข่ายเซ็นเซอร์ไร้สายอัจฉริยะ (WISNs)
ตรวจสอบสภาพแวดล้อมทางธรรมชาติ 3 สาขาที่ใช้เซ็นเซอร์ที่จะใช้การอ่านเป็นระยะและรายงานผลพร้อมกับค่าที่ได้มาไปยังพื้นที่เก็บข้อมูลส่วนกลาง. ในการทุ่มเท WISN เซ็นเซอร์จะจัดกว่าพื้นที่ที่เฉพาะเจาะจง อย่างไรก็ตามการติดตามกิจกรรมของมนุษย์เป็นเรื่องยากที่ใช้ WISN แบบดั้งเดิมเพราะมนุษย์กิจกรรมและสถานที่เป็นที่รู้จักกันไม่ค่อยได้ก่อนที่จะมีเหตุการณ์ ด้วยเทคโนโลยีเครือข่ายมือถือที่รวมความหลากหลายของเซ็นเซอร์ลงในมาร์ทโฟนก็ง่ายต่อการตรวจสอบกิจกรรมของผู้คนและช่วยให้พวกเขาหลบหนีภัย นอกจากนี้ยังมีการประมวลผลที่มีประสิทธิภาพและความสามารถในการเชื่อมต่อมาร์ทโฟนสามารถนำมาใช้เพื่อให้คนคำแนะนำอพยพ. เพราะจำนวนของเซ็นเซอร์ใช้งานในที่สภาพแวดล้อมภัยพิบัติการประมวลผลข้อมูลและวิเคราะห์โมดูลควรจะขยายขีดความสามารถให้มากพอที่ความสามารถสูงสุดสำหรับบริบทภัยพิบัติ. ของดาต้าเซ็นเตอร์สถาปัตยกรรม reconfigurable สนับสนุนการขยายขีดความสามารถนี้โดยใช้โครงสร้างพื้นฐานเป็นบริการ(IaaS) .4,5 ดาต้าเซ็นเตอร์ในปัจจุบันส่วนใหญ่จะใช้สถาปัตยกรรมต้นไม้ในที่อำนาจการใช้คอมพิวเตอร์ปรับการเปลี่ยนแปลงความต้องการ. ซอฟต์แวร์ที่นำไปใช้ในดาต้าเซ็นเตอร์ยังสนับสนุนการขยายขีดความสามารถ ยกตัวอย่างเช่น MapReduce ให้มีขนาดใหญ่ปริมาณของข้อมูลไปยังโหนดทำงานเป็นจำนวนมากในแต่ละการประมวลผลโหนดทำงานเพียงส่วนหนึ่งของข้อมูลที่6 ระบบการอพยพเมฆของเราสมาร์ท (SCES) ใช้มาร์ทโฟนและดาต้าเซ็นเตอร์เพื่อให้สามารถปรับขนาดได้ประสิทธิภาพการทำงานสำหรับการประหยัดพลังงานที่ปลายด้านหน้าและผลการดำเนินงานปรับที่ปลายด้านหลัง SCES คือการตรวจสอบเซ็นเซอร์แบบพกพาและการตัดสินใจฉุกเฉินระบบที่สนับสนุนการรับมือกับภัยพิบัติได้อย่างรวดเร็ว มันให้ใช้งานง่ายการสนับสนุนสำหรับสถาปัตยกรรมการรวบรวมและวิเคราะห์ข้อมูลตามเวลาจริงในสถานที่คำแนะนำของแต่ละบุคคลเพื่อหลบหนีจะถูกส่งให้กับประชาชน. กรณีศึกษา: การกัดเซาะเขื่อนเมื่อพายุเฮอริเคนแคทรีนาตีภูมิภาคนิวออร์ในปี2005 ความล้มเหลวของเขื่อนกั้นน้ำในลำคลองที่ได้รับอนุญาตน้ำเทลงในเซนต์เบอร์นาร์ตำบลและนิวออร์ตะวันออก ผลกระทบอย่างต่อเนื่องของน้ำเค็มรุกล้ำที่ขับเคลื่อนโดยแคทรีนายังสามารถเห็นได้ในต้นไม้และพืชเหี่ยวแห้งไกลจากชายฝั่ง น้ำจืดน้ำเค็มรุกล้ำที่เกิดจากการเพาะปลูกข้าวรัฐลดลงร้อยละ20 ในปีนั้นมีบางสาขาการมากที่สุดเท่าที่สองปีเพื่อrecover.7 Lake Pontchartrain เป็นหนึ่งในตัวอย่างไม่กี่ของการกู้คืนระบบนิเวศอย่างรวดเร็วต่อไปบันทึกฤดูพายุ ในสัปดาห์ที่ผ่านมาหลังจากที่แคทรีนาที่ปนเปื้อนน้ำท่วมขนานนามว่าเป็น "สตูว์พิษ" ได้รับการสูบโดยตรงจากถนนของนิวออร์ลงไปในทะเลสาบ. The Lake Pontchartrain ลุ่มน้ำมูลนิธิซึ่งคาดว่าประมาณ10 พันล้านแกลลอนที่ปนเปื้อนน้ำทิ้งลงPontchartrain, เริ่มต้นการตรวจสอบการนับต่อแบคทีเรียลดลงเกือบจะทันทีหลังจากที่สูบน้ำหยุดในOctober.7 โชคดีที่รวมน้ำที่ปนเปื้อนน้อยกว่าร้อยละ 10 ของปริมาณของทะเลสาบเพื่อให้ระบบนิเวศระบบก็สามารถที่จะฟื้นตัวได้อย่างรวดเร็ว. เพื่อแก้ไขความล้มเหลวของเขื่อนเรา ใส่เซ็นเซอร์ต่างๆที่อยู่เบื้องหลังกำแพงเขื่อนในLake Pontchartrain ที่จะตรวจสอบการพังทลายของโครงสร้าง เซ็นเซอร์บางคนจะตรวจสอบระดับการพังทลายของเขื่อนเป็นระยะ ๆ และรายงานต่อหลังสิ้นสุดดาต้าเซ็นเตอร์ ข้อมูลเพิ่มเติมรวมถึงการโอนระดับน้ำอุณหภูมิและแบคทีเรียนับ. ถ้าระดับน้ำในทะเลสาบที่สูงเกินไปและมีความเป็นไปได้จากน้ำท่วม, ดาต้าเซ็นเตอร์จะโดยอัตโนมัติ

