| Internet of Things (IoT) A Vision, Architectural Elements, and Future Directions جدول مقالات آزادابزار تفکیک و ترجمه متون علمیمقالات اینترنت اشیاء
تماس با ما
 
بدان
 
امروز شنبه ، ۱۴۰۰/۰۷/۰۳
 
کلیه مقالات

Internet of Things (IoT) A Vision, Architectural Elements, and Future Directions

اینترنت اشیاء (IoT): چشم انداز ، عناصر معماری ، و جهت های آینده:

خلاصه :

حسگرهای فراگیر فعال شده توسط فناوری های شبکه حسگر بی سیم (WSN) بسیاری از مناطق زندگی امروزی را در بر می گیرد.

این قابلیت اندازه گیری ، استنباط و درک شاخص های محیطی ، از بوم شناسی ظریف و منابع طبیعی گرفته تا محیط های شهری را ارائه می دهد.

گسترش این دستگاهها در یک شبکه فعال کننده ارتباطات ، اینترنت اشیاء (IoT) را ایجاد می کند ، که در آن حسگرها و محرک ها به طور یکپارچه با محیط اطراف ما ترکیب می شوند و اطلاعات به منظور ایجاد یک تصویر عملیاتی مشترک (COP) در سراسر سیستم عامل ها به اشتراک گذاشته می شود. )

IoT که از تطبیق اخیر انواع فناوری های دستگاه های فعال مانند برچسب ها و خواننده های RFID ، دستگاه های ارتباطات میدانی (NFC) و گره های حسگر و محرک تعبیه شده استفاده می کند ، از ابتدای راه خود خارج شده است و فناوری انقلابی بعدی در تغییر است. اینترنت را به یک اینترنت کاملاً یکپارچه در آینده تبدیل کنید.

همانطور که از www (صفحات استاتیک وب) به web2 (وب شبکه های اجتماعی) به web3 (وب محاسبات در همه جا) حرکت می کنیم ، نیاز به داده های درخواستی با استفاده از پرس و جوهای بصری پیچیده به میزان قابل توجهی افزایش می یابد.

این مقاله یک چشم انداز ابری برای اجرای جهانی اینترنت اشیا ارائه می دهد.

فن آوری های کلیدی فعال و حوزه های کاربردی که احتمالاً تحقیقات IoT را در آینده نزدیک پیش می برند مورد بحث قرار گرفته است.

پیاده سازی ابری با استفاده از Aneka ، که بر اساس تعامل ابرهای خصوصی و عمومی است ، ارائه شده است.

ما چشم انداز اینترنت اشیاء خود را با گسترش نیاز به همگرایی WSN ، اینترنت و محاسبات توزیع شده به جامعه تحقیقات فناوری ، به پایان می رسانیم.

1. معرفی:

موج بعدی در عصر محاسبات خارج از حوزه رایانه های سنتی خواهد بود.

در پارادایم اینترنت اشیاء (IoT) ، بسیاری از اشیاء که ما را احاطه کرده اند به نوعی در شبکه خواهند بود.

شناسایی فرکانس رادیویی (RFID) و فناوری های شبکه حسگر برای برآوردن این چالش جدید ، که در آن سیستم های اطلاعات و ارتباطات به طور نامحسوس در محیط اطراف ما تعبیه شده اند ، افزایش می یابد.

این امر منجر به تولید حجم عظیمی از داده ها می شود که باید ذخیره ، پردازش و به صورت یکپارچه ، کارآمد و به راحتی قابل تفسیر ارائه شوند.

این مدل شامل خدماتی است که کالایی هستند و به شیوه ای مشابه کالاهای سنتی ارائه می شوند.

رایانش ابری می تواند زیرساخت مجازی را برای چنین محاسباتی مفید فراهم آورد که دستگاههای نظارتی ، دستگاههای ذخیره سازی ، ابزارهای تجزیه و تحلیل ، پلتفرم های تجسم و تحویل مشتری را ادغام می کند.

مدل مبتنی بر هزینه که رایانش ابری ارائه می دهد ، ارائه خدمات به صورت انتهایی به مشاغل و کاربران را قادر می سازد تا از هر کجا به برنامه های درخواستی دسترسی داشته باشند.

اتصال هوشمند با شبکه های موجود و محاسبه متناسب با زمینه با استفاده از منابع شبکه ، بخش ضروری اینترنت اشیا است.

با افزایش روزافزون وای فای و دسترسی بی سیم به اینترنت بی سیم 4G-LTE ، تکامل به سمت شبکه های اطلاعاتی و ارتباطی در همه جا مشهود است.

با این حال ، برای ظهور موفقیت آمیز چشم انداز اینترنت اشیاء ، معیار محاسبه باید فراتر از سناریوهای رایانش رایانه موبایل که از تلفن های هوشمند و قابل حمل استفاده می کنند ، فراتر رفته و به اتصال اشیاء موجود روزمره و جاسازی اطلاعات در محیط ما تبدیل شود.

اینترنت اشیاء برای ناپدید شدن فناوری از آگاهی کاربر ، مستلزم: (1) درک مشترک از وضعیت کاربران و لوازم آنها ، (2) معماری نرم افزار و شبکه های ارتباطی فراگیر برای پردازش و انتقال اطلاعات زمینه ای به جایی که مربوط می شود و (3) ابزارهای تجزیه و تحلیل در اینترنت اشیاء که هدف آنها رفتارهای مستقل و هوشمند است.

با وجود این سه اصل اساسی ، می توان اتصال هوشمند و محاسبه آگاه از زمینه را انجام داد.

تحول بنیادین اینترنت فعلی به شبکه ای از اشیاء به هم پیوسته که نه تنها اطلاعات را از محیط جمع آوری می کند (حس می کند) و با جهان فیزیکی در تعامل است (فعال سازی/فرمان/کنترل) ، بلکه از استانداردهای موجود اینترنت برای ارائه خدمات برای انتقال اطلاعات استفاده می کند. ، تجزیه و تحلیل ، برنامه ها و ارتباطات.

اینترنت اشیا که از رایج بودن دستگاه هایی که با استفاده از فناوری بی سیم باز مانند بلوتوث ، شناسایی فرکانس رادیویی (RFID) ، Wi-Fi و داده های تلفن و همچنین گره های حسگر و محرک تعبیه شده است ، تغذیه کرده است ، از مراحل ابتدایی خود خارج شده و در آستانه کار است. از تبدیل اینترنت استاتیک فعلی به اینترنت آینده کاملاً یکپارچه [1].

انقلاب اینترنتی منجر به ارتباط متقابل بین مردم در مقیاس و سرعتی بی سابقه شد.

انقلاب بعدی ارتباط متقابل بین اجسام برای ایجاد یک محیط هوشمند خواهد بود.

تنها در سال 2011 ، تعداد دستگاه های متصل به هم روی کره زمین از تعداد واقعی افراد پیشی گرفت.

در حال حاضر 9 میلیارد دستگاه به هم متصل هستند و پیش بینی می شود تا سال 2020 به 24 میلیارد دستگاه برسد.

بر اساس گزارش GSMA ، این مبلغ 1.3 تریلیون دلار درآمد برای اپراتورهای شبکه تلفن همراه دارد که بخشهای عمودی مانند بهداشت ، خودرو ، خدمات و لوازم الکترونیکی مصرفی را پوشش می دهد.

شماتی از ارتباط متقابل اشیاء در شکل 1 نشان داده شده است که در آن حوزه های کاربردی بر اساس مقیاس تأثیر داده های تولید شده انتخاب می شوند.

کاربران از سازمانهای فردی تا سطح ملی که مسائل وسیعی را مورد بررسی قرار می دهند.

این مقاله روندهای فعلی در تحقیقات اینترنت اشیا را که توسط برنامه های کاربردی پیش می رود و نیاز به همگرایی در چندین فناوری بین رشته ای ارائه می دهد.

به طور خاص ، ما ارائه می دهیم:

به طور کلی چشم انداز اینترنت اشیا و فناوری هایی که به آن دست می یابد (بخش 2).

برخی از تعاریف رایج در این منطقه همراه با برخی از گرایشها و طبقه بندی IoT (بخش 3).

حوزه های کاربردی در اینترنت اشیا با رویکرد جدیدی در تعریف آنها (بخش 4).

تحقق و چالش های IoT محور ابر (بخش 5).

مطالعه موردی تجزیه و تحلیل داده ها در بستر ابر Aneka/Azure (بخش 6).

چالش های باز و روندهای آینده (بخش 7).

2- محاسبه همه جا در دهه آینده:

تلاش محققان برای ایجاد رابط انسان به انسان از طریق فناوری در اواخر دهه 1980 منجر به ایجاد رشته محاسبات در همه جا شد ، که هدف آن تعبیه فناوری در پس زمینه زندگی روزمره است.

در حال حاضر ، ما در دوران پس از رایانه های شخصی هستیم ، جایی که تلفن های هوشمند و سایر دستگاه های دستی با تعاملی تر و آموزنده تر محیط ما را تغییر می دهند.

مارک وایزر ، پدر و مادر محاسبات همه جا (ubicomp) ، محیطی هوشمند [2] را به عنوان جهان فیزیکی تعریف کرد که به طور غنی و نامرئی با حسگرها ، محرک ها ، نمایشگرها و عناصر محاسباتی در هم آمیخته شده و به طور یکپارچه در اشیاء روزمره زندگی ما تعبیه شده است. ، و از طریق یک شبکه پیوسته متصل می شود.

ایجاد اینترنت مهمترین نقطه عطف برای دستیابی به دیدگاه ubicomp است که دستگاه های فردی را قادر می سازد تا با هر دستگاه دیگری در جهان ارتباط برقرار کنند.

شبکه های بین المللی پتانسیل حجم ظاهراً بی پایان منابع محاسباتی توزیع شده و متعلق به مالکان مختلف را آشکار می کند.

بر خلاف رویکرد محاسباتی آرام وایزر ، راجرز یک ubicomp انسانی محور پیشنهاد می کند که از خلاقیت انسان در بهره برداری از محیط و افزایش قابلیت های آنها استفاده می کند [3].

وقتی می گوید - یک راه حل ubicomp خاص برای دامنه پیشنهاد می کند - از نظر اینکه چه کسانی باید سود ببرند ، فکر کنیم چگونه می توان فناوری های ubicomp را نه برای Sal های جهان ، بلکه برای حوزه های خاصی که می توان ایجاد کرد ، توسعه داد. و توسط یک شرکت یا سازمان جداگانه ، مانند تولید کشاورزی ، احیای محیط زیست یا خرده فروشی سفارشی می شود.

کاسرس و جمعه [4] در مورد پیشرفت ، فرصت ها و چالش ها در 20 سالگی ubicomp بحث می کنند.

آنها در مورد اجزای سازنده ubicomp و ویژگی های سیستم برای سازگاری با جهان در حال تغییر بحث می کنند.

از همه مهمتر ، آنها دو فناوری مهم را برای توسعه زیرساخت های ubicomp شناسایی کرده اند - رایانش ابری و اینترنت اشیا.

