Lagi

Ukur gerakan Kucing saya, Akurasi GPS Ponsel pada skala meteran. bagaimana meningkatkannya?


Saya ingin mendapatkan beberapa informasi terkait dengan ide yang saya miliki. Saya memiliki banyak kucing dan taman yang luas.

Kucing umumnya berkeliaran di taman dan lokasi ini tetap dan Dikenal

Jika saya mengetahui daerah, dalam hal ini kebun saya, apakah ini membuat mendapatkan informasi lokasi GPS, lebih akurat?

Bisakah saya melacak Kucing saya secara akurat jika saya menghubungkannya ke ponsel? (Gambar 1)

Saya telah menemukan utas di sini tentang akurasi GPS Berapa akurasi teoritis maksimum GPS?

Seberapa akurat ini, hingga 2 meter apakah ini relatis dengan GPS seluler?

Jika saya memiliki lebih dari satu kucing dengan ponsel, Bisakah perangkat ini berbicara satu sama lain untuk memberikan gambaran yang lebih akurat (gambar 2)

Jika saya dapat memasukkan beberapa titik penerima ponsel tetap, dapat dikombinasikan dengan ponsel kucing untuk memberikan pembacaan yang lebih akurat (gambar 3)

Output dari apa yang saya suka untuk dapat Menangkap

xy informasi per detik untuk Cat saya

Seberapa akurat ini. Mungkinkah ini dilakukan, hanya dengan menggunakan ponsel. Apakah ada pilihan yang lebih baik?

Gambar 1 Gambar 2 Gambar 3


Jika area tersebut diketahui dan tidak bergerak, mengapa tidak melewatkan GPS sama sekali dan menggunakan beacon? Anda bisa mendapatkan akurasi hingga beberapa inci menggunakan pendekatan itu. Sampai hari ini, ada banyak SDK perangkat lunak + perangkat keras yang memungkinkan Anda untuk menentukan lokasi menggunakan beacon tetap dan sistem koordinat lokal (yang kemudian Anda dapat menerjemahkan ke sistem koordinat yang berbeda jika itu yang Anda inginkan).

http://indoo.rs/beacons/

http://estimote.com/indoor/

dan masih banyak lagi.


Jika Anda hanya menggunakan ponsel, saya rasa Anda tidak akan bisa mendapatkan lebih dari itu kecuali mereka mendukung beberapa bentuk koreksi diferensial atau pemrosesan pasca.

Saya belum pernah mendengar dukungan itu di ponsel. Unit GPS yang mengumpulkan jenis info tersebut (dalam pengalaman saya) umumnya berukuran agak besar dan mungkin memiliki berat dan sebesar kucing Anda. Kami menggunakan unit sub-meter yang setidaknya $3.5K/unit sehingga tidak layak.

Beberapa ponsel mungkin lebih akurat daripada yang lain. Saya percaya sebagian besar akan tergantung pada jenis chip GPS yang mereka gunakan dan apakah mereka mendukung koreksi melalui jaringan seluler/wifi.

Untuk perangkat yang berbicara satu sama lain, Anda mungkin dapat melakukan hal seperti itu. Saya akan membayangkannya menggunakan koneksi bluetooth (2) atau wifi (2+ dengan host) di antara telepon dan beberapa pemrograman khusus untuk memilah dan memperbaiki lokasi secara manual.

Karena saya tidak mengetahui solusi seluler yang sudah dibuat untuk ini, saya akan membayangkan ini akan menjadi usaha besar yang melibatkan banyak pemrograman khusus untuk menyelesaikan tugas Anda.

Anda mungkin lebih beruntung menemukan sesuatu yang memungkinkan Anda untuk meletakkan kotak (taman Anda) untuk menangkap informasi. Saya akan berpikir itu akan memiliki beberapa titik yang diketahui atau beberapa sensor yang membaca informasi dari pelacak radio. Informasi itu kemudian dapat diterjemahkan ke dalam lat/long. Proses penerjemahan mungkin akan cukup rumit karena Anda harus mengetahui, memperbaiki, dan poin akurat untuk grid Anda. Kemudian Anda menghadapi masalah seberapa akurat GPS yang Anda gunakan untuk mengumpulkan informasi grid itu.


Sepenuhnya setuju @Ragi Yaser. Beacon sangat membantu dalam menemukan objek alam hidup atau tidak hidup. Akurasinya juga tinggi dan membantu dalam memposisikan objek di dalam ruangan. Misalnya, Pigeon Indoor Positioning and Navigation App memfasilitasi pencarian jalan dalam ruangan untuk fasilitas besar seperti resor, fasilitas medis, pusat perbelanjaan, museum, pusat konvensi, dll.

Cek di sini untuk info lebih lanjut: http://pigeon.srisys.com/


Penginderaan sosial dari citra tingkat jalan: Studi kasus dalam mempelajari pola mobilitas perkotaan spatio-temporal

Pencitraan tingkat jalan telah mencakup lanskap komprehensif daerah perkotaan. Dibandingkan dengan citra satelit, sumber data citra yang baru ini memiliki keunggulan dalam pengamatan yang halus tidak hanya lingkungan fisik tetapi juga penginderaan sosial. Studi sebelumnya yang menggunakan citra tingkat jalan berfokus terutama pada audit lingkungan fisik perkotaan. Dalam studi ini, kami mendemonstrasikan potensi penggunaan citra tingkat jalan dalam mengungkap pola mobilitas perkotaan spatio-temporal. Metode kami mengasumsikan bahwa lanskap jalan yang digambarkan dalam citra tingkat jalan mencerminkan fungsi perkotaan dan bahwa jalan-jalan perkotaan dengan fungsi serupa menunjukkan pola mobilitas temporal yang serupa. Kami menyajikan bagaimana jaringan saraf konvolusi dalam (DCNN) dapat dilatih untuk mengidentifikasi fitur pemandangan tingkat tinggi dari gambar tampilan jalan yang dapat menjelaskan hingga 66,5% variasi per jam perjalanan taksi bersama dengan jaringan jalan perkotaan. Studi menunjukkan bahwa citra tingkat jalan, sebagai lawan dari citra penginderaan jauh, memberikan kesempatan untuk menyimpulkan informasi aktivitas manusia skala halus dari wilayah perkotaan dan menjembatani kesenjangan antara ruang fisik dan ruang manusia. Oleh karena itu, pendekatan ini dapat memfasilitasi pengamatan lingkungan perkotaan dan perencanaan kota yang cerdas.


Menerapkan data ponsel untuk penelitian perilaku perjalanan: Tinjauan literatur

Perilaku perjalanan telah dipelajari selama beberapa dekade untuk memandu pengembangan dan manajemen transportasi, dengan dukungan data tradisional yang dikumpulkan oleh survei perjalanan. Baru-baru ini, dengan perkembangan teknologi informasi dan komunikasi (TIK), kita telah memasuki era data besar, dan banyak sumber data baru, termasuk data ponsel, telah muncul dan diterapkan untuk penelitian perilaku perjalanan. Dibandingkan dengan data perjalanan tradisional, data ponsel memiliki banyak fitur dan keunggulan unik, yang menarik para sarjana di berbagai bidang untuk menerapkannya pada penelitian perilaku perjalanan, dan sejumlah kemajuan telah dibuat hingga saat ini. Namun, ini baru permulaan, dan data ponsel masih memiliki potensi besar yang perlu dimanfaatkan untuk memajukan studi mobilitas manusia. Makalah ini memberikan tinjauan studi perilaku perjalanan yang ada yang telah menerapkan data ponsel, dan menyajikan kemajuan yang telah dicapai hingga saat ini, kemudian membahas potensi data ponsel dalam memajukan penelitian perilaku perjalanan dan mengangkat beberapa tantangan yang perlu dilakukan. ditangani dalam proses ini.


Pengantar

Ekosistem bersifat kompleks dan dinamis, dan hubungan di antara banyak komponennya seringkali sulit diukur (Bolliger et al. 2005, Ascough et al. 2008 ). Ahli ekologi sering mengandalkan teknologi untuk mengukur fenomena ekologi (Keller et al. 2008 ). Kemajuan teknologi sering menjadi katalisator untuk meningkatkan pemahaman tentang fungsi dan dinamika ekosistem (Gbr. 1, Tabel 1), yang pada gilirannya membantu pengelolaan lingkungan. Misalnya, dimulainya telemetri VHF untuk melacak hewan pada 1960-an memungkinkan ahli ekologi untuk memantau dari jarak jauh fisiologi, pergerakan, pemilihan sumber daya, dan demografi hewan liar untuk pertama kalinya (Tester et al. 1964). Namun, kemajuan dalam GPS dan teknologi komunikasi satelit sebagian besar telah menggantikan sebagian besar penggunaan pelacakan VHF. Berbeda dengan VHF, GPS memiliki kemampuan untuk mencatat lokasi, serta frekuensi perekaman yang tinggi, akurasi dan presisi yang lebih tinggi, dan lebih sedikit campur tangan peneliti terhadap hewan, yang mengarah pada pemahaman yang lebih baik dan lebih rinci tentang penggunaan dan interaksi habitat spesies (Rodgers et al. 1996). Hal ini telah membantu dalam pengelolaan spesies dengan tidak hanya menyoroti area penting untuk dilindungi (Pendoley et al. 2014), tetapi juga mengidentifikasi sumber daya utama seperti tanaman individu alih-alih area umum vegetasi.

Teknologi Keterangan
Masa lalu
Sonar Sonar pertama kali digunakan untuk mencari dan merekam kumpulan ikan
Sensor otomatis Sensor otomatis yang khusus digunakan untuk mengukur dan mencatat variabel lingkungan
Perangkap kamera Perangkap kamera pertama kali diterapkan untuk merekam keberadaan dan perilaku satwa liar
Sonar pemindaian samping Sidescan sonar digunakan untuk membuat gambar area dasar laut yang luas secara efisien
Komputer mainframe Komputer mampu melakukan analisis statistik ekologis dari kumpulan data besar
Pelacakan VHF Pelacakan radio, memungkinkan ahli ekologi untuk memantau hewan liar dari jarak jauh
Citra Landsat Data penginderaan jauh berbasis ruang angkasa pertama
Urutan Sanger Metode pertama untuk mengurutkan DNA berdasarkan penggabungan selektif dideoksinukleotida pemutus rantai oleh DNA polimerase selama replikasi DNA in vitro
LiDAR Sensor jarak jauh yang mengukur jarak dengan menyinari target dengan laser dan menganalisis cahaya yang dibiaskan
Landsat Multispektral Citra satelit dengan pita panjang gelombang berbeda di sepanjang spektrum, memungkinkan pengukuran melalui air dan vegetasi
Bio-logger termal Perangkat yang ditanam secara bedah untuk mengukur suhu tubuh hewan
Pelacakan GPS Pelacakan satelit satwa liar dengan frekuensi perekaman yang lebih tinggi, akurasi dan presisi yang lebih tinggi, dan gangguan peneliti yang lebih sedikit daripada VHF
Landsat Tematik Pemindai sapu pengocok yang beroperasi di tujuh panjang gelombang dan mampu mengukur pemanasan global dan perubahan iklim
Perangkap kamera inframerah Mampu merasakan gerakan hewan dalam gelap dan mengambil gambar tanpa lampu kilat yang terlihat
Sonar multibeam Mengirimkan pulsa berbentuk kipas akustik yang luas untuk membuat profil kolom air penuh
Perangkap video Video alih-alih gambar diam, dapat menentukan perilaku hewan serta identifikasi
Hadiah
Akselerometer Mengukur pergerakan hewan (percepatan) yang terlepas dari penerimaan satelit (posisi geografis)
LiDAR 3D Pengukuran akurat dari struktur ekosistem 3D
Kendaraan otonom Platform sensor tak berawak untuk mengumpulkan data ekologis secara otomatis dan jarak jauh, termasuk di medan yang sulit dan/atau berbahaya untuk diakses manusia
Pelacakan 3D Penggunaan perangkat unit pengukuran inersia bersama dengan data GPS untuk membuat trek pergerakan hewan waktu nyata
ICARUS Inisiatif Kerjasama Internasional untuk Penelitian Hewan Menggunakan Luar Angkasa (ICARUS) adalah untuk mengamati pergerakan migrasi global hewan kecil melalui sistem satelit
Pengurutan gen berikutnya Jutaan fragmen DNA dari satu sampel dapat diurutkan secara serempak
Telemetri jarak jauh, daya rendah Transfer data bertegangan rendah dan bertegangan rendah melalui beberapa kilometer
Masa depan
Internet untuk segala Jaringan perangkat yang dapat berkomunikasi satu sama lain, mentransfer informasi, dan memproses data
Komputer berdaya rendah Komputer kecil dengan kemampuan untuk menghubungkan berbagai sensor dan, dalam beberapa kasus, menjalankan algoritme dan analisis statistik
Teori kawanan Penggunaan beberapa platform sensor tak berawak yang otonom namun terkoordinasi untuk menyelesaikan survei atau tugas ekologis tanpa campur tangan manusia
pencetakan 3D Konstruksi peralatan khusus dan pembuatan analog hewan untuk studi perilaku
Memetakan pergerakan molekul Kamera yang dapat menampilkan gambar pada tingkat sub-seluler tanpa memerlukan mikroskop elektron
Game biotik Pemain manusia mengontrol paramecium yang mirip dengan video game, yang dapat membantu dalam memahami perilaku mikroorganisme
Baterai bio Perangkat elektro-biokimia dapat berjalan pada senyawa seperti pati, memungkinkan sensor dan perangkat diberi daya untuk waktu yang lama di lokasi terpencil di mana sumber energi yang lebih tradisional seperti tenaga surya mungkin tidak dapat diandalkan (misalnya, hutan hujan)
Baterai kinetik Baterai diisi melalui gerakan yang mampu memberi daya pada komputer mikro

Kemajuan ekologi hingga saat ini didorong oleh teknologi terutama yang berkaitan dengan peningkatan pengambilan data. Teknologi yang berkembang telah berfokus pada pengumpulan informasi resolusi spasial dan temporal yang tinggi. Misalnya, pesawat kecil tanpa awak saat ini dapat memetakan lanskap dengan resolusi di bawah sentimeter (Anderson dan Gaston 2013 ), sementara sensor suhu, kelembaban, dan cahaya dapat digunakan secara padat (ratusan per hektar) untuk merekam variasi iklim mikro (Keller et al. .2008 ). Kemajuan dalam teknologi akuisisi data seperti itu telah memberikan pengetahuan tentang lingkungan alam yang tidak terpikirkan hanya satu dekade yang lalu. Tapi apa yang ada di masa depan?

Di sini, kami berpendapat bahwa ekologi bisa berada di jurang revolusi dalam akuisisi data. Ini akan terjadi dalam tiga konsep: supersize (perluasan praktik saat ini), step-change (kemampuan untuk menggunakan teknologi untuk menjawab pertanyaan yang sebelumnya tidak dapat kita lakukan), dan perubahan radikal (menjelajahi pertanyaan yang sebelumnya tidak dapat kita bayangkan). Teknologi, baik saat ini maupun yang baru muncul, memiliki kapasitas untuk menelurkan data ekologi “generasi berikutnya” yang, jika dimanfaatkan secara efektif, akan mengubah pemahaman kita tentang dunia ekologi (Snaddon et al. 2013 ). Apa yang kami sebut "teknologi" adalah sisi perangkat keras dari "data besar" (Howe et al. 2008 ), yang berfokus pada penggunaan teknologi fisik mutakhir untuk memperoleh volume dan bentuk data ekologis baru. Data tersebut dapat membantu mengatasi masalah global yang kompleks dan mendesak terkait masalah ekologi dan konservasi (Pimm et al. 2015 ). Namun, laju revolusi ini sebagian akan ditentukan oleh seberapa cepat ahli ekologi merangkul teknologi ini. Tujuan artikel ini adalah untuk menarik perhatian para ahli ekologi beberapa contoh teknologi saat ini, yang muncul, dan konseptual yang akan berada di garis depan revolusi ini, untuk mempercepat penyerapan perkembangan terbaru dalam teknoekologi ini.