ผลลัพธ์ (ไทย) 3:

เครือข่ายเซ็นเซอร์ไร้สายอัจฉริยะ ( wisns )
ตรวจสอบสภาพแวดล้อมทางธรรมชาติ โดยใช้สาขาของ
3 เซ็นเซอร์ที่จะใช้การอ่านเป็นระยะ ๆและรายงานผล
พร้อมกับได้มาค่านิยม ให้พื้นที่เก็บข้อมูลกลาง
ในทุ่มเท wisn เซ็นเซอร์จะจัดกว่า
พื้นที่เฉพาะ อย่างไรก็ตาม การติดตามกิจกรรมของมนุษย์
ยากใช้ wisn ดั้งเดิมเพราะมนุษย์
กิจกรรมและสถานที่ไม่ค่อยรู้จักกันก่อน
เหตุการณ์ ด้วยเทคโนโลยีเครือข่ายมือถือ ซึ่ง
รวมเซ็นเซอร์ที่หลากหลายในตลาด มันง่ายที่จะตรวจสอบกิจกรรมของคน

และช่วยให้พวกเขาหนีภัย นอกจากนี้ ประสิทธิภาพการประมวลผลและความสามารถของมาร์ทโฟนที่สามารถเชื่อมต่อ

ถูกใช้เพื่อให้คนสั่งอพยพ .
เพราะหมายเลขของเซ็นเซอร์ที่ใช้งานในสภาพแวดล้อม
ภัยพิบัติ , ข้อมูลการประมวลผลและวิเคราะห์
โมดูลควรยืดหยุ่นให้ขีดความสามารถสูงสุดเพียงพอ
สำหรับภัยพิบัติ บริบท ของโครงการนี้ยังสนับสนุนสถาปัตยกรรม Reconfigurable

