خانه هوشمند

سیستم های خانه هوشمند مبتنی بر اینترنت اشیا

خانه هوشمند با اینترنت اشیاء

خانه هوشمند مبتنی بر اینترنت اشیاء IOT

سیستم‌های خانه هوشمند در دهه‌های گذشته به دلیل افزایش راحتی و کیفیت زندگی به محبوبیت زیادی دست یافته‌اند. اکثر سیستم های خانه هوشمند توسط گوشی های هوشمند و میکروکنترلرها کنترل می شوند. یک برنامه تلفن هوشمند برای کنترل و نظارت بر عملکردهای خانه با استفاده از تکنیک های ارتباط بی سیم استفاده می شود. ما مفهوم خانه هوشمند را با ادغام خدمات اینترنت اشیاء IOT و رایانش ابری به آن، با تعبیه هوشمندی در حسگرها و محرک‌ها، شبکه‌سازی اشیاء هوشمند با استفاده از فناوری مربوطه، تسهیل تعامل با چیزهای هوشمند با استفاده از رایانش ابری برای دسترسی آسان در مکان‌های مختلف بررسی می‌کنیم. ، افزایش قدرت محاسباتی، فضای ذخیره سازی و بهبود کارایی تبادل داده ها. در این فصل ما ترکیبی از سه جزء را برای ایجاد یک رویکرد قوی از مفهوم و اجرای خانه هوشمند پیشرفته ارائه می‌کنیم.

پیشنهاد شگفت انگیز! خدمات هوشمندسازی ساختمان فقط برای امروز!

تماس بگیرید …..02155439337

معرفی اینترنت اشیاء IOT و خانه هوشمند

خانه هوشمند کلاسیک، اینترنت اشیاء IOT، محاسبات ابری و پردازش رویدادهای مبتنی بر قوانین، بلوک‌های سازنده ترکیب یکپارچه خانه هوشمند پیشرفته پیشنهادی ما هستند. هر جزء ویژگی ها و فناوری های اصلی خود را به ترکیب پیشنهادی کمک می کند. اینترنت اشیاء IOT به اتصال به اینترنت و مدیریت از راه دور لوازم موبایل کمک می کند که با انواع حسگرها ترکیب شده است. سنسورها ممکن است به لوازم خانگی مانند تهویه مطبوع، چراغ ها و سایر وسایل محیطی متصل شوند. و بنابراین، هوش رایانه‌ای را در دستگاه‌های خانگی تعبیه می‌کند تا راه‌هایی برای اندازه‌گیری شرایط خانه و نظارت بر عملکرد لوازم خانگی ارائه دهد. رایانش ابری قدرت محاسباتی مقیاس‌پذیر، فضای ذخیره‌سازی و برنامه‌های کاربردی را برای توسعه، نگهداری، اجرای سرویس‌های خانگی و دسترسی به دستگاه‌های خانگی در هر کجا و در هر زمان فراهم می‌کند. سیستم پردازش رویداد مبتنی بر قانون، کنترل و هماهنگی کل ترکیب خانه هوشمند پیشرفته را فراهم می کند.

ترکیب فن‌آوری‌ها به منظور تولید بهترین محصول نژادی، در ادبیات اخیر به روش‌های مختلف ظاهر شده است. کریستوس استرجیو و همکاران [1] محاسبات ابری و اینترنت اشیاء IOT را ادغام کردند تا نشان دهند چگونه فناوری رایانش ابری عملکرد اینترنت اشیاء IOT را بهبود می بخشد. مجید الکواری [2] بر روی اینترنت اشیاء IOT تعبیه شده برای استفاده از داده های تجزیه و تحلیل شده برای اجرای دستورات لوازم خانگی از راه دور در یک خانه هوشمند تمرکز دارد.

تریشا داتا و همکاران [3] یک کتابخانه حفظ حریم خصوصی برای تعبیه شکل‌دهی ترافیک در لوازم خانگی پیشنهاد می‌کند. ژیان مائو و همکاران [4] الگوریتم‌های یادگیری ماشین را برای ایفای نقش در امنیت در اکوسیستم خانه هوشمند تقویت می‌کند. فیصل سعید و همکاران [5] پیشنهاد استفاده از حسگرها برای تشخیص و ارائه در زمان واقعی، تشخیص آتش با دقت بالا.

در این فصل ادغام خانه های هوشمند کلاسیک، اینترنت اشیاء IOT و محاسبات ابری را توضیح می دهیم. با تجزیه و تحلیل اصول اولیه خانه های هوشمند، اینترنت اشیاء IOT، رایانش ابری و سیستم های پردازش رویداد شروع کنید. ما مکمل و هم افزایی آنها را مورد بحث قرار می دهیم و به جزئیات آنچه در حال حاضر منجر به ادغام آنها می شود، می پردازیم. ما همچنین در مورد آنچه در حال حاضر از نظر پلتفرم‌ها در دسترس است و پروژه‌های پیاده‌سازی پارادایم خانه هوشمند، ابر و اینترنت اشیاء IOT صحبت می‌کنیم. از منظر اتصال، لوازم اینترنت اشیاء IOT و ابر اضافه شده، به اینترنت و در این زمینه به شبکه محلی خانگی متصل هستند. این اتصالات تکمیل کننده راه اندازی کلی به یک ترکیب کامل یکپارچه و به هم پیوسته با قدرت پردازش گسترده، ابزار قدرتمند شخص ثالث، برنامه های کاربردی جامع و فضای ذخیره سازی گسترده است.

در ادامه این فصل به توضیح هر یک از چهار جزء می پردازیم. در بخش 1، خانه هوشمند کلاسیک را توصیف می کنیم، در بخش 2، اینترنت اشیاء IOT را معرفی می کنیم، در بخش 3، محاسبات ابری و در بخش 4، ماژول پردازش رویداد را ارائه می دهیم. در بخش 5، ترکیب یک خانه هوشمند پیشرفته را شرح می دهیم که این چهار جزء را در خود جای داده است. در بخش 6، ما برخی از اطلاعات عملی و ملاحظات انتخاب مربوطه را برای ساخت یک پیاده سازی کاربردی خانه هوشمند پیشرفته ارائه می دهیم. در بخش 7، آزمایش خود را با معرفی سه مثال که جوهر پیشنهاد یکپارچه ما را ارائه می‌کند، شرح می‌دهیم. در نهایت، ما مسائل باز و مسیرهای آینده را در آینده اجزا و برنامه های کاربردی خانه هوشمند پیشرفته شناسایی می کنیم.

نمای کلی خانه هوشمند کلاسیک

خانه هوشمند گسترش مسکونی اتوماسیون ساختمان است و شامل کنترل و اتوماسیون تمام فناوری های تعبیه شده آن است. این اقامتگاهی را تعریف می کند که دارای وسایل برقی، روشنایی، گرمایش، تهویه مطبوع، تلویزیون، رایانه، سیستم های سرگرمی، لوازم خانگی بزرگ مانند ماشین لباسشویی/خشک کن و یخچال/فریزر، سیستم های امنیتی و دوربینی است که قادر به برقراری ارتباط با یکدیگر و کنترل از راه دور هستند. برنامه زمانی، تلفن، موبایل یا اینترنت. این سیستم‌ها شامل سوئیچ‌ها و حسگرهای متصل به هاب مرکزی هستند که توسط ساکنان خانه با استفاده از ترمینال دیواری یا واحد تلفن همراه متصل به خدمات ابری اینترنت کنترل می‌شود.