Data pergerakan Cheetah

Institut Leibniz untuk Penelitian Kebun Binatang dan Satwa Liar (Leibniz-IZW) menjalankan proyek penelitian jangka panjang tentang cheetah di lahan pertanian hak milik di Namibia tengah. Dalam area studi sekitar 40.000 (hbox ^2) , lebih dari 200 cheetah ditangkap dalam perangkap kotak dan dipasangi kerah GPS seperti yang dijelaskan oleh Melzheimer et al. (2018), lihat Gambar 1a. Data GPS diunduh setiap dua hingga tiga minggu dari pesawat kecil yang dilengkapi antena untuk menemukan cheetah. Data dikumpulkan selama lebih dari satu dekade dan terus diperbarui dan diperluas dengan data pergerakan terkini. Kumpulan data lengkap membutuhkan ukuran beberapa lusin GB. Kami menggunakan subset dari data yang tersedia untuk karya yang disajikan, dan semua set data yang digunakan diambil dari repositori data Movebank (Movebank 2020 Kranstauber et al. 2011) (akses dibatasi karena alasan perlindungan satwa liar). Kumpulan data ini biasanya terdiri dari lokasi GPS yang diambil setiap 15 menit, dan data percepatan sumbu z yang diukur dalam burst berdurasi 3,6 detik dengan resolusi 10 Hz setiap dua menit. Secara umum, resolusi temporal mungkin berubah tidak hanya antar individu, tetapi juga selama perekaman untuk satu individu. Ini mungkin merupakan hasil dari perubahan sensor atau parameter sensor, tetapi juga karena semburan data pendek beresolusi tinggi yang dikumpulkan dan dikirim. Selain itu, nilai yang hilang atau salah dapat terjadi karena masalah sensor atau komunikasi. Analis biasanya menyadari potensi masalah tetapi perlu meluangkan waktu untuk memeriksa dan memperbaiki (atau membuang) data. Dalam pipa prapemrosesan kami, entri tersebut disaring sebelum analisis visual dimulai.

Perhatikan bahwa sementara cheetah dianggap sebagai mamalia tercepat di darat, teknologi pelacakan saat ini tidak memungkinkan untuk merekam informasi rinci tentang sprint selama berburu. Karena pembatasan dalam penyimpanan dan transmisi data, dan pertukaran dengan konsumsi energi, hanya sampel parameter gerakan seperti akselerasi dan kecepatan yang tersedia. Pertukaran utama lainnya adalah antara umur panjang dan resolusi. Seseorang dapat mengambil sampel dengan resolusi 1 Hz tetapi kemudian baterai hanya akan bertahan beberapa jam. Biasanya kalung yang digunakan mencatat 30.000 perbaikan GPS selama masa pakai baterai.

Peta lintasan dan kepadatan pergerakan teritorial cheetah. Visualisasi dengan jelas menunjukkan pusat pergerakan utama, berbeda dengan skenario multi-pusat untuk floater pada Gambar 3


Conti, M., & Giordano, S. (2014). Jaringan ad hoc seluler: pencapaian, tantangan, dan arah penelitian baru. Majalah Komunikasi IEEE, 52, 85–96.

Bettstetter, C. (2001). Halus lebih baik daripada tajam: Model mobilitas acak untuk simulasi jaringan nirkabel. Di dalam Prosiding lokakarya internasional ACM ke-4 tentang pemodelan, analisis, dan simulasi sistem nirkabel dan seluler, MSWIM '01 (hlm. 19–27). ACM.

Camp, T., Boleng, J., & Davies, V. (2002). Sebuah survei model mobilitas untuk penelitian jaringan ad hoc. Komunikasi Nirkabel dan Komputasi Seluler, 2(5), 483–502.

Basagni, S., Conti, M., Giordano, S., & Stojmenovic, I. (2004). Jaringan ad hoc seluler. New York: Wiley.

Agarwal, P. K., Guibas, L. J., Edelsbrunner, H., Erickson, J., Isard, M., Har-Peled, S., et al. (2002). Masalah algoritma dalam pemodelan gerak. Survei Komputasi ACM, 34, 550–572.

Bai, F., & Helmy, A. (2004). Sebuah survei model mobilitas. Jaringan Adhoc Nirkabel. Universitas California Selatan, AS, 206, 147.

Ghouti, L., Sheltami, T. R., & Alutaibi, K. S. (2013). Prediksi mobilitas di jaringan ad hoc seluler menggunakan mesin pembelajaran ekstrem. Ilmu Komputer Procedia, 19, 305–312.

Díaz, J., Mitsche, D., & Santi, P. (2011). Aspek teoretis model grafik untuk MANET. Berlin: Pegas.

Padmavathy, N., & amp Chaturvedi, S. K. (2015). Evaluasi keandalan jaringan ad hoc seluler: Dengan dan tanpa pertimbangan mobilitas. Ilmu Komputer Procedia, 46, 1126–1139.

Batabyal, S., & Bhaumik, P. (2015). Model mobilitas, jejak dan dampak mobilitas pada algoritma perutean oportunistik: Sebuah survei. Tutorial Survei Komunikasi IEEE, 17(3), 1679–1707.

Aschenbruck, N., Ernst, R., Gerhards-Padilla, E., & Schwamborn, M. (2010) Bonnmotion: Generasi skenario mobilitas dan alat analisis. Di dalam Prosiding konferensi ICST internasional ke-3 tentang alat dan teknik simulasi, SIMUTools '10, (ICST, Brussel, Belgia, Belgia) (hlm. 51:1–51:10). ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering).

Lingkungan simulasi mobilitas Canu (canumobisim).http://canu.informatik.uni-stuttgart.de/mobisim/. Diakses pada 07 Juni 2017.

Alat analisis lalu lintas: Simulasi koridor—operasi FHWA. http://ops.fhwa.dot.gov/trafficanalysistools/corsim.htm/. Diakses pada 07 Juni 2017.

Giurlanda, F., Perazzo, P., & Dini, G. (2015). HUMsim: Simulator mobilitas manusia yang berorientasi pada privasi. Cham: Pegas.

Bai, F., Sadagopan, N., & Helmy, A. (2003). Penting: Kerangka kerja untuk menganalisis secara sistematis dampak mobilitas pada kinerja protokol perutean untuk jaringan adhoc. Di dalam IEEE INFOCOM 2003. Konferensi gabungan tahunan kedua puluh dua dari masyarakat komputer dan komunikasi IEEE (Jil. 2, hlm. 825–835).

Mousavi, S. M., Rabiee, H. R., Moshref, M., & amp Dabirmoghaddam, A. (2007). Mobisim: Kerangka kerja untuk simulasi model mobilitas dalam jaringan ad-hoc seluler. Di dalam Konferensi internasional IEEE ketiga tentang komputasi nirkabel dan seluler, jaringan dan komunikasi (WiMob 2007) (hal. 82–82).

Paramik quadstone (mid) lalu lintas dan perangkat lunak simulasi, analisis dan desain pejalan kaki. http://www.paramics-online.com/. Diakses pada 07 Juni 2017.

Lembaga DLR sistem transportasi-sumosimulasi mobilitas perkotaan. http://www.dlr.de/ts/en/ desktopdefault.aspx/tabid-9883/16931_ read-41000/. Diakses pada 07 Juni 2017.

Kode sekolah tambang toilers colorado. http://toilers.mines.edu/Public/Code/. misc Diakses pada 07 Juni 2017.

Piorkowski, M., Raya, M., Lugo, A. L., Papadimitratos, P., Grossglauser, M., & amp Huaux, J.-P. (2008). TranNS: Simulator jaringan dan lalu lintas gabungan yang realistis untuk VANET. Ulasan Komputasi dan Komunikasi Seluler ACM SIGMOBILE, 12(1), 31–33.

Lingkungan simulasi lalu lintas dan jaringan. http://lca.epfl.ch/projects/trans/. Diakses pada 07 Juni 2017.

Transims-resources-transportation model improvement program (TMIP)-perencanaan-FHWA. http://www.fhwa.dot.gov/planning/tmip/resources/transims/. Diakses pada 07 Juni 2017.

Vanetmobisim- newcom (mid) institut eurecom (mid) politecnico di torino. http://vanet.eurecom.fr/. Diakses pada 07 Juni 2017.

Bajaj, R., Ranaweera, S. L., & Agrawal, D. P. (2002). GPS: Teknologi pelacakan lokasi. Komputer, 35(4), 92–94.

Status konstelasi. https://www.glonass-iac.ru/en/GLONASS/. Diakses pada 07 Juni 2017.

Status konstelasi GPS. https://www.glonass-iac.ru/en/GPS/. Diakses pada 07 Juni 2017.

Tinjauan sistem satelit kuasi-zenith (QZSS). http://qzss.go.jp/en/overview/services/sv01_what.html. Diakses pada 07 Juni 2017.

Kaplan, E., & amp Hegarty, C. (2005). Memahami GPS: Prinsip dan Aplikasi. Norwood: Rumah Artech.

Rossi, L., Walker, J., & Musolesi, M. (2015). Teknik spasial-temporal untuk identifikasi pengguna melalui data mobilitas GPS. Ilmu Data EPJ, 4(1), 11.

Longley, P. (2005). Sistem informasi geografis dan ilmu pengetahuan. Chichester: Wiley.

Kim, M., Kotz, D., & Kim, S. (2006). Mengekstrak model mobilitas dari jejak pengguna nyata. INFOKOM, 6, 1–13.

Zignani, M., & Gaito, S. (2010). Mengekstrak pola mobilitas manusia dari jejak berbasis GPS. Di dalam Hari Nirkabel (WD), IFIP 2010 (hal. 1-5). IEEE.

Kang, J.H., Welbourne, W., Stewart, B., & Borriello, G. (2004). Mengekstrak tempat dari jejak lokasi. Di dalam Prosiding lokakarya internasional ACM ke-2 tentang aplikasi dan layanan seluler Nirkabel di hotspot WLAN (hal. 110–118). ACM.

Ashbrook, D., & Starner, T. (2003). Menggunakan GPS untuk mempelajari lokasi penting dan memprediksi pergerakan di beberapa pengguna. Komputasi Pribadi dan di Mana-mana, 7(5), 275–286.

Azevedo, T. S., Bezerra, R. L., Campos, C. A., & amp de Moraes, L. F. (2009). Analisis mobilitas manusia menggunakan jejak nyata. Di dalam Komunikasi nirkabel dan konferensi jaringan, 2009. WCNC 2009 (hal. 1–6). IEEE.

Whitbeck, J., de Amorim, M. D., Conan, V., Ammar, M., & Zegura, E. (2011). Dari pertemuan hingga mobilitas yang masuk akal. Komputasi Pervasif dan Seluler, 7(2), 206–222.

Raleigh, C., Linke, A., Hegre, H., & Karlsen, J. (2010). Memperkenalkan acled: Fitur data khusus lokasi konflik bersenjata dan set data peristiwa. Jurnal Penelitian Perdamaian, 47(5), 651–660.

Pettersson, T., & Wallensteen, P. (2015). Konflik bersenjata, 1946–2014. Jurnal Penelitian Perdamaian, 52(4), 536–550.

Aschenbruck, N., Munjal, A., & Camp, T. (2011). Pemodelan mobilitas berbasis jejak untuk jaringan nirkabel multi-hop. Komunikasi Komputer, 34(6), 704–714.

Lambla, A. (2006). Proyek dinamika tak terlihat dari eksplorasi: Penelitian lingkungan sebagai proses artistik. Leonardo, 39(4), 383–385.

Pola Sosial. http://www.sociopatterns.org/. Diakses pada 07 Juni 2017.

Repositori jejak halaman rumah-umass. Diakses pada 07 Juni 2017.

Repositori jaringan—repositori data interaktif pertama dengan analitik visual untuk memahami data dengan mudah. http://networkrepository.com/. Diakses pada 07 Juni 2017.

Kumpulan data (mid) fondasi data dan analitik visual. http://fodava.gatech.edu/visual-data-analytics-data-sets. Diakses pada 07 Juni 2017.

SNAP: Platform analisis jaringan Stanford. https://snap.stanford.edu/snap/. Diakses pada 07 Juni 2017.

Repositori pembelajaran mesin Uci. Diakses pada 07 Juni 2017.

Baudic, G., Perennou, T., & Lochin, E. (2016). Mengikuti jalan yang benar: Menggunakan jejak untuk mempelajari dtns. Komunikasi Komputer, 88, 25–33.

Bacciu, D., Barsocchi, P., Chessa, S., Gallicchio, C., & amp Micheli, A. (2014). Karakterisasi eksperimental komputasi reservoir dalam aplikasi kehidupan berbantuan ambien. Komputasi dan Aplikasi Neural, 24(6), 1451–1464.

Silva, A. P., Hilário, M. R., Hirata, C. M., & amp Obraczka, K. (2015). Pendekatan berbasis perkolasi untuk memodelkan kontrol kemacetan DTN. Di dalam Konferensi internasional IEEE ke-12 tahun 2015 tentang sistem ad hoc dan sensor seluler (MASS) (hal. 100–108). IEEE.

Chen, W. (2014). Perkolasi eksplosif di jaringan acak. Berlin: Pegas.

Amor, S.B., Bui, M., & Lavallée, I. (2010). Mengoptimalkan konektivitas dan perutean jaringan seluler menggunakan teori perkolasi dan algoritma epidemi. Di dalam IICS (hlm. 63–78), Citeseer.

Shen, C.-C., Huang, Z., & Jaikaeo, C. (2006). Siaran terarah untuk jaringan ad hoc seluler dengan teori perkolasi. Transaksi IEEE di Komputasi Seluler, 5(4), 317–332.

Li, D., Zhang, Q., Zio, E., Havlin, S., & Kang, R. (2015). Analisis keandalan jaringan berdasarkan teori perkolasi. Rekayasa Keandalan & Keamanan Sistem, 142, 556–562.

Avula, M., Yoo, S.-M., & Park, S. (2012). Membangun set mendominasi terhubung minimum dalam jaringan ad hoc seluler. Jurnal Internasional Penerapan Teori Graf pada Jaringan Ad Hoc Nirkabel dan Jaringan Sensor, 4(2/3), 15.

Erciyes, K., Dagdeviren, O., & Cokuslu, D. (2006). Pemodelan dan simulasi sensor nirkabel dan jaringan ad hoc seluler. Di dalam Konferensi internasional tentang pemodelan dan simulasi.

Raj, A., Saha, D., & Dasgupta, P. (2010). Algoritme hemat biaya untuk menemukan perangkat dominan yang terhubung dalam jaringan ad hoc nirkabel statis dengan rintangan. Di dalam Simposium internasional ke-4 IEEE 2010 tentang jaringan canggih dan sistem telekomunikasi (ANTS) (hal. 73-75). IEEE.

Sharmila, C., & Amalanathan, G. (2016). Konstruksi perangkat dominasi terhubung strategis berpipa untuk jaringan ad hoc seluler. CIT. Jurnal Komputasi dan Teknologi Informasi, 24(2), 121–132.