پیشرفت و همگرایی فناوری سیستم های میکروالکترومکانیکی (MEMS) ، ارتباطات بی سیم و الکترونیک دیجیتالی منجر به توسعه دستگاه های مینیاتوری شده است که توانایی درک ، محاسبه و ارتباط بی سیم در فواصل کوتاه را دارند.

این دستگاه های مینیاتوری که گره ها نامیده می شوند به هم متصل می شوند تا یک شبکه حسگر بی سیم (WSN) ایجاد کنند و کاربرد گسترده ای در نظارت بر محیط زیست ، نظارت بر زیرساخت ها ، نظارت بر ترافیک ، خرده فروشی و غیره پیدا کنند.

[5]

این قابلیت را دارد که قابلیت سنجش در همه جا را فراهم کند که در تحقق دید کلی از ubicomp همانطور که توسط وایزر مشخص شده است بسیار مهم است [2].

برای تحقق یک چشم انداز کامل اینترنت اشیا ، منابع محاسباتی کارآمد ، ایمن ، مقیاس پذیر و بازار محور ضروری است.

رایانش ابری [6] جدیدترین پارادایمی است که ظهور می کند و نوید ارائه خدمات قابل اعتماد از طریق مراکز داده نسل بعدی را می دهد که بر اساس فناوری های ذخیره سازی مجازی طراحی شده اند.

این پلتفرم به عنوان گیرنده داده از سنسورهای همه جا عمل می کند. به عنوان یک رایانه برای تجزیه و تحلیل و تفسیر داده ها ؛ و همچنین ارائه تجسم مبتنی بر وب برای کاربر به راحتی.

سنجش و پردازش همه جا در پس زمینه کار می کند و از دید کاربر مخفی است.

این چارچوب حسگر-محرک- اینترنت یکپارچه ، فناوری اصلی را تشکیل می دهد که در آن محیط هوشمند شکل می گیرد: اطلاعات تولید شده در پلتفرم ها و برنامه های مختلف به اشتراک گذاشته می شود تا یک تصویر عملیاتی مشترک (COP) از یک محیط ، که در آن کنترل برخی چیزها بدون محدودیت امکان پذیر است.

همانطور که از www (صفحات استاتیک وب) به web2 (وب شبکه های اجتماعی) به web3 (وب محاسبات همه جا) منتقل می شویم ، نیاز به داده های درخواستی با استفاده از پرس و جوهای بصری پیچیده افزایش می یابد.

برای بهره گیری کامل از فناوری اینترنت موجود ، نیاز به استقرار زیرساخت های شبکه حسگر بی سیم در مقیاس بزرگ ، مستقل از پلتفرم که شامل مدیریت و پردازش داده ها ، فعال سازی و تجزیه و تحلیل است ، وجود دارد.

رایانش ابری قابلیت اطمینان ، مقیاس پذیری و خودمختاری بالایی را برای ارائه دسترسی همه جا ، کشف منابع پویا و ترکیب پذیری مورد نیاز برای نسل بعدی برنامه های کاربردی اینترنت اشیا وعده می دهد.

با تغییر پارامترهای کیفیت خدمات ، مصرف کنندگان قادر خواهند بود سطح خدمات را انتخاب کنند.

3- تعاریف ، گرایش ها و عناصر:

3-1 تعاریف:

همانطور که توسط آتزوری و همکارانش [7] مشخص شده است ، اینترنت اشیا را می توان در سه پارادایم- اینترنت محور (وسایل میانی) ، چیزها (حسگرها) و معناشناسی (دانش) تحقق بخشید.

اگرچه این نوع ترسیم به دلیل ماهیت بین رشته ای موضوع مورد نیاز است ، اما مفید بودن اینترنت اشیا تنها در یک حوزه کاربردی که سه پارادایم در آن تلاقی می کنند قابل فاش شدن نیست.

گروه RFID اینترنت اشیا را چنین تعریف می کند:

شبکه جهانی اشیاء به هم پیوسته با آدرس منحصر به فرد بر اساس پروتکل های ارتباطی استاندارد. به

بر اساس خوشه پروژه های تحقیقاتی اروپایی در مورد اینترنت اشیا [8]:

"چیزها" شرکت کنندگان فعال در تجارت ، اطلاعات و فرآیندهای اجتماعی هستند که در آنها امکان برقراری ارتباط و ارتباط بین خود و محیط با تبادل داده ها و اطلاعات موجود در مورد محیط ، در حالی که به طور مستقل به رویدادهای دنیای واقعی/فیزیکی واکنش نشان می دهند و بر آن تأثیر می گذارند ، وجود دارد. اجرای فرایندهایی که باعث ایجاد اقدامات و ایجاد خدمات با یا بدون دخالت مستقیم انسان می شود.

به گفته فارستر [9] ، یک محیط هوشمند:

از فناوری های اطلاعات و ارتباطات برای آگاهی بیشتر ، تعاملی و کارآمد اجزای زیرساختی و خدمات مهم مدیریت شهری ، آموزش ، مراقبت های بهداشتی ، ایمنی عمومی ، املاک ، حمل و نقل و خدمات شهری استفاده می کند.

در تعریف ما ، ما تعریف را بیشتر کاربر محور قرار می دهیم و آن را به هیچ پروتکل ارتباطی استاندارد محدود نمی کنیم-این باعث می شود برنامه های کاربردی طولانی مدت توسعه داده و با استفاده از پروتکل های پیشرفته موجود در هر نقطه در زمان.

تعریف ما از اینترنت اشیاء برای محیط های هوشمند این است:

اتصال دستگاههای حسگر و فعال کننده که امکان اشتراک گذاری اطلاعات را در سراسر سیستم عامل ها از طریق یک چارچوب یکپارچه فراهم می کند و یک تصویر عملیاتی مشترک برای فعال کردن برنامه های نوآورانه ایجاد می کند.

این امر با سنجش مقیاس وسیع ، تجزیه و تحلیل داده ها و نمایش اطلاعات با استفاده از سنجش همه جانبه و محاسبه ابری به دست می آید.

3-2 روندها:

اینترنت اشیاء به عنوان یکی از فناوری های نوظهور در فناوری اطلاعات شناخته شده است که در چرخه تبلیغات فناوری اطلاعات گارتنر ذکر شده است (شکل 2 را ببینید).

چرخه Hype [10] راهی برای نشان دادن ظهور ، پذیرش ، بلوغ و تأثیر بر کاربردهای فناوری های خاص است.

پیش بینی شده است که اینترنت اشیاء 5 تا 10 سال طول بکشد تا بازار مورد استفاده قرار گیرد.

محبوبیت پارادایم های مختلف با گذشت زمان متفاوت است.

محبوبیت جستجوی وب ، که توسط روندهای جستجوی Google در 10 سال گذشته برای اصطلاحات اینترنت اشیاء ، شبکه های حسگر بی سیم و محاسبه همه جا اندازه گیری شده است ، در شکل 3 نشان داده شده است [11].

همانطور که مشاهده می شود ، از زمانی که اینترنت اشیا به وجود آمده است ، حجم جستجو به طور مداوم با روند کاهش شبکه های حسگر بی سیم افزایش می یابد.

این روند به احتمال زیاد تا دهه آینده ادامه پیدا می کند زیرا سایر فناوری های توانمند برای همگرایی برای ایجاد اینترنت واقعی اشیاء ادامه می یابد.

از داده های حجم مرجع اخبار (شکل 3 پایین را ببینید) در اینترنت مشاهده می شود که اینترنت اشیا محبوبیت خود را آغاز کرده است.

در واقع ، این نشان دهنده پذیرش اجتماعی فناوری است زیرا مصرف کنندگان به دنبال داده های بیشتری در مورد موضوعات مختلف مورد علاقه خود هستند.

نقاط نقطه در شکل 3 نشان دهنده اخبار مربوط به اینترنت اشیا است و بالاترین بازدیدها در شرح تصویر 3 ذکر شده است.

3-3 عناصر اینترنت اشیا:

ما یک طبقه بندی ارائه می دهیم که به تعریف اجزای مورد نیاز برای اینترنت اشیاء از منظر سطح بالا کمک می کند.

طبقه بندی های خاص هر جزء در جاهای دیگر یافت می شود [6،12،13].

سه جزء اینترنت اشیا وجود دارد که امکان ubicomp یکپارچه را فراهم می کند: الف) سخت افزار - متشکل از سنسورها ، محرک ها و سخت افزارهای ارتباطی تعبیه شده ب) وسایل میانی - بر اساس تقاضا و ابزارهای محاسباتی برای تجزیه و تحلیل داده ها و ج) ارائه - ابزارهای تصویری و تفسیری آسان برای درک که می تواند به طور گسترده در سیستم عامل های مختلف قابل دسترسی باشد و برای برنامه های مختلف طراحی شود.

در این بخش ، ما در مورد چند فناوری فعال در این دسته ها که سه جزء ذکر شده در بالا را تشکیل می دهند ، بحث می کنیم.

3-3-1 شناسایی فرکانس رادیویی (RFID):

فناوری RFID یک پیشرفت بزرگ در الگوی ارتباطی تعبیه شده است که امکان طراحی ریزتراشه ها برای ارتباطات داده بی سیم را فراهم می کند.

آنها در شناسایی خودکار هر چیزی که به عنوان بارکد الکترونیکی به آن وصل شده اند کمک می کنند [14،15].

برچسب های RFID منفعل از باتری استفاده نمی کنند و از قدرت سیگنال بازجویی خواننده برای انتقال شناسه به خواننده RFID استفاده می کنند.

این امر منجر به کاربردهای زیادی به ویژه در خرده فروشی و مدیریت زنجیره تامین شده است.

برنامه های کاربردی را می توان در حمل و نقل (جایگزینی بلیط ، برچسب ثبت نام) و برنامه های کنترل دسترسی نیز یافت.

برچسب های غیرفعال در حال حاضر در بسیاری از کارت های بانکی و برچسب های عوارض جاده ای استفاده می شود که یکی از اولین استقرارهای جهانی است.

خواننده های فعال RFID منبع تغذیه باتری خود را دارند و می توانند ارتباط را به سرعت ایجاد کنند.

از بین چندین برنامه ، کاربرد اصلی برچسب های RFID فعال در ظروف پورت [15] برای نظارت بر محموله است.

3-3-2 شبکه های حسگر بی سیم (WSN):

پیشرفتهای تکنولوژیکی اخیر در مدارهای مجتمع کم مصرف و ارتباطات بی سیم ، دستگاههای مینیاتوری کارآمد ، کم هزینه و کم مصرف را برای استفاده در برنامه های سنجش از دور در دسترس قرار داده است.

ترکیب این عوامل باعث افزایش قابلیت استفاده از یک شبکه حسگر متشکل از تعداد زیادی حسگر هوشمند شده و امکان جمع آوری ، پردازش ، تجزیه و تحلیل و انتشار اطلاعات ارزشمند ، جمع آوری شده در محیط های مختلف را فراهم کرده است [5].

RFID فعال تقریباً مشابه گره های WSN پایینی با قابلیت پردازش و ذخیره سازی محدود است.

چالش های علمی که باید به منظور درک پتانسیل عظیم WSN ها برطرف شود ، ماهیت قابل توجه و چندرشته ای دارد [5].