خانه هوشمند امنیت، بهره وری انرژی، هزینه های عملیاتی کم و راحتی را فراهم می کند. نصب محصولات هوشمند باعث راحتی و صرفه جویی در زمان، پول و انرژی می شود. چنین سیستم هایی سازگار و قابل تنظیم هستند تا نیازهای در حال تغییر ساکنان خانه را برآورده کنند. در بیشتر موارد زیرساخت آن به اندازه کافی انعطاف پذیر است تا با طیف وسیعی از دستگاه ها از ارائه دهندگان و استانداردهای مختلف ادغام شود

معماری پایه امکان اندازه‌گیری شرایط خانه، پردازش داده‌های ابزاردار، استفاده از حسگرهای مجهز به میکروکنترلر را برای اندازه‌گیری شرایط خانه و محرک‌ها برای نظارت بر دستگاه‌های تعبیه‌شده در خانه را ممکن می‌سازد.
محبوبیت و نفوذ مفهوم خانه هوشمند با سرعت خوبی در حال رشد است، زیرا بخشی از روند مدرن سازی و کاهش هزینه ها شد. این امر با تعبیه قابلیت نگهداری یک گزارش رویداد متمرکز، اجرای فرآیندهای یادگیری ماشین برای ارائه عناصر اصلی هزینه، صرفه جویی در توصیه ها و سایر گزارش های مفید به دست می آید.

خدمات خانه هوشمند

اندازه گیری شرایط خانه

یک خانه هوشمند معمولی به مجموعه ای از سنسورها برای اندازه گیری شرایط خانه مانند: دما، رطوبت، نور و مجاورت مجهز است. هر سنسور برای گرفتن یک یا چند اندازه گیری اختصاص داده شده است. دما و رطوبت ممکن است توسط یک سنسور اندازه گیری شود، سنسورهای دیگر نسبت نور را برای یک منطقه معین و فاصله آن تا هر جسمی که در معرض آن قرار می گیرد محاسبه می کنند. همه حسگرها اجازه ذخیره داده ها و تجسم آن را می دهند تا کاربر بتواند آن را در هر مکان و هر زمان مشاهده کند. برای انجام این کار، شامل یک پردازشگر سیگنال، یک رابط ارتباطی و یک میزبان در زیرساخت ابری است.

مدیریت لوازم خانگی

سرویس ابری را برای مدیریت لوازم خانگی ایجاد می کند که در زیرساخت ابری میزبانی می شود. سرویس مدیریت به کاربر اجازه می دهد تا خروجی های محرک های هوشمند مرتبط با لوازم خانگی مانند لامپ ها و فن ها را کنترل کند. محرک های هوشمند دستگاه هایی مانند سوپاپ ها و سوئیچ ها هستند که اقداماتی مانند روشن یا خاموش کردن وسایل یا تنظیم یک سیستم عملیاتی را انجام می دهند. عملگرها عملکردهای مختلفی مانند سرویس شیر روشن/خاموش، موقعیت دهی به درصد باز، تعدیل برای کنترل تغییرات در شرایط جریان، خاموش شدن اضطراری (ESD) را ارائه می دهند. برای فعال کردن یک محرک، دستور نوشتن دیجیتالی برای محرک صادر می شود.

کنترل دسترسی به خانه

فناوری های دسترسی به خانه معمولاً برای درهای دسترسی عمومی استفاده می شود. یک سیستم رایج از یک پایگاه داده با ویژگی های شناسایی افراد مجاز استفاده می کند.
هنگامی که شخصی به سیستم کنترل دسترسی نزدیک می شود، ویژگی های شناسایی فرد فوراً جمع آوری شده و با پایگاه داده مقایسه می شود. اگر با داده های پایگاه داده مطابقت داشته باشد، دسترسی مجاز است، در غیر این صورت، دسترسی ممنوع است. برای یک مؤسسه گسترده، ممکن است از خدمات ابری برای جمع‌آوری مرکزی داده‌های افراد و پردازش آن‌ها استفاده کنیم. برخی از کارت های شناسایی مغناطیسی یا مجاورتی استفاده می کنند، برخی دیگر از سیستم های تشخیص چهره، اثر انگشت و RFID استفاده می کنند.

در یک نمونه پیاده سازی، از کارت RFID و خواننده RFID استفاده شده است. هر شخص مجاز دارای کارت RFID است. شخص کارت را از طریق خواننده RFID واقع در نزدیکی درب اسکن کرد. شناسه اسکن شده از طریق اینترنت به سامانه ابری ارسال شده است. سیستم شناسه را به سرویس کنترلی ارسال کرد که شناسه اسکن شده را با شناسه های مجاز در پایگاه داده مقایسه می کند.

اجزای اصلی

برای فعال کردن تمام فعالیت های توصیف شده در بالا و مدیریت داده ها، سیستم از اجزای زیر تشکیل شده است، همانطور که در شکل 1 توضیح داده شده است.

الف. سنسورها

سنسورهایی برای جمع آوری داده های داخلی و خارجی خانه و اندازه گیری شرایط خانه. این حسگرها به خود خانه و به دستگاه های متصل به خانه متصل می شوند. این سنسورها سنسورهای اینترنت اشیاء IOT نیستند که به لوازم خانگی متصل می شوند. داده های حسگرها جمع آوری شده و به طور مداوم از طریق شبکه محلی به سرور خانه هوشمند منتقل می شود.

ب پردازنده ها

پردازنده هایی برای انجام اقدامات محلی و یکپارچه. همچنین ممکن است برای برنامه هایی که به منابع گسترده نیاز دارند به ابر متصل شود. سپس داده‌های حسگرها توسط فرآیندهای سرور محلی پردازش می‌شوند.

ج نرم افزار

مجموعه‌ای از اجزای نرم‌افزاری که به‌عنوان API پیچیده شده‌اند و به برنامه‌های خارجی اجازه اجرای آن را می‌دهند، با توجه به اینکه از فرمت پارامترهای از پیش تعریف‌شده پیروی می‌کنند. چنین API می تواند داده های حسگرها را پردازش کند یا اقدامات لازم را مدیریت کند.

پارادایم خانه هوشمند

شکل 1. پارادایم خانه هوشمند با اتصال ابری اختیاری.

د. محرک ها

محرک هایی برای تهیه و اجرای دستورات در سرور یا سایر دستگاه های کنترلی. فعالیت مورد نیاز را به دستور دستور ترجمه می کند. دستگاه می تواند اجرا کند. در طول پردازش داده‌های حسگرهای دریافتی، وظیفه بررسی می‌کند که آیا هر قانون درستی است یا خیر. در چنین حالتی سیستم ممکن است دستوری را به پردازنده دستگاه مناسب اجرا کند.

ه. پایگاه داده

پایگاه داده برای ذخیره داده های پردازش شده جمع آوری شده از حسگرها [و خدمات ابری]. همچنین برای تجزیه و تحلیل داده ها، ارائه داده ها و تجسم استفاده خواهد شد. داده های پردازش شده در پایگاه داده پیوست شده برای استفاده در آینده ذخیره می شود.