Watts, D. J. (1999). Dunia kecil: dinamika jaringan antara keteraturan dan keacakan. Princeton: Pers Universitas Princeton.

Hekmat, R. (2006). Jaringan ad-hoc: Sifat dasar dan topologi jaringan. Berlin: Pegas.

Penrose, M. (2003). Grafik geometris acak, No. 5. Oxford: Pers Universitas Oxford.

Chaturvedi, S. K., & Padmavathy, N. (2013). Pengaruh metrik skenario pada keandalan jaringan jaringan ad hoc seluler. Jurnal Internasional Teknik Performabilitas, 9(1), 61–74.

Bettstetter, C. (2002). Pada tingkat node minimum dan konektivitas jaringan multihop nirkabel. Di dalam Prosiding simposium internasional ACM ke-3 tentang Jaringan ad hoc & komputasi seluler (hal. 80–91). ACM.

Holme, P., & Saramäki, J. (2012). Jaringan sementara. Laporan Fisika, 519(3), 97–125.

Ferreira, A. (2003). Membangun model kombinatorial referensi untuk jaringan dinamis: Hasil awal dalam grafik yang berkembang. Ph.D. tesis, INRIA.

Casteigts, A., Flocchini, P., Quattrociocchi, W., & amp Santoro, N. (2012). Grafik yang berubah-ubah waktu dan jaringan dinamis. Jurnal Internasional Sistem Paralel, Muncul dan Terdistribusi, 27(5), 387–408.

Ferreira, A. (2002). Tentang model dan algoritme untuk jaringan komunikasi dinamis: Kasus untuk grafik yang berkembang. Di dalam Prosiding ALGOTEL

Eiza, M.H., & Ni, Q. (2013). Skema perutean andal berbasis grafik yang berkembang untuk vanets. Transaksi IEEE pada Teknologi Kendaraan, 62(4), 1493–1504.

Ferreira, A. (2004). Membangun model kombinatorial referensi untuk manet. Jaringan IEEE, 18(5), 24–29.

Holme, P. (2015). Teori jaringan temporal modern: Sebuah kolokium. Jurnal Fisik Eropa B, 88(9), 1–30.

Kostakos, V. (2009). Grafik temporal. Fisika A: Mekanika Statistik dan Aplikasinya, 388(6), 1007–1023.

Kolar, M., Song, L., Ahmed, A., & Xing, E. P. (2010). Memperkirakan jaringan yang berubah-ubah waktu. Sejarah Statistik Terapan, 4(1), 94–123.

Huang, M. (2012). Desain topologi untuk jaringan yang berubah-ubah waktu. Ph.D. tesis, Universitas Carolina Utara di Charlotte.

Dehmer, M., Emmert-Streib, F., & Pickl, S. (2015). Teori jaringan komputasi: Landasan teoritis dan aplikasi (Vol. 5). Wiley.

Holme, P., & Saramäki, E.J. (2013). Jaringan sementara. Berlin: Pegas. https://doi.org/10.1007/978-3-642-36461-7.

Zschaler, G. (2012). Model jaringan adaptif dari dinamika kolektif. Topik Khusus Jurnal Fisika Eropa, 211(1), 1–101.

Afrasiabi Rad, A. (2016). Analisis jaringan sosial dan grafik waktu yang bervariasi. Ph.D. tesis, Université d'Ottawa/University of Ottawa.

Cai, X., Sha, D., & Wong, C. (2007). Optimalisasi jaringan yang bervariasi waktu (Jil. 103). Berlin: Pegas.

Lentz, H. (2013). Jalur untuk epidemi di jaringan statis dan temporal. Ph.D. tesis, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I.

El Alaoui, S. (2015). Optimalisasi perutean di jaringan antarplanet. Tesis Master, Universitas Nebraska-Lincoln. http://digitalcommons.unl.edu/computerscidiss/94.

Leskovec, J., Kleinberg, J., & Faloutsos, C. (2007). Evolusi grafik: Densifikasi dan diameter menyusut. Transaksi ACM pada Penemuan Pengetahuan dari Data (TKDD), 1(1), 2.

Acer, U. G., Drineas, P., & Abouzeid, A. A. (2011). Konektivitas dalam grafik waktu. Komputasi Pervasif dan Seluler, 7(2), 160–171.

Tang, J. K. (2012). Metrik jaringan temporal dan aplikasinya ke jaringan dunia nyata. Ph.D. tesis, Universitas Cambridge.

Hekmat, R., & Van Mieghem, P. (2006). Konektivitas dalam jaringan ad-hoc nirkabel dengan model radio log-normal. Jaringan dan Aplikasi Seluler, 11(3), 351–360.

Hekmat, R., & Van Mieghem, P. (2008). Statistik daya interferensi dalam jaringan ad-hoc dan sensor. Jaringan nirkabel, 14(5), 591–599.

Peiravi, A., & Kheibari, H. T. (2008). Estimasi cepat keandalan jaringan menggunakan jarak Manhattan yang dimodifikasi dalam jaringan nirkabel seluler. Jurnal Ilmu Terapan, 8(23), 4303–4311.

Padmavathy, N., & Chaturvedi, S. K. (2013). Evaluasi keandalan jaringan mobile ad hoc menggunakan model keandalan link berbasis propagasi. Rekayasa Keandalan & Keamanan Sistem, 115, 1–9.

Coll-Perales, B., Gozalvez, J., Lazaro, O., & amp Sepulcre, M. (2015). Multihopping oportunistik untuk efisiensi energi: Jaringan seluler multihop oportunistik untuk penyediaan layanan seluler yang tahan tunda secara hemat energi. Majalah Teknologi Kendaraan IEEE, 10(2), 93–101.

Coll-Perales, B., Gozálvez, J., & amp Sepulcre, M. (2015). Model empiris kinerja komunikasi jaringan seluler multi-hop menggunakan D2D. Jurnal Aplikasi Jaringan dan Komputer, 58, 60–72.

Frodigh, M., Johansson, P., & Larsson, P. (2000). Jaringan ad hoc nirkabel: Seni berjejaring tanpa jaringan. Ulasan Ericsson, 4(4), 249.

Kawamoto, Y., Nishiyama, H., & Kato, N. (2013). Menuju jaringan komunikasi terminal-ke-terminal: Pendekatan MANET dan DTN hybrid. Di dalam Lokakarya internasional ke-18 IEEE 2013 tentang pemodelan dan desain berbantuan komputer untuk tautan dan jaringan komunikasi (CAMAD) (hal. 228–232). IEEE.

Gottumukkala, R. N., Venna, S. R., & amp Raghavan, V. (2015). Analisis visual waktu berkembang grafik skala besar. Buletin Informasi Intelijen IEEE, 16(1), 10–16.

Chapanond, A., Krishnamoorthy, M. S., Prabhu, G., & Punin, J. (2010). Representasi dan visualisasi grafik yang terus berkembang. pracetak arXiv arXiv:1006.4608.

Beck, F., Burch, M., Diehl, S., & Weiskopf, D. (2014). Keadaan seni dalam memvisualisasikan grafik dinamis. Di dalam EuroVis STAR (Jil. 2).

Ma, K.-L., & Muelder, C. W. (2013). Visualisasi dan analitik grafik skala besar. Komputer, 46(7), 39–46.

Papanikos, N., Akestoridis, D. G., & Papapetrou, E. (2015). Adyton: Simulator jaringan untuk jaringan oportunistik. https://github.com/npapanik/Adyton. Diakses pada 07 Juni 2017.

Goldman, A., Floriano, P., & Ferreira, A. (2012). Alat untuk mendapatkan informasi tentang jejak DTN. Di dalam Konferensi ekstrim ke-4 tentang komunikasi (ExtremeCom 2012) (hal. 6).

Bastian, M., Heymann, S., Jacomy, M., dkk. (2009). Gephi: Perangkat lunak open source untuk menjelajahi dan memanipulasi jaringan. ICWSM, 8, 361–362.

Zeng, X., Bagrodia, R., & Gerla, M. (1998). Glomosim: Sebuah perpustakaan untuk simulasi paralel jaringan nirkabel skala besar. Di dalam Lokakarya kedua belas tentang simulasi paralel dan terdistribusi, 1998. PADS 98. Prosiding (hal. 154-161). IEEE.

Duarte, P., Macedo, J., Costa, A. D., Nicolau, M. J., & amp Santos, A. (2015). Protokol penerusan minat probabilistik untuk jaringan toleran penundaan data bernama. Di dalam Konferensi internasional tentang jaringan ad hoc (hal. 94–107). Peloncat.

Selamat datang di dokumentasi icones! dokumentasi icone 1.0. http://marco.uminho.pt/projects/ICONE/. Diakses pada 07 Juni 2017.

Csardi, G., & Nepusz, T. (2006). Paket perangkat lunak igraph untuk penelitian jaringan yang kompleks. InterJournal, Sistem Kompleks, 1695(5), 1–9.

Barr, R., Haas, Z.J., & Van Renesse, R. (2004). Jist: Menanamkan waktu simulasi ke dalam mesin virtual. Di dalam Kongres EuroSim tentang pemodelan dan simulasi.

Schoch, E., Feiri, M., Kargl, F., & Weber, M. (2008). Simulasi jaringan ad hoc: ns-2 dibandingkan dengan jist/swans. Di dalam Prosiding konferensi internasional pertama tentang alat dan teknik Simulasi untuk komunikasi, jaringan dan sistem & lokakarya (hal. 36). ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering).

Varga, A., & Hornig, R. (2008). Ikhtisar lingkungan simulasi OMNeT++. Di dalam Prosiding konferensi internasional pertama tentang alat dan teknik Simulasi untuk komunikasi, jaringan dan sistem & lokakarya (hal. 60). ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering).

Sobeih, A., Chen, W.-P., Hou, JC, Kung, L.-C., Li, N., Lim, H., Tyan, H.-Y., & amp Zhang, H. (2005 ). J-sim: Lingkungan simulasi untuk jaringan sensor nirkabel. Di dalam Prosiding simposium tahunan ke-38 tentang simulasi (hal. 175–187). Masyarakat Komputer IEEE.

Hogie, L., Guinand, F., & Bouvry, P. (2006). Simulator jaringan adhoc metropolitan madhoc. Esch-sur-Alzette: Teknik hubungan, Universitas Luksemburg.

Matlab-mathworks-mathworks india. http://in.mathworks.com/products/matlab/. Diakses pada 07 Juni 2017.

Perangkat lunak analisis jaringan sosial Netminer. http://www.netminer.com/product/overview.do. Diakses pada 07 Juni 2017.

Issariyakul, T., & Hossain, E. (2011). Pengantar simulator jaringan NS2. Berlin: Pegas.

Henderson, T. R., Lacage, M., Riley, G. F., Dowell, C., & amp Kopena, J. (2008). Simulasi jaringan dengan simulator ns-3. Di dalam Demonstrasi SIGCOMM (Jil. 14).

OMNeT++ Discrete Event Simulator-Home. https://omnetpp.org/. Diakses pada 07 Juni 2017.

Keränen, A., Ott, J., & Kärkkäinen, T. (2009). Satu simulator untuk evaluasi protokol DTN. Di dalam Prosiding konferensi internasional ke-2 tentang alat dan teknik simulasi (hal. 55). ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering).

Batagelj, V., & Mrvar, A. (1998). Pajek-program untuk analisis jaringan besar. Koneksi, 21(2), 47–57.

De Nooy, W., Mrvar, A., & Batagelj, V. (2011). Analisis jaringan sosial eksplorasi dengan Pajek (Jil. 27). Cambridge: Pers Universitas Cambridge.

Paket program pajek/pajekxxl. http://mrvar.fdv.uni-lj.si/pajek/. Diakses pada 07 Juni 2017.

Mrvar, A., & Batagelj, V. (2016). Analisis dan visualisasi jaringan besar dengan paket program pajek. Pemodelan Sistem Adaptif yang Kompleks, 4(1), 1–8.

Ptolemaeus, C. (2014). Desain, pemodelan, dan simulasi sistem: menggunakan Ptolemy II. Ptolemy.org Berkeley.

Brooks, C., Lee, E. A., Liu, X., Zhao, Y., Zheng, H., Bhattacharyya, S. S., dkk. (2005). Ptolemy II-pemodelan dan desain bersamaan heterogen di Jawa (Vol. 1: Pengantar ptolemeus II), Memorandum UCB/ERL M05/21, EECS, University of California, Berkeley. https://ptolemy.eecs.berkeley.edu/papers/05/ptIIdesign1-intro/ptIIdesign1-intro.pdf.

Simulator, Q.N. (2011). Teknologi jaringan yang dapat diskalakan. Inc.[Online]. Tersedia www.qualnet.com.

Bender-deMoll, S., & McFarland, D. A. (2006). Seni dan ilmu visualisasi jaringan dinamis. Jurnal Struktur Sosial, 7(2), 1–38.

SoNIA (animator gambar jejaring sosial). https://sourceforge.net/projects/sonia/. Diakses pada 07 Juni 2017.

Kerangka simulasi yang dapat diskalakan. http://www.ssfnet.org/homePage.html. Diakses pada 07 Juni 2017.

Kropff, M., Krop, T., Hollick, M., Mogre, P. S., & amp Steinmetz, R. (2006). Sebuah survei di dunia nyata dan testbed emulasi untuk jaringan ad hoc seluler. Konferensi internasional ke-2 tentang testbeds dan infrastruktur penelitian untuk pengembangan jaringan dan komunitas, 2006. TRIDENTCOM 2006 (hal. 448–453).

Kiess, W., & Mauve, M. (2007). Sebuah survei tentang implementasi jaringan ad-hoc seluler di dunia nyata. Jaringan Ad Hoc, 5(3), 324–339.

Ivanic, N., Rivera, B., & Adamson, B. (2009). Lingkungan emulasi jaringan ad hoc seluler. Di dalam Konferensi komunikasi militer, 2009. MILCOM 2009 (hal. 1–6). IEEE.

Patel, K.N., dkk. (2015). Sebuah survei tentang testbeds emulasi untuk jaringan ad-hoc seluler. Ilmu Komputer Procedia, 45, 581–591.

Nordstrom, E., Gunningberg, P., & Lundgren, H. (2005). Sebuah testbed dan metodologi untuk evaluasi eksperimental jaringan ad hoc mobile nirkabel. Di dalam Konferensi internasional pertama tentang testbeds dan infrastruktur penelitian untuk pengembangan jaringan dan komunitas, 2005. Tridentcom 2005 (hal. 100–109). IEEE.

Ramanathan, R., & Hain, R. (2000). Testbed nirkabel ad hoc untuk dukungan QoS adaptif yang skalabel. Di dalam Komunikasi nirkabel dan konferensi jaringan, 2000. WCNC. 2000 IEEE (Jil. 3, hlm. 998–1002). IEEE.

Sanghani, S., Brown, T. X., Bhandare, S., & amp Doshi, S. (2003) Ewant: Testbed jaringan ad hoc nirkabel yang ditiru. Di dalam Komunikasi dan jaringan nirkabel, 2003. WCNC 2003. 2003 IEEE (Jil. 3, hlm. 1844–1849). IEEE.

Hui, P., & Crowcroft, J. (2007) Bagaimana label kecil menciptakan perbaikan besar. Di dalam Konferensi internasional IEEE tahunan kelima tentang komputasi pervasif dan lokakarya komunikasi, 2007. Lokakarya PerCom '07 (hal. 65–70). IEEE.

Hui, P., Crowcroft, J., & Yoneki, E. (2011). Bubble rap: Penerusan berbasis sosial di jaringan yang toleran terhadap penundaan. Transaksi IEEE di Komputasi Seluler, 10(11), 1576–1589.

