شاخص توزیع شده جغرافیایی با حمایت از ساخت و نگهداری مدل مشترک جهانی
ترجمه نشده

شاخص توزیع شده جغرافیایی با حمایت از ساخت و نگهداری مدل مشترک جهانی

عنوان فارسی مقاله: PeerAppear: یک شاخص توزیع شده جغرافیایی با حمایت از ساخت و نگهداری مدل مشترک جهانی
عنوان انگلیسی مقاله: PeerAppear: A distributed geospatial index supporting collaborative world model construction and maintenance
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی فناوری اطلاعات، مهندسی کامپیوتر، جغرافیا
گرایش های تحصیلی مرتبط:  شبکه های کامپیوتری
کلمات کلیدی فارسی: نظیر به نظیر، شاخص توزیع شده، جستجوی مبتنی بر مکان، شبکه جایگذاشت، شاخص جغرافیایی، ارتباط بصری
کلمات کلیدی انگلیسی: Peer-to-peer, Distributed index, Location-based search, Overlay network, Geospatial index, Visual navigation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2017.12.025
دانشگاه: 2950 Hobson Way, Wright–Patterson AFB, OH 45433, United States
صفحات مقاله انگلیسی: 14
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
کد محصول: E12031
فهرست مطالب (انگلیسی)

Abstract

Keywords

1. Introduction

2. Related work

3. PeerAppear middleware overview

4. Peer-to-peer distributed geospatial indexing

5. Performance evaluation

6. Conclusion and future work

References

بخشی از مقاله (انگلیسی)

Abstract

This paper addresses the problem of scalable location-aware distributed indexing to enable the leveraging of collaborative effort for the construction and maintenance of world-scale maps and models. These maps and models support numerous activities including navigation, visual localization, persistent surveillance, and hazard or disaster detection. We approach a solution through the creation of PeerAppear, a location-aware framework for peer-to-peer indexing, search and retrieval. Due to the dynamic nature of the world, the problem of constructing and maintaining relevant world-scale models generally requires significant effort to be spent on mapping. PeerAppear offers a decentralized solution which enables the leveraging of collaborative effort through the implementation of a peer-to-peer middleware framework which automates the indexing and sharing of sensed geospatial information captured and stored in the local repositories of participants. The PeerAppear network achieves scale through a Kademlia-like overlay network which indexes data based on location by adapting Google’s S2 hierarchical geographic segmentation scheme to a globally addressable distributed geographic table. Our communications primitives allow search queries to be formed and executed, enabling the discovery of information published in a specified geographic area. An evaluation of the framework is presented demonstrating excellent retrievability of published data, logarithmic efficiency and global scalability.