Resumen de Modelling efficient data transmission for multivariate threshold-based events
1. introducción o motivación de la tesis Uno de los desafíos más importantes que se plantea en el panorama tecnológico actual tiene que ver con el incremento masivo de una amplia variedad de dispositivos que requieren conexión a Internet [1]. Bajo el paradigma Internet of Things (IoT), la comunidad científica aborda este problema desde muy diversas áreas de conocimiento, dando lugar a una extensa área de investigación de perspectiva multidisciplinar [2]. En el extremo de esta vasta infraestructura, las redes inalámbricas de sensores (WSN) se organizan para colectar, procesar y transmitir datos del entorno con propósitos diversos [3].
La detección de eventos en el entorno es una aplicación de las WSN que ha recibido un notable interés por parte de la comunidad científica [4]. De entre las técnicas existentes, concretamente la evaluación de eventos basados en umbral es considerada una de las más extendidas por su facilidad de implementación y su versatilidad [5].
En este contexto, esta tesis doctoral aborda el problema de la creciente densidad de dispositivos en la red IoT desde la perspectiva de la optimización, proponiendo una metodología para reducir notablemente el tráfico de red en aplicaciones de detección de eventos basados en umbral cuando éstos se definen con expresiones multivariantes cuyas fuentes de datos se encuentran distribuidas en la red.
2.contenido de la investigación Recogida en forma de compendio de artículos, esta tesis hace fundamentalmente tres aportaciones: en primer lugar, se ha desarrollado un procedimiento para generar señales aleatorias pseudo--realistas, una herramienta de soporte metodológico para disponer fácilmente de grandes conjuntos de datos adecuados para experimentación simulada con WSN [6]. En segundo lugar, se proponen los fundamentos matemáticos para modelar la reducción de datos en una WSN cuyo propósito es evaluar eventos multivariantes basados en umbral y medir la incidencia de la reducción en la calidad de la evaluación del evento. Para ello define una serie de funciones y parámetros que alteran la cardinalidad de los dominios matemáticos en los que se define la información, así como métricas específicas que tienen en cuenta los desfases temporales en los cambios de estado de la condición evaluada [7]. Por último, se presenta un algoritmo adaptativo que, considerando el contexto lógico de la información del sistema, parametriza el modelo matemático propuesto en tiempo de ejecución. Como resultado, este algoritmo minimiza simultáneamente el tráfico de red requerido y el error en la evaluación del evento, obteniendo resultados prometedores [8].
3.conclusión Con la experimentación presentada en esta tesis doctoral, se puede concluir que la evaluación de eventos multivariantes basados en umbral puede implementarse mediante la centralización de los flujos de información sin recurrir a procesos de muestreo y envío continuo de datos de las señales involucradas. La reducción de información en estos flujos de datos implica un deterioro de la calidad de la detección en términos temporales, que pueden ser medidos en base a la precisión y exhaustividad de los cambios de estado de la señal resultante. Esta relación puede ser modelada para establecer métodos de predicción que permitan administrar la reducción de información limitando los errores en el resultado del sistema. Concretamente, los resultados experimentales del algoritmo propuesto, que está basado en el modelo matemático aportado, revelan una reducción promedio del tráfico de red del 40% sin alteración del resultado en un 99% de las pruebas.
4. bibliografía [1] Jonsson, P., Carson, S., Torres, A., Per Lindberg, K. Ö., & Karapantelakis, A. (2019). Ericsson Mobility Report (June 2019).
[2] R. Minerva A. Biru and D. Rotondi: Towards a definition of the internet of things (iot). Technical report, IEEE Tech. Rep., 2015.
[3] Kocakulak, M., & Butun, I. (2017). An overview of Wireless Sensor Networks towards internet of things. In 2017 IEEE 7th Annual Computing and Communication Workshop and Conference (CCWC) (pp. 1–6). IEEE.
[4] Mehanas Shahul, Sanu Thomas, and R Vijayakumar: A Review on Event Detection Techniques in Wireless Sensor Network. International Journal of Innovative Research in Science, Engineering and Technology, 6(7), 2017.
[5] Costin Badica, Lars Braubach, and Adrian Paschke: Rule-based distributed and agent systems. Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), 6826 LNCS:3–28, 2011, ISSN 03029743.
[6] León, F., Rodríguez-Lozano, F. J., Palomares, J. M., & Olivares, J. (2019). SysGpr: Sistema de Generación de Señales Sintéticas Pseudo-realistas. Revista Iberoamericana de Automática e Informática Industrial, 16(3), 369–379.
[7] Leon-Garcia, F., Palomares, J., & Olivares, J. (2018). D2R-TED: Data—Domain Reduction Model for Threshold-Based Event Detection in Sensor Networks. Sensors, 18(11), 3806.
[8] Leon-Garcia, F., Rodriguez-Lozano, F. J., Olivares, J., & Palomares, J. M. (2019). Data Communication Optimization for the Evaluation of Multivariate Conditions in Distributed Scenarios. IEEE Access, 7, 123473–123489.
