ВНЕДРЕНИЕ ИНТЕРНЕТА ВЕЩЕЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ

ВНЕДРЕНИЕ ИНТЕРНЕТА ВЕЩЕЙ В БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЯХ

Джиджуридзе Давид Эмзариевич

докторант, Грузинский технический университет,

Грузия, г. Тбилиси

IMPLEMENTATION INTERNET OF THINGS IN WIRELESS SENSOR NETWORKS

David Jijuridze

Doctoral student, Georgian Technical University,

Georgia, Tbilisi

АННОТАЦИЯ

Сегодня умная сеть, умные дома, умные сети водоснабжения, интеллектуальный транспорт это инфраструктурные системы, которые связывают наш мир больше, чем мы когда-либо думали. Общее видение таких систем обычно связано с одной концепцией интернетом вещей (IoT), где с помощью датчиков вся физическая инфраструктура тесно связана с информационно - коммуникационными технологиями; где интеллектуальный мониторинг и управление могут быть достигнуты с помощью сетевых встроенных устройств. В такой сложной динамической системе устройства соединены между собой для передачи полезной измерительной информации и команд управления через распределенные сенсорные сети.

ABSTRACT

Today, smart grid, smart homes, smart water networks, smart transportation are infrastructure systems that connect our world more than we ever thought. The overall vision of such systems is usually associated with a single concept of the Internet of Things (IoT), where, with the help of sensors, the entire physical infrastructure is closely connected to information and communication technologies; where intelligent monitoring and management can be achieved using network embedded devices. In such a complex and dynamic system devices are interconnected to transmit useful measurement information and control commands through distributed sensor networks.

Ключевые слова: интернет вещей, беспроводные сенсорные сети, облачная обработка данных.

Keywords: internet of things, wireless sensor networks, cloud computing.

1. Характерные особенности WSNs

WSN обычно можно описать как сеть узлов, которые совместно воспринимают и контролируют окружающую среду, обеспечивая взаимодействие между людьми или компьютерами и окружающей средой. WSNs в настоящее время обычно включают сенсорные узлы, Узлы привода, шлюзы и клиенты. Большое количество сенсорных узлов, случайно развернутых внутри или вблизи зоны мониторинга (сенсорное поле), образуют сети посредством самоорганизации. Сенсорные узлы контролируют собранные данные для передачи другим сенсорным узлам путем прыжков. В процессе передачи отслеживаемые данные могут обрабатываться несколькими узлами, чтобы попасть в узел шлюза после много оптовой маршрутизации, и, наконец, достичь узла управления через интернет или satellite. Это пользователь, который доверяет и управляет WSN с узлом управления, публикует миссии мониторинга и сбор отслеживаемых данных [1].

2. Архитектура

Построенная нами архитектурная модель system показана на Рис. 1 и показывает условия, при которых датчики are размещаются на уязвимых точках.

На рис. 1 показаны условия размещения датчиков в контролируемых точках. Каждый датчик подключен к сенсорному узлу. Данные датчика затем записываются сенсорным узлом и обрабатываются в цифровые данные, а затем по беспроводной связи передаются на шлюз. Затем Data отправляется в Интернет, чтобы к нему можно было получить доступ в режиме реального времени.

Рисунок 1. Архитектура системы мониторинга безопасности IoT

В недавнем прошлом наличие недорогих процессоров/микроконтроллеров позволило появиться так называемым “умным датчикам”, т. е. устройству, способному не только преобразовывать интересующую физическую величину, но и выполнять некоторую постобработку на необработанных данных с целью извлечения полезной информации. Следовательно, удалось преодолеть некоторые внутренние ограничения чувствительного элемента (например, нелинейность) и обеспечить считывание измерений в цифровом формате (например, повышение помехоустойчивости), готовом к использованию контроллерами, операторами и т. д. Следующим, очевидным, шагом стало принятие (цифрового) коммуникационного интерфейса, позволяющего совместно использовать один носитель связи несколькими различными устройствами и видами информации. Измерительные решения эволюционировали от централизованного подхода, когда многие аналоговые подключенные датчики были связаны с центральной системой сбора и обработки данных, к распределенному подходу, когда сетевая “умность” распространяется по всей сети в целом. В последнем случае можно получить удаленный доступ не только к измерительным показаниям, но и к вспомогательным данным, таким как диагностические. Однако, несмотря на сокращение количества кабелей из-за цифровой передачи данных по шине, фактическим рубежом является полное удаление проводов, минимизация затрат на установку и устранение неполадок. На самом деле наличие недорогих, маломощных радио интерфейсов позволяет заменить традиционные проводные устройства беспроводными, без ощутимого ухудшения в достижимой производительности. Фактическим основным ограничением является компромисс между задержкой и сроком службы, продиктованный ограниченным количеством бортового источника питания (часто реализуемого малыми габаритами батарей), обусловленный необходимостью создания по-настоящему автономного устройства [2].

