New Approach for Optimizing Usage of Situation Recognition Algorithms within IoT Domains

In den letzten Jahren gab es viele Fortschritte in Technologien, die zur Entwicklung des Internet der Dinge (Internet of Things) beigetragen haben. Das Internet der Dinge besteht aus (intelligenten) Objekten, in denen Sensoren, Aktuatoren und Controller eingebettet sind. Diese Objekte sind mit einem Netzwerk, wie dem Internet, verbunden, wodurch sie die Möglichkeit besitzen, miteinander zu kommunizieren. Die Vernetzung und Kommunikation von verschiedenen Objekten ermöglicht die Entwicklung unterschiedlicher Anwendungsdomänen für das Internet der Dinge. Smart Living Umgebungen sind eine der wichtigsten Anwendungsdomänen im Internet der Dinge. In einer Smart Living Umgebung werden Sensoren, Aktuatoren und Controller überall auf Objekten oder sogar auf Personen platziert. Sensoren können die Umgebung wahrnehmen und nützliche Informationen über den Standort, die Bewegung, die Temperatur, die Feuchtigkeit, das Licht und vieles mehr sammeln. Aktuatoren können verschiedene Aktionen basierend auf Daten, die von Sensoren gesammelt werden, durchführen und Controller können diese Daten verarbeiten. Echtzeit-Situationserkennung ist eine der wichtigsten Aufgaben in einer Smart Living Umgebung. Die Echtzeit-Erkennung von Situationen ist besonders wichtig in Ambient Assisted Living Umgebungen, in denen ältere oder Menschen mit Behinderung in ihrem Alltag unterstützt werden. Die Echtzeit-Situationserkennung in diesen Umgebungen ermöglicht es, kritische Situationen sofort zu erkennen und ggf. Hilfe zu leisten. Um Situationen zu erkennen, müssen Daten gesammelt, gespeichert, analysiert und verarbeitet werden. Aufgrund der zunehmenden Anzahl von Geräten im Internet der Dinge nimmt die Menge der erzeugten Daten zu. Die Verarbeitung größerer Datenmengen ist nicht trivial aufgrund der Ineffizienz von ständig laufenden Situationserkennungsalgorithmen, der hohen erforderlichen Verarbeitungsfähigkeit und der erforderlichen Erkennungshäufigkeit. Die Situationserkennungsalgorithmen müssen kontinuierlich laufen, um die kontinuierlich erzeugten Datenmengen zu verarbeiten. Darüber hinaus erfordern kontinuierlich laufende Erkennungsalgorithmen eine hohe Verarbeitungsfähigkeit. Der Ressourcenverbrauch dieser Algorithmen ist besonders hoch, wenn sie auf grosse Datensätze angewandt werden. Um diese Probleme zu überwinden, ist es notwendig, intelligentere Ansätze zu entwickeln, die auf der Grundlage der Zielsituationserkennung entscheiden können, welche Daten wichtig sind und welche verarbeitet werden sollten und welche Algorithmen zur Verarbeitung dieser Daten verwendet werden sollten. In dieser Arbeit wird ein Ansatz vorgeschlagen, der die Optimierung der Nutzung von Situationserkennungsalgorithmen im Bereich des Internet der Dinge optimiert. Die Grundidee unseres Ansatzes besteht darin, relevante Daten basierend auf den Situationserkennungszwecken auszuwählen und die Situationserkennungsalgorithmen erst dann auszuführen, nachdem alle relevanten Daten gesammelt wurden. Der Hauptvorteil dieses Ansatzes ist, dass die Situationserkennungsalgorithmen nicht jedes Mal ausgeführt werden müssen, wenn neue Daten empfangen werden. Dies ermöglicht die Häufigkeit der Ausführung von Situationserkennungsalgorithmen zu verringern und die Rechenressourcen wie CPU, Speicher, Bandbreite und Strom zu sparen. Ein weiterer Vorteil ist, dass der vorgeschlagene Ansatz Situationen in Echtzeit erkennen kann, was in einer Ambient Assisted Living Umgebung sehr nützlich ist. Wir werden den vorgeschlagenen Ansatz verwenden, um ein Use Case-Szenario basierend auf der Plattform universAAL IoT zu implementieren, die eine Open-Source-Plattform für die Entwicklung von Lösungen für das Internet der Dinge ist