دانلود رایگان مقاله معماری انرژی-کارآمد برای اینترنت اشیاء

چکیده

           اینترنت اشیاء یک تکنولوژی هوشمند است که هر چیزی را در هر نقطه و در هر زمانی به هم متصل می‌کند. ماهیت اینترنت اشیا ایجاب می‌کند تخلیه انرژی در منابع صورت گیرد. بنابراین، بهره‌وری انرژی از منابع اینترنت اشیا به‌عنوان یک مسئله مهم در حوزه‌ی پژوهشی مطرح است. در این مقاله، یک معماری انرژی-کارآمد برای اینترنت اشیا مطرح شده است، که متشکل از سه لایه، حس و کنترل، پردازش اطلاعات و ارائه است. طراحی معماری اجازه می‌دهد تا سیستم فاصله خواب سنسورها را براساس سطح باتری باقی‌مانده خود، سابقه استفاده قبلی خود و کیفیت اطلاعات مورد نیاز برای یک کاربرد خاص پیش‌بینی کنند. مقدار پیش‌بینی شده می‌تواند برای افزایش استفاده از منابع ابر با تخصیص مجدد منابع وقتی که گره حسگر مربوطه در حالت خواب است استفاده شود. این مکانیزم استفاده کارآمد از انرژی در تمام منابع اینترنت اشیا می‌گردد. نتایج تجربی نشان می‌دهد که مقدار قابل توجهی از صرفه‌جویی انرژی در گره‌های حسگر و بهبود بهره‌برداری از منابع ابر نهفته است. 

1. مقدمه 

          با ظهور یک دوره جدید در محاسبات، اینترنت اشیاء [1] به‌عنوان ساختار اصلی محاسبات فراگیر مورد استفاده قرار گرفت [2]. اینترنت اشیا یک تکنولوژی هوشمند است که هر "چیز" را از طریق یک شبکه به یکدیگر متصل می‌کند. اصطلاح "چیز" شامل حسگرها، فعال‌کننده‌ها ، سخت‌افزار، نرم‌افزار و ذخیره‌سازی در رشته‌هایی مانند بهداشت و درمان، صنعت، حمل‌ونقل و لوازم خانه است. هدف اصلی از اینترنت اشیا به حداکثر رساندن ارتباطات اشیاء سخت‌افزاری با جهان فیزیکی برای تبدیل داده‌های این اشیاء به اطلاعات مفید بدون هیچ گونه کمک انسانی است. اینترنت اشیا شامل سه عنصر است: سخت‌افزار، میان‌افزار و ارائه. عنصر سخت‌افزار از سنسورهای تعبیه شده در باتری، دیسک و سیستم‌های ارتباطی تشکیل شده است. این حسگرها داده‌ها را از منطقه نظارت جمع‌آوری می‌کنند و سخت‌افزار ارتباطی آنها داده‌های جمع‌آوری شده را به عنصر میان‌افزار می‌فرستند. مقدار قابل توجهی از داده‌های دریافت شده توسط میان‌افزار با استفاده از ابزارهای مختلف تجزیه‌وتحلیل داده برای استخراج اطلاعات تفسیری پردازش می‌شوند. عنصر ارائه در اینترنت اشیا مسئول مصورسازی داده‌های پردازش شده و نتایج به شکلی قابل خواندن است. همچنین نیازمندی‌های کاربر را دریافت کرده و به عنصر میان‌افزار جهت انجام امور ضروری می‌فرستد. شکل 1 عناصر و انتقال داده‌ها را در سیستم‌های اینترنت اشیا نشان می‌دهد. 

          انرژی محدود عناصر سخت‌افزاری درحال جمع‌آوری و انتقال داده‌ها مصرف می‌شود. بیشتر داده‌های جمع‌آوری شده، تحلیل و با دقت اطلاعات آنها استخراج می‌شود اما، در هر زمان، انرژی را مصرف می‌کنند. با توجه به محدودیت انرژی، نیاز به حفظ تعادل بین کیفیت اطلاعات استخراج شده و انرژی مصرف شده توسط سیستم‌های اینترنت اشیا وجود دارد. علاوه‌براین، طول عمر هر منبع در اینترنت اشیا بستگی به دردسترس بودن انرژی دارد. از دست دادن انرژی، کل محیط را تحت تاثیر قرار می‌دهد. بنابراین، نیاز برجسته‌ای برای کاهش مصرف انرژی برای افزایش طول عمر منابع و اجرای موثر بر سیستم‌های اینترنت اشیا وجود دارد. 

