В этой статье исследуется сложная синергия между различными технологиями и парадигмами, участвующими в видении «умного города», чтобы помочь разработать надежную структуру, способную решать задачи, препятствующие ее успешной реализации. С этой целью предлагается контекстно-ориентированный подход, чтобы представить целостный взгляд на «умный город» с разных точек зрения (Cloud, IoT, Big Data).
Ключевые слова: умный город, контекстная информация, программное обеспечение, пользователь, API, Интернет вещей, интеграция, облако.
В то время как крупные города мира постоянно увеличиваются, их ресурсы растут до предела, что влияет на качество жизни жителей этих городов. Следовательно, необходимость в новых и разумных способах управления ресурсами этих городов растет никогда не была более насущной. Именно с учетом этих проблем было положено начало концепции «Умный город», в которой использовались почти все области информационных и коммуникационных технологий, чтобы повысить качество жизни и улучшить общий жизненный опыт граждан. Эффективное и успешное принятие концепции «умного города» зависит от инноваций многочисленных технологий, процессов и парадигм (далее в статье помощник).
Одним из основных факторов реализации этого помощника является Интернет вещей (IoT). [1] В основном это связано с потенциальным влиянием IoT на то, как мы взаимодействуем с реальным миром. Идея заключается в том, чтобы сделать «вещи» (например, автомобили, холодильники, лампы и т. д.) более интеллектуальными, предоставляя им относительно небольшую сенсорную, вычислительную и запоминающую способность, чтобы иметь возможность достичь некоторого уровня автономии в процессе принятия решений. Однако несмотря на то, что IoT предлагает множество преимуществ и много обещаний, ему требуется колоссальное количество усилий для поддержки и использования данных, генерируемых «вещами». В этом отношении облачные вычисления должны играть огромную роль в предоставлении ресурсов, необходимых для хранения, передачи и обработки огромного количества данных, генерируемых в IoT. Между тем, будучи очень неоднородным, динамичным, распространяющимся и мобильным, IoT очень сложен, что значительно затрудняет понимание и интерпретацию данных, генерируемых составляющими. С этой целью была изучена контекстная осведомленность, чтобы предоставить контекстную информацию о вовлеченных объектах. Понятие «контекста» определяется как «... любая информация, которая может быть использована для характеристики ситуации сущности. Сущность — это человек, место или объект, которые считаются относящимися к взаимодействию между пользователем и приложением, включая пользователя и сами приложения». Ожидается, что благодаря использованию этих знаний о контексте вещей, разработанные инструменты и приложения будут принимать еще более разумные решения и извлекать более конкретную информацию из данных IoT, с учетом целей приложения и его пользователей. В результате контекст должен не только предлагать адаптированные и более подходящие сервисы и приложения для нужд пользователя, но и уменьшать объем данных, передаваемых по сети IoT.
Взаимосвязь SmartCity, IoT, Cloud computing, BigData друг с другом.
Поскольку большие данные связаны с хранением, обработкой и анализом данных большого размера, которые в основном находятся в облаке, их проблемы были более тщательно исследованы и связаны с облачными вычислениями [2,3]. Однако из-за того, что данные становятся все более разнообразными и нестабильными, большие данные все больше и больше ассоциируются с «Интернетом вещей», который рассматривается как его самый большой источник, в качестве средства, помогающего директивным органам принимать обоснованные решения [4].
Con2IoT Framework: платформа для облачных контекстно-зависимых услуг Интернета вещей.
Наш подход к решению вышеупомянутой интеграции сосредоточен на контексте и осведомленности о контексте. От лингвистики до вычислительной техники, контекст является ключевым элементом. Кембриджский словарь определяет «контекст» как «ситуацию, в которой что-то существует или происходит, и это может помочь объяснить это»; Gartner [5] определяет контекстно-зависимые вычисления как «стиль вычислений, в котором ситуационная и экологическая информация о людях, местах и вещах используется для прогнозирования насущных потребностей. Жизненный цикл систем управления контекстом обычно включает четыре этапа: (1) этап сбора и агрегирования, (2) этап моделирования и хранения, (3) этап анализа и обработки и (4) этап распространения и интеграции. Первый этап касается способов получения контекстных данных вокруг объекта и их агрегирования для предоставления более точных данных. На втором этапе рассматривается представление собранных данных. Третий этап отвечает за обработку хранимых данных, чтобы собрать больше знаний и более значимой информации. Четвертый этап определяет способ предоставления собранной контекстной информации заинтересованным сторонам (например, услуги, события, реакции и т. д.).