داده های حسگر بین گره های حسگر به اشتراک گذاشته می شود و برای تجزیه و تحلیل به یک سیستم توزیع شده یا متمرکز ارسال می شود.

اجزای تشکیل دهنده شبکه نظارت WSN عبارتند از:

الف) سخت افزار WSN - معمولاً یک گره (سخت افزار اصلی WSN) شامل رابط های حسگر ، واحدهای پردازشی ، واحدهای فرستنده و منبع تغذیه است.

تقریباً همیشه ، آنها از چندین مبدل A/D برای رابط سنسور تشکیل شده اند و گره های حسگر مدرن تر توانایی برقراری ارتباط با یک باند فرکانسی را دارند که همه کاره آنها را بیشتر می کند [5].

ب) پشته ارتباطی WSN - انتظار می رود گره ها برای اکثر برنامه ها به صورت adhoc مستقر شوند.

طراحی یک توپولوژی مناسب ، مسیریابی و لایه MAC برای مقیاس پذیری و طول عمر شبکه استقرار شده بسیار مهم است.

گره های WSN برای انتقال داده ها به صورت تک یا چند هاپ به ایستگاه پایه باید بین خود ارتباط برقرار کنند.

خروج گره و در نتیجه کاهش طول عمر شبکه ، مکرر است.

پشته ارتباطی در گره سینک باید بتواند از طریق اینترنت با دنیای خارج تعامل داشته باشد تا به عنوان دروازه ای به زیر شبکه WSN و اینترنت عمل کند [16].

ج) Middleware - مکانیزمی برای ترکیب زیرساخت های سایبری با معماری سرویس گرا (SOA) و شبکه های حسگر برای دسترسی به منابع حسگر ناهمگن به شیوه استقرار مستقل [17].

این بر اساس ایده جداسازی منابعی است که می تواند توسط چندین برنامه کاربردی مورد استفاده قرار گیرد.

یک نرم افزار واسطه مستقل برای توسعه برنامه های حسگر مورد نیاز است ، مانند معماری وب سنسور باز (OSWA) [18].

OSWA بر اساس مجموعه ای یکنواخت از عملیات و نمایش داده های استاندارد مطابق با روش فعالسازی سنسور وب (SWE) توسط کنسرسیوم باز فضایی (OGC) ساخته شده است.

د) تجمع امن داده ها - یک روش تجمیع داده های کارآمد و ایمن برای افزایش طول عمر شبکه و همچنین اطمینان از داده های قابل اعتماد جمع آوری شده از حسگرها مورد نیاز است [19].

خرابی گره به عنوان یک ویژگی مشترک WSN ها ، توپولوژی شبکه باید توانایی بهبود خود را داشته باشد.

اطمینان از امنیت بسیار مهم است زیرا سیستم به طور خودکار به محرک ها متصل می شود و محافظت از سیستم ها در برابر مزاحمان بسیار مهم می شود.

3-3-3 آدرس دهی به طرح ها:

توانایی شناسایی "چیزها" برای موفقیت IoT بسیار مهم است.

این نه تنها به ما اجازه می دهد میلیاردها دستگاه را به طور منحصر به فرد شناسایی کنیم بلکه دستگاه های از راه دور را از طریق اینترنت نیز کنترل می کنیم.

چند ویژگی مهم ایجاد آدرس منحصر به فرد عبارتند از: منحصر به فرد بودن ، قابلیت اطمینان ، ماندگاری و مقیاس پذیری.

هر عنصری که قبلاً متصل شده است و آنهایی که قرار است به هم متصل شوند باید با شناسایی ، مکان و عملکردهای منحصر به فرد آنها مشخص شود.

IPv4 فعلی ممکن است تا حدی پشتیبانی کند که بتوان گروهی از دستگاه های حسگر مشترک را از نظر جغرافیایی شناسایی کرد ، اما نه به صورت جداگانه.

ویژگیهای Internet Mobility در IPV6 ممکن است برخی از مشکلات شناسایی دستگاه را کاهش دهد. با این حال ، ماهیت ناهمگن گره های بی سیم ، انواع داده های متغیر ، عملیات همزمان و تلاقی داده ها از دستگاه ها مشکل را بیشتر تشدید می کند [20].

عملکرد مداوم شبکه برای هدایت ترافیک داده ها به صورت همه جا و بی وقفه یکی دیگر از جنبه های IoT است.

اگرچه ، TCP/IP با مسیریابی به شیوه ای مطمئن تر و کارآمدتر ، از مبدا تا مقصد ، از این مکانیسم مراقبت می کند ، اما اینترنت اشیاء با یک تنگنا در رابط بین دروازه و دستگاه های حسگر بی سیم مواجه است.

علاوه بر این ، مقیاس پذیری آدرس دستگاه شبکه موجود باید پایدار باشد.

افزودن شبکه ها و دستگاهها نباید مانع عملکرد شبکه ، عملکرد دستگاهها ، قابلیت اطمینان دادهها در شبکه یا استفاده م ofثر از دستگاهها از رابط کاربری شود.

برای پرداختن به این مسائل ، سیستم نام منابع یکنواخت (URN) برای توسعه اینترنت اشیا اساسی تلقی می شود.

URN ماکت هایی از منابع را ایجاد می کند که می توان از طریق URL به آنها دسترسی پیدا کرد.

با جمع آوری حجم زیادی از داده های فضایی ، اغلب استفاده از مزایای فراداده برای انتقال اطلاعات از پایگاه داده به کاربر از طریق اینترنت بسیار مهم است [21].

IPv6 همچنین گزینه بسیار مناسبی را برای دسترسی منحصر به فرد به منابع و از راه دور ارائه می دهد.

یکی دیگر از پیشرفتهای مهم در آدرس دهی ، توسعه IPv6 سبک وزن است که آدرسدهی منحصر به فرد لوازم خانگی را امکان پذیر می کند.

شبکه های حسگر بی سیم (که آنها را به عنوان اجزای سازنده اینترنت اشیا در نظر می گیرند) ، که در مقایسه با اینترنت بر روی پشته های متفاوتی اجرا می شوند ، نمی توانند از پشته IPv6 برای آدرس دهی جداگانه برخوردار باشند و بنابراین یک زیر شبکه با دروازه دارای URN مورد نیاز است.

با در نظر گرفتن این موضوع ، ما به لایه ای برای آدرس دهی دستگاه های حسگر توسط درگاه مربوطه نیاز داریم.

در سطح زیر شبکه ، URN دستگاههای حسگر می تواند شناسه های منحصر به فرد باشد و نه نامهای دوستدار انسان مانند www و یک جدول جستجوی در دروازه برای آدرس دهی این دستگاه.

علاوه بر این ، در سطح گره هر سنسور دارای URN (به عنوان اعداد) برای سنسورهایی است که توسط دروازه مورد بررسی قرار می گیرند.

کل شبکه در حال حاضر یک شبکه اتصال از کاربران (سطح بالا) به حسگرها (سطح پایین) را تشکیل می دهد که قابل آدرس دهی (از طریق URN) ، قابل دسترسی (از طریق URL) و قابل کنترل (از طریق URC) است.

3-3-4 ذخیره و تجزیه و تحلیل داده ها:

یکی از مهمترین نتایج این حوزه در حال ظهور ، ایجاد حجم بی سابقه ای از داده ها است.

ذخیره ، مالکیت و انقضای داده ها به موضوعات مهمی تبدیل می شود.

اینترنت تا 5 درصد از کل انرژی تولید شده امروزه را مصرف می کند و با این نوع تقاضا ، مطمئناً از این هم بیشتر خواهد شد.

بنابراین مراکز داده ای که با انرژی برداشت شده کار می کنند و متمرکز هستند ، بهره وری انرژی و قابلیت اطمینان آنها را تضمین می کنند.

داده ها باید ذخیره شوند و به صورت هوشمند برای نظارت و فعال سازی هوشمند مورد استفاده قرار گیرند.

توسعه الگوریتم های هوش مصنوعی که می توانند بر اساس نیاز متمرکز یا توزیع شوند ، بسیار مهم است.

الگوریتم های تلفیقی جدید باید برای درک داده های جمع آوری شده توسعه داده شوند.

برای دستیابی به تصمیم گیری خودکار ، روشهای یادگیری ماشین غیر خطی و زمانی مبتنی بر الگوریتم های تکاملی ، الگوریتم های ژنتیک ، شبکه های عصبی و سایر تکنیک های هوش مصنوعی ضروری است.

این سیستم ها ویژگی هایی مانند قابلیت همکاری ، یکپارچگی و ارتباطات تطبیقی ​​را نشان می دهند.

آنها همچنین از نظر طراحی سیستم سخت افزاری و همچنین توسعه نرم افزار دارای معماری مدولار هستند و معمولاً برای برنامه های IoT بسیار مناسب هستند.

3-3-5 تجسم:

تجسم برای یک برنامه اینترنت اشیا بسیار مهم است زیرا این امر به کاربر امکان تعامل با محیط را می دهد.

با پیشرفت های اخیر در فن آوری های صفحه لمسی ، استفاده از تبلت ها و تلفن های هوشمند بسیار بصری شده است.

برای اینکه یک فرد غیر روحانی از انقلاب IoT به طور کامل بهره مند شود ، باید تصویری جذاب و قابل درک ایجاد کرد.

با حرکت از صفحه های دو بعدی به سه بعدی ، اطلاعات بیشتری را می توان در اختیار کاربران قرار داد تا به طرق معنی داری برای مصرف کنندگان ارائه شود.

این امر همچنین به سیاست گذاران این امکان را می دهد تا داده ها را به دانش تبدیل کنند که در تصمیم گیری سریع بسیار مهم است.

استخراج اطلاعات معنی دار از داده های خام بی اهمیت نیست.

این شامل تشخیص رویداد و تجسم داده های خام و مدل شده مرتبط با اطلاعاتی است که بر اساس نیازهای کاربر نهایی ارائه شده است.

4- برنامه های کاربردی:

چندین حوزه کاربردی وجود دارد که تحت تأثیر اینترنت اشیاء قرار می گیرند.

برنامه های کاربردی را می توان بر اساس نوع در دسترس بودن شبکه ، پوشش ، مقیاس ، ناهمگونی ، تکرارپذیری ، دخالت و تأثیر کاربران طبقه بندی کرد [22].

ما برنامه های کاربردی را در چهار حوزه برنامه طبقه بندی می کنیم: (1) شخصی و خانگی. (2) شرکت ؛ (3) خدمات آب و برق ؛ و (4) موبایل.

این در شکل 1 نشان داده شده است که IoT شخصی و خانگی را در مقیاس یک فرد یا خانه نشان می دهد ، IoT Enterprise در مقیاس یک جامعه ، IoT Utility در مقیاس ملی یا منطقه ای و IoT Mobile که معمولاً در سایر حوزه ها به طور عمده گسترش می یابد. به ماهیت اتصال و مقیاس

یک تقاطع بزرگ در برنامه ها و استفاده از داده ها بین دامنه ها وجود دارد.

به عنوان مثال ، IoT شخصی و خانگی داده های مصرف برق را در خانه تولید می کند و در اختیار شرکت برق (خدمات) قرار می دهد که به نوبه خود می تواند عرضه و تقاضا را در IoT Utility بهینه کند.