ใช้โครงสร้างพื้นฐานเป็นบริการ ( IaaS ) 4 , 5
ถูกกว่าปัจจุบันส่วนใหญ่ใช้ใน
ต้นไม้สถาปัตยกรรมซึ่งพลังคอมพิวเตอร์ที่ปรับการเปลี่ยนแปลงความต้องการ ซอฟต์แวร์ที่ใช้งานบนเทคโนโลยี

ยังสนับสนุนกล่าว ตัวอย่างเช่น mapreduce ส่งปริมาณมากของข้อมูลไปยังโหนดวิ่งมาก

วิ่ง โดยแต่ละโหนดการประมวลผลเพียงส่วนหนึ่งของข้อมูล 6
เมฆระบบการอพยพฉลาดของเรา ( sces ) ใช้สมาร์ทโฟนและดาต้าเซ็นเตอร์ให้

งานนำเสนอเพื่อการประหยัดพลังงานที่ปลายด้านหน้าและ
ปรับการแสดงที่ปลายด้านหลัง การ sces
เป็นเซนเซอร์แบบพกพาฉุกเฉินและตรวจสอบการตัดสินใจ
ระบบที่สนับสนุนการตอบสนองภัยพิบัติได้อย่างรวดเร็ว มันมีงานสถาปัตยกรรมเพื่อสนับสนุน

รวบรวมและวิเคราะห์ข้อมูลในแบบเรียลไทม์เพื่อให้คำแนะนำ
หนีบุคคลส่งสาธารณะ กรณีศึกษา : เขื่อนป้องกันการกัดเซาะ

เมื่อเฮอร์ริเคนตีนิว ออร์ลีนส์ เขต
ในปี 2005ความล้มเหลวของเขื่อนในคลองอนุญาต
น้ำเทลงในเซนต์เบอร์นาร์ดตำบล และออร์
ใหม่ทางทิศตะวันออก ผลของการบุกรุกอย่างต่อเนื่องหลด
ขับเคลื่อนโดย Katrina ที่ยังสามารถเห็นได้ใน
เหี่ยวต้นไม้และพืชที่ไกลจากชายฝั่ง การบุกรุกน้ำบก

ของรัฐ ทำให้ผลผลิตข้าวลดลง โดยร้อยละ 20 ปีนั้น มีบางเขต
ถ่ายปีเท่าที่สองคืน 7
.ทะเลสาบ Pontchartrain เป็นหนึ่งในตัวอย่างของการกู้คืนที่รวดเร็วไม่กี่
ระบบนิเวศตามบันทึก
พายุฤดู ในสัปดาห์หลังจากที่แคทมลพิษ
น้ําท่วม , ขนานนามว่า " สตูเป็นพิษ " ถูกสูบโดยตรง
จากถนนนิวออร์ลีนส์ในทะเลสาบ ทะเลสาบ Pontchartrain

มูลนิธิลุ่มน้ำ ซึ่งคาดว่าประมาณ 10 พันล้านแกลลอนของน้ำที่ปนเปื้อนที่ถูกทิ้งใน Pontchartrain
,เริ่มการตรวจสอบแบคทีเรียนับต่อ

ปล่อยเกือบทันทีหลังจากปั๊มหยุดในเดือนตุลาคม .
7 โชคดี รวมน้ำที่ปนเปื้อนน้อย
กว่า 10 เปอร์เซ็นต์ของปริมาณของทะเลสาบ ดังนั้นระบบนิเวศ
ก็สามารถที่จะกู้คืนได้อย่างรวดเร็ว .
ที่อยู่ตลิ่งความล้มเหลว เราใส่เซ็นเซอร์ต่างๆ
ข้างหลังกำแพง ของเขื่อนในทะเลสาบ Pontchartrain การกัดกร่อนโครงสร้าง
จอภาพมีเซ็นเซอร์จะตรวจจับ
เขื่อนพังทลายระดับและเป็นระยะรายงาน
7 บริษัท เพิ่มเติมข้อมูลที่ถ่ายโอนรวมถึง
ระดับอุณหภูมิน้ำ และนับแบคทีเรีย .
ถ้าระดับของน้ำในทะเลสาบนั้นสูงเกินไป และมีความเป็นไปได้
ท่วม , ข้อมูลอัตโนมัติจะ