          بنا به انگیزه‌های ایجاد شده، این مقاله یک معماری سلسله مراتبی به‌منظور بهبود بهره‌وری انرژی در اینترنت اشیا ارائه می‌دهد. معماری ارائه شده (PA) این واقعیت را بیان می‌کند که منابع اینترنت اشیا در حالت خواب مصرف انرژی قابل اغماضی دارند. از این رو، طراحی معماری اجازه می‌دهد تا سنسور تحت سه سناریو زیر به محیط را نظاره کند: ابتدا، زمانی که لازم است به حس محیط هدف در یک دوره زمانی معین می‌پردازد. سپس، وقتی منطقه تحت پوشش می‌تواند برای عمر باتری به خطر بیافتد. و در آخر، هنگامی‌که میزان باتری به شدت کم است. علاوه‌براین، زمانی‌که سنسور در حالت خواب است، PA اجازه می‌دهد تا اختصاص منابع داده به یکی از دو حالت خواب یا انتشار بعد از بهره وری انرژی سوئیچ کند. بنابراین منابع عناصر سخت‌افزار و میان‌افزار اینترنت اشیا در PA برای عملکرد بهتر و ذخیره انرژی باهم "تنظیم" می‌شوند. 

           با توجه به موارد فوق، اهداف اصلی PA می‌تواند به صورت زیر ذکر شود: 1) ارائه یک مکانیزم برای استفاده‌ی موثر از انرژی در هر دو عنصر سخت‌افزار و میان‌افزار در سیستم اینترنت اشیا؛ 2) پیش‌بینی و کنترل فاصله خواب سنسور بسته به استفاده قبلی خود و میزان باتری باقی‌مانده؛ و 3) اختصاص مجدد منابع ابر وقتی سنسور مربوطه در حالت خواب می‌باشد. 

           ادامه مقاله به شرح زیر سازماندهی شده است. بخش دوم به بررسی کار مربوط به معماری و صرفه‌جویی انرژی در تکنیک‌های مورد استفاده در اینترنت اشیا و شبکه‌های حسگر بی‌سیم (WSN ها) می‌پردازد. بخش سوم یک معماری انرژی-کارآمد برای اینترنت اشیا پیشنهاد می‌دهد و بخش چهارم به ارائه تجزیه و تحلیل نظری آن می‌پردازد. بخش پنجم نتایج تجربی را ارائه می‌کند. بخش ششم مقایسه‌ای تحلیلی از PA با سایر تکنیک‌های ذکر شده در بخش دوم را رائه می‌کند. در نهایت، بخش هفتم این مقاله شامل نتیجه‌گیری است. 

2. کارهای گذشته 

            در سال 2013، Gubbi و همکارانش [1] یک چشم‌انداز روشن از اینترنت اشیا ارائه کردند که به‌عنوان "سنجش انرژی کارآمد" در یکی از تحقیقات مورد چالش قرار گرفت. آنها یک معماری ابر محور از اینترنت اشیا ارائه دادند و تاکید کردند که در مناطق مختلف از جمله صنعت، خانه، سیستم‌های پزشکی و بسیاری از حوزه‌های دیگر قابل اجرا است. پس از آن، بسیاری از نویسندگان به سمت نرم‌افزار یکپارچه از اینترنت اشیا و محاسبات ابری در صنایعی مانند تولید [3]، نظارت بر محیط [4]، سیستم‌های زمان واقعی [5]، صرفه‌جویی انرژی [6]، تولید ابر [7]، [8] و زنجیره تامین [9] سوق پیدا کردند. Xu و همکارانش در [10] یک نظرسنجی برای استفاده از اینترنت اشیا در صنایع ارائه دادند. اینترنت اشیا نیز در برنامه‌های مختلف دیگری مانند موارد ذکر شده در [11] - [18] استفاده شد. 