اینترنت امکان اشتراک گذاری داده ها را بین ارائه دهندگان خدمات مختلف به صورت یکپارچه ایجاد می کند و فرصت های تجاری متعددی ایجاد می کند.

چند برنامه معمولی در هر دامنه ارائه شده است.

4-1 شخصی و خانگی:

اطلاعات حسگر جمع آوری شده فقط توسط افرادی که مستقیماً صاحب شبکه هستند استفاده می شود.

معمولاً از WiFi به عنوان ستون فقرات برای انتقال پهنای باند بیشتر (انتقال ویدئو) و همچنین نرخ نمونه برداری بیشتر (صدا) استفاده می شود.

مراقبت های بهداشتی فراگیر [7] در دو دهه گذشته تصور شده است.

اینترنت اشیا بستر کاملی برای تحقق این چشم انداز با استفاده از حسگرهای ناحیه بدن و پشتیبان اینترنت اشیا برای بارگذاری داده ها روی سرورها فراهم می کند.

به عنوان مثال ، یک تلفن هوشمند می تواند برای ارتباط به همراه چندین رابط مانند بلوتوث برای رابط سنسورهای اندازه گیری پارامترهای فیزیولوژیکی استفاده شود.

تاکنون چندین برنامه کاربردی برای سیستم عامل Apple iOS ، Android Android و Windows Phone موجود است که پارامترهای مختلف را اندازه گیری می کنند.

با این حال ، هنوز در ابر متمرکز نشده است تا پزشکان عمومی بتوانند به آن دسترسی داشته باشند.

توسعه شبکه ناحیه بدن شخصی ، یک سیستم نظارت خانگی برای مراقبت از سالمندان ایجاد می کند ، که به پزشک اجازه می دهد بیماران و افراد مسن را در خانه های خود تحت نظر داشته باشد و از این طریق هزینه های بستری شدن را از طریق مداخله و درمان زودهنگام کاهش دهد [23،24].

کنترل تجهیزات خانگی مانند کولر ، یخچال ، ماشین لباسشویی و غیره ، مدیریت بهتری از خانه و انرژی را ممکن می سازد.

این باعث می شود که مصرف کنندگان همانند انقلاب اینترنت درگیر انقلاب اینترنت اشیا شوند [25،26].

شبکه های اجتماعی قرار است با میلیاردها شیء به هم پیوسته متحول شوند [27،28].

پیشرفت جالبی با استفاده از یک مفهوم شبیه به توییتر انجام می شود که در آن "چیزهای" در خانه می توانند به طور دوره ای مطالبی را که می توانند به راحتی از هر جایی با ایجاد TweetOT دنبال کنند ، توییت کنند.

اگرچه این یک چارچوب مشترک با استفاده از ابر برای دسترسی به اطلاعات ارائه می دهد ، اما یک الگوی امنیتی جدید برای تحقق کامل آن مورد نیاز است [29].

4-2 شرکت، پروژه :

ما به "شبکه اشیاء" در محیط کار به عنوان یک برنامه مبتنی بر سازمان اشاره می کنیم.

اطلاعات جمع آوری شده از چنین شبکه هایی فقط توسط مالکان استفاده می شود و ممکن است داده ها به صورت انتخابی منتشر شوند.

نظارت بر محیط زیست اولین برنامه رایج است که برای ردیابی تعداد ساکنان و مدیریت خدمات در ساختمان (به عنوان مثال ، تهویه مطبوع ، روشنایی) اجرا می شود.

سنسورها همیشه بخشی جدایی ناپذیر از تنظیمات کارخانه برای امنیت ، اتوماسیون ، کنترل آب و هوا و غیره بوده اند.

این سیستم در نهایت با سیستم بی سیم جایگزین می شود که انعطاف پذیری لازم برای ایجاد تغییرات در تنظیمات را در صورت لزوم ایجاد می کند.

این چیزی نیست جز زیر شبکه IoT که به تعمیر و نگهداری کارخانه اختصاص داده شده است.

یکی از مهمترین حوزه های کاربردی اینترنت اشیاء که در حال حاضر توجهات را به خود جلب کرده است اینترنت محیط هوشمند IoT [22،29].

چندین تخت آزمایشی در حال اجرا است و بسیاری دیگر در سالهای آینده برنامه ریزی شده است.

محیط هوشمند شامل زیر سیستم هایی است که در جدول 1 نشان داده شده است و ویژگی ها از دیدگاه فناوری به طور خلاصه فهرست شده اند.

لازم به ذکر است که هر یک از حوزه های فرعی گروه های متمرکز زیادی را پوشش می دهند و داده ها به اشتراک گذاشته می شوند.

کاربردها یا موارد استفاده در محیط شهری که می توانند از تحقق قابلیت شهر هوشمند WSN بهره مند شوند در جدول 2 نشان داده شده است.

این برنامه ها با توجه به حوزه های تأثیرگذاری آنها گروه بندی می شوند.

این شامل تأثیر بر شهروندان با توجه به مسائل مربوط به سلامتی و رفاه است. حمل و نقل با توجه به تأثیر آن بر تحرک ، بهره وری ، آلودگی ؛ و خدمات از نظر خدمات مهم جامعه مدیریت شده و توسط دولت محلی به ساکنان شهر ارائه می شود.

4-3 خدمات رفاهی:

اطلاعات شبکه های این حوزه کاربردی معمولاً برای بهینه سازی خدمات است تا مصرف مصرف کننده.

این دستگاه در حال حاضر توسط شرکتهای آب و برق (کنتورهای هوشمند توسط شرکتهای تامین کننده برق) برای مدیریت منابع به منظور بهینه سازی هزینه در مقابل استفاده می شود.

سود.

این شبکه ها از شبکه های بسیار گسترده ای تشکیل شده اند (معمولاً توسط سازمان های بزرگ در مقیاس منطقه ای و ملی ارائه شده اند) برای نظارت بر خدمات مهم و مدیریت کارآمد منابع.

شبکه ستون فقرات مورد استفاده می تواند بین ارتباطات تلفن همراه ، WiFi و ماهواره متفاوت باشد.

شبکه هوشمند و اندازه گیری هوشمند یکی دیگر از برنامه های بالقوه اینترنت اشیا است که در سراسر جهان اجرا می شود [40].

با نظارت مداوم بر هر نقطه برق داخل خانه و استفاده از این اطلاعات برای اصلاح نحوه مصرف برق می توان به مصرف انرژی کارآمد دست یافت.

این اطلاعات در مقیاس شهر برای حفظ تعادل بار در شبکه برای اطمینان از کیفیت بالای خدمات استفاده می شود.

اینترنت اشیا مبتنی بر ویدئو [41] که پردازش تصویر ، بینایی رایانه ای و چارچوب های شبکه را یکپارچه می کند ، به توسعه یک منطقه جدید تحقیقاتی چالش برانگیز در تقاطع فناوری های ویدئویی ، مادون قرمز ، میکروفون و شبکه کمک می کند.

نظارت ، پرکاربردترین برنامه های شبکه دوربین ، به ردیابی اهداف ، شناسایی فعالیت های مشکوک ، تشخیص چمدان چپ و نظارت بر دسترسی غیرمجاز کمک می کند.

تجزیه و تحلیل رفتار خودکار و تشخیص رویداد (به عنوان بخشی از تجزیه و تحلیل های ویدئویی پیچیده) در مراحل اولیه خود است و پیشرفت هایی در دهه آینده انتظار می رود که در نمودار گارتنر 2011 نشان داده شده است (به شکل 2 مراجعه کنید) نظارت بر شبکه آب و تضمین کیفیت آب آشامیدنی از دیگر موارد است. برنامه حیاتی که با استفاده از اینترنت اشیا مورد بررسی قرار می گیرد.

سنسورهای اندازه گیری پارامترهای بحرانی آب به منظور اطمینان از کیفیت بالای عرضه در نقاط مهم نصب می شوند.

با این کار از آلودگی تصادفی در میان فاضلاب های طوفان ، آب آشامیدنی و دفع فاضلاب جلوگیری می شود.

همین شبکه را می توان برای نظارت بر آبیاری زمین های کشاورزی گسترش داد.

این شبکه همچنین برای نظارت بر پارامترهای خاک توسعه یافته است که به تصمیم گیری آگاهانه در مورد کشاورزی اجازه می دهد [42].

4-4 تلفن همراه:

حمل و نقل هوشمند و تدارکات هوشمند به دلیل ماهیت به اشتراک گذاری داده ها و پیاده سازی ستون فقرات مورد نیاز ، در یک حوزه جداگانه قرار می گیرند.

ترافیک شهری عامل اصلی آلودگی صوتی ترافیک و سهم عمده ای در تخریب کیفیت هوای شهری و انتشار گازهای گلخانه ای است.

ازدحام ترافیک به طور مستقیم هزینه های قابل توجهی را بر فعالیت های اقتصادی و اجتماعی در بیشتر شهرها تحمیل می کند.

کارایی و بهره وری زنجیره تامین ، از جمله عملیات به موقع ، به شدت تحت تأثیر این ازدحام قرار می گیرد که باعث تاخیر در حمل و نقل و خرابی برنامه تحویل می شود.

اطلاعات پویای ترافیک بر حمل بار تأثیر می گذارد ، امکان برنامه ریزی بهتر و برنامه ریزی بهتر را فراهم می کند.

اینترنت اشیاء حمل و نقل امکان استفاده از WSN های مقیاس بزرگ برای نظارت آنلاین بر زمان سفر ، رفتار مسیر مبدا- مقصد (O-D) ، طول صف و آلاینده های هوا و انتشار سر و صدا را ممکن می سازد.

اینترنت اشیا به احتمال زیاد جایگزین اطلاعات ترافیکی ارائه شده توسط شبکه های حسگر موجود از آشکارسازهای حلقه القایی در تقاطع سیستم های کنترل ترافیک موجود می شود.

آنها همچنین توسعه مدل های مبتنی بر سناریو برای برنامه ریزی و طراحی برنامه های کاهش و کاهش ، و همچنین الگوریتم های بهبود یافته برای کنترل ترافیک شهری ، از جمله سیستم های کنترل چند منظوره را پشتیبانی خواهند کرد.

همراه با اطلاعات جمع آوری شده از سیستم کنترل ترافیک شهری ، اطلاعات معتبر و مرتبط با شرایط ترافیک را می توان به مسافران ارائه کرد [43].

رواج دستگاه های فناوری بلوتوث (BT) نشان دهنده نفوذ اینترنت اشیا در تعدادی از محصولات دیجیتالی مانند تلفن های همراه ، مجموعه های هندزفری خودرو ، سیستم های ناوبری و غیره است.

دستگاه های BT سیگنال هایی با شماره شناسایی دسترسی به رسانه (MAC-ID) منحصر به فرد منتشر می کنند که توسط سنسورهای BT در محدوده پوشش خوانده می شود.

از خواننده هایی که در مکان های مختلف قرار گرفته اند می توان برای تشخیص حرکت دستگاه ها استفاده کرد.

