Lean Sensing: Aprovechamiento de la información contextual para una detección más eficiente desde el punto de vista energético

Resumen

Las tecnologías ciberfísicas permiten aplicaciones basadas en eventos, que controlan en tiempo real la ocurrencia de determinados incidentes inherentemente estocásticos. Estas tecnologías se están implantando ampliamente en ciudades de todo el mundo y uno de sus aspectos críticos es el consumo de energía, ya que en su mayoría funcionan con baterías. El ejemplo más representativo de este tipo de aplicaciones en la actualidad es el aparcamiento inteligente. Dado que los sensores de aparcamiento se dedican a detectar eventos de estacionamiento casi en tiempo real, estrategias como la agregación de datos no son muy adecuadas para optimizar el consumo de energía. Además, la compresión de datos carece de sentido, ya que los eventos son esencialmente entidades binarias. Por lo tanto, este documento introduce el concepto de Lean Sensing, que permite la relajación de la precisión de detección en beneficio de la mejora de los costes operativos. Para ello, se parte del concepto de aleatoriedad instantánea y se explora la estructura de correlación que emerge de él en los sistemas complejos. A continuación, examina el uso de esta información contextual agregada de todo el sistema para optimizar el consumo de energía, recorriendo así el camino inverso: de la representación a nivel de sistema al consumo de energía de cada dispositivo. Las técnicas analizadas incluyen la adaptación de la adquisición de datos a correlaciones temporales (es decir, adaptar el comportamiento de los sensores a la actividad prevista) y la inferencia del estado del sistema a partir de información incompleta basada en correlaciones espaciales. Estas técnicas se aplican al despliegue de aplicaciones de aparcamiento inteligente en el mundo real, con el objetivo de evaluar el impacto que tienen una serie de estrategias de optimización a nivel de sistema sobre el consumo energético de los dispositivos.