Flynn, J., Tewari, H., & O’Mahony, D. (2001). Jemu: Sistem emulasi waktu nyata untuk jaringan ad hoc seluler. Di dalam Prosiding simposium bersama IEI/IEE pertama tentang penelitian sistem telekomunikasi (hal. 262–267).

Dia, R., Yuan, M., Hu, J., Zhang, H., Ma, J., dkk. (2003). Sistem pengujian manet yang terukur dan dinamis secara real-time. Di dalam Prosiding IEEE ke-14 tentang komunikasi radio pribadi, dalam ruangan dan bergerak, 2003. PIMRC 2003 (Jil. 2, hlm. 1644-1648). IEEE.

Matthes, M., Biehl, H., Lauer, M., & Drobnik, O. (2005). Massive: Lingkungan emulasi untuk jaringan ad-hoc seluler. Di dalam Konferensi tahunan kedua tentang sistem dan layanan jaringan sesuai permintaan nirkabel, 2005. MENANG 2005 (hal. 54–59). IEEE.

De, P., Raniwala, A., Sharma, S., & Chiueh, T.-C. (2005) Mint: Sebuah testbed jaringan mini untuk penelitian nirkabel mobile. Di dalam INFOCOM 2005. Konferensi gabungan tahunan ke-24 dari masyarakat komputer dan komunikasi IEEE. Prosiding IEEE (Jil. 4, hlm. 2731–2742). IEEE.

Raychaudhuri, D., Seskar, I., Ott, M., Ganu, S., Ramachandran, K., Kremo, H., dkk. (2005). Tinjauan umum uji jaringan radio orbit untuk evaluasi protokol jaringan nirkabel generasi berikutnya. Di dalam Komunikasi nirkabel dan konferensi jaringan, 2005 IEEE (Jil. 3, hlm. 1664-1669). IEEE.

Beyer, D.A. (1990). Pencapaian Program DARPA SURAN. Di dalam Konferensi komunikasi militer, 1990. MILCOM'90, Conference Record, A New Era. 1990 IEEE (hal. 855–862). IEEE.

Sedikit, M. (2005). Tealab: Sebuah testbed untuk penelitian keamanan jaringan ad hoc. Di dalam Konferensi komunikasi militer, 2005. MILCOM 2005. IEEE (hal. 936–942). IEEE.

Johnson, D., Stack, T., Ikan, R., Flickinger, D., Ricci, R., & amp Lepreau, J. (2006). Truemobile: Pengujian jaringan nirkabel dan sensor robotik seluler. Di dalam Konferensi bersama tahunan ke-25 dari masyarakat komputer dan komunikasi IEEE. Masyarakat Komputer IEEE.

Giordano, E., Tomatis, A., Ghosh, A., Pau, G., & amp Gerla, M. (2008). C-vet platform penelitian terbuka untuk VANET: Evaluasi aplikasi peer to peer di jaringan kendaraan. Di dalam Konferensi teknologi kendaraan IEEE ke-68, 2008. VTC 2008-Musim Gugur (hal. 1-2) IEEE.

Gerla, M., Weng, J.-T., Giordano, E., & Pau, G. (2012). Validasi model testbed kendaraan sebelum penerapan skala besar. Jurnal Komunikasi, 7(6), 451–457.

Eriksson, J., Balakrishnan, H., & Madden, S. (2008). Cabernet: pengiriman konten kendaraan menggunakan WiFi. Di dalam Prosiding konferensi internasional ACM ke-14 tentang komputasi dan jaringan Seluler (hal. 199–210). ACM.

Ott, J., & Kutscher, D. (2005). Transportasi yang toleran terhadap pemutusan untuk lingkungan internet drive-thru. Di dalam INFOCOM 2005. Konferensi gabungan tahunan ke-24 dari masyarakat komputer dan komunikasi IEEE. Prosiding IEEE (Jil. 3, hlm. 1849–1862). IEEE.

El Alaoui, S., Palusa, S., & Ramamurthy, B. (2015). Internet antarplanet diimplementasikan pada geni testbed. Di dalam Konferensi komunikasi global (GLOBECOM), IEEE 2015 (hal. 1–6). IEEE.

Lingkungan global untuk inovasi jaringan (geni): Mendirikan kantor proyek geni (gpo) (geni/gpo) nsf06601. https://www.nsf.gov/pubs/2006/nsf06601/nsf06601.htm. Diakses pada 07 Juni 2017.

Ameixieira, C., Cardote, A., Neves, F., Meireles, R., Sargento, S., Coelho, L., et al. (2014). Harbornet: Sebuah testbed dunia nyata untuk jaringan kendaraan. Majalah Komunikasi IEEE, 52(9), 108–114.

Reich, J., Misra, V., & Rubenstein, D. (2008). Roomba madnet: Testbed jaringan toleran penundaan ad-hoc seluler. Ulasan Komputasi dan Komunikasi Seluler ACM SIGMOBILE, 12(1), 68–70.

Beuran, R., Miwa, S., & Shinoda, Y. (2013). Testbed emulasi jaringan untuk aplikasi dan protokol DTN. Di dalam Konferensi IEEE 2013 tentang lokakarya komunikasi komputer (INFOCOM WKSHPS) (hal. 151-156). IEEE.

Bagaimana, J. P., BEHIHKE, B., Frank, A., Dale, D., & amp Vian, J. (2008). Lingkungan pengujian kendaraan otonom dalam ruangan waktu nyata. Sistem Kontrol IEEE, 28(2), 51–64.

Patterson, T., McClean, S., Morrow, P., Parr, G., & Luo, C. (2014). Identifikasi otonom tepat waktu dari zona pendaratan aman uav. Komputasi Gambar dan Visi, 32(9), 568–578.

Fasilitas penelitian uav teknologi Georgia. http://www.uavrf.gatech.edu/. Diakses pada 07 Juni 2017.

Paula, M. C., Rodrigues, J. J., Dias, J. A., Isento, J. N., & amp Vinel, A. (2015). Evaluasi kinerja testbed jaringan toleran keterlambatan kendaraan nyata. Jurnal Internasional Jaringan Sensor Terdistribusi, 11(3), 219641.

Paula, M. C., Rodrigues, J. J., Dias, J. A., Isento, J. N., & amp Vinel, A. (2012) Penyebaran testbed jaringan toleran keterlambatan kendaraan yang nyata. Di dalam Konferensi internasional ke-12 tentang telekomunikasi ITS (ITST) 2012 (hal. 103–107). IEEE.

Hossmann, T., Carta, P., Schatzmann, D., Legendre, F., Gunningberg, P., & Rohner, C. (2011) Twitter dalam mode bencana: Arsitektur keamanan. Di dalam Prosiding lokakarya khusus tentang internet dan bencana (hal. 7). ACM.

Liu, M., Johnson, T., Agarwal, R., Efrat, A., Richa, A., & amp Coutinho, M. M. (2015). Jaringan bagal data yang kuat dengan aplikasi perawatan kesehatan jarak jauh di wilayah amazon: Pendekatan kode air mancur. Di dalam Konferensi internasional ke-17 tahun 2015 tentang jaringan, aplikasi & layanan E-health (HealthCom) (hal. 546–551). IEEE.

Coutinho, M. M., Efrat, A., Johnson, T., Richa, A., & amp Liu, M. (2014). Perawatan kesehatan yang didukung oleh jaringan data bagal di komunitas terpencil di wilayah amazon. Pemberitahuan Penelitian Ilmiah Internasional, 2014, 1–8.

Coutinho, M. M., Moreira, T., Silva, E., Efrat, A., & amp Johnson, T. (2011). Proposal baru jaringan data bagal berfokus pada populasi sungai amazon. Di dalam Prosiding konferensi ekstrim ke-3 tentang komunikasi: Ekspedisi amazon (hal. 10). ACM.

Apa yang berhasil: Solusi mil pertama daknet membawa komunitas pedesaan online. http://www.firstmilesolutions.com/documents/FMS_Case_Study.pdf. Diakses pada 07 Juni 2017.

Pentland, A., Fletcher, R., & amp Hasson, A. (2004). Daknet: Memikirkan kembali konektivitas di negara berkembang. Komputer, 37(1), 78–83.

Exploratorium (mid) dinamika tak terlihat (mid) cabspotting. http://www.exploratorium.edu/id/cab.html. Diakses pada 07 Juni 2017.

Piorkowski, M., Sarafijanovic-Djukic, N., & Grossglauser, M. (2009). Kumpulan data CRAWDAD epfl/mobilitas (v. 2009-02-24).

Eagle, N., & Pentland, A. S. (2006). Penambangan realitas: Merasakan sistem sosial yang kompleks. Komputasi Pribadi dan di Mana-mana, 10(4), 255–268.

Lindgren, A., Doria, A., Lindblom, J., & Ek, M. (2008). Jaringan di negeri cahaya utara: Dua tahun pengalaman dari penerapan sistem DTN. Di dalam Prosiding lokakarya ACM 2008 tentang jaringan dan sistem nirkabel untuk wilayah berkembang (hal. 1–8). ACM.

Farrell, S., McMahon, A., Meehan, E., Weber, S., & Hartnett, K. (2011). Laporkan uji coba DTN musim panas Arktik. Jaringan nirkabel, 17(5), 1127–1156.

McDonald, P., Geraghty, D., Humphreys, I., Farrell, S., & amp Cahill, V. (2007). Jaringan sensor dengan toleransi penundaan (SeNDT). Di dalam Prosiding konferensi internasional ke-16 tentang komunikasi dan jaringan komputer, 2007. ICCCN 2007 (hal. 1333–1338). IEEE.

Huaux, J.-P., Gross, T., Le Boudec, J.-Y., & amp Vetterli, M. (2001). Menuju jaringan ad hoc seluler yang diatur sendiri: Proyek terminode. Majalah Komunikasi IEEE, 39(1), 118–124.

Huaux, J.-P., Le Boudec, J.-Y., Giordano, S., & amp Hamdi, M. (1999). Proyek terminode: Menuju penurunan ad-hoc seluler. Di dalam 1999 Lokakarya internasional IEEE tentang komunikasi multimedia bergerak, 1999 (MoMuC’99) (hal. 124–128). IEEE.

Tentang teknologi dan infrastruktur tingkat (mid) untuk kawasan berkembang. http://tier.cs.berkeley.edu/drupal/about. Diakses pada 07 Juni 2017.

Burgess, J., Gallagher, B., Jensen, D., Levine, B. N. (2006). Maxprop: Perutean untuk jaringan toleransi gangguan berbasis kendaraan. Di dalam Prosiding IEEE INFOCOM 2006. Konferensi internasional IEEE ke-25 tentang komunikasi komputer (hal. 1-11).

Balasubramanian, A., Zhou, Y., Croft, W. B., Levine, B. N., & amp Venkataramani, A. (2007). Pencarian web dari bus. Di dalam Prosiding lokakarya ACM kedua tentang jaringan yang ditantang (hal. 59–66). ACM.

Burgess, J., et. Al. (2008). Dataset CRAWDAD umass/diesel (v. 2008-09-14).

Caiti, A., Husoy, T., Yesus, S., Karasalo, I., Massimelli, R., Munafò, A., et al. (2012). Jaringan akustik bawah air: Proyek Fp7 uan. Volume Prosiding IFAC, 45(27), 220–225.

Juang, P., Oki, H., Wang, Y., Martonosi, M., Peh, L. S., & Rubenstein, D. (2002). Komputasi hemat energi untuk pelacakan satwa liar: Desain tradeoff dan pengalaman awal dengan ZebraNet. Berita Arsitektur Komputer SIGARCH, 30, 96–107.

Liu, T., Sadler, C. M., Zhang, P., & amp Martonosi, M. (2004). Menerapkan perangkat lunak pada sensor seluler dengan sumber daya terbatas: Pengalaman dengan impala dan ZebraNet. Di dalam Prosiding konferensi internasional ke-2 tentang sistem, aplikasi, dan layanan seluler (hal. 256–269). ACM.

Bobbio, A., Ferraris, C., & Terruggia, R. (2006). Tantangan baru dalam analisis keandalan jaringan. CNIP, 6, 554–564.

Fratta, L., & Montanari, U. (1973). Metode aljabar boolean untuk menghitung keandalan terminal dalam jaringan komunikasi. Transaksi IEEE pada Teori Sirkuit, 20(3), 203–211.

Chaturvedi, S., & Misra, K. (2002). Sebuah metode hybrid untuk mengevaluasi keandalan jaringan yang kompleks. Jurnal Internasional Manajemen Kualitas & Keandalan, 19(8/9), 1098–1112.

Torrieri, D. (1994). Perhitungan keandalan pasangan simpul di jaringan besar dengan simpul yang tidak dapat diandalkan. Transaksi IEEE pada Keandalan, 43(3), 375–377, 382.

Meena, K., Vasanthi, T., Rajeswari, M., & amp UmamageswarI, P. (2016). Analisis keandalan MANET dengan RCFP: Protokol pembentukan cluster yang andal. Jurnal Internasional Penelitian Teknik Terapan, 11(1), 440–447.

Cook, J. L., Arsenal, P., & Ramirez-Marquez, J. E. (2007). Penelitian terbaru tentang metode analisis keandalan untuk jaringan ad-hoc seluler. Di dalam Forum riset sistem (Jil. 2, No. 01, hlm. 35–41). Perusahaan Penerbitan Ilmiah Dunia.

Cook, J. L., & Ramirez-Marquez, J. E. (2007). Keandalan jaringan ad hoc seluler berkapasitas. Prosiding Institusi Insinyur Mesin, Bagian O: Jurnal Risiko dan Keandalan, 221(4), 307–318.

Padmavathy, N., & amp Chaturvedi, S. K. (2015). Evaluasi keandalan jaringan ad hoc seluler berkapasitas menggunakan model propagasi bayangan log-normal. Jurnal Internasional Keandalan dan Keamanan, 9(1), 70–89.

Cook, J. L., & Ramirez-Marquez, J. E. (2008). Pemodelan mobilitas dan keandalan untuk jaringan ad hoc seluler. Transaksi IIE, 41(1), 23–31.

Soh, S., Lau, W., Rai, S., & Brooks, R. R. (2007). Pada keandalan komputasi dan jumlah hop yang diharapkan dari jaringan komunikasi nirkabel. Jurnal Internasional Teknik Performabilitas, 3(2), 267–279.

Cook, J. L., & Ramirez-Marquez, J. E. (2007). Analisis keandalan dua terminal untuk jaringan nirkabel ad hoc seluler. Rekayasa Keandalan & Keamanan Sistem, 92(6), 821–829.

Meena, K. S., & Vasanthi, T. (2016). Desain keandalan untuk manet dengan protokol perutean gateway cluster-head. Komunikasi dalam Statistik-Teori dan Metode, 45(13), 3904–3918.

Meena, K. S., & Vasanthi, T. (2016). Analisis keandalan optimal jaringan adhoc seluler menggunakan fungsi pembangkit universal dengan waktu dan biaya pengiriman yang terbatas. Prosiding Konferensi Internasional tentang Teknik Informasi, Manajemen dan Keamanan, 1, 13–17.

Choudhary, A., Roy, O., & Tuithung, T. (2015). Evaluasi keandalan jaringan ad-hoc seluler. Jurnal Internasional Komunikasi dan Jaringan Generasi Masa Depan, 8(5), 207–220.

Dimitar, T., Sonja, F., Bekim, C., & Aksenti, G. (2004). Analisis keandalan tautan dalam jaringan ad hoc. Di dalam Prosiding forum telekomunikacioni XII TELFOR.