با سایر منابع داده مانند سیگنال های ترافیکی یا GPS اتوبوس ، مشکلات تحقیقاتی که می توان آنها را برطرف کرد شامل زمان سفر وسیله نقلیه در بزرگراه ها و خیابان های شریانی ، ماتریس های OD پویا (وابسته به زمان) در شبکه ، شناسایی تقاطع های بحرانی و دقیق و قابل اعتماد واقعی است. اطلاعات وضعیت شبکه حمل و نقل زمانی [39].

نگرانی های زیادی در رابطه با حریم خصوصی در مورد چنین استفاده هایی وجود دارد و فراموشی دیجیتال حوزه نوظهوری از تحقیقات در اینترنت اشیا است که حریم خصوصی مورد توجه است [44].

یکی دیگر از برنامه های مهم در حوزه اینترنت اشیا تلفن همراه مدیریت لجستیک کارآمد است [39].

این شامل نظارت بر موارد حمل شده و همچنین برنامه ریزی کارآمد حمل و نقل است.

به عنوان مثال ، نظارت بر اقلام بیشتر در محلی انجام می شود ، در یک کامیون که دامنه شرکت را تکرار می کند ، اما برنامه ریزی حمل و نقل با استفاده از یک شبکه IoT در مقیاس بزرگ انجام می شود.

5- اینترنت اشیاء ابری محور:

چشم انداز اینترنت اشیا را می توان از دو منظر - "اینترنت" محور و "چیز" محور مشاهده کرد.

معماری متمرکز بر اینترنت شامل سرویس های اینترنتی می شود که تمرکز اصلی را بر عهده دارند در حالی که داده ها توسط اشیاء ارائه می شوند.

در معماری شیء محور [45] ، اشیاء هوشمند مرحله اصلی را به خود اختصاص می دهند.

در کار خود ، ما یک رویکرد اینترنت محور را توسعه می دهیم.

یک چارچوب مفهومی که دستگاههای سنجش همه جا و برنامه های کاربردی را ادغام می کند در شکل 4 نشان داده شده است.

به منظور درک کامل پتانسیل محاسبات ابری و همچنین سنجش همه جا ، به نظر می رسد یک چارچوب ترکیبی با یک ابر در مرکز بسیار مفید است.

این نه تنها انعطاف پذیری تقسیم هزینه های مربوطه را به منطقی ترین شکل ممکن می کند بلکه بسیار مقیاس پذیر است.

ارائه دهندگان خدمات حس می توانند به شبکه بپیوندند و داده های خود را با استفاده از یک ابر ذخیره سازی ارائه دهند. توسعه دهندگان ابزار تحلیلی می توانند ابزارهای نرم افزاری خود را ارائه دهند. کارشناسان هوش مصنوعی می توانند داده کاوی و ابزارهای یادگیری ماشین خود را در تبدیل اطلاعات به دانش مفید ارائه دهند و در نهایت طراح گرافیک رایانه ای می تواند انواع ابزارهای تجسم را ارائه دهد.

رایانش ابری می تواند این خدمات را به عنوان زیرساخت ها ، بسترهای نرم افزاری یا نرم افزاری ارائه دهد که در آن می توان از تمام پتانسیل خلاقیت انسان با استفاده از آنها به عنوان خدمات استفاده کرد.

این امر تا حدی با دیدگاه ubicomp وایزر و روگرز با رویکرد انسانی همخوانی دارد.

داده های تولید شده ، ابزارهای مورد استفاده و تجسم ایجاد شده در پس زمینه ناپدید می شوند و از پتانسیل کامل اینترنت اشیا در حوزه های مختلف برنامه استفاده می کنند.

همانطور که در شکل 4 مشاهده می شود ، Cloud با ارائه ذخیره سازی مقیاس پذیر ، زمان محاسبه و سایر ابزارها برای ایجاد مشاغل جدید ، تمام انتهای ubicomp را ادغام می کند.

در این بخش ما پلتفرم ابری را با استفاده از سیستم عامل های Manjrasoft Aneka و Microsoft Azure برای نشان دادن نحوه ادغام ابر در پارادایم های ذخیره سازی ، محاسبه و تجسم توضیح می دهیم.

علاوه بر این ، ما یک حوزه مهم تعامل بین ابر را معرفی می کنیم که برای ترکیب ابرهای عمومی و خصوصی با استفاده از Aneka مفید است.

این تعامل برای توسعه دهندگان برنامه ضروری است تا اطلاعات حساس ، الگوریتم های تجزیه و تحلیل و تجسم را در یک چارچوب یکپارچه بیابند.

5-1 پلت فرم رایانش ابری Aneka:

Aneka یک برنامه توسعه مبتنی بر NET Platform-as-a-Service (PaaS) است که می تواند از ذخیره سازی و محاسبه منابع ابرهای خصوصی و عمومی استفاده کند [46].

این برنامه یک محیط اجرا و مجموعه ای از API ها را ارائه می دهد که توسعه دهندگان را قادر می سازد با استفاده از مدلهای برنامه نویسی متعدد مانند برنامه نویسی وظیفه ، برنامه نویسی موضوع و برنامه نویسی MapReduce برنامه های کاربردی سفارشی بسازند.

Aneka تعدادی خدمات ارائه می دهد که به کاربران اجازه می دهد منابع مورد استفاده برنامه های خود را کنترل ، مقیاس خودکار ، رزرو ، نظارت و صورتحساب کاربران کنند.

در زمینه برنامه Smart Environment ، Aneka PaaS دارای ویژگی مهم دیگری است که از تأمین منابع در ابرهای عمومی مانند Microsoft Azure ، Amazon EC2 و GoGrid پشتیبانی می کند و در عین حال از منابع ابری خصوصی از رایانه های رومیزی و خوشه ها گرفته تا مرکز داده های مجازی نیز استفاده می کند.

نمای کلی Aneka PaaS در شکل 5 نشان داده شده است.

برای توسعه دهنده برنامه ، سرویس ابری و همچنین داده های حسگر در همه جا پنهان است و به عنوان خدمات با هزینه ای توسط ابزار تأمین Aneka ارائه می شود.

مدیریت خودکار ابرها برای میزبانی و ارائه خدمات IoT به عنوان برنامه های SaaS (Software-as-a-Service) بستر یکپارچه سازی اینترنت آینده خواهد بود.

نیاز به ایجاد زیرساخت اشتراک داده و سرویس است که می تواند برای رسیدگی به چندین سناریوی برنامه استفاده شود.

به عنوان مثال ، تشخیص ناهنجاری در داده های حس شده انجام شده در لایه Application یک سرویس است که می تواند بین چندین برنامه به اشتراک گذاشته شود.

برنامه های موجود/جدید که به عنوان سرویس میزبانی مستقر شده و از طریق اینترنت قابل دسترسی هستند ، SaaS نامیده می شود.

برای مدیریت برنامه های کاربردی SaaS در مقیاس بزرگ ، لایه Platform as a Service (PaaS) نیاز به هماهنگی ابر (تأمین منابع و زمان بندی برنامه) بدون تأثیر بر الزامات کیفیت خدمات (QoS) هر برنامه دارد.

اجزای مدیریت خودمختار برای برنامه ریزی و ارائه منابع با دقت بیشتر برای پشتیبانی از برنامه های اینترنت اشیاء در نظر گرفته شده است.

این هماهنگی مستلزم لایه PaaS برای پشتیبانی از قابلیت های مدیریت خودکار مورد نیاز برای مدیریت برنامه ریزی برنامه ها و تأمین منابع به گونه ای است که الزامات QoS کاربر برآورده شود.

بنابراین اجزای مدیریت خودمختار برای برنامه ریزی و ارائه منابع با سطح بالاتری از دقت برای پشتیبانی از برنامه های اینترنت اشیاء در نظر گرفته شده است.

سیستم مدیریت خودمختار خدمات زیر را با چارچوب Aneka محکم ادغام می کند: حسابداری ، نظارت و پروفایل ، برنامه ریزی و تأمین پویا.

حسابداری ، نظارت و پروفایل به سنسورهای مدیر خودکار تغذیه می کند ، در حالی که مدیران برنامه ریزی و تأمین پویا را کنترل می کنند.

از دیدگاه منطقی ، دو جزء که بیشتر از معرفی ویژگیهای خودکار در Aneka استفاده خواهند کرد ، برنامه زمانبندی برنامه و تأمین منابع پویا هستند.

5-2 زمانبندی برنامه و تأمین منابع پویا در Aneka برای برنامه های IoT:

زمانبند Aneka مسئول اختصاص هر منبع به یک وظیفه در یک برنامه برای اجرا بر اساس پارامترهای QoS کاربر و هزینه کلی برای ارائه دهنده خدمات است.

بسته به محاسبات و داده های مورد نیاز هر برنامه سنسور ، مولفه تأمین منابع پویا را جهت ایجاد یا خاتمه تعداد مشخصی از محاسبات ، ذخیره سازی و منابع شبکه و حفظ صف وظایف برنامه ریزی شده هدایت می کند.

این منطق به عنوان الگوریتم های برنامه ریزی برنامه چند منظوره تعبیه شده است.

زمانبند قادر به مدیریت خرابی منابع با اختصاص آن وظایف به سایر منابع مناسب Cloud است.

م componentلفه تأمین منابع پویا منطق تهیه و مدیریت منابع مجازی در محاسبات ابری خصوصی و عمومی را بر اساس الزامات منابع طبق برنامه زمانبندی برنامه پیاده سازی می کند.

این امر با مذاکره پویا با ارائه دهندگان زیرساخت ابری به عنوان یک سرویس (IaaS) برای نوع مناسب منابع برای زمان و هزینه مشخص با در نظر گرفتن سابقه اجرای قبلی برنامه ها و در دسترس بودن بودجه به دست می آید.

این تصمیم در زمان اجرا گرفته می شود ، هنگامی که برنامه های SaaS به طور مداوم درخواست ها را به پلت فرم ابری Aneka ارسال می کنند [47].

6- IoT Sensor Data Analytics SaaS با استفاده از Aneka و Microsoft Azure:

Microsoft Azure یک پلت فرم ابری است که توسط مایکروسافت ارائه شده است و شامل چهار جزء است که در [46] خلاصه شده است.

چندین مزیت برای ادغام Azure و Aneka وجود دارد.

Aneka برای اجرای برنامه های خود می تواند هر تعداد نمونه را در ابر Azure راه اندازی کند.

در اصل ، زیرساخت های تأمین را فراهم می کند.

به طور مشابه ، Aneka ویژگی های پیشرفته PaaS را ارائه می دهد که در شکل 5 نشان داده شده است.

این برنامه چندین مدل برنامه نویسی (Task ، Thread ، MapReduce) ، خدمات اجرای زمان اجرا ، خدمات مدیریت حجم کار ، تأمین پویا ، زمان بندی مبتنی بر کیفیت و صورتحساب انعطاف پذیر را ارائه می دهد.

همانطور که قبلاً بحث شد ، چشم انداز thubicompmp trealizese ، ابزارها و داده ها برای ایجاد برنامه های جدید باید بین توسعه دهندگان برنامه به اشتراک گذاشته شود.

در اجرای چنین برنامه ای دو مانع عمده وجود دارد.

در مرحله اول ، تعامل بین ابرها حیاتی می شود که توسط Aneka در مدل InterCloud مطرح شده است.