مروری بر اینترنت اشیاء IOT

پارادایم اینترنت اشیاء IOT به دستگاه های متصل به اینترنت اشاره دارد. دستگاه ها اشیایی هستند مانند حسگرها و محرک ها، مجهز به رابط مخابراتی، واحد پردازش، ذخیره سازی محدود و برنامه های نرم افزاری.
این امکان ادغام اشیاء را در اینترنت فراهم می کند و تعامل بین افراد و دستگاه ها را بین دستگاه ها برقرار می کند. فناوری کلیدی اینترنت اشیاء IOT شامل شناسایی فرکانس رادیویی (RFID)، فناوری حسگر و فناوری هوشمند است. RFID پایه و هسته شبکه ای ساخت اینترنت اشیاء IOT است. قابلیت‌های پردازشی و ارتباطی آن به همراه الگوریتم‌های منحصربه‌فرد به ادغام انواع عناصر اجازه می‌دهد تا به‌عنوان یک واحد یکپارچه عمل کنند، اما در عین حال امکان افزودن و حذف آسان مؤلفه‌ها با حداقل تأثیر را فراهم می‌آورد و اینترنت اشیاء IOT را قوی اما انعطاف‌پذیر برای جذب تغییرات در محیط می‌کند. و ترجیحات کاربر برای به حداقل رساندن استفاده از پهنای باند، از JSON، یک نسخه سبک از XML، برای اجزای داخلی و پیام‌های خارجی استفاده می‌کند.

رایانش ابری و سهم آن در اینترنت اشیاء IOT و خانه هوشمند

رایانش ابری مجموعه ای مشترک از منابع محاسباتی است که آماده ارائه انواع خدمات محاسباتی در سطوح مختلف، از زیرساخت های اولیه تا پیچیده ترین سرویس های کاربردی است که به راحتی با کمترین تلاش یا تعامل با ارائه دهنده خدمات، تخصیص و منتشر می شود [6، 7]. در عمل، منابع محاسباتی، ذخیره سازی و ارتباطی را که توسط چندین کاربر در یک محیط مجازی و ایزوله به اشتراک گذاشته می شود، مدیریت می کند. شکل 2 الگوی کلی ابر را نشان می دهد.

الگوی محاسبات ابری اینترنت اشیا

شکل 2. الگوی محاسبات ابری

اینترنت اشیاء IOT و خانه‌های هوشمند می‌توانند از منابع و قابلیت‌های گسترده ابر برای جبران محدودیت آن در ذخیره‌سازی، پردازش، ارتباطات، پشتیبانی در تقاضای انتخاب، پشتیبان‌گیری و بازیابی بهره ببرند. به عنوان مثال، ابر می‌تواند از مدیریت و اجرای خدمات اینترنت اشیاء IOT پشتیبانی کند و برنامه‌های مکمل را با استفاده از داده‌های تولید شده توسط خود اجرا کند. خانه هوشمند را می توان متراکم کرد و فقط بر روی عملکردهای اساسی و حیاتی تمرکز کرد و بنابراین منابع خانه محلی را به حداقل رساند و به قابلیت ها و منابع ابری تکیه کرد. خانه هوشمند و اینترنت اشیاء IOT بر جمع آوری داده ها، پردازش اولیه و انتقال به ابر برای پردازش بیشتر تمرکز خواهند کرد. برای مقابله با چالش‌های امنیتی، ابر ممکن است برای داده‌های با امنیت بالا خصوصی و برای بقیه عمومی باشد.

اینترنت اشیاء IOT، خانه هوشمند و رایانش ابری تنها ادغام فناوری ها نیستند. بلکه تعادل بین محاسبات محلی و مرکزی همراه با بهینه سازی مصرف منابع. یک کار محاسباتی می‌تواند روی اینترنت اشیاء IOT و دستگاه‌های خانه هوشمند اجرا شود یا به ابر برون سپاری شود. محل محاسبه بستگی به معاوضه های سربار، در دسترس بودن داده ها، وابستگی به داده ها، میزان انتقال داده، وابستگی ارتباطات و ملاحظات امنیتی دارد. از یک طرف، مدل محاسباتی سه گانه که شامل ابر، اینترنت اشیاء IOT و خانه هوشمند است، باید کل هزینه سیستم را به حداقل برساند، معمولاً با تمرکز بیشتر بر کاهش مصرف منابع در خانه. از سوی دیگر، یک مدل خدمات محاسباتی اینترنت اشیاء IOT و خانه هوشمند، باید کاربران اینترنت اشیاء IOT را برای برآورده کردن تقاضای خود در هنگام استفاده از برنامه‌های کاربردی ابری و رفع مشکلات پیچیده ناشی از مدل جدید اینترنت اشیاء IOT، خانه هوشمند و خدمات ابری بهبود بخشد.

چند نمونه از خدمات مراقبت های بهداشتی ارائه شده توسط یکپارچه سازی ابر و اینترنت اشیاء IOT:
مدیریت صحیح اطلاعات، به اشتراک گذاری سوابق الکترونیکی مراقبت های بهداشتی، خدمات پزشکی با کیفیت بالا را امکان پذیر می کند، مدیریت داده های حسگر مراقبت های بهداشتی، دستگاه های تلفن همراه را برای تحویل داده های بهداشتی، امنیت، حفظ حریم خصوصی و قابلیت اطمینان مناسب می سازد، با افزایش امنیت داده های پزشکی و در دسترس بودن خدمات و افزونگی و خدمات زندگی کمکی در اجرای همزمان و ابری خدمات سلامت مبتنی بر چند رسانه ای.

پردازش رویداد متمرکز، یک سیستم مبتنی بر قانون

خانه‌های هوشمند و اینترنت اشیاء IOT سرشار از حسگرهایی هستند که جریان‌های عظیم داده را در قالب پیام‌ها یا رویدادها ایجاد می‌کنند. پردازش این داده ها بالاتر از ظرفیت یک انسان است [8-10]. از این رو، سیستم های پردازش رویداد برای پاسخ سریعتر به رویدادهای طبقه بندی شده توسعه یافته و مورد استفاده قرار گرفته اند. در این بخش، ما بر روی سیستم‌های مدیریت قوانین تمرکز می‌کنیم که می‌توانند رویدادها را حس کرده و ارزیابی کنند تا به تغییرات مقادیر یا وقفه‌ها پاسخ دهند. کاربر می تواند قانون ایجاد شده توسط رویداد را تعریف کند و تحویل مناسب خدمات را کنترل کند. یک قانون از شرایط رویداد، الگوی رویداد و اطلاعات مربوط به همبستگی تشکیل شده است که می تواند برای مدل سازی موقعیت های پیچیده ترکیب شود. این در یک خانه هوشمند معمولی پیاده سازی شد و مناسب بودن خود را برای یک سیستم سرویس گرا ثابت کرد.

