منصة الرسائل والاطاريح: التنبؤات المدركة للطاقة وأساليب المعالجة لتقليل تكلفة الاتصال في شبكات انترنيت الأشياء

الخلاصة

في العالم الحديث، سيكون من الضروري نشر عدد كبير من أجهزة الاستشعار لاستشعار كل شيء حولنا من أجل اكتشاف التغيرات والمخاطر والأخطار والتخفيف منها. يمثل هذا العدد المتزايد من أجهزة الاستشعار مزودًا أساسيًا للبيانات في إنترنت الأشياء (IoT). تقوم الأجهزة بتوليد ونقل كمية هائلة من البيانات التي تتطلب قدرًا كبيرًا من التخزين وقدرة معالجة عالية لتأتي في المعالجة في الوقت الفعلي وتسريع الشبكة. كما أنه يؤدي إلى زيادة في استهلاك الطاقة العالية. وبالتالي، من المهم إزالة البيانات الزائدة لتقليل نقل البيانات قبل إرسالها إلى البوابة مع الحفاظ على مستوى جيد من جودة البيانات. يعمل هذا البحث على مستويين: الأول هو مستوى عقدة الاستشعار (SN) والثاني هو مستوى بوابة الضباب (GW). اقترح مستوى SN أربعة أساليب للتنبؤ بالبيانات ومعالجتها موفرة للطاقة لتقليل البيانات الزائدة عن الحاجة وتوفير الطاقة مع الحفاظ على جودة مناسبة للبيانات المستلمة على المستوى التالي من الشبكة. استخدم النهج الأول (تقليل البيانات الموزعة الموفرة للطاقة (DEDaR)) التنبؤ بالانحدار التلقائي (AR) وأساليب ضغط هوفمان. استخدم النهج الثاني (آلية قائمة على الضغط الموزع (DiPCoM)) تنبؤ ARIMA وأساليب ضغط LZW. الطريقة الثالثة (تقنيات التنبؤ والضغط المتكاملة للبيانات (IDaPCoT)) تستخدم أساليب التنبؤ AR وضغط LZW. النهج الرابع (التنبؤ والتشفير القائم على تقليل البيانات الموفر للطاقة (EDaRePE)) يستخدم تنبؤ ARIMA وأساليب ضغط هوفمان. استخدمت جميع الأساليب على مستوى SN تقنيات التقريب الثابت المجزأ (APCA) والتقريب التجميعي الرمزي (SAX) لتقليل البيانات. على مستوى FW، قمنا بتصميم تقنية جديدة لتقليل البيانات الموفرة للطاقة من مستويين لشبكات إنترنت الأشياء (TEDaReT) لإزالة التكرارات بين بيانات أجهزة الاستشعار قبل إرسالها إلى السحابة. يتم استخدام TEDaReT لإزالة التكرارات بين بيانات أجهزة الاستشعار التي تم الحصول عليها من مستوى عقدة الاستشعار عن طريق تحديد أوجه التشابه بينها، مما يؤدي إلى تقليل بيانات أجهزة الاستشعار قبل إرسالها إلى السحابة. يتم استخدام جهاز محاكاة مخصص قائم على لغة بايثون لتقييم الأساليب المقترحة من خلال تجارب المحاكاة باستخدام بيانات حقيقية تم جمعها من عقد الاستشعار المستخدمة في مختبر أبحاث إنتل بيركلي. أظهرت نتائج المحاكاة كفاءة في مستوى SN، أي أن الأساليب المقترحة زادت نسبة تخفيض البيانات بنسبة 93.14%، 99.71%، 99.72%، و97.3% على التوالي مقارنة مع الأساليب الأخرى، وفي عدد القراءات المرسلة. يصل تخفيض النفقات العامة إلى 93.44% و96.05% و96.54 و93.9% على التوالي. في الطاقة المستهلكة وصلت إلى 0.0010%، 0.000209%، 0.00019%، و0.000212% على التوالي، وفي مع الحفاظ على دقة البيانات المرسلة تصل إلى 99.33، 99.73%، 99.79%، و99.737% على التوالي. ونتيجة لذلك، اعتمادا على النتائج التي تم الحصول عليها يمكننا القول أن نهج IDaPCoT هو أفضل نهج مقارنة بين الأساليب الأربعة المقترحة. أظهرت نتائج المحاكاة كفاءة على مستوى FG، أي أن الطريقة المقترحة تقلل من عدد البيانات الزائدة للحساسات بنسبة تصل إلى 26.081% مقارنة بالطرق الأخرى.