پشتیبانی Aneka از مدل InterCloud امکان ایجاد یک محاسبه ابر ترکیبی را فراهم می کند که منابع ابرهای خصوصی و عمومی را ترکیب می کند.

به این معنا که هرگاه Cloud خصوصی نتواند الزامات QoS برنامه را برآورده کند ، Aneka قابلیت اضافی را از Cloud عمومی اجاره می کند تا اطمینان حاصل شود که برنامه قادر است در مهلت تعیین شده به صورت یکپارچه اجرا شود [47].

ثانیاً ، تجزیه و تحلیل داده ها و ابزارهای هوش مصنوعی از نظر محاسباتی نیازمند منابع زیادی هستند.

برای تجزیه و تحلیل داده ها و ابزارهای هوش مصنوعی ، مدل برنامه نویسی وظیفه Aneka توانایی بیان برنامه ها را به عنوان مجموعه ای از وظایف مستقل فراهم می کند.

هر وظیفه می تواند عملیات متفاوتی را انجام دهد ، یا عملیات مشابهی را بر روی داده های مختلف انجام دهد ، و می تواند به هر ترتیب توسط محیط اجرا اجرا شود.

برای نشان دادن این موضوع ، ما از سناریویی استفاده کرده ایم که در آن چندین الگوریتم تجزیه و تحلیل و چندین منبع داده وجود دارد.

شماتیک تعامل بین Aneka و Azure در شکل 6 آورده شده است که در آن Aneka Worker Containers به ​​عنوان نمونه ای از نقش Azure Worker مستقر شده است.

کانتینر اصلی Aneka در ابر خصوصی داخلی مستقر می شود ، در حالی که Aneka Worker Containers به ​​عنوان نمونه ای از نقش Microsoft Azure Worker Role اجرا می شود.

همانطور که در شکل 6 نشان داده شده است ، از دو نوع Microsoft Azure Worker Roles استفاده می شود.

اینها نقش کارگر Aneka و نقش پروکسی پیام است.

در این مورد ، یک نمونه از نقش پروکسی پیام و حداقل یک نمونه از نقش کارمند آنکا به کار گرفته می شود.

حداکثر تعداد مواردی که Aneka Worker Role می تواند راه اندازی شود با پیشنهاد اشتراک سرویس Microsoft Azure که کاربر انتخاب می کند محدود می شود.

در این سناریوی استقرار ، هنگامی که یک کاربر برنامه ای را به Master Aneka ارسال می کند ، واحدهای شغلی توسط Aneka Master با استفاده از Aneka Workers در محل ، در صورت وجود ، و Aneka Worker در Microsoft Azure به طور همزمان برنامه ریزی می شوند.

هنگامی که کارگران Aneka اجرای واحدهای کاری Aneka را به پایان می رسانند ، نتایج را به Aneka Master ارسال می کنند و سپس Aneka Master نتیجه را به برنامه کاربر ارسال می کند.

یکی دیگر از ویژگی های مهم مورد نیاز برای معماری مستقل IoT مستقل ، SaaS است که توسط توسعه دهندگان به صورت پویا به روز می شود.

در این مثال ، ابزارهای تجزیه و تحلیل (معمولاً به شکل DLL) باید به روز شوند و توسط چندین مشتری استفاده شوند.

با توجه به امتیازات اداری ارائه شده توسط Azure ، این کار به یک کار بی اهمیت تبدیل می شود.

چارچوب توسعه پذیری مدیریت (MEF) یک راه حل ساده برای این مشکل ارائه می دهد.

MEF یک لایه ترکیبی برای است.

NET که انعطاف پذیری ، قابلیت نگهداری و قابلیت آزمایش برنامه های بزرگ را بهبود می بخشد.

MEF را می توان برای افزونه شخص ثالث استفاده کرد ، یا می تواند مزایای معماری شبه افزونه ای را برای برنامه های معمولی به ارمغان آورد.

این کتابخانه برای ایجاد برنامه های سبک وزن و قابل توسعه است.

این به توسعه دهندگان برنامه اجازه می دهد تا بدون نیاز به پیکربندی برنامه های افزودنی را کشف و استفاده کنند.

همچنین به توسعه دهندگان برنامه های افزودنی اجازه می دهد تا به راحتی کد را در بر بگیرند و از وابستگی های سخت شکننده جلوگیری کنند.

MEF نه تنها امکان استفاده مجدد از برنامه های افزودنی را در برنامه ها ، بلکه در سایر برنامه ها نیز می دهد.

MEF یک روش استاندارد برای برنامه میزبان ارائه می دهد تا خود را در معرض نمایش قرار دهد و از برنامه های افزودنی خارجی استفاده کند.

افزونه ها بر اساس ماهیت خود می توانند در بین برنامه های مختلف مورد استفاده مجدد قرار گیرند.

با این حال ، یک برنامه افزودنی هنوز می تواند به روشی که مخصوص برنامه است پیاده سازی شود.

خود افزونه ها می توانند به یکدیگر وابسته باشند و MEF مطمئن می شود که آنها به ترتیب صحیح به هم متصل شده اند.

یکی از اهداف کلیدی طراحی برنامه اینترنت اشیا این است که قابل توسعه است و MEF این راه حل را ارائه می دهد.

با MEF می توانیم از الگوریتم های مختلف (در صورت موجود شدن) و برای تجزیه و تحلیل داده های اینترنت اشیا استفاده کنیم: یک مجموعه تجزیه و تحلیل را در یک پوشه قرار دهید و بلافاصله در دسترس برنامه قرار گیرد.

نمودار سیستم سیستم تجزیه و تحلیل داده های توسعه یافته در شکل 7 آورده شده است.

7- چالش های باز و مسیرهای آینده:

چشم انداز محوری ابر شامل معماری انعطاف پذیر و باز است که کاربر محور است و بازیکنان مختلف را قادر می سازد تا در چارچوب اینترنت اشیا تعامل داشته باشند.

این اجازه می دهد تا تعامل به شیوه ای مناسب برای نیازهای خود آنها انجام شود ، نه اینکه اینترنت اشیاء بر آنها اعمال شود.

به این ترتیب ، چارچوب شامل مقررات برای برآوردن الزامات مختلف برای مالکیت داده ها ، امنیت ، حریم خصوصی و به اشتراک گذاری اطلاعات است.

برخی از چالش های باز بر اساس عناصر اینترنت اشیاء که قبلاً ارائه شده است مورد بحث قرار می گیرد.

این چالش ها شامل چالش های خاص IoT مانند حریم خصوصی ، سنجش مشارکتی ، تجزیه و تحلیل داده ها ، تجسم مبتنی بر GIS و رایانش ابری جدا از چالش های استاندارد WSN شامل معماری ، بهره وری انرژی ، امنیت ، پروتکل ها و کیفیت خدمات است.

استانداردسازی باندها و پروتکل های فرکانسی نقش مهمی در تحقق این هدف دارد.

نقشه راه پیشرفتهای کلیدی در تحقیقات اینترنت اشیاء در زمینه کاربردهای فراگیر در شکل 8 نشان داده شده است که شامل محرک های فناوری و نتایج کلیدی برنامه های مورد انتظار در دهه آینده است [8].

این بخش با چند ابتکار بین المللی در حوزه به پایان می رسد که می تواند نقش مهمی در موفقیت این فناوری سریع ظهور داشته باشد.

7-1 معماری:

معماری کلی که در مراحل اولیه تحقیقات اینترنت اشیا دنبال می شود تأثیر بسزایی در خود حوزه خواهد داشت و باید مورد بررسی قرار گیرد.

بیشتر کارهای مربوط به معماری اینترنت اشیا از منظر شبکه های حسگر بی سیم بوده است [48].

پروژه های اتحادیه اروپا SENSEI [49] و Internet of Things-Architecture (IoT-A) [50] به چالش ها به ویژه از دیدگاه WSN پرداخته اند و برای تعریف معماری برای برنامه های مختلف بسیار موفق بوده اند.

ما معماری را به IoT کلی که کاربر در مرکز آن است و استفاده از داده ها و زیرساخت ها را برای توسعه برنامه های جدید امکان پذیر می کند ، ارجاع می دهیم.

در این مقاله معماری مبتنی بر رایانش ابری در مرکز ارائه شده است.

با این حال ، این ممکن است بهترین گزینه برای هر حوزه کاربردی نباشد ، مخصوصاً برای دفاع که در آن به هوش انسانی متکی است.

اگرچه ما معماری ابری محور را بهترین می دانیم که در آن خدمات مبتنی بر هزینه مورد نیاز است ، اما معماری های دیگر باید برای حوزه های مختلف برنامه مورد بررسی قرار گیرد.

7-2 سنجش کارآمد انرژی:

حس ناهمگن کارآمد محیط شهری نیازمند این است که به طور همزمان خواسته های رقابتی روش های حس چندگانه را برآورده کند. این امر بر ترافیک شبکه ، ذخیره داده ها و استفاده از انرژی پیامدهایی دارد. نکته مهم ، این شامل زیرساخت های سنجش ثابت و تلفن همراه [51] و نمونه گیری مداوم و تصادفی است. یک چارچوب کلی برای جمع آوری و مدل سازی داده ها مورد نیاز است که به طور م characteristicsثر از ویژگی های مکانی و زمانی داده ها ، هم در حوزه حس و هم در حوزه های تبدیل مرتبط استفاده می کند. به عنوان مثال ، نقشه نویز شهری به مجموعه ای بی وقفه از سطوح سر و صدا با استفاده از گره های باتری با استفاده از زیرساخت های ثابت و سنجش مشارکتی [51] به عنوان یک مولفه کلیدی برای سلامت و کیفیت زندگی برای ساکنان آن نیاز دارد. سنجش فشاری اندازه گیری سیگنال را بدون تاثیر بر بازسازی دقیق سیگنال امکان پذیر می کند. یک سیگنال پراکنده در یک مبنا ممکن است از تعداد کمی از پیش بینی ها بر روی مبنای دوم که با اول ناسازگار است ، بازیابی شود [52]. این مشکل به یافتن راه حل های پراکنده از طریق کوچکترین بردار ضریب l1 نرمال که با اندازه گیری ها موافق است ، کاهش می یابد. در زمینه سنجش همه جا ، این امر فشرده سازی داده ها ، ترافیک شبکه و توزیع حسگرها را در بر می گیرد. سنجش فشاری بی سیم (CWS) از ارتباط همزمان برای کاهش قدرت انتقال هر سنسور استفاده می کند [53]. انتقال پیش بینی های پر سر و صدا از نمونه داده ها به یک مکان مرکزی برای تجمع ..

7-3 شبکه های قابل برنامه ریزی مجدد و حریم خصوصی:

امنیت در هر جایی که شبکه ها در مقیاس وسیع مستقر شوند نگرانی اصلی خواهد بود.

راه های زیادی برای حمله به سیستم وجود دارد - غیرفعال کردن دسترسی به شبکه. وارد کردن داده های اشتباه به شبکه ؛ دسترسی به اطلاعات شخصی ؛ و غیره.

سه جزء فیزیکی IoT - RFID ، WSN و ابر در برابر چنین حملاتی آسیب پذیر هستند.

امنیت برای هر شبکه ای حیاتی است [54،55] و اولین خط دفاعی در برابر فساد داده ها رمزنگاری است.

