ACM通信
实践
研究为实践:走向连接事物的网络
图片来源:naddi / Shutterstock
实践研究的这一期精选了来自Deepak Vasisht的精选，他带我们参观了物联网的系统和网络。Vasisht的选择从能源收集到农业，让我们看到了物联网部署的未来及其可用性。
彼得百利
在过去的几年里，我们开始实现物联网(IoT)的梦想。亚马逊Echo、Dash按钮、Nest摄像头、谷歌Home等设备已经渗透到我们的家庭生活中，零售、航空、交通、物流等各个领域的企业都开始受益于工业物联网解决方案。受此推动，通用电气最近估计，在未来15年，仅工业物联网的投资就将超过60万亿美元。
这些增长得益于多年来应对多项挑战的研究，包括低功耗网络、新传感器设计、安全和隐私等。实践研究的这一期介绍了旨在使物联网部署更加普及的研究论文，并使用户能够从现有部署中获得更多的效用。
降低部署成本
张平，Bharadia, D.， Joshi, K.和Katti, S.。
搭便车:实用的反向散射使用商品Wi-Fi。在14年的会议记录thACM嵌入式网络传感器系统会议光盘, 2016, 259 - 271;https://dl.acm.org/citation.cfm?id=2994565．
大规模网络传感器部署的自然挑战之一是为其充电的成本。通信模块的功率成本较高，需要频繁更换电池，从而造成较大的人工成本。最近一系列的反向散射解决方案旨在通过利用现有的无线电频率传输进行通信来改变这一现状。具体来说，后向散射通信系统允许设备调制和反射现有的Wi-Fi传输，从而使低功耗的通信模块可以通过收集周围环境的电力或电池持续数年。
“搭便车旅行”之所以独特，有两个原因。首先，它不仅可以反射来自商用Wi-Fi设备的信号，它的反射也可以被商用Wi-Fi设备接收和解码。这使得广泛流行的Wi-Fi设备，如您的接入点，以非常低的电力成本与传感器交互。其次，在54米的距离内，HitchHike可以实现200Kbps的数据速率。这种数据速率对于大多数传感器来说已经足够高了，并且覆盖了比大多数家庭和小型企业都大的区域。展望未来，HitchHike和其他同行有望实现电力限制严重的应用，如植入式传感器、可穿戴设备、嵌入墙壁和桥梁的传感器等。
设计新型传感机构
监测呼吸和心率的智能家居。在三十三届会议的会议记录理查德·道金斯计算机学会计算系统人为因素年会, 2015, 837 - 846;https://dl.acm.org/citation.cfm?id=2702200．
物联网领域不断创新的一条主线就是设计新颖的传感机制。这一领域最近的一个趋势是，以一种完全非接触的方式监测健康指标，如呼吸、心率、行走模式、睡眠阶段、步态，甚至情绪健康。例如，Amazon Echo或谷歌Home就可以配备这些功能，让用户更多地了解自己的身心健康状况。
这篇文章描述了VitalRadio，一种可以监测用户呼吸和心率的设备，即使用户在不同的房间，它也可以在8米远的距离上与用户没有任何接触。VitalRadio介绍了一些基本技术，这些技术构成了后期许多监测各种其他健康指标的工作的基础。在较高的层次上，VitalRadio的工作原理是分析来自人体的无线电信号反射。当人类呼吸(或心跳)时，反射会受到任何细微变化的影响。VitalRadio从反射中提取这些微小的变化，以估计个人的心率和呼吸。虽然该系统的运行仍然存在一些限制，比如要求多个用户之间至少有1到2米的间隔，以及准静态用户行为(看电视、打字等)，但这些限制都不足以阻碍主流的健康监测应用程序。
利用已部署的传感器开发新服务
Abari, O.， Vasisht, D.， Katabi, D.和Chandrakasan, A.。
卡拉可:智能城市的电子长途转发器网络。在2015年ACM数据通信特别兴趣小组会议论文集, 297310;https://dl.acm.org/citation.cfm?id=2787504．
过去十年对物联网的推动确保我们已经部署了数十亿个传感器，如汽车上的收费应答器、仓库和餐馆的rfid等。这些设备能够实现非常具体的功能，如汽车自动收费或仓库库存跟踪。那么，一个关键问题是，如何利用这些大型部署实现更通用的应用程序?