Chowdhury, C., & Neogy, S. (2011). Perkiraan keandalan sistem agen seluler untuk aplikasi QoS MANET. Di dalam Prosiding 2011—Simposium keandalan dan pemeliharaan tahunan (hal. 1–6).

Singh, M. M., Baruah, M., & Mandal, J. K. (2014). Perhitungan keandalan jaringan mobile ad-hoc menggunakan regresi logistik. Di dalam Konferensi internasional kesebelas 2014 tentang jaringan komunikasi nirkabel dan optik (WOCN) (hal. 1-5).

Kharbash, S., & Wang, W. (2007). Menghitung keandalan dua terminal dalam jaringan ad hoc seluler. Di dalam Komunikasi nirkabel IEEE 2007 dan konferensi jaringan (hal. 2831–2836).

Wang, T., Huang, C., Xiang, K., & amp Zhou, K. (2010) Evaluasi kelangsungan hidup untuk MANET berdasarkan keandalan jalur. Di dalam 2010 Konferensi internasional kedua tentang keamanan jaringan, komunikasi nirkabel, dan komputasi tepercaya (Jil. 1, hlm. 378–381).

Pouyan, A., & amp Tabari, M. Y. (2014). Memperkirakan keandalan dalam jaringan ad-hoc seluler berdasarkan simulasi monte carlo (catatan teknis). Jurnal Internasional Rekayasa-Transaksi B: Aplikasi, 27(5), 739.

Dana, A., Zadeh, A. K., & amp Noori, S. A. S. (2008). Pilihan set jalur cadangan di jaringan nirkabel ad hoc menggunakan waktu kedaluwarsa tautan. Komputer & Teknik Elektro, 34(6), 503–519.

Papadimitratos, P., Haas, Z.J., & Sirer, E.G. (2002). Pemilihan set jalur di jaringan ad hoc seluler. Di dalam Prosiding simposium internasional ACM ke-3 tentang jaringan ad hoc seluler & komputasi amp, MobiHoc '02 (hal. 1-11).

Migov, D. A., & Shakhov, V. (2014). Keandalan jaringan ad hoc dengan node yang tidak sempurna. Di dalam Lokakarya internasional tentang komunikasi akses ganda (hal. 49–58). Cham: Pegas.

Chaturvedi, S.K. (2016). Keandalan jaringan: Pengukuran dan evaluasi. New York: Wiley.

Andel, T. R., & Yasinsac, A. (2006). Pada kredibilitas simulasi manet. Komputer, 39(7), 48–54.

Manaseer, S.S. (2016). Pada pilihan nilai parameter untuk eksperimen berbasis simulasi pada jaringan ad hoc seluler. Jurnal Internasional Ilmu Komunikasi, Jaringan dan Sistem, 9(04), 90.

Meena, K., & Vasanthi, T. (2016). Analisis keandalan jaringan ad hoc seluler menggunakan fungsi pembangkit universal. Rekayasa Kualitas dan Keandalan Internasional, 32(1), 111–122.

Rebaiiaia, M.-L., & Ait-Kadi, D. (2015). Evaluasi keandalan jaringan stokastik k-terminal yang tidak sempurna menggunakan reduksi poligon-ke rantai dan seri-paralel. Di dalam Prosiding simposium ACM ke-11 tentang QoS dan keamanan untuk jaringan nirkabel dan seluler, Q2SWinet '15 (hlm. 115-122). ACM.

Rai, S., Kumar, A., & Prasad, E. (1986). Keandalan terminal komputasi jaringan komputer. Rekayasa Keandalan, 16(2), 109–119.

Ahmad, M., & Mishra, D. K. (2012). Model perhitungan keandalan untuk MANET skala besar. Jurnal Internasional Aplikasi Komputer, 59(9), 17–21.

Egeland, G., & Engelstad, P. E. (2009). Ketersediaan dan keandalan jaringan multi-hop nirkabel dengan kegagalan tautan stokastik. Jurnal IEEE tentang Area Terpilih dalam Komunikasi, 27(7), 1132–1146.

Cook, J. L., & Ramirez-Marquez, J. E. (2009). Desain optimal jaringan ad-hoc berbasis cluster menggunakan penemuan solusi probabilistik. Rekayasa Keandalan & Keamanan Sistem, 94(2), 218–228.

Cook, J. L., & Ramirez-Marquez, J. E. (2008). Analisis keandalan jaringan ad-hoc berbasis cluster. Rekayasa Keandalan & Keamanan Sistem, 93(10), 1512–1522.

Soh, S., Rai, S., & Brooks, R. R. (2008). Masalah Performabilitas di Jaringan Komunikasi Nirkabel. London: Springer.

Pellegrini, F. D., Miorndi, D., Carreras, I., & Chlamtac, I. (2007). Model berbasis grafik untuk jaringan ad hoc yang terputus. Di dalam IEEE INFOCOM 2007—Konferensi internasional IEEE ke-26 tentang komunikasi komputer (hal. 373–381).

Zhang, X., Liu, Q., Li, Z. (2014). Sebuah metode untuk mengevaluasi konektivitas MANET berdasarkan permintaan dan probabilitas komunikasi. Di dalam Prosiding konferensi internasional kedua tentang komunikasi, pemrosesan sinyal, dan sistem (hal. 817–822). Peloncat.

Dasgupta, S., Mao, G., & Anderson, B. (2015). Ukuran baru konektivitas jaringan nirkabel. Transaksi IEEE di Komputasi Seluler, 14(9), 1765–1779.

Brooks, R. R., Pillai, B., Racunas, S., & Rai, S. (2007). Analisis jaringan seluler menggunakan matriks konektivitas probabilistik. Transaksi IEEE pada Sistem, Manusia, dan Sibernetika Bagian C (Aplikasi dan Ulasan), 37(4), 694–702.

Boukerche, A., Turgut, B., Aydin, N., Ahmad, M. Z., Blni, L., & Turgut, D. (2011). Protokol perutean dalam jaringan ad hoc: Sebuah survei. Jaringan komputer, 55(13), 3032–3080.

Abolhasan, M., Wysocki, T., & Dutkiewicz, E. (2004). Tinjauan protokol perutean untuk jaringan ad hoc seluler. Jaringan Ad Hoc, 2(1), 1–22.

Giordano, S., & Stojmenovic, I. (2004). Algoritme perutean Berbasis Posisi untuk jaringan ad hoc: Taksonomi. Boston: Pegas.

Deng, J., Han, Y. S., Chen, P.-N., & Varshney, P. K. (2004). Jangkauan transmisi optimal untuk jaringan ad hoc nirkabel. Di dalam 2004 IEEE komunikasi nirkabel dan konferensi jaringan (IEEE Cat. No. 04TH8733) (Jil. 2, hlm. 1024–1029).

Santi, P., & Blough, D. M. (2003). Rentang transmisi penting untuk konektivitas di jaringan ad hoc nirkabel yang jarang. Transaksi IEEE di Komputasi Seluler, 2(1), 25–39.

Buchanan, M. (2003). Nexus: Dunia kecil dan teori jaringan yang inovatif. New York, NY: W.W. Norton & Co., Inc.

Chaintreau, A., Mtibaa, A., Massoulie, L., & Diot, C. (2007). Diameter jaringan seluler oportunistik.Di dalam Prosiding konferensi ACM ConNEXT 2007 (hal. 12). ACM.

Tang, J., Scellato, S., Musolesi, M., Mascolo, C., & amp Latora, V. (2010). Perilaku dunia kecil dalam grafik yang berubah-ubah waktu. Tinjauan Fisik E, 81(5), 055101.

Nishiyama, H., Ito, M., & Kato, N. (2014). Relay-by-smartphone: Mewujudkan komunikasi perangkat-ke-perangkat multihop. Majalah Komunikasi IEEE, 52(4), 56–65.


Mengukur Resistansi

Resistor normal memiliki kode warna. Jika Anda tidak tahu apa artinya, tidak apa-apa! Ada banyak kalkulator online yang mudah digunakan. Namun, jika Anda pernah menemukan diri Anda tanpa akses internet, multimeter sangat berguna untuk mengukur resistansi.

Pilih resistor acak dan atur multimeter ke pengaturan 20kΩ. Kemudian pegang probe pada kaki resistor dengan jumlah tekanan yang sama dengan Anda saat menekan tombol pada keyboard.

Meteran akan membaca salah satu dari tiga hal, 0.00, 1, atau nilai resistor sebenarnya.

Dalam hal ini, meter membaca 0,97, artinya resistor ini memiliki nilai 970Ω, atau sekitar 1kΩ (ingat Anda berada dalam mode 20kΩ atau 20.000 Ohm sehingga Anda perlu memindahkan desimal tiga tempat ke kanan atau 970 Ohm).

Jika multimeter membaca 1 atau menampilkan OL, itu kelebihan beban. Anda perlu mencoba mode yang lebih tinggi seperti 200kΩ modus atau 2M (megaohm) mode. Tidak ada salahnya jika hal ini terjadi, itu hanya berarti kenop rentang perlu disesuaikan.

Jika multimeter membaca 0.00 atau hampir nol, maka Anda perlu menurunkan mode ke 2kΩ atau 200.

Ingat bahwa banyak resistor memiliki toleransi 5%. Ini berarti bahwa kode warna dapat menunjukkan 10.000 Ohm (10kΩ), tetapi karena perbedaan dalam proses pembuatan, resistor 10kΩ bisa serendah 9,5kΩ atau setinggi 10.5kΩ. Jangan khawatir, ini akan berfungsi dengan baik sebagai resistor pull-up atau umum.

Mari kita turunkan meteran ke pengaturan terendah berikutnya, 2K&ohm. Apa yang terjadi?

Tidak banyak yang berubah. Karena resistor ini (1K&ohm) kurang dari 2K&ohm, resistor ini masih muncul di layar. Namun, Anda akan melihat bahwa ada satu digit lagi setelah titik desimal yang memberi kita resolusi yang sedikit lebih tinggi dalam pembacaan kita. Bagaimana dengan pengaturan terendah berikutnya?

Sekarang, karena 1k&ohm lebih besar dari 200&ohm, kami telah memaksimalkan meteran, dan ini memberi tahu Anda bahwa itu kelebihan beban dan Anda perlu mencoba pengaturan nilai yang lebih tinggi.

Sebagai aturan praktis, jarang melihat resistor kurang dari 1 Ohm. Ingatlah bahwa mengukur resistansi tidak sempurna. Suhu dapat sangat mempengaruhi pembacaan. Juga, mengukur resistansi perangkat saat dipasang secara fisik di sirkuit bisa sangat rumit. Komponen sekitarnya pada papan sirkuit dapat sangat mempengaruhi pembacaan.


Tinjauan Kedalaman Pengukur Daya LR (Dual-Sided) Tahapan

Sudah lama datang. Untuk Stages, jalur pengembangan Stages LR telah berlangsung selama lebih dari tiga tahun hingga mulai dikirimkan bulan lalu, dengan sebagian besar di mata publik dengan sepeda yang paling banyak ditonton di dunia: Chris Froome's. Tentu saja, Stages dimulai sebelum Team Sky dengan satu-satunya pengukur daya kiri mereka (sekarang berganti nama menjadi Stages L), tetapi tidak sampai sponsor mereka dari Team Sky barulah perusahaan dan produknya lepas landas.

Lagi pula – jika Chris Froome dapat memenangkan Tour de France dengan unit Stages Left-only, maka itu mungkin cukup baik untuk Anda juga, bukan?

Yah, mungkin tidak persis, seperti yang segera diketahui oleh Team Sky dan yang lainnya. Atas permintaan Team Sky, Stages ditugaskan untuk membuat versi ganda, sehingga mereka dapat melacak kemajuan pengendara dengan lebih akurat. Saat mereka belajar, aspek seperti kelelahan dan perbedaan kaki kiri/kanan benar-benar memengaruhi akurasi secara keseluruhan. Jadi beberapa musim berikutnya kami melihat Team Sky diam-diam mengendarai berbagai prototipe model kaki ganda. Ini adalah hasil dari model-model ini yang akhirnya menjadi Stages LR yang diumumkan musim panas lalu di Eurobike. (Catatan samping: Saya merinci backstory tentang itu di sini di bagian ini.)

Dan pada bulan lalu, perusahaan telah mulai mengirimkan model ini ke konsumen. Namun pertanyaan besarnya: Apakah itu akurat? Dan yang lebih penting bagi banyak orang – apakah ini mengatasi beberapa masalah konektivitas yang tampaknya mengganggu pengguna Stages yang ada. Untuk pertanyaan-pertanyaan itu, saya mengerjakan dua set engkol LR Tahapan yang berbeda selama dua bulan mengumpulkan banyak data.

(Oh, dan seperti biasa, saya akan segera mengirimkan kembali kedua engkol pinjaman ke Tahapan. Terutama karena saya cukup yakin maskapai penerbangan akan lebih tidak senang daripada dalam perjalanan saya ke sini dengan berapa banyak engkol yang saya miliki di bagasi kembali dari Australia bulan depan sebaliknya.)

Membuka kemasan:

Dalam kasus saya, Stages LR dikirimkan sebagai produk kotak tunggal. Namun, Anda sebenarnya dapat membelinya sebagai upgrade ke unit Stages Left-only yang ada (sehingga membuat pasangan). Artinya, Anda membeli sisi yang benar. Kotak kemungkinan tidak akan berbeda jauh, karena sebagian besar ruang di dalam kotak adalah untuk crankset sisi drive.

Di dalam kotak, Anda akan menemukan crankset sisi drive, serta lengan engkol sisi kiri (sisi non-drive). Anda juga akan menemukan steker kecil untuk diputar ke lengan engkol non-kiri agar semuanya terlihat cantik. Lalu ada beberapa sampah kertas.

Berikut adalah tampilan lebih dekat di bagian belakang kedua lengan engkol:

Dan kemudian sisi non-drive:

Dan akhirnya, paket kecil berisi kertas termasuk kartu ID ANT+ dan panduan pengguna yang dapat Anda gunakan untuk menyalakan api unggun (sangat) kecil untuk memanggang marshmallow setelah Anda selesai membacanya.

Oh, dan bahkan ada 'o-ring' cadangan di dalam paket juga.

Apa yang Anda lihat di atas pada dasarnya setara dengan kursus tentang cranksets, karena sebagian besar menggunakan crankset Shimano Ultegra yang ada dan mengubah nama kotaknya, menjatuhkan potongan power meter Stages, dan kemudian menyebutnya makaroni. Sama seperti Quarq, Power2Max dan lain-lain lakukan untuk cranksets.

Instalasi & Konfigurasi amp:

Seperti kebanyakan pengukur daya, pemasangannya tidak akan terlalu bervariasi pada apa yang Anda pasang, melainkan – situasi tempat Anda berasal. Maksud saya, dalam kasus Stages LR, jika Anda sudah memiliki crankset Shimano di sepeda Anda, maka menukar ke Stages LR bisa memakan waktu kurang dari 5 menit. Cepat dan sederhana.

Sedangkan jika Anda berasal dari crankset berbeda yang menampilkan standar braket bawah yang berbeda, maka kemungkinan Anda akan menempuh perjalanan yang lebih panjang. Dalam kasus saya, saya berada di tengah jalan. Ketika saya pertama kali memasang Stages LR di sepeda saya, saya menukar dari Quarq D-Zero saya yang biasa. Itu memiliki standar braket bawah (lebih kecil) yang sangat sedikit berbeda dari yang digunakan Shimano. Jadi saya harus berayun di tikungan ke toko sepeda untuk mengambil braket bawah yang berbeda, dan kemudian menukar semua itu.

