Sensoriamento Lean: Exploração de Informação Contextual para uma Sensoriamento com Maior Eficiência Energética

Abstrato

As tecnologias ciberfísicas permitem aplicações orientadas por eventos, que monitorizam em tempo real a ocorrência de certos incidentes inerentemente estocásticos. Estas tecnologias estão a ser amplamente utilizadas em cidades de todo o mundo e um dos seus aspectos críticos é o consumo de energia, uma vez que são na sua maioria alimentadas por baterias. Os exemplos mais representativos de tais aplicações hoje em dia são o estacionamento inteligente. Uma vez que os sensores de estacionamento são dedicados a detectar eventos de estacionamento em tempo quase real, estratégias como a agregação de dados não são bem adequadas para optimizar o consumo de energia. Além disso, a compressão de dados é inútil, uma vez que os eventos são essencialmente entidades binárias. Por conseguinte, este documento introduz o conceito de Sensoriamento Lean, que permite o relaxamento da precisão de detecção em benefício de custos operacionais melhorados. Para este efeito, este documento afasta-se do conceito de aleatoriedade instantânea e explora a estrutura de correlação que dele emerge em sistemas complexos. Em seguida, examina a utilização desta informação contextual agregada de todo o sistema para optimizar o consumo de energia, indo assim no sentido oposto; desde a representação a nível do sistema até ao consumo individual de energia do dispositivo. As técnicas discutidas incluem a personalização da aquisição de dados para correlações temporais (isto é, para adaptar o comportamento do sensor à actividade esperada) e inferir o estado do sistema a partir de informação incompleta baseada em correlações espaciais. Estas técnicas são aplicadas a implementações de aplicações de estacionamento inteligentes no mundo real, com o objectivo de avaliar o impacto que várias estratégias de optimização ao nível do sistema têm no consumo de energia dos dispositivos.