دانلود رایگان ترجمه مقاله معماری کم مصرف برای IoT (آی تریپل ای ۲۰۱۷)

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

همه مطالعات فوق تکنیک‌های مختلف برای ذخیره انرژی از سنسورهای اینترنت اشیا را مورد بحث قرار دادند. بااین‌حال، هیچ یک از نویسندگان توجه خود را برای ساخت معماری انرژی کارآمد اینترنت اشیا معطوف نکردند. علاوه براین، هیچ یک از آنها، مکانیزمی برای پیش‌بینی فاصله خواب گره‌های حسگر براساس باقی‌مانده باتری و سابقه استفاده قبلی و افزایش بهره‌برداری از منابع ابر اختصاص داده زمانی که سنسور مربوطه در حالت صرفه‌جویی در انرژی می‌باشد پیشنهاد ندادند.

۳٫ PA
شکل. ۲ نشان می‌دهد که PA متشکل از سه لایه، سنجش و لایه کنترل (SCL)، لایه پردازش اطلاعات (IPL) و لایه کاربرد (AL)، همراه با مسائل به کار گرفته شده توسط هر لایه است. SCL داده‌ها را از محیط هدف و به‌صورت انرژی کارآمد جمع‌آوری کرده و آنها را به IPL می‌فرستد. AL از اطلاعات جمع‌آوری شده توسط IPL در حوزه‌های مختلف مانند نظارت بر سلامت، شهر هوشمند، حمل‌ونقل هوشمند و غیره استفاده می‌کند. این سه لایه با جزئیات بیشتر در پایین شرح داده شده است.