این سیستم می تواند مقادیر زیادی از رویدادها را پردازش کند، عملکردهایی را برای نظارت، پیمایش و بهینه سازی فرآیندها در زمان واقعی اجرا کند. ناهنجاری ها یا استثناها را کشف و تجزیه و تحلیل می کند و پاسخ های واکنشی/فعالانه مانند هشدارها و جلوگیری از اقدامات آسیب ایجاد می کند. موقعیت ها توسط یک رابط مدل سازی کاربر پسند برای قوانین ایجاد شده توسط رویداد مدل سازی می شوند. در صورت لزوم، آنها را به عناصر ساده و قابل فهم تقسیم می کند. مدل پیشنهادی را می توان به طور یکپارچه در بستر پردازش رویداد توزیع شده و سرویس گرا ادغام کرد.

فرآیند ارزیابی توسط رویدادهایی آغاز می شود که آخرین وضعیت و اطلاعات را از محیط مربوطه ارائه می دهند. نتیجه یک نمودار تصمیم است که قاعده را نشان می دهد. می تواند موقعیت های پیچیده را به شرایط ساده تقسیم کند و آنها را با یکدیگر ترکیب کند و شرایط پیچیده را بسازد. خروجی یک رویداد پاسخی است که هنگام اجرا شدن یک قانون مطرح می شود. رویدادهای شلیک شده ممکن است به عنوان ورودی برای قوانین دیگر برای ارزیابی بیشتر استفاده شوند. الگوهای رویداد زمانی کشف می شوند که چندین رویداد رخ می دهند و با یک الگوی از پیش تعریف شده مطابقت دارند. با توجه به مدل گرافیکی و رویکرد مدولار برای ساخت قوانین، قوانین را می توان به راحتی با تغییرات دامنه تطبیق داد. شرایط رویداد یا الگوهای رویداد جدید را می توان از مدل قانون اضافه یا حذف کرد. قوانین توسط سرویس‌های رویداد اجرا می‌شوند که رویدادها را به موتور قوانین عرضه می‌کنند و نتیجه ارزیابی را پردازش می‌کنند.

برای اطمینان از در دسترس بودن منابع پردازشی مناسب، سیستم می تواند در یک حالت توزیع شده، روی چندین ماشین اجرا شود و ادغام با سیستم های خارجی را نیز تسهیل کند. تعریف روابط و وابستگی‌ها بین رویدادهایی که برای پردازش قوانین مرتبط هستند، با استفاده از مجموعه‌های توالی ایجاد شده توسط موتور قانون انجام می‌شوند. موتور قانون دنباله‌ای از رویدادهای مربوط به یک شرط قانون خاص را می‌سازد تا امکان ارتباط رویدادها با داده‌های زمینه آنها را فراهم کند. زمانی که شرایط اعلام شده برقرار باشد، قوانین به طور خودکار اقداماتی را در پاسخ انجام می دهند. کنش‌ها رویدادهای پاسخی را ایجاد می‌کنند، که فعالیت‌های پاسخ را آغاز می‌کنند. الگوهای رویداد می‌توانند با توالی رویدادهای زمانی مطابقت داشته باشند، که امکان توصیف موقعیت‌های خانه را فراهم می‌کند که وقوع رویدادها مرتبط هستند. به عنوان مثال، زمانی که درب برای مدت طولانی باز نگه داشته شود.

چالش‌های زیر با این مدل شناخته شده‌اند: ساختار رویدادها و داده‌های پردازش‌شده، پیکربندی سرویس‌ها و آداپتورها برای مراحل پردازش، شامل پارامترهای ورودی و خروجی آن‌ها، رابط‌های سیستم‌های خارجی برای سنجش داده‌ها و پاسخ‌دهی با اجرای تراکنش‌ها، ساختار برای رویدادها و داده های پردازش شده، تبدیل داده ها، تجزیه و تحلیل داده ها و تداوم. این اجازه می دهد تا مدل شود که کدام رویدادها باید توسط سرویس قانون پردازش شوند و چگونه رویدادهای پاسخ باید به سرویس های رویداد دیگر ارسال شوند. فرآیند ساده است: داده‌ها از آداپتورهایی جمع‌آوری و دریافت می‌شوند که رویدادها را به سرویس‌های رویدادی که آنها را مصرف می‌کنند ارسال می‌کنند. در ابتدا رویدادها برای آماده سازی داده های رویداد برای پردازش قوانین غنی می شوند. به عنوان مثال، رویدادهای پاسخ به سرویسی برای ارسال اعلان‌ها به یک نماینده تماس یا به سرویس‌هایی ارسال می‌شوند که اعلان‌های تاخیر رویداد و به‌روزرسانی‌های رویداد را به سیستم مدیریت رویداد ارسال می‌کنند.

زبان های پردازش رویداد

پردازش رویداد مربوط به ثبت و مدیریت رویدادهای از پیش تعریف شده در زمان واقعی است. این کار از مدیریت گیرنده‌های رویدادها درست از زمان وقوع رویداد، حتی شناسایی، جمع‌آوری داده‌ها، ارتباط فرآیند و فعال‌سازی کنش پاسخ آغاز می‌شود. برای اجازه مدیریت سریع و انعطاف‌پذیر رویداد، از زبان پردازش رویداد استفاده می‌شود که به پیکربندی سریع منابع مورد نیاز برای مدیریت توالی مورد انتظار از فعالیت‌ها در هر نوع رویداد اجازه می‌دهد. از دو ماژول ESP و CEP تشکیل شده است. ESP به طور موثر رویداد را مدیریت می کند، آن را تجزیه و تحلیل می کند و رخداد مناسب را انتخاب می کند. CEP رویدادهای جمع آوری شده را مدیریت می کند. زبان‌های رویداد انواع رویدادهای پیچیده اعمال شده در گزارش رویداد را توصیف می‌کنند.

کشف مجدد گردش کار از رویدادها

در برخی موارد، قوانین مربوط به مغایرت در یک توالی از رویدادها در یک گردش کار است. در چنین مواردی، درک دقیق گردش کار و رویدادهای مرتبط با آن الزامی است. برای غلبه بر این موضوع، ما یک فرآیند مهندسی معکوس را پیشنهاد می‌کنیم تا به‌طور خودکار جریان‌های کاری از گزارش رویدادهای جمع‌آوری‌شده در طول زمان را دوباره کشف کنیم، با فرض اینکه این رویدادها مرتب شده‌اند، و هر رویداد به یک وظیفه اشاره دارد که برای یک مورد واحد اجرا می‌شود. فرآیند کشف مجدد می‌تواند برای اعتبارسنجی توالی‌های گردش کار با اندازه‌گیری اختلافات بین مدل‌های تجویزی و اجرای واقعی فرآیند استفاده شود. فرآیند کشف مجدد شامل سه مرحله زیر است: (1) ساخت جدول وابستگی/فرکانس. (2) القای نمودارهای وابستگی/فرکانس. (3) تولید شبکه های WF از نمودارهای D/F.

خانه هوشمند پیشرفته

در این بخش، ما بر ادغام خانه های هوشمند، اینترنت اشیاء IOT و محاسبات ابری برای تعریف یک الگوی محاسباتی جدید تمرکز می کنیم. ما می‌توانیم در بخش ادبیات [11-14] نظرسنجی‌ها و کارهای تحقیقاتی در مورد خانه‌های هوشمند، اینترنت اشیاء IOT و محاسبات ابری را به طور جداگانه پیدا کنیم که بر ویژگی‌ها، ویژگی‌ها، فناوری‌ها و معایب منحصربه‌فرد آن‌ها تأکید می‌کند.
اما رویکرد ما برعکس است. ما به دنبال هم افزایی بین این سه مفهوم هستیم و به دنبال راه هایی برای ادغام آنها در یک پارادایم جامع جدید، با استفاده از مفاهیم زیربنایی مشترک و همچنین ویژگی های منحصر به فرد آن هستیم تا امکان اجرای فرآیندهای جدیدی را فراهم کنیم، که در غیر این صورت نمی توان آنها را پردازش کرد.