            از آنجا که بهره‌وری انرژی یک مسئله چالش برانگیز در اینترنت اشیا است، بسیاری از نویسندگان در این حوزه تحقیقات انجام داده‌اند. در سال 2014، Akgul و Canberk [19] مفهوم " چیزهای خودسازمان یافته" (SOT) را ارائه کردند، که در آن سنسور تحت تنظیمات خودکار، بهینه‌سازی و بهبود مکانیسم‌هایی در انرژی صرفه‌جویی می‌کرد. آنها توضیح دادند زمانی که منطقه تحت پوشش برای صرفه‌جویی در انرژی به کار می‌رود، سنسور را می‌توان در حالت خواب قرار داد. در 2014، Zhou و همکارانش [20] یک " درخت شاخص انرژی کارآمد " (درخت EGF) برای صرفه‌جویی در انرژی مورد استفاده در جمع‌آوری، پرس و جو و جمع‌آوری داده‌ها از سنسورهای واقع در مناطق متعدد در اینترنت اشیا طراحی کردند. آنها یک روش برای ساخت درخت EGFپیشنهاد دادند که سازماندهی گره‌های حسگر در ساختار درختی را برعهده داشت. درخت، نتایج پرس و جو را از گره‌های حسگر به یک ایستگاه پایه و می‌فرستاد. در سال 2014، Tang و همکارانش [21] روشی مشابه برای ساخت " درخت شاخص خوشه‌بندی" (درخت ECH) ارائه دادند. منطقه اینترنت اشیا به سلول‌های شبکه تقسیم می‌شدند که به یک روش سلسله مراتبی برای تشکیل یک درخت مرتب می‌شدند. انرژی توسط انتقال داده‌ها تنها زمانی که تغییر معنی‌داری بین مقدار حاضر و مقدار ارسال شده‌ی قبلی وجود داشت ذخیره می‌شد. در سال 2014، D'ORO و همکارانش [22] روشی را ارائه دادند که مبتنی بر این واقعیت است که بسیاری از "اشیاء" زمانی که با هم حرکت می‌کنند توسط یک وسیله نقلیه و یا یک انسان حمل می‌شوند. از این رو، نویسندگان از تشکیل گروه و همبستگی مکانی برای کاهش مصرف انرژی در یک سیستم اینترنت اشیا استفاده کردند. در سال 2013، Liang و همکارانش [23] یک روش برای ذخیره انرژی از تجهیزات کاربران ارائه کردند. این روش این امکان را فراهم می‌کند که تجهیزات کاربر به حالت خواب در طول زمانی که غیرفعال هستندو زمانی که مورد نیاز است از حالت خواب خارج می‌شوند سوئیچ کنند. نویسندگان در مورد یک استراتژی برای طولانی‌تر کردن مدت زمان خواب سنسور برای بهره‌وری بهتر انرژی بحث کردند. در سال 2013، Qiu و همکارانش [24] یک پروتکل شبکه GEAR بهبود یافته پیشنهاد دادند، که نه تنها نرخ فلج شبکه را کاهش می‌داد بلکه منجر به بهبود استفاده از انرژی در شبکه می‌شد. نویسندگان از چند استراتژی برای سازماندهی گره‌ها به‌صورت انرژی کارآمد و تحمل‌پذیری خطا استفاده کردند. علاوه‌براین، نویسندگان در [25] - [29] تکنیک‌های انرژی کارآمد در برنامه‌های مختلف اینترنت اشیا ارائه دادند. بنابراین چنین برمی‌آید که هر یک از تکنیک‌های پیشنهادی در صرفه‌جویی انرژی و در مطالعات فوق تنها در یکی از سناریوهای اینترنت اشیا قابل اجرا هستند و هیچ یک از آنها قادر به ایجاد سیستم اینترنت اشیا با انرژی کارآمد نمی‌باشد. 

            علاوه‌براین، از آنجا که WSN پایه‌ی سیستم اینترنت اشیا است، بنابراین کشف کار مربوط به بهره‌وری انرژی در شبکه‌های حسگر بی‌سیم ضروری است. در سال 2014، Rault و همکارانش [30] بررسی از تکنیک‌های صرفه‌جویی انرژی در شبکه‌های حسگر بی‌سیم ارائه دادند. آنها بین الزامات برنامه و گسترش عمر باتری گره‌های حسگر بحث کردند و یک راه جدید برای طبقه‌بندی تکنیک‌های صرفه‌جویی انرژی برای شبکه گیرنده بی‌سیم ارائه دادند. در سال 2014، Khan و همکارانش [31] یک بررسی مختصر از طرح‌های انرژی کارآمد مورد استفاده در شبکه‌های حسگر بی‌سیم برای حفاظت از قدرت باتری گره سنسور ارائه کردند. آنها همچنین راه‌های مختلفی برای حفظ انرژی از منابع مختلف انرژی از قبیل انرژی خورشیدی ارائه کردند. همچنین محققان بیشماری در زمینه بهره‌وری انرژی بر روی شبکه گیرنده بی‌سیم [32] - [43] کار می‌کنند. 