A. SCL
SCL متشکل از عناصر سخت‌افزاری یک سیستم اینترنت اشیا است. که داده های خام در حجم بزرگ را جمع‌آوری کرده و آنها را برای تحلیل و بررسی داده می‌فرستد. سه جزء اصلی این لایه، گره‌های حسگر (SNS)، گره‌های دروازه با صرفه‌جویی در انرژی (eGNs) و یک ایستگاه پایه با انرژی کارآمد (که گره تکامل یافته یا eNode نامیده می‌شود) است. هر یک از این اجزا در زیر توضیح داده شده‌اند.
۱)SN: SN مسئول جمع‌آوری اطلاعات می‌باشد. آنها محیط را بررسی کرده و معیارهای سنسور را به یک گره دروازه (EGN) ارسال می‌کنند. براساس فرکانس جمع‌آوری و انتقال داده، SN به‌صورت دوره‌ای طبقه‌بندی می‌شود [۱۹]. SN مبتنی بر trigger برای رویداد خاصی و انتقال داده‌ها منتظر می‌ماند. از سوی دیگر، سنسورهای دوره‌ای داده‌ها را در فواصل منظم و یا به هنگام پرس و جو جمع‌آوری و انتقال می‌دهند. هر دو نوع SN داده‌ها را در بافر مربوطه جمع‌آوری می‌کند و سخت‌افزار ارتباطی آنها اطلاعات جمع‌آوری شده را به eGN می‌فرستد.
علاوه براین، SN ها دارای باتری و مقدار انرژی محدود هستند، که به هنگام فعال شدن SN مورد استفاده قرار می‌گیرند. SN زمانی “فعال” است که در انرژی بالا باشد و به طور فعال در حال سنجش و انتقال داد‌ها به eGN باشد. PA به SN اجازه می‌دهد تا انرژی خود را با خاموش کردن فرستنده و گیرنده آن یا تغییر به یک حالت انرژی پایین (همچنین به نام حالت خواب)حفظ کند. SN بلافاصله پس از اتمام انتقال داده به حالت خواب سوئیچ کرده و تا زمانی که eGN یک سیگنال بیدار باش بفرستد در حالت خواب باقی می‎‌ماند. eGN می‌تواند سیگنال بیدار کردن را در سه موقعیت ارسال کند: ابتدا، زمانی که فاصله خواب برای SN تمام شده باشد. سپس، در هنگام پرس‌وجو؛ و در نهایت، زمانی که برخی SN های دیگر خواستار برقراری ارتباط با آن هستند. در دو مورد اولی، SN محیط هدف را برای پر کردن بافر آن نظارت می‌کند، درحالی‌که در مورد سوم، SN داده‌های ورودی را در بافر آن دریافت می‌کند. داده‌های دریافت شده می‌تواند توسط SN به‌عنوان یک محرک استفاده شود. SN بعد از تکمیل عمل مورد نیاز مجددا به حالت خواب سوئیچ می‌کند. SN حتی اگر برای نظارت بر محیط هدف برای مدت زمان طولانی مورد نیاز نباشد به حالت خواب می‌رود. بنابراین، سنسورها از قدرت باتری خود برای سوئیچینگ بین حالت فعال و حالت خواب هنگامی که مورد نیاز هستند استفاده می‌کنند.
۲) eGN ها: eGN یکی از عوامل اصلی برای صرفه جویی در انرژی است در SCL. نه تنها رسانه‌های ذخیره‌سازی برای داده‌های دریافتی از حسگرها را فراهم می‌کند بلکه به‌عنوان یک کنترلر از SN متصل به آن عمل می‌کند. که فاصله خواب هر SN متصل به آن در دو مرحله محاسبه می‌شود. در اولین قدم، فاصله تا خواب بعدی هر SN براساس سابقه استفاده قبلی آن پیش‌بینی می‌شود. گام‌های بعدی از این مقدار پیش‌بینی شده برای محاسبه فاصله خواب واقعی براساس عوامل مختلف که در زیر شرح داده شده استفاده می‌کنند.
فرض کنید T_(n+1)^i مقدار پیش‌بینی شده از (N + 1) اُمین فاصله خواب در iاُمین SN (SNi) و t_n^i مقدار واقعی n امین فاصله خواب SNi است. eGN، T_(n+1)^i هر SNi را با استفاده از متوسط نمایی [۴۴] طول اندازه گیری از فواصل قبلی خواب، همانطور که در شکل ۱ نشان داده شده است پیش‌بینی می‌کند. عامل Δti برای محاسبه مقدار واقعی N + 1 امین فاصله خواب با استفاده از (۲) به T_(n+1)^i اضافه شده است.
در معادله (۱)، T_n^i شامل تاریخ گذشته است، درحالی‌که t_n^i اطلاعات اخیر است. مقدار اولیه، به‌عنوان مثال، T0، مستقل از نرم‌افزار و برای هر برنامه ثابت است. α پارامتر کنترلی برای وزن نسبی از تاریخ گذشته و سناریو حاضر در پیش‌بینی است و تعیین می‌کند چگونه گذشته سپری شده است. مقدار α بین ۰ و ۱ تغییر می‌کند. اگر α = ۰، آنگاه سناریوی تازه تاثیر ندارد، و مقدار فاصله خواب بعدی بستگی به تاریخ گذشته دارد. اگر α = ۱، فاصله خواب بعدی برابر با فاصله‌های قبلی است. مقدار α با توجه به نوع سنسور استفاده شده تعیین می‌شود. در سنسور تناوبی، سناریوهای گذشته و حال معمولا با اهمیت یکسان در نظر گرفته می‌شوند، از این رو، مقدار α به ۰٫۵ نزدیک می‌شود. در یک سنسور مبتنی بر trigger، تجارب گذشته برای برآورد زمان وقوع رویداد مهم است، از این رو، مقدار α نزدیک به ۰ می‌شود.
در (۲)، عامل Δti تغییر در فاصله خواب است. مقدار Δti می‌تواند صفر، مثبت یا منفی باشد که به عوامل مختلفی مانند نوع سنسور بستگی دارد. در سنسور تناوبی، عامل Δti به عوامل مختلفی بستگی دارد که در زیر توضیح داده شده است.
(۱)کیفیت اطلاعات ∲: با فواصل خواب کوتاه‌تر، حسگر داده‌های بیشتری از محیط مورد ظر دریافت می‌کند، از این رو، کیفیت اطلاعات بهبود می‌یابد، اما باتری بیشتری مصرف می‌شود. به‌طور مشابه، فواصل خواب طولانی موجب کاهش مقدار داده‌های حسگر می‌شود، که به تبع آن منجر به کاهش کیفیت اطلاعات می‌گردد. علاوه براین، فواصل خواب طولانی با صرفه‌جویی در باتری همراه هستند، اما آنها نمی‌توانند کیفیت اطلاعات استخراج شده را که بطور قابل توجهی کاهش می‌یابند افزایش دهند. بنابراین، برای حفظ تعادل بین کیفیت اطلاعات استخراج شده و مصرف انرژی سیستم‌های اینترنت اشیا، eNode با مرکز داده برای استخراج کیفیت اطلاعات ارتباط برقرار می‌کند. کیفیت اطلاعات به L سطح اعم از سطح ۱ (بسیار کم) به سطح L (بسیار بالا) تقسیم می‌شود. مقدار ∲(k) با تقسیم سطح اطلاعات به تعداد کل سطوح به دست می‌آید برای مثال، اگر ده سطح از اطلاعات وجود داشته باشد، سطح پنجم از مقدار ∲(k) برابر با ۰٫۵ خواهد بود. مقدار محاسبه شده توسط مرکز تحلیل اطلاعات از IPL به eNode انتقال می‌یابد، سپس به eGN منتقل می‌شود. eGN، به نوبه خود، در مورد فاصله خواب بسته به اطلاعات ارائه شده توسط eNode تصمیم می‌گیرد.
(۲)عامل تضاد (ξi): گاهی اوقات، منطقه تحت پوشش دو یا چند سنسور ممکن است با هم تداخل داشته باشند. شکل ۳ نشان‌دهنده‌ی چنین موردی است، که در آن خط نقطه‌چین نشان‌دهنده‌ی منطقه‌ی تحت پوشش از هر گره است. در اینجا، منطقه تحت پوشش SN2 در تضاد با منطقه تحت پوشش از SN1 و SN3 است. عامل تضاد (ξi) مقدار منطقه همپوشانی گره i ام را محاسبه می‌کند که در آن R شعاع پوشش SN ، و Dik فاصله بین گره i ام و k ام است.
(۳) سطح باتری (EI): به باقی‌مانده سطح باتری SNi مربوط می‌شود. سطح باتری می‌تواند خیلی کم (کمتر از ۲۰٪) به بسیار بالا (بیشتر از ۸۰٪) باشد. وقتی که میزان مصرف باتری بالا باشد، فاصله خواب می‌تواند کاهش یابد. از سوی دیگر، با کاهش میزان مصرف باتری، فاصله خواب به تدریج برای بهره‌وری انرژی افزایش می‌یابد.
(۴) ضریب تغییرات (CoV): eGN بر میزان انحراف بین مقادیر حاضر و قبلی نظارت دارد. اگر مقادیر تنوع قابل توجهی نشان ندهد، فاصله خواب را می‌توان برای استفاده بهتر از انرژی طولانی مدت انجام داد. از سوی دیگر، اگر مقادیر انحراف زیادی داشتند، فاصله خواب برای نظارت موثر بر محیط هدف کاهش یافته است.