Pada titik ini, saya sudah memanfaatkan berbagai alat dari kotak peralatan sepeda saya – terutama barang instalasi PressFit. Saya tidak akan merekomendasikan membeli alat pemasangan braket bawah seperti itu kecuali Anda berencana untuk sering menggunakannya (sedangkan saya akan merekomendasikan banyak alat yang lebih umum).

Setelah swappage braket bawah selesai (tidak perlu jika Anda sudah memiliki gigi Shimano di sepeda Anda), maka semudah menggeser sisi drive melalui braket bawah:

Setelah itu, hanya ada dua baut yang harus dikencangkan di lengan engkol kiri, menempelkannya ke sisi penggerak.

Oh, dan di suatu tempat di sepanjang jalan Anda perlu melepaskan selotip kecil dari pita plastik yang memisahkan kontak baterai dari baterai sel berbentuk koin. Di lengan engkol kiri, itu mudah dilakukan dengan jari Anda.

Sedangkan di lengan engkol kanan Anda hanya perlu obeng kecil untuk membuka kompartemen baterai.

Selanjutnya, setiap kali saya mengerjakan set engkol sepeda apa pun, saya menemukan kebiasaan yang baik untuk melemparkan sepeda ke pelatih dan mengayuhnya selama sekitar satu menit – mulai dengan mudah pada awalnya dan kemudian membangun intensitas. Menyelesaikan dengan 2-4 sprint, kira-kira masing-masing 4-8 detik, mengayuh cukup keras.

Saya melakukan ini karena dua alasan:

A) Jika saya telah menyemprot sesuatu pada instalasi crankset yang menyebabkan kerusakan video yang sangat viral, saya tidak menancapkan wajah saya ke trotoar. Sebaliknya, keburukan terkandung pada sepeda saya yang diamankan di atas pelatih.

B) Sprint membantu mengatur set engkol, dan mengencangkan semuanya – yang bagus untuk pengukur daya. Sebagian besar pengukur daya memerlukan periode pengendapan yang sangat singkat, yang akan ditangani oleh prosedur di atas.

Pada titik ini, Anda akan melakukan zero-offset dan Anda siap melakukannya. Jangan khawatir, saya akan membahas zero-offset itu di bagian selanjutnya.

Ikhtisar Penggunaan Umum:

Stages LR dalam banyak hal bertindak dan terasa seperti produk Stages yang ada, kecuali sekarang di kedua sisi. Namun, kita akan mulai dengan beberapa dasar dan mulai dari sana. Berita gembira pertama yang perlu diperhatikan adalah bahwa unit ini memiliki LED status di bagian dalam lengan engkol, memungkinkan Anda untuk dengan cepat memvalidasi bahwa itu hidup:

LED status baru ini sekarang juga ditemukan di semua unit pengiriman khusus Tahapan baru sekitar 1-2 minggu yang lalu. Mereka agak diam-diam mengosongkan inventaris unit yang ada untuk generasi baru ini.

Di sebelah lampu status itu, tentu saja, adalah kompartemen baterai seperti yang disebutkan sebelumnya. Kompartemen ini, di setiap sisi, menampung satu baterai sel koin CR2032. Tahapan mengatakan bahwa sistem harus mendapatkan sekitar 200 jam masa pakai baterai per baterai sel koin. Anda tentu saja dapat membeli ini dalam jumlah besar dengan sangat murah secara online, itulah yang saya lakukan (20 seharga $ 8).

Satu tip kecil untuk ditunjukkan (karena saya baru mempelajari pelajaran ini kemarin), adalah jika Anda bepergian dengan sepeda, pastikan alat sepeda Anda benar-benar memiliki obeng mini. Milik saya baru saja memiliki yang standar, dan rumah AirBNB tempat saya berada tidak memiliki obeng mini. Saya akhirnya menggunakan pisau mentega untuk membukanya, tetapi mungkin sesuatu untuk ditambahkan ke tas sepeda Anda untuk berjaga-jaga jika Anda perlu menukar baterai di tengah perjalanan. Banyak meteran listrik lainnya telah beralih menggunakan sekrup juga, meskipun beberapa di antaranya menggunakan sekrup segi enam – yang biasanya cocok dengan alat sepeda Anda. Bukan masalah besar, hanya tip pro yang saya pikir akan saya bagikan.

Setelah semuanya terpasang, kami harus memasangkannya ke komputer sepeda Anda. Stages sebenarnya adalah perusahaan pertama tahun lalu yang melakukan dual/bersamaan ANT+ &ampamp;ampamp;ampamp;ampampampampampampampampampampampampampampampampampamp [amp [ampÂamp;amp;amp;amp (amp (amp; ] Bluetooth) Bluetooth Smart secara bersamaan, dan berlanjut hari ini juga dengan Stages LR. Ini berarti ia mentransmisikan daya melalui ANT+ dan Bluetooth Smart, dalam standar pengukur daya masing-masing.

Dengan demikian, pada dasarnya Anda dapat memasangkannya ke perangkat atau aplikasi apa pun yang mendukung pengukur daya. Baik itu Garmin, Wahoo, atau bahkan unit kepala Dash milik Stage sendiri. Hal yang sama berlaku untuk aplikasi seperti Zwift, Strava, TrainerRoad, dan lainnya.

Sekarang, saya akan berbicara panjang lebar tentang konektivitas dan penurunan di bagian selanjutnya, jadi untuk saat ini mari kita pasangkan saja. Dalam kasus saya, saya sebagian besar menggunakan Garmin Edge 1030 untuk mengumpulkan data darinya. Dan dalam melakukannya, sebagian besar di atas ANT+, karena kebanyakan orang di industri akan merekomendasikan hal itu karena Anda akan mendapatkan data yang lebih canggih sekarang daripada ANT+ versus BLE.

Seperti kebanyakan head unit, Anda dapat mengubah nama dari ANT+ ID menjadi yang lain. Dalam hal Stages dan perangkat Garmin yang lebih baru yang mendukung pemasangan Bluetooth Smart, jika Anda ingin memasangkan ke varian ANT+, itu adalah yang terdaftar tanpa nama 'Stages' di dalamnya, di dalam daftar. Berikut panduan praktis:

sisi ANT+: ‘43016’
Sisi Cerdas Bluetooth: 'Tahap 43016'

Jadi dalam kasus foto di atas, Anda hanya melihat saluran BLE (karena saya mengambil foto setelah saya memasangkan saluran ANT+).

Sebagian besar perusahaan pengukur daya mengikuti spesifikasi dengan memasukkan nama merek ke dalam ID pemasangan Bluetooth Smart, diikuti oleh nomor ID ANT+ (dalam Bluetooth Smart ID). Akhirnya, dalam kasus Tahapan, tidak perlu mengatur panjang lengan engkol, dan dengan demikian head unit Anda tidak perlu memintanya. Fitur itu kebanyakan hanya digunakan pada meteran listrik berbasis pedal.

Dengan semua itu, Anda harus melakukan offset nol. Pada unit Stages, Anda perlu memastikan lengan engkol Anda mengarah lurus ke atas dan ke bawah (vertikal).

Kemudian cukup ketuk kalibrasi, yang memicu offset nol:

Hasilnya adalah nilai kalibrasi yang dapat Anda awasi. Saya sarankan melakukan ini sebelum setiap perjalanan, terutama agar jika ada sesuatu yang salah, Anda akan segera menemukannya. Contoh dari sesuatu yang salah adalah bahwa unit gagal untuk mengkalibrasi, atau nilai kalibrasi bergeser secara besar-besaran. Biasanya Anda akan melihatnya hanya dalam beberapa digit, terutama berdasarkan suhu.

Dengan semua ini selesai, Anda siap untuk berkendara. Seperti kebanyakan pengukur daya, Stages LR mentransmisikan nilai berikut ke head unit:

ANT+ Daya (total)
ANT+ Power Balance (kiri/kanan)
ANT + irama
Kehalusan Pedal ANT+
Efektivitas Torsi ANT+
Kekuatan Cerdas Bluetooth
Keseimbangan Daya Cerdas Bluetooth
Irama Cerdas Bluetooth

Untuk melihat ini sedikit, berikut adalah file di Garmin Connect yang direkam pada Edge 1030 yang menunjukkan data dari perjalanan Stages LR melalui ANT+. Di dalamnya Anda dapat melihat berbagai metrik dari atas yang direkam dalam file:

Perhatikan bahwa jika Anda merekam melalui Bluetooth Smart, Anda tidak akan mendapatkan data kehalusan pedal atau efektivitas torsi, bahkan jika merekam pada head unit yang mendukungnya.

Yang juga perlu diperhatikan adalah jika Anda menggunakan Stages Dash milik Stage sendiri, Anda akan mendapatkan detail tambahan yang direkam ke file aktivitas seputar aspek seperti masa pakai baterai, zero offset, dan pembaruan firmware. Saya sudah lama berpikir itu mungkin salah satu fitur paling keren dari Stages Dash. Saya membicarakannya lebih banyak di ulasan Stages Dash saya. Di bawah ini adalah contoh tangkapan layar dari Tahapan, karena saya tidak berpikir untuk menangkap data ini sebelumnya.

Selain semua pasangan standar, Stages juga mendukung konektivitas melalui aplikasi smartphone mereka. Aplikasi ini sebagian besar digunakan untuk memperbarui firmware, tetapi juga memiliki tujuan lain:

Misalnya, Anda dapat memeriksa ulang nilai torsi padanya, serta memvalidasi offset nol:

Salah satu tujuan lainnya adalah pengambilan data rate berkecepatan tinggi Stage, yang memungkinkan Anda merekam data Stages hingga 64 kali per detik, dalam skenario pengambilan data berkecepatan tinggi secara efektif. Ini sudah lama diluncurkan pada engkol kiri Stages, namun belum diaktifkan di Stages LR. Stages mengatakan itu ada dalam daftar tugas mereka, tetapi hanya jatuh lebih rendah ke tiang totem prioritas. Karena sebagian besar hanya digunakan untuk skenario tipe awal trek, itu juga bukan sesuatu yang saya anggap sebagai item prioritas tinggi.

Dengan semua set itu, mari selami akurasi data.

Hasil Akurasi Pengukur Daya:

Saya sudah lama mengatakan bahwa jika meteran listrik Anda tidak akurat, maka tidak ada gunanya menghabiskan uang untuk itu. Strava dapat memberi Anda perkiraan kekuatan yang 'cukup dekat' secara gratis, jadi jika Anda akan menghabiskan uang untuk sesuatu, itu tidak boleh menjadi generator nomor acak. Namun ada skenario / produk tertentu di mana pengukur daya mungkin kurang akurat daripada yang lain, atau mungkin ada kasus tepi yang diketahui tidak berfungsi. Tidak ada jenis produk yang buruk – tetapi Anda hanya perlu tahu apa kegunaan/kasus tepi itu dan apakah itu sesuai dengan anggaran atau persyaratan Anda.

Seperti biasa, saya mulai mencari tahu. Dalam meteran listrik saat ini salah satu tantangan terbesar adalah kondisi luar ruangan. Secara umum, kondisi dalam ruangan cukup mudah ditangani, tetapi saya tetap memulainya dari sana. Ini memungkinkan saya untuk menggali ke dalam area seperti irama rendah dan tinggi, serta seberapa bersih angka pada output daya kondisi mapan. Sedangkan di luar ruangan memungkinkan saya untuk melihat masalah penyerapan air, variasi suhu dan kelembaban, dan aspek permukaan jalan yang sangat penting (misalnya getaran). Sebagai referensi, Stages LR memiliki tingkat akurasi yang diklaim +/- 1,5%. Ini juga tidak memerlukan magnet apa pun untuk irama, sementara juga secara otomatis mengoreksi penyimpangan suhu apa pun. Kedua hal ini cukup umum meskipun pada sebagian besar meteran listrik hari ini.

Dalam pengujian saya, saya biasanya menggunakan antara 2-4 power meter lainnya pada sepeda sekaligus. Saya menemukan ini adalah cara terbaik untuk memvalidasi pengukur daya dalam kondisi dunia nyata. Dalam kasus sebagian besar pengujian ini dengan Tahapan LR, saya menggunakan pengukur daya lainnya ini secara bersamaan:

Pelatih Elite Direto
Garmin Vektor 3
Pelatih Cerdas JetBlack WhisperDrive
Pengukur daya berbasis hub PowerTap G3 (tiga unit berbeda)
Wahoo Pelatih KICKR 2017/V3

Semuanya diuji selama sekitar dua bulan, pada dua set engkol LR Tahapan yang berbeda. Saya telah mengabaikan uji coba sebelumnya yang saya lakukan Agustus lalu di unit pra-produksi.

Secara umum, penggunaan produk lain saya paling sering dikaitkan dengan hal lain yang saya uji. Juga, dalam hal pengumpulan data, saya menggunakan perpaduan perangkat pengumpulan data NPE WASP, dan armada unit kepala Garmin (kebanyakan unit Edge 520/820/1000/1030). Untuk sebagian besar pengujian pada Stages LR, saya menggunakan Edge 1030 dan FR935, bersama dengan sedikit Edge 520 seperti yang disebutkan di tempat lain di bagian konektivitas. Tapi saya juga merekam di aplikasi, termasuk Zwift.

Perhatikan bahwa semua data dapat ditemukan di tautan di sebelah setiap ulasan. Juga, pada akhirnya adalah tabel singkat dengan data yang digunakan dalam ulasan ini. Saya kemungkinan akan menambahkan data lain yang tidak ada dalam ulasan ini juga.

Saya akan memulai ulasan ini dengan kumpulan data terbaru – perjalanan dari hanya 75 menit yang lalu. Mengapa? Karena ini adalah perjalanan dengan firmware terbaru (baru kemarin) yang tampaknya menyelesaikan banyak keanehan kecil yang saya lihat/laporkan selama dua bulan terakhir. Akibatnya, ini adalah pertama kalinya semua bintang sejajar. Yang tidak berarti bahwa perjalanan sebelumnya telah menghasilkan tenaga yang tidak akurat, atau bahwa Stages bahkan salah. Sebaliknya, berbagai wahana memiliki berbagai hal konektivitas atau pengukur daya lainnya yang mengganggu saya – tetapi saya akan membahasnya nanti. Sebagai aturan umum, saya ingin memiliki tidak kurang dari 3 meter daya dalam pengujian, jadi ketika saya 'hanya' memiliki dua, itu sedikit mengganggu saya.

Bagaimanapun, perjalanan ini adalah perjalanan luar yang sederhana dengan tiga unit – Stages LR, Vector 3, dan hub PowerTap G3. Kondisi jalan sebagian besar berupa perkerasan mulus, meskipun beberapa bagian perkerasan jalan kurang bersih. Ditambah speed bump. Berikut ikhtisarnya (dan inilah file di Analyzer jika Anda ingin melihatnya secara online):

Saya menangkap data di banyak unit utama, tetapi terutama menangkap data Stages LR pada tiga unit berbeda – Edge 1030, Edge 520, dan FR935. Saya melakukan ini secara bersamaan di kedua ANT+ & Bluetooth Smart, untuk alasan yang akan saya bahas nanti dalam ulasan ini.

Seperti yang Anda lihat dari ikhtisar, unit dilacak hampir identik di seluruh perjalanan.Kita dapat menggali salah satu titik dari lampu lalu lintas di mana saya beralih dari 0 daya hingga 400w dengan cukup cepat. Perhatikan ini dihaluskan dalam 5 detik, hanya untuk membuatnya lebih mudah dilihat.