Abstract

          Internet of things (IoT) is a smart technology that connects anything anywhere at any time. Such ubiquitous nature of IoT is responsible for draining out energy from its resources. Therefore, the energy efficiency of IoT resources has emerged as a major research issue. In this paper, an energy-efficient architecture for IoT has been proposed, which consists of three layers, namely, sensing and control, information processing, and presentation. The architectural design allows the system to predict the sleep interval of sensors based upon their remaining battery level, their previous usage history, and quality of information required for a particular application. The predicted value can be used to boost the utilization of cloud resources by reprovisioning the allocated resources when the corresponding sensory nodes are in sleep mode. This mechanism allows the energy-efficient utilization of all the IoT resources. The experimental results show a significant amount of energy saving in the case of sensor nodes and improved resource utilization of cloud resources.

I. INTRODUCTION

            WITH the advent of a new era in computation, Internet of things (IoT) [1] has emerged as a building block of ubiquitous computing [2]. IoT is a smart technology that interconnects each and every “thing” through a network in one form or another. The term “thing” includes sensors, actuators, hardware, software, and storage spread over multiple disciplines such as healthcare, industry, transport, and home appliances. The main objective of IoT is to maximize the communication of hardware objects with the physical world and to convert the data harvested by these objects into useful information without any human aid. IoT consists of three elements: hardware, middleware, and presentation. The hardware element is comprised of battery-powered embedded sensors, actuators, and communication systems. The sensors collect data from the monitoring area, and their communication hardware sends the collected data to the middleware element. An enormous amount of data received by middleware is processed and analyzed by using various data analysis tools to extract interpretable information. The presentation element of IoT is responsible for the visualization of processed data and results in a novel and easily readable form. It also receives user queries and passes them to the middleware element for necessary actions. Fig. 1 shows the elements and data transfer in IoT systems.

          The limited battery power of hardware elements is consumed while collecting and transmitting data. The more are the data collected and analyzed, the more is the accuracy of extracted information but, at the same time, the more is the energy consumed. Due to energy limitations, there is a need to maintain a tradeoff between quality of information extracted and energy consumption by IoT systems. Moreover, the lifetime of any resource in IoT depends upon the availability of energy. The loss of energy affects the whole environment under observation. Thus, there is a prominent need to reduce energy consumption for the prolonged lifetime of resources and the effective operation of IoT systems.

          Derived by the given motivations, this paper proposes a hierarchical architecture to improve the energy efficiency of IoT. The proposed architecture (PA) exploits the fact that IoT resources consume negligible energy in sleep mode. Hence, the architectural design allows the sensors to switch to sleep mode under three scenarios: first, when it is not necessary to sense the target environment in a given period of time; second, when the coverage area can be compromised for battery life; and third, when the battery level is critically low. In addition, when the sensors are in sleep mode, the PA allows the allocated middleware resources to either switch to sleep mode or get released and reprovisioned later for energy efficiency. Thus, the resources of hardware and middleware elements of IoT have been “tuned” together in the PA for better performance and energy saving.

           In light of the above, the main objectives of the PA can be listed as follows: 1) to provide a mechanism for the efficient energy utilization of both hardware and middleware elements of IoT systems; 2) to predict and control the sleep interval of sensors depending upon their previous usage history and remaining battery level; and 3) to reprovision the allocated cloud resources when corresponding sensors are in sleep mode.

         The rest of this paper is organized as follows. Section II investigates the work related to architecture and energy-saving techniques used in IoT and wireless sensor networks (WSNs). Section III proposes an energy-efficient architecture for IoT, and Section IV presents its theoretical analysis. Section V provides experimental results. Section VI gives the comparative analysis of the PA with other techniques listed in Section II. Finally, Section VII concludes this paper.