خانه هوشمند پیشرفته ادغام با اینترنت اشیاء

شکل 3. خانه هوشمند پیشرفته – ادغام خانه هوشمند، اینترنت اشیاء IOT و محاسبات ابری.

شکل 3 اجزای اصلی خانه هوشمند پیشرفته و قابلیت اتصال آنها را نشان می دهد. در بلوک سمت چپ، محیط خانه هوشمند، می‌توانیم دستگاه‌های معمولی متصل به یک شبکه محلی [LAN] را ببینیم. این امکان ارتباط بین دستگاه ها و خارج از آن را فراهم می کند. به شبکه LAN یک سرور و پایگاه داده آن متصل است. سرور دستگاه ها را کنترل می کند، فعالیت های خود را ثبت می کند، گزارش ها را ارائه می دهد، به پرسش ها پاسخ می دهد و دستورات مناسب را اجرا می کند. برای کارهای جامع یا رایج تر، سرور خانه هوشمند، داده ها را به ابر منتقل می کند و با استفاده از APIها، فرآیندهای رابط برنامه نویسی برنامه، وظایف را از راه دور در آن فعال می کند. علاوه بر این، لوازم خانگی اینترنت اشیاء IOT به اینترنت و شبکه LAN متصل می شوند و بنابراین خانه هوشمند را به اینترنت اشیاء IOT نیز گسترش می دهد. اتصال به اینترنت به کاربر نهایی، ساکن این امکان را می دهد که با خانه هوشمند ارتباط برقرار کند تا اطلاعات فعلی را دریافت کند و وظایف را از راه دور فعال کند.

برای نشان دادن مزایای خانه هوشمند پیشرفته، ما از RSA، یک الگوریتم رمزنگاری نامتقارن قوی استفاده می‌کنیم که یک کلید عمومی و خصوصی تولید می‌کند و پیام‌ها را رمزگذاری/رمزگشایی می‌کند. با استفاده از کلید عمومی، همه می توانند پیامی را رمزگذاری کنند، اما فقط کسانی که کلید خصوصی را در دست دارند می توانند پیام ارسال شده را رمزگشایی کنند. تولید کلیدها و رمزگذاری/رمزگشایی پیام ها مستلزم محاسبات گسترده است که به فضای حافظه و قدرت پردازش قابل توجهی نیاز دارد.

بنابراین، معمولاً روی رایانه های قدرتمندی که برای مقابله با منابع مورد نیاز ساخته شده اند، پردازش می شود. با این حال، به دلیل منابع محدود، اجرای RSA در دستگاه اینترنت اشیاء IOT تقریبا غیرممکن است، و بنابراین، شکاف امنیتی در اینترنت را باز می کند، جایی که مهاجمان ممکن است به راحتی از آن استفاده کنند. برای مقابله با آن، ما قدرت پردازنده‌های خانه هوشمند محلی را برای محاسبه برخی از محاسبات RSA و ارسال وظایف محاسباتی پیچیده‌تر برای پردازش در فضای ابری ترکیب می‌کنیم. سپس نتایج به حسگر اینترنت اشیاء IOT بازگردانده می شود تا با هم کامپایل و مونتاژ شوند تا کد رمزگذاری/رمزگشایی RSA تولید شود و شکاف امنیتی ذکر شده در اینترنت اشیاء IOT بسته شود. این مثال جریان داده را در میان اجزای پیشرفته خانه هوشمند نشان می دهد. جایی که هر جزء، پشته عملیات خود را برای تولید خروجی منحصر به فرد خود انجام می دهد. با این حال، در صورت انجام وظایف پیچیده و طولانی، وظیفه را به وظایف فرعی تقسیم می کند تا توسط اجزای قدرتمندتر اجرا شوند.

با اشاره به مثال RSA، دستگاه IoT نیاز به تولید یک کلید رمزگذاری را آغاز می کند و بنابراین، یک پیام درخواستی را به برنامه RSA ارسال می کند که در رایانه خانه هوشمند اجرا می شود. سپس رایانه خانه هوشمند از برنامه «تولید اعداد اول» که در فضای ابری اجرا می‌شود، می‌خواهد تا اعداد اول p و q را ارائه دهد. هنگامی که p و q پذیرفته شدند، کد رمزگذاری ایجاد می شود. در مرحله بعد، یک دستگاه اینترنت اشیاء IOT با استفاده از کلید رمزگذاری RSA که اخیراً ایجاد شده است، درخواستی را به رایانه خانه هوشمند برای رمزگذاری یک پیام ارسال می کند. سپس پیام رمزگذاری شده برای اجرای بیشتر به دستگاه IoT منتقل می شود. سناریوی مشابهی ممکن است در جهت مخالف باشد، زمانی که یک دستگاه IoT پیامی دریافت می کند ممکن است از خانه هوشمند درخواست کند تا آن را رمزگشایی کند.

به طور خلاصه، سناریوهای RSA استفاده از قدرت رایانش ابری، قابلیت‌های محاسباتی ایمن خانه هوشمند و در پایان قدرت محدود دستگاه اینترنت اشیاء IOT را به تصویر می‌کشند. این ثابت می کند که بدون این همکاری خودکار، RSA نمی تواند در سطح IoT اجرا شود.

یک مثال کاربردی تر، جایی است که چندین وسیله جدا شده مانند اجاق گاز، آرام پز و تابه روی اجاق گاز برای برآورده کردن درخواست ساکنین فعال هستند. ساکن یک تماس تلفنی فوری دریافت می کند و بلافاصله خانه را ترک می کند، بدون اینکه وسایل فعال را خاموش کند. در صورتی که اینترنت اشیاء IOT مربوطه تنظیم شده باشد تا به طور خودکار بر اساس یک قانون از پیش تعریف شده خاموش شود، در سطح اینترنت اشیاء IOT مراقبت می شود. در غیر این صورت، خانه هوشمند متوجه می شود که ساکن خانه را ترک کرده است [درب خانه باز شده و سپس قفل شده، گاراژ باز شده، ماشین ساکن خارج شده، درب اصلی باز شده و سپس بسته شده است، کسی در خانه نبوده است] و خواهد کرد. در صورت عدم وجود، تمام دستگاه های فعال طبقه بندی شده به عنوان خطر را خاموش کنید. این یک پیام مناسب به لیست پستی تعریف شده برای چنین موقعیتی ارسال می کند.

جنبه های عملی و ملاحظات پیاده سازی برای اینترنت اشیاء IOT و خانه هوشمند

خانه هوشمند دارای سه جزء سخت افزار، نرم افزار و پروتکل های ارتباطی است. این دارای طیف گسترده ای از برنامه های کاربردی برای مصرف کننده دیجیتال است. برخی از زمینه‌های اتوماسیون خانگی با قابلیت اتصال اینترنت اشیاء IOT، مانند: کنترل روشنایی، باغبانی، ایمنی و امنیت، کیفیت هوا، نظارت بر کیفیت آب، دستیارهای صوتی، سوئیچ‌ها، قفل‌ها، کنتورهای انرژی و آب.