Bukan berarti semua pengukur daya dalam +/-1 detik satu sama lain menunjukkan peningkatan daya. Seperti biasa, agak sulit untuk mendapatkan beberapa unit kepala untuk menyelaraskan secara tepat karena tingkat transmisi dan perekaman, seperti yang Anda lihat di sini.

Satu hal yang Anda perhatikan adalah bahwa pada koneksi BLE ke FR935, Anda melihat dua blip kecil itu.

Itu secara teknis tetes. Hanya saja saat dihaluskan tidak terlihat. Tapi yang aneh adalah bahwa itu bukan tetes penuh – melainkan, mereka turun sekitar 50w (dibandingkan biasanya penurunan dianggap 0w). Tidak sepenuhnya yakin apa yang harus dipikirkan di sana. Tetapi dari sudut pandang saya yang secara teknis berada di bawah masalah konektivitas daripada akurasi (meskipun, hasil bersih berdampak pada akurasi). Tapi saya akan membahasnya secara terpisah di bagian selanjutnya dalam ulasan ini.

Berikut sprint ringan hingga sekitar 600w atau lebih, dan Anda dapat melihat bahwa semua unit mengikuti satu sama lain dengan sempurna di sini (sedikit perbedaan pada daya puncak BLE):

Sama pentingnya, tidak ada masalah droppage dari sudut pandang akurasi setelah saya menyelesaikan sprint, yang terkadang bisa menjadi titik sulit untuk pengukur daya.

Jika kita melihat irama untuk perjalanan ini, itu juga terlihat identik di semua sumber data. Ada beberapa kesalahan kecil pada irama Vector 3 saat saya setengah berhenti. Ini hampir seolah-olah mengambil sedikit gerakan engkol yang saya lakukan ketika bergerak maju dengan sepeda sedikit pada penanda 33:25 (saya berada di sisi jalan mengirim pesan kepada Gadis bahwa saya telah mencapai titik balik saya, saya pindah setengah jalan melalui itu lagi untuk menjauh dari jalan).

Selanjutnya, mari kita lihat perjalanan yang saya lakukan segera setelah perjalanan luar ruangan di atas – perjalanan pelatih. Mengapa saya harus melompat ke pelatih setelah perjalanan di luar ruangan? Untuk menyodok nilai irama dan kekuatan di seluruh rentang yang luas. Secara khusus, saya ingin melihat apa yang terjadi ketika irama saya sangat rendah (20RPM), dan sangat tinggi pada irama (160+ RPM). Ditambah tentu saja segala sesuatu di antaranya. Inilah tes langkah cepat 8 menit itu:

Untuk memandu Anda melalui apa yang saya lakukan, cukup mudah:

A) Saya mulai sekitar 80-90RPM, dan kemudian naik secara bertahap 10RPM menjadi 130RPM, memegang

masing-masing 30 detik
B) Kemudian saya meningkatkan RPM secara signifikan menjadi sekitar 170RPM, sebentar.

Seperti yang Anda lihat – unit dilacak dengan sangat baik hingga sekitar 160RPM, di mana tampaknya saya kehilangan unit Stages sebentar.

Sebagian besar pengukur daya memiliki semacam titik top-out, biasanya dalam kisaran 160-190RPM. Tahapan mencantumkan 220RPM sebagai irama teratasnya. Dalam kasus saya, masuk akal juga karena saya hanya menghabiskan beberapa detik pada irama tingkat tinggi itu, itu bisa saja merekam nuansa yang menyebabkan penurunan.

Melanjutkan tes, saya kemudian melakukan:

C) Turun kembali ke 70RPM, dan terus memperlambat RPM saya secara bertahap
D) Akhirnya, saya turun ke 20RPM (itu tiga detik per putaran!)
E) Untuk bersenang-senang, saya melempar 180RPM (dan trek Stage kali ini bagus)

Titik cutoff di sini tampaknya 20RPM. Di bawah itu dan irama turun, di atas itu dan itu baik-baik saja.

Ini juga ditentukan di situs Stages:

Batasan ini sangat dapat diterima/masuk akal/logis dalam pikiran saya. Juga, perhatikan bahwa nilai daya tetap konstan dengan Garmin Vector 3 secara keseluruhan. Saya juga berada di atas pelatih yang mentransmisikan daya, tetapi firmware daya masih beta di sana dan tidak cukup stabil seperti yang saya inginkan – jadi saya menghapusnya dari grafik untuk meminimalkan kebingungan.

Sekarang saya juga telah melakukan beberapa latihan Zwift yang lebih umum dan semacamnya, seperti perjalanan ini di sini dengan setumpuk sprint di seluruh:

Seperti yang Anda lihat, selama sprint, semuanya selaras dengan cukup baik terhadap Garmin Vector 3 – hampir identik kecuali satu tetes pada penanda 2 menit (tapi ini sebelum pembaruan firmware untuk mengatasinya).

Tapi mari kita kembali ke luar, lebih menarik di sana seperti biasa.

Bagian dari tantangan saya baru-baru ini adalah bahwa sebelum firmware dua hari yang lalu, Tahapan mengalami penurunan tergantung pada bagaimana Anda menghubungkannya. Artinya, jika saya terhubung melalui ANT+ pada head unit tertentu, koneksi akan terputus (tetapi tidak untuk head unit lainnya). Menggunakan BLE secara teori membuatnya lebih baik, tetapi dalam kenyataannya saya menemukan itu membuat segalanya lebih buruk (baik ANT+ & BLE). Jadi saya berakhir dengan beberapa perjalanan dimana data saat transmisi sangat akurat – tetapi akan tercela oleh putus sekolah sesekali.

Selain itu, perjalanan ini hampir tidak memiliki anak putus sekolah. Ada beberapa penyesuaian power meter di bagian pertama perjalanan setelah dipasang di sepeda, jadi lihat bagian tengahnya:

Anda dapat menggali file lengkap di atas, tetapi pada dasarnya sama untuk sisa perjalanan, tiga meteran daya hampir tidak dapat dibedakan, meskipun ada banyak pasang surut pada daya (ini adalah putaran sungai di mana ada banyak perubahan dalam kekuasaan).

Solusi untuk masalah putus sekolah (sekali lagi, sebelum firmware kemarin) pada dasarnya menggunakan Edge 1030 - yang putus sekolah tidak terjadi selama saya juga tidak menghubungkan perangkat Bluetooth Smart secara bersamaan. Dan untuk wahana di mana saya melakukan itu, treknya terlihat indah. Mereka cocok dengan Garmin Vector 3 dan hub PowerTap G3 dengan cukup baik. Seperti cuplikan ini dari beberapa jam perjalanan:

Ada sedikit perbedaan di antara unit, yang masuk akal karena, secara teori, PowerTap G3 harus yang terendah dan Garmin Vector 3 yang tertinggi. Dalam hal ini, sekitar +/- 3,7% dari garis tengah Tahapan, yang akan memperhitungkan efisiensi drivetrain serta perbedaan akurasi apa pun.

Dan kemudian perjalanan makan siang selama satu jam ini di sini di mana sekali lagi, ketiga unit itu selaras dengan sangat baik. Berikut adalah tampilan lebih dekat pada sprint 800w+:

Dan kemudian ada perjalanan panjang sub-jam ini (yang tidak memiliki hub G3 fungsional karena harus diganti), tetapi Anda setidaknya dapat melihat bagaimana perbandingannya dengan Vector 3 pada grafik rata-rata-maks. Apa yang Anda perhatikan adalah perbedaan/offset yang sangat kecil ketika Anda mencapai kekuatan di bawah 10 detik, yang cukup umum pada grafik ini.

Sebelum perjalanan ini, ada masalah firmware lain di mana sisi kanan unit akan menghasilkan nilai daya yang sedikit lebih rendah (1-3%) dari yang seharusnya. Jadi sementara sisi kiri sangat cocok dengan sisi kiri Vector 3, sisi kanan menyeret gambar ke bawah. Pada wahana ini (jika menggunakan Edge 1030), saya tidak mengalami penurunan. Masalah ini telah diperbaiki kembali pada 26 Januari. Mengingat sudah diperbaiki, saya tidak akan menganalisis kembali wahana itu, karena kita sudah tahu ceritanya di sana.

Sekarang, saya akan berbicara tentang droppage sebentar lagi – tetapi di depan akurasi saya telah melihat hal-hal baik sejak akhir Januari – jadi saya pikir kami pasti bagus di sana untuk kekuatan dan irama. Banyaknya kumpulan data di atas menunjukkan hal itu dengan mudah juga.

Perbarui – Januari 2020: Penting untuk membaca pemikiran GPLama tentang crankset berbasis Shimano R8000 & R9000-series (yang menjadi dasar Stages LR). Ada beberapa masalah berharga di sana yang sangat nyata. Yang lebih menantang adalah menentukan seberapa universal pengaruhnya terhadap setiap crankset (yang merupakan bagian dari masalah). Pada beberapa set engkol di luar jalur produksi, dampaknya bisa nol hingga dapat diabaikan. Sementara pada set engkol lain, ini bisa menjadi substansial, terutama ditambah dengan bagaimana orang yang berbeda mengayuh dari sudut pandang kekuatan. Dalam data dari tinjauan ini, Anda akan melihat bahwa sebagian besar cukup baik – tanpa banyak masalah. Dan faktanya, saya terus membeli Stages LR lain untuk penggunaan jangka panjang saya sendiri. Dan sebagian besar data dari dua tahun terakhir mencerminkan ulasan ini. Namun, pada saat yang sama – juga ada hari-hari langka di mana hal-hal tidak cocok dan saya melihat sisi kanan rendah. Itu tidak luar biasa. Namun, pada saat yang sama, saya juga mengalami hari-hari yang tidak menyenangkan dengan pedal Favero Assioma juga. Terkadang Anda tidak bisa menang. Mulai Januari 2020, saat ini saya menggunakan unit Quarq DZero berbasis non-Shimano sebagai pengukur daya dasar utama saya.

(Catatan: Semua grafik di bagian akurasi ini dibuat menggunakan alat DCR Analyzer. Alat ini memungkinkan Anda untuk membandingkan pengukur daya/pelatih, detak jantung, irama, kecepatan/laju, trek GPS, dan banyak lagi. Anda juga dapat menggunakannya untuk perbandingan gadget Anda sendiri, lebih detail di sini.)

Apakah itu turun?

Kembali sekitar setahun yang lalu, ada laporan media bahwa Chris Froome telah membuat komentar langsung yang menarik ketika menanggapi pertanyaan wartawan tentang mengapa ia menggunakan Edge 810 yang lebih lama dibandingkan yang lebih baru (tim itu sebaliknya dilengkapi dengan Edge 820 musim lalu. , di Team Sky – bukan sponsor – biaya). Dia mencatat bahwa dia telah menemukan bahwa 'Garmin yang lebih baru memiliki penurunan data'. Pada saat saya menemukan ini komentar aneh karena itu bukan sesuatu yang orang lihat di 'kehidupan nyata' di sepeda jalan raya. Tapi sekarang dalam melihat kembali hal-hal, saya mengerti: Kata-kata sebenarnya seharusnya "Saya melihat penurunan dengan Tahapan LR". Tapi tentu saja, dia tidak bisa mengatakan itu – Stages adalah sponsor. Garmin tidak.

Ketika saya pertama kali memulai proses pengujian ini pada bulan Desember – saya segera melihat penurunan yang sama juga…juga pada perangkat Garmin yang lebih baru. Khususnya dalam kasus saya Edge 520 dan FR935. Kedua perangkat yang sangat populer. Dan juga tidak ada perangkat yang pernah jatuh pada pengukur daya lain untuk saya (saya menggunakan 2-3 Edge 520 per perjalanan, terhubung ke 2-3 pengukur daya berbeda per perjalanan) atau bahkan penurunan jarak jauh yang umum untuk kedua unit pada pengukur daya lainnya . Jadi pada dasarnya… jika gempa seperti bebek, mungkin itu bebek.

Saya kembali ke Tahapan ini dan mereka melakukan penggalian lagi. Faktanya, topik Tahapan dan penurunan sama tuanya dengan waktu pengukur daya itu sendiri. Apa yang saya terkejut tentang adalah bahwa ini entah bagaimana masih sesuatu. Tetap saja, saya membiarkan mereka menggali.

Dengan melakukan itu, mereka menunjukkan bahwa mereka dapat mereproduksi tetes Edge 520 seperti yang saya lihat relatif mudah, dan stabil pada Edge 1030 (yang saya lihat juga). Tapi bagi saya itu bukan penerimaan yang bisa diterima. Sekali lagi, terlepas dari apakah Garmin bersalah 'tidak ada orang lain yang memiliki masalah ini (menghindari kekacauan yang merupakan bencana konektivitas Fenix ​​​​5/5S, yang tidak saya gunakan). Pada dataset lama ini, saya menyoroti setiap tetes dalam perjalanan 41 menit ini (15 tetes total di Edge 520).

Jadi mereka terus menggali sedikit – dan hasilnya adalah perubahan pada firmware yang mengubah cara tumpukan komunikasi mengirimkan daya ke sinyal ANT+ & BLE. Secara khusus, dua perubahan terjadi. Dalam kata-kata Stage sendiri, mereka (detail geek di depan):

“Perubahan firmware secara langsung berkaitan dengan waktu ketika radio mengirim dan menerima pesan ANT dan BLE. Cara termudah yang bisa saya jelaskan sebagai non-programmer adalah bahwa kadang-kadang kami mencoba menggunakan radio pada saat yang sama untuk mendapatkan pesan ANT dan BLE keluar dan masuk (dengan BLE) melalui radio. Perubahan itu benar-benar hanya penyempurnaan dari waktu dan lamanya setiap pesan dikirim dan kapan dan berapa lama radio mendengarkan pesan balasan BLE. Seperti yang saya jelaskan sebelumnya, selalu ada pesan yang keluar tetapi tidak semua 4hz untuk BLE dan ANT keluar, jadi itu berhasil tetapi tidak sempurna. Masalah ini sangat diperkuat ketika ada gangguan lain seperti beberapa unit kepala, wifi, pelatih dll. Sekarang kami telah membuat perubahan ini, semua pesan terkirim dengan benar pada 4hz. Ini membuatnya jauh lebih mungkin bahwa head unit akan menerima dan merekam setidaknya pada pesan satu detik dan dengan Dash yang kami terima semua 4hz.” [Catatan DCR: 4hz berarti 4 kali per detik]

“Perubahan lainnya adalah untuk menangani bagaimana beberapa unit kepala BLE menangani peluncuran, pada sebagian besar perangkat ANT yang mereka kenali jika Anda meluncur dan mengarahkan daya Anda ke nol. Untuk beberapa alasan pada beberapa perangkat BLE memegang nomor daya terakhir Anda saat Anda meluncur. Jadi kami membuat meteran listrik pintar dan itu akan mengarahkan daya Anda ke nol jika Anda meluncur.”

Perhatikan bahwa Stages LR sudah disiarkan pada tingkat yang lebih tinggi daripada unit khusus kiri Stages yang ada (mengabaikan unit khusus kiri baru yang baru saja mulai dikirim satu atau dua minggu yang lalu, yang akan saya posting secara terpisah segera). Pembaruan untuk unit LR tersebut dikeluarkan sebagai firmware 1.1.8 dan dirilis dua hari lalu dan menyertakan perubahan yang disebutkan dalam dua paragraf di atas.

Jadi di mana ini meninggalkan hal-hal?

