当前位置: 首页 > news >正文

LoRaWAN模块在车辆跟踪定位中的应用

目前 GPS已经在资产的管理中得到了越来越多的运用,如车辆跟踪、车队跟踪、资产监控等;人员跟踪,宠物跟踪,等等。在所有追踪装置中,最重要的是它的电池期望和监视距离。鉴于 LoRaWAN的功率消耗很小,而且能在很远的地方工作,所以LoRaWAN看起来是个不错的选择。

LoRaWAN是一种通过到达时差来进行地理位置的窄带无线技术。LoRaWAN终端装置传输的数据包将由它所属的整个网中的网关所接受,然后向 Web服务器汇报。这些网络通道都是相同的,他们总是接受来自各个通道的不同的传输率的信号。因此LoRaWAN终端设备上没有开锁,而且无需对某个特定的入口进行扫描和链接。只需将感应器叫醒,然后将资料分组传送出去,网路上的网关就会收到讯号。每个网关都把接收到的信息发送给 Web服务器,通过专门的硬件和软件来获取准确的抵达时刻。在网络服务端,通过比较到达时间,信号强度,信噪比以及其它一些参量,可以得出最终的节点最有希望的定位。

要实现更精确的定位,必须有三个以上的网络口才能收到这些信息。网关越多,网关越密集,定位准确率越高,数据传输能力越强。这是由于在较多的网络节点接受同一分组时,会获得更多的资讯,因此可以有效地改善地理定位的准确性。

LoRaWAN定位的特点

1最低功耗。不存在于感应器中的定位工作;无需进行空间时间传输定位资料;可以利用最少的 LoraWAN分组进行地理定位。

2最低成本。没有 GNSS或者其它的设备;由于没有利用感测器供电来获得定位,所以更小型的电池,包括电子元件,电池和外壳的最低规格。

3最低环境影响。最大限度地减少传感器的硬件(包括电子元件,电池,外壳尺寸等);很多感应器都装有永久的电池。

4智慧城市和交通监控。在车辆上使用GPS导航,可以追踪并告知交通状况,并对维修进行预报。特定地点的资料可以帮助我们更好地进行运算。

LoRaWAN模块的优势特点:

1、空旷传输距离8000米

2、工作频率:433/470/868/915MHz可选

3、灵敏度高达 -139 dBm -139 dBm

4、TTL/232/485电平接口

5、通讯频道多达40个

随着 LoRaWAN无线通信技术的问世,实现了无线通信距离的突破,为物联网领域的发展开辟了新的领域,同时也为某些远程应用的技术支持提供了技术支持。LoRaWAN模块在远程抄表,安全系统,门禁系统中得到了广泛的应用;

http://www.lryc.cn/news/17289.html

相关文章:

  • 软件测试分类
  • 外置的媒体查询,对性能又一次的优化提升
  • 【Galois工具开发之路】关于IDEA的gradle工程执行两次premain的bug~
  • 云计算 概念与技术
  • 基于追踪标记的WAF设计思路
  • Java StringBuffer StringBuilder,超详细整理,适合新手入门
  • 数据结构—堆(完全解析)
  • 深度卷积对抗神经网络 进阶 第三部分 GANs Unpaired Translation with Cycle GAN 模型
  • 常见的排序算法 | 直接插入排序 | 希尔排序 | 选择排序 | 堆排序 | 冒泡排序 | 快速排序 | 归并排序 |(详解,附动图,代码)
  • 深入浅出 MySQL 索引(一)
  • FinClip 的 2022 与 2023
  • Python 泛型 - 如何在实例方法中获取泛型参数T的类型?
  • Shell语法基础总结
  • 架构基本概念和架构本质
  • taobao.trade.ordersku.update( 更新交易的销售属性 )
  • 算法实战应用案例精讲-【图像处理】使用scikit-image做图像处理(最终篇)(附python代码实现)
  • 数据结构与算法(四):树结构
  • taobao.trade.shippingaddress.update( 更改交易的收货地址 )
  • VS Code安装及(C/C++)环境配置(Windows系统)
  • 【Spring Cloud Alibaba】006-OpenFeign
  • 挚文集团短期内不适合投资,长期内看好
  • clion开发的常用快捷键以及gitcrlf的问题
  • LeetCode 格雷编码问题
  • java生成html文件输出到指定位置
  • 华为OD机试用Python实现 -【微服务的集成测试】(2023-Q1 新题)
  • 软考高级信息系统项目管理(高项)原创论文——整体管理(2)
  • js版 力扣 62. 不同路径
  • Qt音视频开发16-通用悬浮按钮工具栏的设计
  • 商品比价API使用说明
  • 基于 TensorFlow 的植物识别教程