پس از محاسبه فاصله خواب واقعی هر SN متصل به آن، eGN یک سیگنال از خواب بیدار شدن به SN می‌فرستد. علاوه‌براین، هر گونه ارتباطی بین SN ها از طریق eGN ها انجام شده است. ارتباطات بین دو SN حالت انتقادی به خود می‌گیرد اگر اقدام فوری با دریافت SN در پذیرش پیام مورد نیاز باشد. بااین‌حال، اگر پیام ارتباطی حاوی اطلاعاتی باشد که می‌تواند با دریافت SN در آینده مورد استفاده قرار گیرد، ارتباطات غیر بحرانی نامیده می‌شود. گره فرستنده می‌تواند نوع ارتباطات را با تعبیه یک بیت در عنوان پیام نشان دهد.
هنگامی که SN ها می‌خواهند با یکدیگر ارتباط برقرا کنند، eGN بررسی می‌کند که آیا SN دریافتی فعال است. اگر SN دریافتی در حالت خواب و ارتباطات بسیار مهم باشد، eGN بلافاصله یک سیگنال از خواب بیدار کردن برای اطمینان از عدم وجود فقدان بسته زمانی که ارتباطات آغاز شده است به آن می فرستد. بااین‌حال، اگر ارتباطات به اندازه کافی مهم نباشد، eGN پیام SN ارسالی را در بافر ذخیره کرده و آن را به SN دریافتی به هنگام از خواب بیدار شدن انتقال می‌دهد. علاوه‌براین، زمانی که یک پیام جستجو می‌رسد eGN یک سیگنال از خواب بیدار کردن به SN (اگر در حالت خواب باشد) می‌فرستد. بنابراین، eGN به SN کمک می‌کند تا به‌طور موثر از انرژی خود با تعویض به حالت خواب در هر زمانی که بیکار است و با توجه به الگوریتم ۱ استفاده کند.
۳) eNode انرژی کارآمد: SCL شامل یک ایستگاه پایه یا یک eNode است که تمام eGN ها را کنترل می‌کند. که هر گونه اطلاعات مورد نیاز [مانند کیفیت اطلاعات (∲)[ را از مرکز تحلیلی ابر اطلاعات بازخوانی کرده و آن را به eGN انتقال می‌دهد. همچنین تمام داده‌های ببه دست آمده با SN را به IPL انتقال می‌دهد، از این رو، یک مسیر ارتباطی بین سنسور و منابع ابر ایجاد می‌کند. علاوه بر این، eNode، SN را به هر eGN بر اساس میزان مصرف باتری و فاصله SN از eGN اختصاص می‌دهد.