Yah, saya pikir kami (akhirnya) baik-baik saja. Pada dasarnya, dua pembaruan firmware tertentu membuat saya dalam kondisi yang baik:

26 Januari: Memperbaiki masalah sisi kanan bawah dalam pembaruan beta sementara (dengan demikian, daya akurat setelah ini di semua perjalanan saya)
13 Februari: Memperbaiki dropout untuk Bluetooth Smart, dan ANT+ pada perangkat tertentu (untuk saya tetap – minus satu blip kecil)

Sekarang Anda mungkin berkata – bagaimana Anda tahu masalah putus sekolah diperbaiki? Nah sebelumnya dengan putus sekolah mereka memanifestasikan diri mereka dengan sangat cepat. Mungkin setiap 5-8 menit di ANT+, dan hampir seketika/miring di Bluetooth Smart (saya punya beberapa grafik jelek yang gila dari itu). Saya bisa mengulangi situasi itu di setiap perjalanan jika saya mau sejak Desember.

Sekarang di kedua wahana hari ini, hampir bersih sempurna. Stages mengatakan mereka menemukan dua masalah spesifik, yang mereka katakan terkait dengan penanganan daya pada tumpukan komunikasi. Buktinya tampaknya ada di puding – tidak ada tetesan penuh (hanya satu kegugupan singkat yang mungkin atau mungkin bukan kesalahan Tahapan).

Saya akan mencatat bahwa daya siaran pada unit Stages’ (termasuk LR) terus jauh lebih rendah daripada sensor ANT+ lainnya. Misalnya, lihat nilai RSSI pada Vector 3 (ID 324103) dan Stages LR (ID 34770) secara berdampingan. Nilai yang lebih tinggi lebih baik (artinya, -21 lebih baik dari -35), semakin mendekati nol semakin baik. Di sebelah kiri adalah apa yang terjadi jika saya menempatkan perangkat WASP uji di mount depan saya, dan kemudian di sebelah kanan adalah apa yang terjadi ketika saya meletakkannya di batang saya. Bahkan ketika ditempatkan langsung di atas braket bawah (di antara lengan engkol), Stages masih jauh lebih rendah daripada Garmin Vector 3.

Sementara dalam pengujian saya, kekuatan sinyal sekarang tampaknya cukup kuat untuk unit kepala saya, di mana yang penting adalah jika konfigurasi sepeda/tubuh spesifik Anda menempatkannya di tepi penerimaan, maka memiliki sedikit tambahan berarti perbedaan antara baik dan buruk. Itu secara historis di mana Stages mendapat masalah, terutama pada sepeda triathlon/TT, sebagian besar untuk orang-orang dengan jam tangan yang dikenakan di pergelangan tangan, karena gangguan tubuh/sepeda. Karena saya tidak memiliki sepeda triathlon/TT dalam perjalanan ini – saya tidak dapat mengujinya saat ini.

Tentu saja, saya ingin mendengar hasil siapa pun tentang itu di komentar (pastikan di 1.1.8 dulu!).

Rekomendasi Pengukur Daya:

Dengan begitu banyak meteran listrik di pasaran, pilihan Anda telah berkembang pesat dalam beberapa tahun terakhir. Sangat hebat karena saya telah menulis seluruh posting yang didedikasikan untuk pemilihan meteran listrik: Panduan Pengukur Daya Tahunan.

Saya memperbarui panduan tahunan itu setiap musim gugur, dan dalam hal ini adalah November – yang mencakup semua pemain meteran listrik di pasar.

Panduan yang disebutkan di atas mencakup setiap model meteran listrik di pasar (dan yang akan datang) dan memberi Anda rekomendasi apakah unit yang diberikan sesuai untuk Anda. Tidak ada meteran listrik 'terbaik'. Hanya ada meteran listrik yang paling tepat untuk situasi Anda. Jika Anda hanya memiliki satu jenis sepeda, saya akan merekomendasikan satu pengukur daya versus yang lain. Atau jika Anda memiliki kebutuhan yang berbeda untuk menukar sepeda, saya akan merekomendasikan satu unit versus unit lainnya. Atau jika Anda memiliki anggaran atau kompatibilitas crankset tertentu, itu akan memengaruhi jawabannya.

Saya akan menerbitkan pembaruan harga pada bulan Maret, yang mencakup di mana harga berdiri untuk tahun ini, meskipun saya tidak berharap terlalu banyak perubahan antara sekarang dan nanti. Saya juga tidak berharap banyak dari pendatang baru tambahan yang belum diketahui/dirilis.

Ringkasan:

Setelah perjalanan dua bulan di Stages LR, saya akhirnya mencapai titik di mana saya senang dengan hasil yang diberikan kepada saya di semua lini – baik akurasi maupun konektivitas. Tentu saja, bagi banyak konsumen, itu dianggap sebagai titik awal dasar (atau, saya harap memang demikian). Pertanyaan selanjutnya adalah harga.

Di ranah itu, Stages duduk di $ 999 untuk edisi Ultegra yang saya uji (termasuk crankset penuh). Itu identik dengan penawaran Pioneer pada $999 juga, dan sama seperti Garmin dan PowerTap dengan pedal mereka pada $999 (dan Dura-Ace pada $1,299 juga cocok dengan Pioneer). Semuanya memberi Anda kekuatan kiri/kanan yang berbeda. Ada nuansa untuk setiap implementasi meskipun dari sudut pandang teknologi. Pioneer memiliki metrik data kecepatan dan detail yang tinggi, tetapi hanya pada platform mereka (dan tidak memiliki konektivitas Bluetooth Smart). Garmin memberi Anda metrik yang kurang detail daripada Pioneer, tetapi pada standar file yang lebih banyak diadopsi (misalnya, WKO4 dapat melihat data). Tahapan memberi Anda set engkol penuh, jadi jika Anda tidak ingin berurusan dengan mengubah jenis pedal atau hanya lebih memilih pengukur daya engkol – maka itu pro untuk mereka. Seperti yang saya katakan di bagian sebelumnya – tidak ada jawaban yang benar di sini, hanya solusi untuk kebutuhan spesifik Anda.

Yang akhirnya adalah saya tidak akan kesulitan mengendarai unit Stages LR di sepeda jalan saya saat ini dengan firmware terbaru. Saya tidak dapat berbicara dengan pengaturan triathlon/TT saat ini, tetapi mudah-mudahan orang lain dapat ikut serta. Secara historis, saya tidak pernah memiliki masalah dengan unit khusus-kiri Tahapan saya dan konektivitas pada sepeda tri saya, tetapi seperti yang dicatat, masalah konektivitas ketika dilihat tampaknya sangat tergantung pada sepeda dan tubuh spesifik Anda.

Bagaimanapun - terima kasih telah membaca - dan jika Anda memiliki pertanyaan spesifik, silakan tulis di komentar di bawah - dengan senang hati mencoba dan melacaknya.

Apakah ulasan ini bermanfaat? Dukung situs ini!

Semoga Anda menemukan ulasan ini bermanfaat. Pada akhirnya, saya adalah seorang atlet sama seperti Anda yang mencari detail sedetail mungkin tentang pembelian baru – jadi ulasan saya ditulis dari sudut pandang cara saya menggunakan perangkat. Ulasan umumnya membutuhkan banyak waktu untuk disatukan, jadi ini adalah pekerjaan yang adil (dan kerja keras). Seperti yang mungkin Anda perhatikan dengan melihat di bawah, saya juga meluangkan waktu untuk menjawab semua pertanyaan yang diposting di komentar – dan ada sedikit detail di sana juga.

/>

telah bermitra dengan pengecer di sebelah kiri, dan setiap belanja yang Anda lakukan melalui tautan tersebut atau yang tercantum di bawah, membantu mendukung situs web ini. Terima kasih!

Untuk pembaca Eropa/Australia/Selandia Baru, Anda juga dapat mengambil unit melalui Wiggle di tautan di bawah, yang juga membantu mendukung situs!

Selain itu, Anda juga dapat menggunakan Amazon untuk membeli apa pun di daftar keinginan Anda. Belanja apa pun yang dilakukan melalui tautan ini juga sangat membantu mendukung situs (kaus kaki, deterjen, cowbell). Jika Anda berada di luar AS, saya memiliki tautan ke semua toko Amazon masing-masing negara di bilah sisi ke arah atas.


7 Jawaban 7

Ini benar-benar sama dengan beberapa jawaban lain, tetapi saya perhatikan bahwa dalam komentar untuk jawaban itu Anda bersikeras bahwa eksperimen Anda adalah ujian relativitas umum. Namun ini tidak terjadi. Selama ruangwaktu datar, eksperimen dapat dianalisis menggunakan relativitas khusus, dan dalam jawaban ini saya akan menjelaskan alasannya.

Secara umum diyakini bahwa relativitas khusus tidak dapat digunakan untuk mempercepat bingkai, tetapi ini sepenuhnya salah. Relativitas khusus hanya gagal ketika ruang-waktu tidak datar, yaitu ketika metrik yang menggambarkan ruang-waktu bukan metrik Minkowski.

Analisis yang akan saya berikan di sini awalnya merupakan bagian dari jawaban saya untuk Apakah pelebaran waktu gravitasi berbeda dari bentuk pelebaran waktu lainnya?, tetapi saya akan mengulanginya di sini karena ini adalah inti pertanyaan Anda.

Dalam centrifuge, pengamat berputar di sekitar poros dengan kecepatan $v$ pada radius tertentu $r$. Kami mengamati pengamat dari bingkai laboratorium, dan kami mengukur posisi pengamat menggunakan koordinat kutub $(t, r, heta,phi)$. Karena ruangwaktu datar, interval garis diberikan oleh metrik Minkowski, dan dalam koordinat kutub metrik Minkowski adalah:

$ ds^2 = -c^2dt^2 + dr^2 + r^2(d heta^2 + sin^2 heta dphi^2) $

Kita dapat memilih sumbu kita sehingga pengamat yang berputar berputar pada bidang $ heta = pi/2$, dan karena ia bergerak pada radius konstan maka $dr$ dan $d heta$ adalah nol. Metrik disederhanakan menjadi:

Kita dapat menyederhanakan ini lebih lanjut karena dalam kerangka laboratorium pengamat yang berputar bergerak dengan kecepatan $v$ jadi $dphi$ diberikan oleh:

dan oleh karena itu persamaan kita untuk elemen garis menjadi:

$ ds^2 = -c^2dt^2 + v^2dt^2 = (v^2 - c^2)dt^2 ag <1>$

Sekarang kita beralih ke bingkai pengamat yang berputar. Dalam bingkai mereka, mereka diam, jadi nilai elemen garis yang mereka ukur adalah:

di mana saya menggunakan koordinat prima $t'$ untuk membedakan waktu yang diukur oleh pengamat yang berputar dari waktu yang kita ukur $t$.

Simetri dasar relativitas khusus adalah bahwa semua pengamat setuju pada nilai elemen garis $ds$, jadi nilai yang diberikan oleh persamaan (1) dan nilai pengamat yang berputar yang diberikan oleh persamaan (2) harus sama. Jika kita menyamakan persamaan (1) dan (2) kita mendapatkan:

dan mengatur ulang ini memberikan:

yang harus segera Anda kenali sebagai ekspresi biasa untuk dilatasi waktu dalam SR.

Jadi pelebaran waktu untuk pengamat yang berputar diberikan oleh fungsi yang sama seperti untuk pengamat yang bergerak dalam garis lurus dengan kecepatan konstan. Inilah sebabnya mengapa sangat valid untuk jawaban lain untuk menghitung dilatasi waktu menggunakan rumus relativitas khusus normal. Gaya sentripetal/percepatan tidak muncul dalam ekspresi ini dan relativitas umum tidak diperlukan.

Jawaban singkat: Saya khawatir ini bukan ujian relativitas umum. Saya akan memberitahu Anda mengapa. Saya akan mencoba untuk tetap sederhana.

Anda dapat menggunakan relativitas khusus ketika milikmu kerangka acuan adalah inersia. Katakanlah Anda melihat Ultra-centrifuge berputar. Anda tidak mengalami gravitasi sama sekali (gravitasi bumi diabaikan untuk efek pelebaran waktu). Anda tidak mengalami gaya non-inersia (putaran bumi dan gaya Coriolis dalam skala yang sangat kecil untuk pelebaran waktu). Karena itu, Anda adalah (kurang lebih) kerangka acuan inersia yang valid, dan oleh karena itu, kamu bisa menggunakan relativitas khusus untuk sampel radioaktif yang berputar.

Tapi, mari kita beralih ke kerangka acuan sampel. Di sana, sampel mengalami 2 juta Gs gaya non-inersia. Ini jelas non-inersia kerangka acuan. Jadi, kamu tidak bisa menggunakan relativitas khusus di sini. Anda harus menggunakan relativitas umum.

Namun, keduanya pengamat, Anda dan sampel, harus setuju dan datang dengan hasil yang sama. Karena jauh lebih mudah untuk menangani masalah menggunakan relativitas khusus, kita dapat melakukannya, menggunakan kerangka acuan inersia Anda. Mari kita hitung faktor $gamma$: $ gamma = frac<1>>> = frac<1>>>, quadquad g = frac $

Saya membuat perhitungannya sangat sederhana sehingga Anda bisa mengerti. Ini tidak benar, tetapi kemungkinan berlaku sebagai perkiraan yang baik. Percepatan non-inersia seperti yang Anda katakan memiliki nilai: $g = 10^6m/s^2$. Saya akan membesar-besarkan radius: $r=1m$. Oleh karena itu, faktor gamma: $ gammaapproxfrac<1>>>approx 1 $

Oleh karena itu, pelebaran waktu: $Delta t' = gammaDelta t$, dapat diabaikan, dalam percobaan kecil Anda.

Itu ide yang bagus. Ini akan bekerja dengan jam atom. Misalnya, lihat eksperimen Hafele–Keating.


Ukur gerakan Kucing saya, Akurasi GPS Ponsel pada skala meteran. bagaimana memperbaikinya - Sistem Informasi Geografis

Semua artikel yang diterbitkan oleh MDPI segera tersedia di seluruh dunia di bawah lisensi akses terbuka. Tidak diperlukan izin khusus untuk menggunakan kembali seluruh atau sebagian artikel yang diterbitkan oleh MDPI, termasuk gambar dan tabel. Untuk artikel yang diterbitkan di bawah lisensi Creative Common CC BY akses terbuka, bagian mana pun dari artikel dapat digunakan kembali tanpa izin asalkan artikel aslinya dikutip dengan jelas.

Makalah Fitur mewakili penelitian paling maju dengan potensi signifikan untuk dampak tinggi di lapangan. Makalah Fitur diajukan atas undangan individu atau rekomendasi oleh editor ilmiah dan menjalani tinjauan sejawat sebelum dipublikasikan.

Makalah Fitur dapat berupa artikel penelitian asli, studi penelitian baru yang substansial yang sering melibatkan beberapa teknik atau pendekatan, atau makalah tinjauan komprehensif dengan pembaruan singkat dan tepat tentang kemajuan terbaru di bidang yang secara sistematis mengulas kemajuan paling menarik dalam bidang ilmiah. literatur. Jenis makalah ini memberikan pandangan tentang arah penelitian di masa depan atau kemungkinan penerapannya.

Artikel Pilihan Editor didasarkan pada rekomendasi dari editor ilmiah jurnal MDPI dari seluruh dunia. Editor memilih sejumlah kecil artikel yang baru-baru ini diterbitkan dalam jurnal yang mereka yakini akan sangat menarik bagi penulis, atau penting dalam bidang ini. Tujuannya adalah untuk memberikan gambaran tentang beberapa karya paling menarik yang diterbitkan di berbagai bidang penelitian jurnal.


Tonton videonya: Կատու (Oktober 2021).