اجزای پیشرفته خانه هوشمند عبارتند از: حسگرهای اینترنت اشیاء IOT، دروازه ها، پروتکل ها، سیستم عامل، محاسبات ابری، پایگاه های داده، میان افزار و دروازه ها. ابر اینترنت اشیاء IOT را می توان به پلتفرم به عنوان سرویس (PaaS) و زیرساخت به عنوان سرویس (IaaS) تقسیم کرد. شکل 4 اجزای اصلی خانه هوشمند پیشرفته پیشنهادی و اتصال و جریان داده در بین اجزای آن را نشان می دهد.

برنامه خانه هوشمند پایگاه داده خانه را در فضای ابری به روز می کند تا افراد راه دور به آن دسترسی داشته باشند و آخرین وضعیت خانه را دریافت کنند. یک پلت فرم معمولی اینترنت اشیاء IOT شامل موارد زیر است: امنیت دستگاه و احراز هویت، کارگزاران پیام و صف پیام، مدیریت دستگاه، پروتکل ها، جمع آوری داده ها، تجسم، قابلیت های تجزیه و تحلیل، ادغام با سایر سرویس های وب، مقیاس پذیری، API برای جریان اطلاعات بلادرنگ و کتابخانه های منبع باز. سنسورهای اینترنت اشیاء IOT برای اتوماسیون خانگی با قابلیت‌های سنجش خود مانند: دما، لوکس، سطح آب، ترکیب هوا، دوربین‌های ویدئویی نظارتی، صدا/صوت، فشار، رطوبت، شتاب‌سنج‌ها، مادون قرمز، ارتعاشات و فراصوت شناخته می‌شوند. برخی از پرکاربردترین سنسورهای خانه هوشمند سنسورهای دما هستند، بیشتر سنسورهای دیجیتال هستند، اما برخی آنالوگ هستند و می توانند بسیار دقیق باشند. سنسورهای لوکس میزان درخشندگی را اندازه گیری می کنند. سنسورهای اولتراسونیک سطح آب.

حسگرهای سطح شناور قابلیت اندازه گیری دقیق تری را به توسعه دهندگان اینترنت اشیاء IOT ارائه می دهند. سنسورهای ترکیب هوا توسط توسعه دهندگان برای اندازه گیری اجزای خاص در هوا استفاده می شود: نظارت بر CO، اندازه گیری سطح گاز هیدروژن، اندازه گیری اکسید نیتروژن، سطح گازهای خطرناک. اکثر آنها دارای زمان گرمایش هستند، به این معنی که قبل از ارائه مقادیر دقیق به زمان خاصی نیاز دارد. این متکی به تشخیص اجزای گاز روی یک سطح است، تنها پس از اینکه سطح به اندازه کافی گرم شد، مقادیر شروع به نشان دادن می کنند. دوربین های ویدئویی برای نظارت و تجزیه و تحلیل. طیف وسیعی از دوربین ها، با اتصال پرسرعت. استفاده از پردازنده Raspberry Pi توصیه می شود زیرا ماژول دوربین آن به دلیل اتصال فلکس که مستقیماً به برد متصل است بسیار کارآمد است.

ترکیب خانه هوشمند پیشرفته

شکل 4. ترکیب خانه هوشمند پیشرفته.

آشکارسازهای صدا به طور گسترده برای اهداف نظارت، تشخیص صداها و عمل بر اساس آن استفاده می شود. برخی حتی می توانند سطوح بسیار کم نویز را تشخیص دهند و بین سطوح مختلف نویز به خوبی تنظیم شوند.

سنسورهای رطوبت سطوح رطوبت هوا را برای خانه های هوشمند حس می کنند. دقت و دقت آن به طراحی و محل قرارگیری سنسور بستگی دارد. سنسورهای خاصی مانند DHT22 که برای نمونه سازی سریع ساخته شده اند، همیشه در مقایسه با سنسورهای باکیفیت مانند HIH6100 عملکرد ضعیفی دارند. برای فضاهای باز، انتظار می رود توزیع در اطراف حسگر یکنواخت باشد و به اقدامات اصلاحی کمتری برای کالیبراسیون مناسب نیاز دارد.

پروتکل های ارتباطی خانه هوشمند

بلوتوث، Wi-Fi یا GSM. پروتکل های بی سیم هوشمند یا کم انرژی بلوتوث با قابلیت های مش و الگوریتم های رمزگذاری داده ها. Zigbee یک پروتکل شبکه مش و مبتنی بر فرکانس رادیویی کم توان برای اینترنت اشیاء IOT است. پروتکل X10 که از سیم کشی خط برق برای سیگنال دهی و کنترل استفاده می کند.

Insteon، ارتباطات بی سیم و سیمی. Z-wave در اتوماسیون خانه ایمن تخصص دارد. UPB، از خطوط برق موجود استفاده می کند. Thread، یک پروتکل بدون حق امتیاز برای اتوماسیون خانه هوشمند. ANT، یک پروتکل بسیار کم مصرف برای ساخت حسگرهای کم مصرف با قابلیت توزیع مش. پروتکل های ترجیحی بلوتوث کم انرژی، خانه هوشمند Z-wave ،خانه هوشمند Zigbee و Thread هستند. ملاحظات برای ترکیب یک دروازه ممکن است شامل موارد زیر باشد: اتصال ابری، پروتکل های پشتیبانی شده، پیچیدگی سفارشی سازی و پشتیبانی از نمونه سازی. کنترل خانه از موارد زیر تشکیل شده است: دستگاه حالت، اتوبوس رویداد، گزارش سرویس و تایمر

ماژولاریت: مفهوم بسته نرم افزاری را فعال می کند، پویایی زمان اجرا، اجزای نرم افزار را می توان در زمان اجرا مدیریت کرد، جهت گیری سرویس، مدیریت وابستگی ها در بین بسته ها، لایه چرخه عمر: چرخه عمر بسته ها را کنترل می کند، لایه های سرویس: یک مدل پویا از ارتباط بین ماژول های مختلف را تعریف می کند. ، خدمات واقعی: این لایه برنامه است. لایه امنیتی: اختیاری است، از معماری امنیتی جاوا 2 استفاده می کند و مجوزهای ماژول های مختلف را مدیریت می کند.

OpenHAB چارچوبی است که هوشمند سازی خانه و دروازه اینترنت اشیاء IOT را برای خانه های هوشمند ترکیب می کند. ویژگی های آن: موتور قوانین، مکانیسم ورود به سیستم و انتزاع UI. قوانین اتوماسیون که بر زمان، حال و هوا، یا محیط، پیکربندی آسان، سخت افزار رایج پشتیبانی شده تمرکز دارند:

معماری Domoticz: تعداد بسیار کمی از مردم در مورد معماری Domoticz می‌دانند، بنابراین ساخت برنامه‌های کاربردی بر روی آن بدون ریسک‌های غیرضروری در ساخت خود محصول بسیار دشوار است. به عنوان مثال، وقتی به مفهوم یک سنسور برای کنترل به یک محرک نگاه می کنید، کل طراحی معماری عمومی کمی عجیب به نظر می رسد.