3. Беспроводные датчики и беспроводные сенсорные сети

Беспроводную сенсорную сеть можно приблизительно определить как совокупность пространственно распределенных автономных датчиков, которые взаимодействуют для мониторинга физических или экологических величин, представляющих интерес (например, температуры, звука, вибрации, давления, загрязняющих веществ и т. д.). Первоначально мотивированные военными приложениями, такими как наблюдение за полем боя, WSNs теперь широко распространены во многих сценариях гражданского применения, включая автоматизацию дома и здания, мониторинг здоровья, мониторинг окружающей среды и среды обитания, контроль трафика и многие другие. Даже такой традиционно консервативный мир, как Индустриальная автоматизация, подвергся влиянию WSNs. В частности, в последние несколько лет были предложены два стандартных протокола связи (например, WirelessHART, выпущенный консорциумом HCF, и ISA100.11a, выпущенный ассоциацией ISA), специально предназначенные для мониторинга и контроля pr ocess. Каждый узел в беспроводной сенсорной сети обычно оснащен датчиком (преобразующим интересующую физическую величину в электрический сигнал), небольшим микроконтроллером (обеспечивающим аналого-цифровое преобразование и вычислительные и запоминающие возможности), радиопередающим устройством (обеспечивающим возможность беспроводной связи) и локальным источником энергии/элементом хранения(обычно в виде электрохимической батареи). Кроме того, может присутствовать дополнительный силовой комбайн или мусоросборник, целью которого является преобразование энергии от внешнего источника (например, солнечной, тепловой, ветровой и кинетической энергии) в электрическую энергию, фланкирующую/перезаряжающую традиционный элемент хранения энергии. Упрощенная схема bl ock представлена на Рис.2.

Рисунок 2. Структурная схема типичного узла WSN

Развитие этих беспроводных сенсорных сетей требует технологий из трех очень разных исследовательских областей, т. е. технологий, связанных с разработкой датчика, устройства связи и вычислительного устройства (не ограничиваясь аппаратным обеспечением, но также включая программное обеспечение и алгоритмы). Совместные и отдельные достижения в каждой из этих областей стимулировали исследования в этой области [3].

В зависимости от конкретной реализации размер сенсорного узла может варьироваться от обувной коробки до пылинки. Аналогично, стоимость сенсорного устройства может варьироваться от сотен долларов до нескольких копеек, в основном в зависимости от сложности встроенного датчика и требований к вычислениям/хранению. И наоборот, размерные и стоимостные ограничения на сенсорные узлы, продиктованные рассматриваемым приложением, приводят к соответствующим ограничениям на такие ресурсы, как энергия, вычислительная мощность, ширина полосы и возможность хранения. На самом деле, если такие интеллектуальные сенсорные устройства малы и недороги, их можно производить и развертывать в больших количествах, каким-то образом “пересчитывая” явление интереса и улучшая общую производительность, используя кооперативные возможности. Формально говоря, такое большое количество таких беспроводных сенсорных узлов, возможно взаимодействующих друг с другом, составляет сенсорную сеть. Могут быть приняты очень разные датчики, такие как давление, вибрация, оптические, тепловые, акустические, датчики и т. д., способные одновременно контролировать условия окружающей среды в разных местах; следовательно, локально извлеченная информация может быть отправлена в специальный узел приемника для дальнейшей обработки.

