Environmental Monitoring through the Internet of Things
Michelle Volery
26.02.2008
Ziele
I Beispiele f¨ur Applikationen im Bereich des Umweltmonitorings
I Beispiele f¨ur (Umweltmonitoring-)Applikationen im Zusammenhang mit dem Internet der Dinge
I Probleme
2 / 19
Inhalts¨ ubersicht
Das Internet der Dinge
Umweltmonitoring mittels des Internets der Dinge Beispiele
Probleme
Einleitung
I Viele Einsatzm¨oglichkeiten von Systemen zur Umwelt¨uberwachung
I Datensammlung jetzt: inakkurat
I Zukunft (IoT): genauer, einfacher, effizienter
I H¨ohere Dienstleistungen werden m¨oglich
4 / 19
Das Internet der Dinge
”When Things Start to Think” (Neil Gershenfeld)
I Elektronische Vernetzung (von Alltagsgegenst¨anden)
I Smarte Dinge: haben Ged¨achtnis, sind kontext-sensitiv
I Selbst¨andiger Informationsaustausch der Dinge untereinander
I Bsp.: K¨uhlschrank, der Inhalt kennt, nachbestellt und Rezeptvorschl¨age macht
I Probleme: Privacy, Energieverbrauch, Datenmenge, ...
Umwelt¨ uberwachung mittels des Internets der Dinge
I Sensoren kommunizieren untereinander
I Datenverarbeitung direkt in den Sensoren
I Kommunikation mit anderen Dingen/Systemen
I M¨achtige Applikationen, z.Bsp. ¨Uberflutungswarnung, kommuniziert direkt mit Schleusen des Stausees und Sirenen, falls ¨Uberschwemmung droht
6 / 19
Beispiel I
I Argus
I Uberwachung von K¨¨ ustenzonen: z.Bsp. Wellenrichtung, Lage von Sandb¨anken unter Wasser
I Videobasiert, mehrere Kameras pro System
I Bsp.: ”Sand-Bypassing-System”
I Zukunft: Kommunikation direkt mit Schiffen
Beispiel II
I CitySense
I Sensornetz mit mehr als 100 Knoten in st¨adtischer Umgebung
I Zu Testzwecken (Mesh-Netze, etc.)
I Knoten ¨uber Mesh-Netz verbunden
I Knoten programmierbar von ”jedermann”
I M¨oglichkeiten: Gesundheitsassistent
8 / 19
Mesh-Netze
I Netz, das sich selbst aufbaut/organisiert
I Kommt ohne zus¨atzliche, zentrale Infrastruktur aus (WLAN Access Points)
I Vorteile:
I Bessere Lastenverteilung
I Kein Single Point of Failure
I Bei Ausfall von Knoten: selbst¨andige Reorganisation
I Nachteile:
I Komplexere Routingverfahren
I Jeder Knoten muss Routingtabelle speichern
I Jeder Knoten oft aktiv, sollte wenn m¨oglich eingeschaltet bleiben
I Energieverbrauch
Beispiel III
I MobGeoSen
I Uberwachung von Umweltparametern mit eigenem¨ Mobiltelefon
I Interne Sensoren (Kamera, Mikrophon) plus zus¨atzliche externe Sensoren und GPS-Empf¨anger
I M¨oglichkeiten: detaillierte, zentrale Karte verschiedener Parameter (Luftqualit¨at, etc.); Routenplaner f¨ur Personen mit Atembeschwerden; m¨ogliche Kommunikation mit CitySense
10 / 19
Probleme I - Argus
I Datenmenge: Speicherkapazit¨at, Bandbreite
I Time exposure / variance image
I Einzelne Pixel
I Pixelarrays
I Komplexit¨at
I Smarte Sensoren
I Daten vor dem Senden verarbeiten
Probleme II - MobGeoSen
I Visualisierung
I Privacy
12 / 19
Probleme III - CitySense
I Physische Umbebung
I Entsprechende HW w¨ahlen
I Energieverbrauch
I Kommunikation und Sicherheit: Knotenausfall, fremder Netzwerkverkehr
I Reichweite und Knotenabstand entsprechend w¨ahlen
I Verschl¨usselung
I Netzwahl: Knotenerreichbarkeit, zentrale Anlaufstellen, Knotenausfall
I selbstorganisierendes Netz
I keine zentralen Anlaufstellen (WLAN Access Points)
Probleme IV - CitySense
I Wartung: Experimente vs. Management
I Zwei Funkger¨ate
I Failure Recovery: Knotenabsturz
I HW- und SW-seitige L¨osungen: Timer, ”Wachhund”
I Reprogrammability: H¨aufige Updates, viel Netzwerkverkehr, Programmierung durch Nutzer
I Updates sammeln, in einem Block an Knoten senden (Spanning Trees, rsync)
I APIs
14 / 19
Zusammenfassung
I Genauere Aussagen (Datenverarbeitung direkt in Sensoren, Kommunikation der Sensoren miteinander), vereinfacht Vieles, immer n¨aher am Internet der Dinge
I Probleme oft auf tieferen Ebenen
I Grosses Potential
Anhang I
Figure: Verschiedene Bildtypen (Argus)
16 / 19
Anhang II
Figure: Beispiel f¨ur die Arbeit mit Pixelarrays (Argus)
Anhang III
Figure: Visualisierung mit GoogleEarth (MobGeoSen)
18 / 19
Quellen
I Rob Holman, John Stanley, and Tuba ¨Ozkan-Haller. Applying Video Sensor Networks to Nearshore Environment Monitoring.
IEEE Pervasive Computing, Oktober-Dezember 2003.
I Eiman Kanjo, Steve Benford, Mark Paxton, Alan
Chamberlain, Danae Stanton Fraser, Dawn Woodgate, David Crellin, and Adrain Woorland. MobGeoSen: facilitating personal geosensor data collection and visualization using mobile phones. Springer, Oktober 2007.
I http://www.eecs.harvard.edu/ ˜mdw/papers/citysense- techrept07.pdf,
9.1.2008