ساخت برنامه های پیشرفته با Domoticz را می توان با استفاده از زبان های مبتنی بر OO انجام داد. استقرار بلاک چین در شبکه های خانگی را می توان به راحتی با Raspberry Pi انجام داد. یک لایه ایمن بلاک چین بین دستگاه ها و دروازه ها را می توان بدون تغییر گسترده در پایه کد موجود پیاده سازی کرد. بلاک چین یک فناوری است که در آینده نقشی ایفا خواهد کرد تا با مدل های کسب و کار انقلابی و جدید مانند اجاره پویا برای Airbnb به آنها اطمینان دهد.

نمونه هایی از خانه هوشمند و اینترنت اشیاء IOT

ما می‌توانیم در ادبیات و گزارش‌های عملی، پیاده‌سازی‌های بسیاری از ادغام‌های مختلف را در میان بخشی از سه بلوک اصلی، خانه هوشمند، اینترنت اشیاء IOT و محاسبات ابری بیابیم. برای مثال، به [12-14] مراجعه کنید. در این بخش، سه پیاده‌سازی را شرح می‌دهیم، که نیاز و مزایای اتصال یا یکپارچه‌سازی هر سه جزء را به وضوح نشان می‌دهند، همانطور که در شکل 5 نشان داده شده است. هر جزء 1-6 شماره گذاری شده است. در سمت چپ، ما برای هر پیاده سازی، دنباله ای از پیام ها / دستورات را در بین اجزا، از چپ به راست و از پایین به بالا توضیح می دهیم. به عنوان مثال اجرای سوم را در نظر بگیرید، یک وظیفه کنترلی که دائماً در سرور خانگی اجرا می شود (2) این واقعیت را کشف می کند که همه ساکنان خانه را ترک کرده و به طور خودکار، محرک ها را آغاز می کند تا همه وسایل اینترنت اشیاء IOT را خاموش کنند (3)، سپس پیام هایی را برای کاربران مربوطه ارسال می کند. /ساکنان، به روز رسانی آنها در مورد وضعیت و اقدامات اعمال شده آن (6).

استفاده از (i) در توضیحات پیاده سازی، با اعداد دایره شده در شکل 5 مطابقت دارد.

کشف نشت آب و پیشگیری از آن

گام اول، استقرار سنسورهای آب در زیر هر منبع نشت احتمالی معقول و یک سنسور اصلی خودکار دریچه آب برای کل خانه است، که اکنون به این معنی است که خانه به عنوان یک اینترنت اشیاء IOT در نظر گرفته می شود.

در صورتی که سنسور آب نشت آب (3) را تشخیص دهد، رویدادی را به هاب (2) ارسال می کند، که برنامه “شیر خاموش کردن” را فعال می کند. سپس برنامه کنترل خانگی یک فرمان «خاموش کردن» را به همه لوازم اینترنت اشیاء IOT (3) که به عنوان حساس به توقف آب تعریف شده اند ارسال می کند و سپس دستور «خاموش کردن» را به شیر اصلی آب (1) می فرستد. یک پیام به روز رسانی از طریق سیستم پیام رسانی برای آنها که در لیست اعلان ظاهر می شوند ارسال می شود (6). این تنظیم به دفاع در برابر سناریوهایی که منبع آب از لوله کشی خانه است کمک می کند. پیکربندی اساسی یکپارچگی از طریق پیام ها و دستورات بین خانه هوشمند و سیستم کنترل اینترنت اشیاء IOT را فرض می کند. این وابستگی و مزایای حاصل از ترکیب خانه هوشمند و اینترنت اشیاء IOT را نشان می دهد.

آشکارسازهای دود

اکثر خانه ها در حال حاضر مجموعه معمولی از آشکارسازهای دود (1) را دارند، اما هیچ پلی برای ارسال داده ها از سنسور به هاب خانه هوشمند وجود ندارد. اتصال این سنسورها به یک برنامه خانه هوشمند (2)، یک سیستم جامع تشخیص دود را فعال می کند.

بیشتر گسترش یافته است تا حسگر آسانسور را برای جلوگیری از استفاده از آن به دلیل شرایط آتش سوزی (1) اعلام کند، و بنابراین، حتی بیشتر به هر سنسور IoT (3) که ممکن است به دلیل هشدار دود شناسایی شده فعال شود، گسترش می یابد. در [5] آنها یک شبکه حسگر بی سیم برای تشخیص زودهنگام آتش سوزی در خانه طراحی کردند. آنها با استفاده از شبیه ساز دینامیک آتش و یک برنامه زبان، آتش سوزی را در یک خانه هوشمند شبیه سازی کردند. نتایج شبیه سازی نشان داد که سیستم آتش را زود تشخیص می دهد.

مدیریت حوادث برای کنترل لوازم خانگی

سناریویی را در نظر بگیرید که در آن خانه را ترک می کنید در حالی که برخی از وسایل هنوز روشن هستند. در صورتی که غیبت شما به اندازه کافی طولانی باشد، ممکن است برخی از وسایل گرم شوند و در شرف منفجر شدن باشند. برای جلوگیری از چنین شرایطی، ما همه حسگرهای لوازم اینترنت اشیاء IOT را به برنامه خانگی (2) متصل می کنیم، به طوری که وقتی همه از خانه خارج می شوند، به طور خودکار تمام سنسورهای لوازم خانگی را مطابق با آن تنظیم می کند (3) تا از آسیب جلوگیری شود.

توجه داشته باشید که نشانگر خانه خالی توسط برنامه خانه هوشمند ایجاد می شود، در حالی که نشانگر “روشن” دستگاه توسط اینترنت اشیاء IOT ایجاد می شود. از این رو، این سناریو به دلیل ادغام بین خانه های هوشمند و سیستم های اینترنت اشیاء IOT امکان پذیر است.

نتیجه گیری و خلاصه

در این فصل ما ادغام سه مؤلفه با جفت آزاد، خانه هوشمند، اینترنت اشیاء IOT و محاسبات ابری را توضیح دادیم. برای سازماندهی و مدیریت به موقع جریان گسترده داده ها به روشی کارآمد و متعادل، با استفاده از نقاط قوت هر جزء، ما یک برنامه پردازش رویداد متمرکز در زمان واقعی را پیشنهاد می کنیم.
ما مزایا و مزایای هر جزء مستقل و مکمل‌های احتمالی آن را شرح می‌دهیم، که ممکن است با ادغام آن با اجزای دیگر، مزایای جدیدی را که از کل سیستم ترکیب ایجاد می‌شود، به دست آوریم.
از آنجایی که این مولفه ها هنوز در مرحله توسعه هستند، ممکن است ادغام بین آنها تغییر کند و یک الگوی قوی ایجاد کند که نسل جدیدی از زیرساخت ها و برنامه ها را ایجاد می کند.