Рис. 1. Общий вид Con2IoT Framework
Интеграция управления контекстом с разработкой интеллектуальных приложений и сервисов является жизненно важной. С этой целью мы представляем на рисунке 1 контекстно-зависимый целостный взгляд на нашу платформу для разработки приложений и сервисов «умного города», уделяя особое внимание взаимоотношениям между упомянутыми активаторами. С этой точки зрения мы сравниваем жизненный цикл управления контекстом с важными аспектами и предлагаем другие факторы, а именно облачные вычисления, IoT и вычисления больших данных.
Con2IoT Framework основан на моделях услуг облачных вычислений (программное обеспечение как услуга (SaaS), платформа как услуга (PaaS) и инфраструктура как услуга (IaaS)), поскольку они обеспечивают всю необходимую гибкость и эффективность для предоставления услуг, связанных с проблемами интеллектуальных приложений (например, масштабируемость, неоднородность, потребление ресурсов и т. д.).
На уровне платформы существуют инструменты, облегчающие и помогающие разработчикам и специалистам по данным в разработке, обработке, тестировании, проверке и хранении данных и услуг, собранных на базовом уровне (IaaS). С точки зрения IoT управление услугами касается операций по управлению услугами, предоставляемыми через него [6] (например, обнаружение услуг, выбор услуг, мониторинг услуг, отображение услуг на вещи, конфигурация услуг, состав услуг и т. д.). С точки зрения больших данных, управление данными имеет дело с тем, как данные хранятся (структурированные или неструктурированные), извлекаются и обрабатываются (например, анализ данных, статистический анализ и т. д.) (См. Рисунок 1). На этом уровне может использоваться контекстная информация, касающаяся различных объектов. Пользовательский контекст используется для уточнения и обогащения запросов путем захвата пользовательских намерений за запросами (например, текущее время, погода, местоположение пользователя, расписание и предпочтения и т. д.).
На уровне программного обеспечения (ПО), облако предоставляет способ доставки программного продукта пользователю (например, бизнес-приложения, бизнес-процессы, API и т. д.). С точки зрения IoT, ПО может представлять собой процесс компоновки услуг, представляющий последовательность вызовов услуг, которые будут управляться на нижележащих уровнях и сопоставляться с физическими вещами. С точки зрения больших данных, продукт может представлять собой визуализацию обработанных данных в диаграммах, чтобы помочь в принятии решений или для выявления новых закономерностей в данных или для прогнозирования влияния новых данных.
В рамках этой статьи нашей целью было создание основы, которая послужила бы нам ступенькой для разработки приложения для умного города. Мы представили наше представление умного города, наделенного полномочиями четырьмя участниками, а именно, Интернетом вещей; Облачные вычисления; Осведомленность о контексте и большие данные, подчеркивая необходимость их интеграции. Чтобы решить проблему отсутствия четко определенного представления об интеграции в литературе, мы предложили структуру под названием Con2IoT для облачных контекстно-ориентированных услуг. В результате, можно сделать вывод, что контекстно-зависимая модель, представленная в данной статье, поможет ликвидировать трафик посредством предоставления интеллектуальных услуг, для улучшения пользовательского опыта в различных сферах жизни.
Также в данной статье представлены новые идеи и перспективы в отношении интеграции методов больших данных, чтобы справиться с постоянно растущим числом услуг и объемом данных в облако. В связи с этим мы считаем, что наша архитектура инфраструктуры могла бы значительно выиграть от рекомендательных систем на основе больших данных. Такие системы могли бы еще больше обогатить нашу платформу, рекомендуя соответствующие услуги с учетом контекста пользователей и новых шаблонов, обнаруженных при анализе больших данных.
Литература:
1. Gubbi, J., Buyya, R., Marusic, S., Palaniswami, M.. Internet of things (iot): A vision, architectural elements, and future directions. Future Generation Computer Systems 2013;29(7):1645–1660.Второй источник.
2. Hashem, I. A. T., Yaqoob, I., Anuar, N.B., Mokhtar, S., Gani, A., Khan, S.U.. The rise of big data on cloud computing: Review and open research issues. Information Systems 2015;47:98–115
- Assun£o, M.D., Calheiros, R.N., Bianchi, S., Netto, M.A., Buyya, R.. Big data computing and clouds: Trends and future directions. Journal of Parallel and Distributed Computing 2015;7980:3–15.
- Rathore, M.M., Ahmad, A., Paul, A., Rho, S.. Urban planning and building smart cities based on the internet of things using big data analytics. Computer Networks 2016;101:63–80.
- Mell, P.M., Grance, T.. Sp 800–145. the nist definition of cloud computing. Tech. Rep.; National Institute of Standards & Technology; Gaithersburg, MD, United States; 2011.
- Evangelos A, K., Nikolaos D, T., Anthony C, B.. Integrating rfids and smart objects into a unifiedinternet of things architecture. Advances in Internet of Things 2011;2011.