II. RELATED WORK

           In 2013, Gubbi et al. [1] provided a clear vision of IoT and listed “energy-efficient sensing” as one of the research challenges. They presented a cloud-centric architecture of IoT and emphasized that it is applicable in various areas such as industry, home, medical systems, and many more. Later, many authors worked toward the integrated application of IoT and cloud computing in industries such as manufacturing [3], environment monitoring [4], real-time locating systems [5], energy saving [6], cloud manufacturing [7], [8], and supply chains [9]. Xu et al. in [10] presented a survey for the application of IoT in industries. IoT has also been used in various other applications such as those listed in [11]–[18].

          Since energy efficiency is a challenging issue in IoT, many authors worked toward this direction. In 2014, Akgul and Canberk [19] proposed the concept of “Self-Organized Things” (SoT), in which the sensors undergo automatic configuration, optimization, and healing mechanisms to save energy. They explained that the sensors can be put in sleep mode when the coverage area can be compromised for energy saving. In 2014, Zhou et al. [20] designed an “energy-efficient index tree” (EGF-tree) to save the energy utilized in collecting, querying, and aggregating data from sensors located in multiple regions in IoT. They proposed a technique to construct an EGF-tree that organizes the sensor nodes into a tree structure. The tree forwarded the queries from the sensor nodes to a base station and the results of queries from the base station to sensor nodes in an energy-efficient way. In 2014, Tang et al. [21] presented a similar method to construct a “clustering index tree” (ECHtree). The IoT region was divided into grid cells that were arranged in a hierarchical manner to form a tree. Energy is saved by transmitting the data only when there is a significant change between the currently detected value and the previously sent value. In 2014, D’Oro et al. [22] proposed a method that exploits the fact that many “objects” move together when they are carried by a vehicle or a human being. Hence, the authors used group formation and spatial correlation for reducing the energy consumption in an IoT system. In 2013, Liang et al. [23] also proposed a method to save energy of the user equipment. The method allowed the user equipment to switch to sleep mode during their nonactivity period and wake up when required. The authors discussed a strategy to prolong the sleep period of the sensors for better energy efficiency. In 2013, Qiu et al. [24] proposed an improved GEAR network protocol, which not only reduced the paralysis rate of the network but also improved the energy utilization of the network. The authors used a multipath strategy to organize the nodes in an energy-efficient and faulttolerant way. In addition, the authors in [25]–[29] presented energy-efficient techniques in various IoT applications. It is observed that each of the energy-saving techniques proposed in all of the aforementioned studies is applicable only in one of the IoT scenarios and that none of them is able to make the whole IoT system energy efficient.

        Furthermore, since the WSN is the backbone of IoT systems, it is necessary to explore the work related to energy efficiency in WSNs. In 2014, Rault et al. [30] presented a survey of energy-saving techniques in WSNs. They discussed the tradeoff between the requirements of application and the extension of battery life of the sensor nodes. They presented a new way to classify the energy-saving techniques for WSNs. In 2014, Khan et al. [31] provided a brief survey of energy-efficient schemes used in WSNs for conserving the battery power of sensor nodes. They also presented different ways to provision energy from various energy sources such as solar energy. Numerous other authors have also worked in the field of energy efficiency for WSNs [32]–[43].

چکیده

1. مقدمه 

2. کارهای گذشته 

3. PA 

A. SCL 

B. IPL 

C. AL

4. تجزیه‌وتحلیل نظری 

5. راه‌اندازی تجربی و تجزیه و تحلیل عملکرد 

A. مقداردهی اولیه در SCL  

B. انتقال داده به محیط ابر 

C. نتایج و بحث 

6. تجزیه و تحلیل 

A. مقایسه عملکرد 

B. مقایسه تجربی

C. مقایسه سناریو

7. نتیجه‌گیری

منابع

Abstract

1. INTRODUCTION

2. RELATED WORK

3. PA

A. SCL

B. IPL

C. AL

4. THEORETICAL ANALYSIS

5. EXPERIMENTAL SETUP AND PERFORMANCE ANALYSIS

A. Initialization at SCL

B. Data Transmission to Cloud Environment

C. Results and Discussion

6. COMPARATIVE ANALYSIS

A. Functionality Comparison

B. Experimental Comparison

C. Scenario Comparison

7. CONCLUSION

REFERENCES