Кроме того, улучшаются возможности интеллектуального зондирования устройств. Например, смартфон включает в себя sensors в качестве акселерометров и GPS и может передавать эту информацию для дальнейшего агрегирования и обработки с помощью собственных беспроводных интерфейсов [4].

Для полноты изложения наиболее важные термины, которые широко используются в сенсорной сети, представлены в следующих разделах:

• Датчик: датчик, который преобразует физическое явление, такое как тепло, свет, звук или движение, в электрический или другой сигнал, который может быть дополнительно обработан другими устройствами.
• Сенсорный узел: базовый блок, составляющий сенсорную сеть; он включает в себя процессор, память, беспроводной интерфейс и локальный автономный источник питания.
• Топология сети: граф, где узлы представляют сенсорных датчиков, а край - каналы связи.
• Маршрутизация: процесс пересылки интересующих данных по сетевому пути от исходного узла к конечному пункту назначения.
• Ресурс: этот термин используется для обозначения датчиков, каналов связи, вычислительных возможностей, хранения данных и количества энергии узла.

4. Облачные вычисления

Как в научных кругах, так и в промышленности было предложено множество формальных определений для описания понятия “облачные вычисления”. Хорошо известным и широко распространенным является одним и обеспечивается NIST (Национальный институт стандартов и технологий), заявив, что “облачные вычисления это модель, позволяющее удобно, по запросу сетевого доступа к общему пулу конфигурируемых вычислительных ресурсов (например, сетей, серверов, систем хранения, приложений и сервисов), которые могут быть оперативно предоставлены и освобождены с минимальными эксплуатационными затратами или Sпоставщик поставщик взаимодействия”. Иначе говоря, облачные вычисления это термин, используемый для описания как платформы (включая базовую инфраструктуру), так и типа приложения [5].

В платформе облачных вычислений вместо локальных серверов для сбора и управления информацией, поступающей от приложений, удаленно расположенные серверы (реализованные с помощью виртуальных или физических машин) динамически подготавливаются и настраиваются в соответствии с фактическими потребностями. Например, если мы рассмотрим ветровую или солнечную ферму, информация, связанная с погодой, собранная WSN (например, использование света, датчиков ветра и т. д.), может быть обработана вместе с информацией, связанной с сетями (например, полученной от интеллектуальных инверторов), чтобы повысить эффективность установки, и лучше удовлетворить спрос на электроэнергию. Облачные вычисления также описывают те приложения, к которым можно получить удаленный доступ через Интернет. Такие облачные приложения используют большие центры обработки данных и мощные серверы, подобно веб-приложениям и веб-сервисов, которые мы используем каждый день [5].

5. WSNs и облачные вычисления

После того как были выделены особенности и преимущества как WSNs, так и облачных вычислений, совершенно очевидно, что эти две парадигмы могут быть смешаны вместе, чтобы легко обмениваться и анализировать данные датчиков в реальном времени на лету. Кроме того, эта смесь также позволяет предоставлять данные датчиков или события датчиков в качестве услуги через Интернет, так что данные датчиков могут быть легко проанализированы не только локально, но и со всего мира. По этим причинам были придуманы термины “зондирование как услуга” и "сенсорное событие как услуга ". Первый описывает процесс предоставления сенсорных данных клиентам через облачную инфраструктуру; второй, наоборот, связан с интересующими событиями, предоставляемыми облачной инфраструктурой [6].

Слияние этих двух технологий может быть полезно использовано для большого числа различных приложений, включая:

• Мониторинг транспорта, например, для работы с системами управления дорожным движением, автоматического распознавания номерных знаков, управления дорожным движением, аварийного оповещения транспортных средств, динамического управления светофорами и т.д. Данные датчиков, собранные облачной платформой, позволят построить глобальный снимок трафика, динамически обновляемый самими пользователями. Эти данные могут быть использованы в большом количестве приложений, таких как классификация транспортных средств, системы предотвращения столкновений, автоматические платные ворота и так далее.
• Беспроводные сенсорные сети изначально были разработаны для военных целей (например, концепция smart dust). Частные облачные вычисления, как было описано ранее, могут быть ответом на требования безопасности верхнего уровня этих приложений, требования, которые не могут быть легко обеспечены с помощью обычного подключения к интернету [7].
• Прогнозирование погоды; данные, собираемые датчиками окружающей среды, представляют собой пример так называемой проблемы “больших данных”, которая не может быть легко поддержана с использованием традиционных подходов к базам данных, но может быть с выгодой решена за счет низкой стоимости большой вычислительной мощности облака.
• В настоящее время сенсорные сети широко используются в медицинских приложениях, а не ограничиваются только больничными сценариями. В частности, растет интерес к разработке персональных и портативных устройств для постоянного мониторинга состояния здоровья людей и, как следствие, повышения качества их жизни. Например, спортсмены могут воспользоваться такими системами для получения предупреждений в режиме реального времени для безопасной и более эффективной тренировки; жизненно важные параметры уволенных пациентов могут постоянно и дистанционно контролироваться; и, в целом, все люди могут получать персонализированные советы по поддержанию здорового образа жизни.

Пример облачного зондирования для мониторинга образа жизни

Как указывалось в предыдущем разделе, Здравоохранение это сценарий применения, рассматриваемый для прибыльного применения облачных вычислений. Непрерывный мониторинг индивидуальных БиоСигналов стал реальностью благодаря растущей доступности не инвазивных недорогих носимых датчиков. Однако последующий сбор очень большого объема данных из различных и распределенных источников требует надлежащей структуры для управления хранением и анализом, что предполагает принятие парадигмы облачных вычислений. Носимые датчики обычно организованы в простые беспроводные сети из-за ограничений стоимости, поэтому не могут быть непосредственно подключены к Интернету, и по этой причине необходимы шлюзы. Массовое внедрение смартфонов в повседневную жизнь, сопровождаемое множеством собственных коммуникационных опций (например, Bluetooth, Wi-Fi, NFC...), предполагает использование такого рода устройств для простой реализации шлюзов в интернет. Кроме того, авторы также предложили использовать интеллектуальные устройства также для получения различных БиоДанных от большого количества людей, использующих уже встроенные датчики и полагающихся на присущие им распределенные архитектуры для последующей обработки данных. Таким образом, широкий спектр статистического анализа может быть легко проведен на большом количестве данных из большой и неоднородной популяции [6].

Выводы

IoT, т. е. возможность подключения всех возможных устройств, открывает новые сценарии в WSNs. Облачные вычислительные сервисы и наличие мощных и недорогих интеллектуальных устройств позволяют оптимизировать управление информацией, обмен результатами измерений и повысить качество предоставляемых услуг.

Список литературы:

1. S. Eka Pratama, I Putu Agus; Suakanto, Wireless Sensor Network. Bandung: Informatika Bandung, 2015.
2. F. Wu, J.-M. Redoute, and M. R. Yuce, “WE-Safe: A Self-Powered Wearable IoT Sensor Network for Safety Applications Based on LoRa,” IEEE Access, vol. 6, no. c, pp. 40846– 40853, 2018.
3. I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Cayirci, "A Survey on Sensor Networks", IEEE Communications Magazine, August, 102-114(2002).
4. P. Jaworski, T. Edwards, J. Moore, K. Burnham, “Cloud computing concept for Intelligent Transportation Systems”, 2011 14th International IEEE Conference on Intelligent Transportation Systems (ITSC), pp.391,936, 5-7 Oct. 2011.
5. A. Depari, A. Flammini, E. Sisinni, A. Vezzoli, "A Wearable Smartphone-Based System for Electrocardiogram Acquisition", 2014 IEEE International Symposium on Medical Measurements and Applications Proceedings, Lisbon, Portugal, June 11-12, 2014, pp.54-59.
6. T. Liu and Y. Duan, Application of Cloud Computing in the Emergency Scheduling Architecture of the Internet of Things, Software Engineering and Service Science (ICSESS), IEEE International Conference, Sep. 2015
7. Dave Evans, The Internet of Things: How the Next Evolution of the Internet Is Changing Everything, Cisco Internet Business Solutions Group (IBSG), April 2011.