在物联网系统中进行的令人兴奋的研究不仅使我们更接近于开发新的服务，而且使我们更接近于为消费者和企业应用程序收集新的数据集。
卡拉可为电子长途电话机实现了这一目标，它利用电子长途电话机监控交通、定位和识别汽车、检测超速、自动检测空车位，而无需对安装在汽车上的电子长途电话机进行任何更改。由于这种应答器在美国被70%-89%的司机使用(取决于各州)，并且在全球范围内也有越来越多的人采用，卡拉可可以在推动智能城市方面发挥重要作用。在智能城市中，交通灯会对实时交通信息做出反应，司机会被自动引导到空置的停车位。
carok的基本贡献在于它能够利用利用信号的频域结构的新信号处理技术，从多个应答器中分离同时传输。卡拉可将这些技术融入了一种新的转发器阅读器中，这种转发器可以安装在路灯的电线杆上，并为转发器的运行收集太阳能。展望未来，这些不同领域的创新可以扩大已部署物联网系统的效用。
将IOT扩展到“未触及”环境
Vasisht, D.， Kapetanovic, Z.， Won, J.， Jin, X.， Chandra, R.， Kapoor, A.， Sinha, S.N.， Sudarshan, M.和Stratman, S.。
FarmBeats:数据驱动农业的物联网平台。在14年的会议记录th网络系统设计与实现研讨会, 2017;https://www.usenix.org/conference/nsdi17/technical-sessions/presentation/vasisht．
虽然物联网已在连接良好、动力充足的环境中蓬勃发展，如城市家庭和大型企业，但在缺乏良好电源和互联网的恶劣环境中，其使用率一直相对较低。这种环境包括农业、建筑业和采矿业，这些行业在发展中国家和发达国家都有大量雇员。例如，即使在美国，农业数据收集的过程仍然主要是手工的，这限制了只有不到20%的农民采用先进的农业技术。
FarmBeats试图通过专注于数据驱动农业的挑战来应对这一挑战。精准灌溉等数据驱动的农业技术可以让农民提高产量，降低投入成本，提高劳动生产率。FarmBeats通过开发端到端的农业物联网平台，让农民能够利用这些技术，实现从传感器、摄像头和无人机的无缝数据收集。
FarmBeats使用了三个理念来实现这个平台。首先，为了实现农场的连接，它混合使用了电视留白(允许几英里的远程连接)和Wi-Fi(允许与商业传感器连接)。其次，为了应对与天气有关的中断和低带宽，它设计了一个位于农场上的物联网网关，在为云创建摘要的同时向农民提供服务。最后，它利用机器学习技术，结合无人机和地面传感器的输入，提供更准确的信息，并减少传感器部署的需求。该论文展示了FarmBeats在美国两个海岸的两个不同农场的多季部署结果。
最终的想法
在物联网系统中进行的令人兴奋的研究不仅使我们更接近于开发新的服务，而且使我们更接近于为消费者和企业应用程序收集新的数据集。结合最近人工智能和机器学习方面的重大进展，这些数据集可以推动新的应用。例如，VitalRadio已经扩展到利用新的深度学习技术来完全被动地监测用户的睡眠阶段。研究人员还可以利用新的机器学习技术作为工具来设计更好的系统。FarmBeats已经展示了如何利用AI来降低传感器放置的要求，并指导传感器的放置，以最大化信息。
虽然这种规模的数据提供了改进的新途径，但日常采用物联网系统的关键挑战围绕着管理这些数据。首先，我们需要考虑在本地边缘计算机或云中处理和存储数据的位置，以及这些策略对隐私和系统的影响。其次，我们需要开发系统，从这些多样、难以解释的数据中为非技术用户产生可操作的见解。解决这些挑战将使物联网系统为终端用户提供最大价值。
数字图书馆是由计算机协会出版的。版权所有©2018 ACM, Inc。
没有发现记录