15. februar: Sensorer som del av fremtidens internett - et teknologisk grunnlag for smarte omgivelser

Kort om foredraget:

Sensors and actuators have for several years successfully been used for automation tasks, like elevators, temperature control, cars, trains, etc. This generation of sensors has been designed for particular applications with very few control parameters. Recent developments are promising an abundance of new (wireless) sensor- and actuator nodes that become smaller, more energy efficient, more intelligent, and provide more sensing/actuating and processing capabilities. Furthermore, these devices will be accessible through communication networks including todays´ and the Future Internet. This change constitutes the start of a new computing era. From the very beginning of computing, each computing device (mainframe, PC, smart phone) had a set of Input/Output (I/O) devices directly attached to it, like keyboard, monitor, etc. for Human Computer Interaction (HCI). Interaction between the environment and computers has only been indirect through the mediation of humans. However, networked sensors and actuators will change this drastically, because computation will more and more interact directly with the environment through these devices without a ‘human in the loop’ and enable Computer Environment Interaction (CEI).

In the lecture we will take up fundamental issues related to the use of sensors and actuators for smart environments, including networking, data stream management, complex event processing, resource management with respect to the particular requirements, like energy efficiency, reliability, and responsibility.

Se også Apollon-artikkelen Sensorer i kroppen blir en del av fremtidens internett.

Oppsummering skrevet av Ragnhild Kobro Runde:

Historisk har en datamaskin alltid hatt input/output rettet mot mennesker, for eksempel tastatur, høyttaler og skjerm. Datamaskinene har ikke selv kommunisert direkte med omgivelsene, men vært avhengig av mennesker som formidlere av data fra omgivelsen til maskinen, og motsatt. Vi er nå i ferd med å se en endring fra slik “Human Computer Interaction” til “Computer Environment Interaction” grunnet nye typer sensorer. (Merk: med sensorer er det her ikke snakk om personer som sensurerer oppgaver, men enheter(små datamaskiner) som måler ett eller annet fenomen.)

Tradisjonelle sensorer måler relativt enkle ting som temperatur, lys, lufttrykk og støynivå. Disse har hatt stor suksess brukt for eksempel i heiser, tog og biler. Dette er lukkede systemer, hvor sensorene har vært tatt i bruk for helt spesialiserte anvendelser. Et typisk eksempel er en sensor som sjekker lufttrykket i bildekkene, og stopper bilen dersom lufttrykket blir for lavt.

De siste årene er det derimot utviklet sensorer som i stor grad kan sees på som små, selvstendige datamaskiner. De kan programmeres, kobles opp mot internett, og være mer eller mindre fritt tilgjengelige for alle. Dette muliggjør at sensorene/datamaskinene selv kan påvirke omgivelsene uten at det er mennesker involvert, slik vi ser for eksempel i “smarte bygninger” hvor lys og temperatur skrus ned dersom det ikke er noen i rommet.

Noen andre interessante anvendelser er:

• Automatisk hjemmehjelpovervåking, for å kunne slå alarm dersom en person faller, glemmer å slå av komfyren eller utsetter seg for fare på annen måte.
• ZebraNet, hvor sensorer festes på sebraer for å finne ut hvordan sebraene beveger seg.
• Kontinuerlig monitorering av helsetilstand, for eksempel å plassere en bitteliten sensor under huden for å overvåke blodsukker-nivået hos en person med diabetes.

Med nye typer sensorer dukker det altså opp flere muligheter, men samtidig også nye utfordringer. Med sensorer plassert på relativt utilgjengelige steder, blir det viktig å bruke minst mulig energi for å spare batteri, og også å finne alternative måter å lade opp batteriet på. En enkel måte å spare batteri på, er å la sensoren være av store deler av tiden. Skal man overvåke temperatur, holder det kanskje å  måle og lagre en gang hvert sekund, i stedet for hundre ganger i sekundet. I normaltilfellet, hvor målingen ikke viser noe alarmerende, vil sensoren dermed kunne “sove” 99 prosent av tiden.

Dette skaper imidlertid en ny utfordring, nemlig at andre sensorer/datamaskiner i nettverket må tilpasse seg en situasjon hvor en gitt sensor ikke nødvendigvis er tilgjengelig til enhver tid. Det samme gjelder for sensorer festet på levende dyr, hvor data fra sensoren bare kan overføres når dyret er innen rekkevidde av en basestasjon. For å øke sannsynligheten for at sensordataene skal bli overført til basestasjonen i det siste tilfellet, kan man også la sensorene selv utveksle sin informasjon når de kommer i nærheten av hverandre, slik at det holder om ett av dyrene får overført dataene fra sensoren til basestasjonen.

Like viktig som å finne gode teknikker for overføring av sensordataene, er imidlertid å utvikle metoder for å håndtere de dataene man samler inn. De ulike sensorene vil tilsammen samle inn enorme mengder data, og det er fysisk umulig å lagre alt sammen. Ofte vil det også være bare en liten del av dataene som det er interessant å ta vare på – nemlig de som indikerer at noe spesielt eller unormalt er i ferd med å skje, som at et hjerteinfarkt eller en storm er i anmarsj. For å kunne varsle i slike kritiske situasjoner er det også viktig at dataene analyseres i sanntid.

Man skiller altså mellom data og hendelser – data er den informasjonen som samles inn, mens hendelser er det som er definert som viktig og (muligens) fører til en reaksjon definert i systemet. Mye av datahåndteringen vil kunne foregå i selve sensorene – noe som reduserer mengden data som overføres. Samtidig vil det i en del tilfeller være nødvendig å kunne kombinere data fra ulike sensorer for å vite om man har en bestemt hendelse eller ikke. For eksempel regnes det ikke som et fall dersom en person ligger i sengen og sover, selv om situasjonen har fellestrekk med at personen ligger på golvet.