از بین این سه ، RFID (به ویژه منفعل) آسیب پذیرترین است زیرا امکان ردیابی افراد و همچنین اشیاء را فراهم می کند و هیچ سطح بالایی از هوش را نمی توان در این دستگاه ها فعال کرد [15].

این مشکلات پیچیده اما راه حل هایی دارد که می توان با استفاده از روش های رمزنگاری ارائه داد و قبل از اینکه به طور گسترده پذیرفته شود ، مستلزم تحقیقات بیشتر است.

در برابر مهاجمان خارجی ، رمزگذاری محرمانه بودن داده ها را تضمین می کند ، در حالی که کدهای احراز هویت پیام یکپارچگی و صحت داده ها را تضمین می کند [56].

با این حال ، رمزگذاری در برابر حملات مخرب داخلی محافظت نمی کند ، به منظور رسیدگی به ابزارهای غیر رمزنگاری ، به ویژه در WSN ها.

همچنین ، به صورت دوره ای ، برنامه های حسگر جدید باید نصب شوند یا برنامه های موجود باید به روز شوند.

این امر با برنامه ریزی مجدد بی سیم از راه دور تمام گره های شبکه انجام می شود.

برنامه ریزی مجدد شبکه سنتی فقط شامل یک پروتکل انتشار داده ها است که کد را بدون احراز هویت به تمام گره های شبکه توزیع می کند ، که یک تهدید امنیتی است.

یک پروتکل برنامه ریزی مجدد امن به گره ها اجازه می دهد تا هر به روزرسانی کد را احراز هویت کرده و از نصب مخرب جلوگیری کنند.

اکثر چنین پروتکل هایی (به عنوان مثال ، [57]) بر اساس پروتکل معیار Deluge [58] است.

ما به افزونه های رمزنگاری به Deluge نیاز داریم که پایه و اساس توسعه الگوریتم های پیچیده را ایجاد می کند.

امنیت در ابر یکی دیگر از زمینه های مهم تحقیق است که نیاز به توجه بیشتری دارد.

در کنار وجود داده ها و ابزارها ، ابر همچنین اقتصاد اینترنت اشیا را مدیریت می کند که این امر تهدیدی بزرگتر از سوی مهاجمان خواهد بود.

امنیت و حفاظت از هویت در ابرهای ترکیبی که در آنها از ابرهای خصوصی و عمومی توسط مشاغل استفاده می شود بسیار مهم است [59].

به خاطر سپردن ابدی در زمینه اینترنت اشیا ، بسیاری از مسائل مربوط به حریم خصوصی را ایجاد می کند زیرا داده های جمع آوری شده می توانند به روش های مثبت (برای خدمات تبلیغاتی) و منفی (برای افترا) مورد استفاده قرار گیرند.

فراموشی دیجیتالی می تواند به عنوان یکی از زمینه های کلیدی تحقیق برای رفع نگرانی ها و ایجاد چارچوبی مناسب برای محافظت از داده های شخصی ظاهر شود [44].

7-4. کیفیت خدمات :

شبکه های ناهمگن (به طور پیش فرض) چند سرویس هستند. ارائه بیش از یک برنامه یا سرویس مجزا.

این نه تنها شامل انواع مختلف ترافیک در شبکه است ، بلکه توانایی یک شبکه واحد برای پشتیبانی از همه برنامه ها بدون مصالحه QoS را نیز در بر می گیرد [60].

دو کلاس کاربردی وجود دارد: ترافیک کششی قابل تحمل و تأخیر (به عنوان مثال نظارت بر پارامترهای آب و هوا با نرخ نمونه برداری پایین) ، و پهنای باند و تردد غیر کششی حساس (زمان واقعی) (به عنوان مثال سر و صدا یا نظارت بر ترافیک) ، که می تواند بیشتر مورد تمایز قرار گیرد. توسط برنامه های کاربردی مرتبط با داده (به عنوان مثال ویدئوهای با وضوح بالا در مقابل کیفیت پایین) با الزامات مختلف QoS.

بنابراین ، یک رویکرد کنترل شده و بهینه برای ارائه خدمات مختلف به شبکه های ترافیکی ، که هر کدام دارای نیازهای QoS کاربرد خاص خود هستند مورد نیاز است [61].

ارائه ضمانت های QoS در شبکه های بی سیم کار آسانی نیست ، زیرا بخش ها اغلب به دلیل محدودیت در تخصیص منابع و توانایی مدیریت در رسانه های بی سیم مشترک ، "ضمانت" منابع را تضمین می کنند.

کیفیت خدمات در رایانش ابری یکی دیگر از مناطق مهم تحقیقاتی است که با در دسترس قرار گرفتن داده ها و ابزارها در ابرها ، نیاز به توجه بیشتری دارد.

الگوریتم های زمانبندی پویا و تخصیص منابع بر اساس بهینه سازی ازدحام ذرات در حال توسعه است.

برای کاربردهای با ظرفیت بالا و با رشد اینترنت اشیاء ، این می تواند به یک تنگنا تبدیل شود.

7-5. پروتکل های جدید:

پروتکل هایی که در انتهای سنجش اینترنت اشیا قرار دارند ، نقش اساسی در تحقق کامل بازی خواهند کرد.

آنها ستون فقرات تونل داده بین حسگرها و دنیای خارج را تشکیل می دهند.

برای کارکرد م efficientثر سیستم ، پروتکل MAC کارآمد و پروتکل مسیریابی مناسب بسیار مهم است.

چندین پروتکل MAC برای دامنه های مختلف با طرح های TDMA (بدون برخورد) ، CSMA (راندمان کم ترافیک) و FDMA (بدون برخورد ، اما نیاز به مدارهای اضافی در گره ها) در اختیار کاربر ارائه شده است [67].

هیچکدام از آنها به عنوان یک استاندارد پذیرفته نمی شوند و با وجود موارد دیگر این سناریو به هم ریخته تر می شود که نیاز به تحقیقات بیشتری دارد.

یک سنسور جداگانه می تواند به دلایل مختلف از کار بیفتد ، بنابراین شبکه باید خود را تطبیق داده و مسیریابی چند مسیری را امکان پذیر کند.

پروتکل های مسیریابی چند مرحله ای در شبکه های موقت موبایل و WSN های زمینی استفاده می شود [68].

آنها عمدتا به سه دسته تقسیم می شوند - داده محور ، موقعیت مکانی و سلسله مراتبی ، دوباره بر اساس حوزه های کاربردی مختلف.

انرژی اصلی ترین ملاحظات برای پروتکل های مسیریابی موجود است.

در مورد IoT ، باید توجه داشت که ستون فقرات در دسترس خواهد بود و تعداد هاپ در سناریوی چند هاپ محدود خواهد بود.

در چنین سناریویی ، پروتکل های مسیریابی موجود باید در اجرای عملی با تغییرات جزئی کافی باشند.

7-6. حس مشارکت:

تعدادی از پروژه ها برای توسعه پلتفرم های تشخیص مردم محور (یا مشارکتی) شروع شده اند [51،62-64].

همانطور که قبلاً اشاره شد ، سنجش مردم محور امکان سنجش هزینه کم محیط را برای کاربر ارائه می دهد.

بنابراین می تواند نزدیک ترین نشانه از پارامترهای محیطی را که کاربر تجربه کرده است ارائه دهد.

توجه شده است که داده های محیطی جمع آوری شده توسط کاربر یک ارز اجتماعی را تشکیل می دهد [65].

این امر باعث می شود داده های به موقع تری در مقایسه با داده های موجود از طریق یک شبکه حسگر زیرساخت ثابت تولید شود.

مهمتر از همه ، این فرصتی است که کاربر می تواند در مورد تجربه خود از یک پارامتر محیطی خاص که اطلاعات ارزشمندی را در قالب زمینه مرتبط با یک رویداد خاص ارائه می دهد ، بازخورد دهد.

محدودیت های تشخیص افراد متمرکز اهمیت جدیدی بر نقش داده های مرجع ارائه شده توسط IoT زیرساخت ثابت به عنوان ستون فقرات دارد.

مشکل نمونه های مفقود شده یک محدودیت اساسی در تشخیص مردم محور است.

با تکیه بر داده های داوطلبانه کاربران و جمع آوری ناسازگار نمونه های به دست آمده در زمان های مختلف و مکان های مختلف (بر اساس مشارکت مورد نظر کاربر و مکان یا مسیر سفر مشخص شده) ، توانایی تولید داده های معنی دار برای هر گونه برنامه کاربردی و تصمیم گیری در مورد سیاست ها را محدود می کند.

تنها در پرداختن به مسائل و مفاهیم مالکیت داده ها ، حفظ حریم خصوصی و مشوق های مشارکت مناسب ، چنین بستری می تواند به مشارکت واقعی کاربر نهایی برسد.

از طریق افزودن ماژول های حسگر متصل به تلفن برای سنجش کاربردهای خاص ، مانند سنسورهای کیفیت هوا [66] یا سنسورهای بیومتریک ، می توان روش های دیگر را تشخیص داد.

در چنین سناریوهایی ، تلفن های هوشمند تبدیل به گره های مهم اینترنت اشیا می شوند که در یک طرف به ابر و در انتهای دیگر به چندین سنسور متصل می شوند.

7-7. داده کاوی :

استخراج اطلاعات مفید از یک محیط سنجش پیچیده در وضوح مکانی و زمانی مختلف یک مشکل تحقیقاتی چالش برانگیز در هوش مصنوعی است.

روشهای پیشرفته کنونی از روشهای یادگیری سطحی استفاده می کنند که در آن رویدادها و ناهنجاریهای داده از پیش تعریف شده با استفاده از یادگیری تحت نظارت و بدون نظارت استخراج می شوند [69].

سطح بعدی یادگیری شامل استنباط فعالیت های محلی با استفاده از اطلاعات زمانی رویدادهایی است که از یادگیری سطحی استخراج شده است.

چشم انداز نهایی این است که رویدادهای پیچیده را بر اساس مقیاس های فضایی بزرگتر و زمانی طولانی تر بر اساس دو سطح قبل تشخیص دهیم.

مشکل اساسی تحقیقاتی که در محیط های حساس پیچیده ای از این نوع بوجود می آید این است که چگونه می توان به طور همزمان بازنمایی رویدادها و فعالیتها را در سطوح مختلف پیچیدگی (یعنی رویدادها ، فعالیتهای محلی و فعالیتهای پیچیده) آموخت.

تمرکز نوظهور در تحقیقات یادگیری ماشینی ، حوزه یادگیری عمیق بوده است [70] ، که هدف آن یادگیری چندین لایه انتزاعی است که می تواند برای تفسیر داده های داده شده مورد استفاده قرار گیرد.

علاوه بر این ، محدودیت های منابع در شبکه های حسگر چالش های جدیدی را برای یادگیری عمیق از نظر نیاز به تکنیک های یادگیری تطبیقی ​​، توزیع شده و افزایشی ایجاد می کند.

7-8 تجسم مبتنی بر GIS:

با ظهور فناوری های جدید نمایش ، تجسم خلاق فعال می شود.

تکامل از CRT به صفحه نمایش های پلاسما ، LCD ، LED و AMOLED منجر به نمایش بسیار کارآمد داده ها (با استفاده از رابط لمسی) شده است و کاربر می تواند بهتر از قبل داده ها را هدایت کند.

با ظهور نمایشگرهای سه بعدی ، این منطقه مطمئناً فرصتهای تحقیق و توسعه بیشتری دارد.

با این حال ، داده هایی که از محاسبه همه جا به دست می آید همیشه برای استفاده مستقیم با استفاده از پلتفرم های تجسم آماده نیست و نیاز به پردازش بیشتری دارد.

سناریو برای داده های ناهمگن مکانی-زمانی بسیار پیچیده می شود [71].

طرح های جدید تجسم برای نمایش سنسورهای ناهمگن در چشم انداز سه بعدی که از نظر زمانی متفاوت است باید توسعه داده شود [72].

یکی دیگر از چالش های تجسم داده های جمع آوری شده در اینترنت اشیاء این است که آنها به زمین وابسته هستند و توزیع کمی دارند.

برای مقابله با چنین چالشی ، یک چارچوب مبتنی بر GIS اینترنتی مورد نیاز است.

7-9 رایانش ابری:

یک برنامه کاربردی یکپارچه IoT و رایانش ابری که امکان ایجاد محیط های هوشمند مانند شهرهای هوشمند را فراهم می آورد باید بتواند (الف) خدمات ارائه شده توسط چندین ذینفع را ترکیب کرده و (ب) مقیاس را برای پشتیبانی تعداد زیادی از کاربران به شیوه ای مطمئن و غیر متمرکز فراهم کند.

آنها باید بتوانند در هر دو محیط شبکه سیمی و بی سیم کار کنند و با محدودیت هایی مانند دسترسی به دستگاه ها یا منابع داده با قدرت محدود و اتصال غیرقابل اعتماد برخورد کنند.

بسترهای کاربردی Cloud باید تقویت شوند تا از (الف) ایجاد سریع برنامه ها با ارائه ابزارها و محیط های برنامه نویسی خاص و (ب) اجرای یکپارچه برنامه های کاربردی با استفاده از قابلیت های منابع پویا و ناهمگن متعدد برای برآوردن کیفیت خدمات مورد نیاز کاربران

سیستم مدیریت منابع و زمانبندی منابع ابری باید بتواند به طور پویا درخواستها و منابع را در اولویت قرار دهد تا درخواستهای مهم در زمان واقعی ارائه شوند.

برای دستیابی به نتایج قابل اطمینان ، زمانبند باید با الگوریتم های تکثیر وظیفه برای مدیریت خرابی تقویت شود.

به طور خاص ، الگوریتم های برنامه ریزی برنامه Cloud باید قابلیت های زیر را نشان دهند:

1- بهینه سازی چند هدفه: الگوریتم های زمان بندی باید بتوانند با پارامترهای QoS مانند زمان پاسخگویی ، هزینه استفاده از خدمات ، حداکثر تعداد منابع موجود در واحد قیمت و مجازات های تخریب خدمات سروکار داشته باشند.

2- تحمل خطا بر اساس تکثیر وظیفه: وظایف مهم برنامه کاربردی به طور شفاف تکرار شده و بر روی منابع مختلف اجرا می شود ، به طوری که اگر یک منبع نتواند کار را انجام دهد ، می توان از نسخه تکراری آن استفاده کرد. این منطق در کارهای زمان واقعی که باید برای ارائه خدمات به موقع پردازش شوند بسیار مهم است.

7-10 فعالیتهای بین المللی:

فعالیتهای اینترنت اشیا در سراسر جهان در حال جمع شدن است و طرح های متعددی در صنعت ، دانشگاه و سطوح مختلف دولتی در حال انجام است ، زیرا ذینفعان اصلی به دنبال ترسیم راهی برای تحقق هماهنگ این تکامل تکنولوژیکی هستند.

در اروپا ، تلاش قابل ملاحظه ای برای ادغام فعالیت های بین المللی گروه ها و سازمان های تحقیقاتی در حال انجام است ، که شامل M2M ، WSN و RFID به یک چارچوب یکپارچه اینترنت اشیا می شود.

با پشتیبانی کمیسیون اروپایی برنامه چارچوب هفتم (EU-FP7) ، این شامل خوشه تحقیقات اروپایی اینترنت اشیاء (IERC) است.

اهداف آن شامل تعدادی از پروژه های FP7 اتحادیه اروپا است: ایجاد یک بستر همکاری و چشم انداز تحقیقاتی برای فعالیت های اینترنت اشیا در اروپا و تبدیل شدن به یک نقطه تماس برای تحقیقات اینترنت اشیا در جهان.

این شامل پروژه هایی مانند CASAGRAS2 ، کنسرسیوم شرکای بین المللی از اروپا ، ایالات متحده ، چین ، ژاپن و کره است که مسائل مربوط به RFID و نقش آن در تحقق اینترنت اشیا را بررسی می کند.

همچنین ، IERC شامل پروژه معماری اینترنت اشیاء (IoT-A) است که برای تعیین یک مدل مرجع معماری برای قابلیت همکاری سیستم های اینترنت اشیاء و اجزای سازنده کلیدی برای دستیابی به این هدف ایجاد شده است.

درعین حال ، IoT Initiative (IoT-i) یک اقدام هماهنگ است که برای حمایت از توسعه جامعه اینترنت اشیاء اروپایی ایجاد شده است.

پروژه IoT-i کنسرسیومی از شرکا را گرد هم می آورد تا یک چشم انداز استراتژیک و فنی مشترک برای اینترنت اشیا در اروپا ایجاد کند که بخش های فعلی قطعه قطعه شده حوزه دامنه اینترنت اشیاء را به طور جامع شامل می شود.

همزمان ، پروژه SmartSantander در حال توسعه یک IoT در مقیاس شهر برای تحقیقات و ارائه خدمات در سراسر شهر سانتاندر اسپانیا و همچنین سایتهایی در انگلستان ، آلمان ، صربستان و استرالیا است.

همزمان ، ابتکارات گسترده ای در ژاپن ، کره ، ایالات متحده و استرالیا در حال انجام است ، جایی که صنعت ، سازمان های مرتبط و ادارات دولتی در برنامه های مختلف همکاری می کنند و قابلیت های مرتبط را به سمت IoT پیش می برند.

این شامل ابتکارات شهرهای هوشمند ، برنامه های شبکه هوشمند با استفاده از فناوری های اندازه گیری هوشمند و توسعه زیرساخت های پهن باند با سرعت بالا است.

توسعه مداوم فن آوری های مرتبط با RFID توسط صنعت و کنسرسیوم هایی مانند آزمایشگاه Auto-ID (تأسیس در MIT و در حال حاضر با آزمایشگاه های ماهواره ای در دانشگاه های پیشرو در کره جنوبی ، چین ، ژاپن ، انگلستان ، استرالیا و سوئیس) که به ایجاد اینترنت اختصاص داده شده است. چیزهایی با استفاده از RFID و شبکه های حسگر بی سیم در حال پیگیری است.

به طور قابل توجهی ، نیاز به اجماع در مورد مسائل فنی اینترنت اشیا ، ایجاد پروتکل اینترنت برای اشیاء هوشمند (IPSO) ، اکنون با بیش از 60 شرکت عضو از شرکت های پیشرو در زمینه فناوری ، ارتباطات و انرژی ، که با سازمان های استاندارد مانند IETF کار می کنند ، ایجاد شده است. ، IEEE و ITU برای تعیین فناوری های جدید مبتنی بر IP و ترویج اجماع صنعت برای مونتاژ قطعات برای اینترنت اشیاء.

فعالیتهای قابل ملاحظه ای برای توسعه اینترنت اشیا نیز در چین در حال انجام است ، با دوازدهمین برنامه پنج ساله خود (2011-2015) ، که سرمایه گذاری و توسعه اینترنت اشیا را مشخص می کند و باید بر آن متمرکز شود: حمل و نقل هوشمند ؛ تدارکات هوشمند ؛ خانه هوشمند؛ آزمایش ایمنی و محیط زیست ؛ کنترل صنعتی و اتوماسیون ؛ مراقبت های بهداشتی؛ کشاورزی خوب ؛ امور مالی و خدمات ؛ دفاع نظامی

این امر با ایجاد مرکز اینترنت اشیاء در شانگهای (با سرمایه گذاری کل بیش از 100 میلیون دلار آمریکا) برای مطالعه فن آوری ها و استانداردهای صنعتی کمک می کند.

صندوق صنعت اینترنت اشیاء و اتحادیه اینترنت اشیاء "حس چین" در Wuxi تاسیس شده است که توسط بیش از 60 اپراتور ، موسسه و شرکت مخابراتی که محرک اصلی صنعت هستند راه اندازی شده است.

8- خلاصه و نتیجه گیری:

گسترش دستگاه هایی با قابلیت های ارتباطی- بینایی ، چشم انداز اینترنت اشیا را نزدیک می کند ، جایی که عملکردهای حس و فعال سازی به طور یکپارچه در پس زمینه ترکیب می شوند و قابلیت های جدید از طریق دسترسی به منابع اطلاعاتی غنی جدید امکان پذیر می شود.

تکامل سیستم تلفن همراه نسل بعدی به خلاقیت کاربران در طراحی برنامه های جدید بستگی دارد.

اینترنت اشیا یک فناوری نوظهور ایده آل برای تأثیرگذاری بر این حوزه با ارائه داده های در حال تحول جدید و منابع محاسباتی مورد نیاز برای ایجاد برنامه های انقلابی است.

در اینجا یک مدل مبتنی بر ابر کاربر محور برای نزدیک شدن به این هدف از طریق تعامل ابرهای خصوصی و عمومی ارائه شده است.

به این ترتیب ، نیازهای کاربر نهایی مطرح می شود.

با توجه به انعطاف پذیری لازم برای برآوردن نیازهای متنوع و بعضاً رقیب بخشهای مختلف ، ما چارچوبی را پیشنهاد می کنیم که توسط یک ابر مقیاس پذیر فعال شده و ظرفیت استفاده از اینترنت اشیا را فراهم می کند.

این چارچوب اجازه می دهد تا موضوعات شبکه سازی ، محاسبه ، ذخیره سازی و تجسم جداگانه در نتیجه امکان رشد مستقل در هر بخش ، اما مکمل یکدیگر در یک محیط مشترک فراهم شود.

استانداردسازی که در هر یک از این موضوعات در حال انجام است با Cloud در مرکز آن تأثیر منفی نخواهد گذاشت.

در پیشنهاد چارچوب جدید ، چالش های مرتبط از تفسیر مناسب و تجسم حجم عظیمی از داده ها گرفته تا مسائل مربوط به حریم خصوصی ، امنیت و مدیریت داده ها که باید چنین پلتفرمی را پایه گذاری کنند تا به طور واقعی قابل اجرا باشد ، برجسته شده است.

تجمیع ابتکارات بین المللی به وضوح پیشرفت در جهت اینترنت اشیا را تسریع می کند و یک دیدگاه جامع برای عناصر یکپارچه سازی و عملکردی که می توانند یک IoT عملیاتی را ارائه دهند ، ارائه می دهد.