همانطور که پیشرفت هر جزء و تأثیر متناظر آن بر ترکیب یکپارچه را دنبال می‌کنیم، به طور مداوم اجزای اضافی را در نظر خواهیم گرفت که در نتیجه مدل‌ها و برنامه‌های سرویس جدید را به‌دست می‌آوریم.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

smart home

Smart Home Systems Based on Internet of Things

خانه هوشمند با اینترنت اشیاء

Smart Home Systems Based on Internet of Things

Smart home systems achieved great popularity in the last decades as they increase the comfort and quality of life. Most smart home systems are controlled by smartphones and microcontrollers. A smartphone application is used to control and monitor home functions using wireless communication techniques. We explore the concept of smart home with the integration of IoT services and cloud computing to it, by embedding intelligence into sensors and actuators, networking of smart things using the corresponding technology, facilitating interactions with smart things using cloud computing for easy access in different locations, increasing computation power, storage space and improving data exchange efficiency. In this chapter we present a composition of three components to build a robust approach of an advanced smart home concept and implementation.

Introduction

Classic smart home, internet of things, cloud computing and rule-based event processing, are the building blocks of our proposed advanced smart home integrated compound. Each component contributes its core attributes and technologies to the proposed composition. IoT contributes the internet connection and remote management of mobile appliances, incorporated with a variety of sensors. Sensors may be attached to home related appliances, such as air-conditioning, lights and other environmental devices. And so, it embeds computer intelligence into home devices to provide ways to measure home conditions and monitor home appliances’ functionality. Cloud computing provides scalable computing power, storage space and applications, for developing, maintaining, running home services, and accessing home devices anywhere at anytime. The rule-based event processing system provides the control and orchestration of the entire advanced smart home composition.

Combining technologies in order to generate a best of breed product, already appear in recent literature in various ways. Christos Stergioua et al. [1] merge cloud computing and IoT to show how the cloud computing technology improves the functionality of the IoT. Majid Al-Kuwari [2] focus on embedded IoT for using analyzed data to remotely execute commands of home appliances in a smart home. Trisha Datta et al. [3] propose a privacy-preserving library to embed traffic shaping in home appliances. Jian Mao et al. [4] enhance machine learning algorithms to play a role in the security in a smart home ecosystem. Faisal Saeed et al. [5] propose using sensors to sense and provide in real-time, fire detection with high accuracy.

In this chapter we explain the integration of classic smart home, IoT and cloud computing. Starting by analyzing the basics of smart home, IoT, cloud computing and event processing systems. We discuss their complementarity and synergy, detailing what is currently driving to their integration. We also discuss what is already available in terms of platforms, and projects implementing the smart home, cloud and IoT paradigm. From the connectivity perspective, the added IoT appliances and the cloud, are connected to the internet and in this context also to the home local area network. These connections complement the overall setup to a complete unified and interconnected composition with extended processing power, powerful 3rd party tools, comprehensive applications and an extensive storage space.

In the rest of this chapter we elaborate on each of the four components. In Section 1, we describe the classic smart home, in Section 2, we introduce the internet of things [IoT], in Section 3, we outline cloud computing and in Section 4, we present the event processing module. In Section 5, we describe the composition of an advanced smart home, incorporating these four components. In Section 6, we provide some practical information and relevant selection considerations, for building a practical advanced smart home implementation. In Section 7, we describe our experiment introducing three examples presenting the essence of our integrated proposal. Finally, we identify open issues and future directions in the future of advanced smart home components and applications.

Classic smart home overview

Smart home is the residential extension of building automation and involves the control and automation of all its embedded technology. It defines a residence that has appliances, lighting, heating, air conditioning, TVs, computers, entertainment systems, big home appliances such as washers/dryers and refrigerators/freezers, security and camera systems capable of communicating with each other and being controlled remotely by a time schedule, phone, mobile or internet. These systems consist of switches and sensors connected to a central hub controlled by the home resident using wall-mounted terminal or mobile unit connected to internet cloud services.

Smart home provides, security, energy efficiency, low operating costs and convenience. Installation of smart products provide convenience and savings of time, money and energy. Such systems are adaptive and adjustable to meet the ongoing changing needs of the home residents. In most cases its infrastructure is flexible enough to integrate with a wide range of devices from different providers
and standards.

The basic architecture enables measuring home conditions, process instrumented data, utilizing microcontroller-enabled sensors for measuring home conditions and actuators for monitoring home embedded devices.

The popularity and penetration of the smart home concept is growing in a good pace, as it became part of the modernization and reduction of cost trends. This is achieved by embedding the capability to maintain a centralized event log, execute machine learning processes to provide main cost elements, saving recommendations and other useful reports.

Smart home services

Measuring home conditions

A typical smart home is equipped with a set of sensors for measuring home conditions, such as: temperature, humidity, light and proximity. Each sensor is dedicated to capture one or more measurement. Temperature and humidity may be measured by one sensor, other sensors calculate the light ratio for a given area and the distance from it to each object exposed to it. All sensors allow storing the data and visualizing it so that the user can view it anywhere and anytime. To do so, it includes a signal processer, a communication interface and a host on a cloud infrastructure.

Managing home appliances

Creates the cloud service for managing home appliances which will be hosted on a cloud infrastructure. The managing service allows the user, controlling the outputs of smart actuators associated with home appliances, such as such as lamps and fans. Smart actuators are devices, such as valves and switches, which perform actions such as turning things on or off or adjusting an operational system. Actuators provides a variety of functionalities, such as on/off valve service, positioning to percentage open, modulating to control changes on flow conditions, emergency shutdown (ESD). To activate an actuator, a digital write command is issued to the actuator.

Controlling home access

Home access technologies are commonly used for public access doors. A common system uses a database with the identification attributes of authorized people. When a person is approaching the access control system, the person’s identification attributes are collected instantly and compared to the database. If it matches the database data, the access is allowed, otherwise, the access is denied. For a wide distributed institute, we may employ cloud services for centrally collecting persons’ data and processing it. Some use magnetic or proximity identification cards, other use face recognition systems, finger print and RFID.

In an example implementation, an RFID card and an RFID reader have been used. Every authorized person has an RFID card. The person scanned the card via RFID reader located near the door. The scanned ID has been sent via the internet to the cloud system. The system posted the ID to the controlling service which compares the scanned ID against the authorized IDs in the database.

The main components

To enable all of the above described activities and data management, the system is composed of the following components, as described in Figure 1.

a. Sensors to collect internal and external home data and measure home conditions. These sensors are connected to the home itself and to the attached to-home devices. These sensors are not internet of things sensors, which are attached to home appliances. The sensors’ data is collected and continually transferred via the local network, to the smart home server.

b. Processors for performing local and integrated actions. It may also be connected to the cloud for applications requiring extended resources. The sensors’ data is then processed by the local server processes.

c. A collection of software components wrapped as APIs, allowing external applications execute it, given it follows the pre-defined parameters format. Such an API can process sensors data or manage necessary actions.

پارادایم خانه هوشمند

Figure 1. Smart home paradigm with optional cloud connectivity.

d. Actuators to provision and execute commands in the server or other control devices. It translates the required activity to the command syntax; the device can execute. During processing the received sensors’ data, the task checks if any rule became true. In such case the system may launch a command to the proper device processor.

e. Database to store the processed data collected from the sensors [and cloud services]. It will also be used for data analysis, data presentation and visualization. The processed data is saved in the attached database for future use.

Internet of things [IoT] overview

The internet of things (IoT) paradigm refers to devices connected to the internet. Devices are objects such as sensors and actuators, equipped with a telecommunication interface, a processing unit, limited storage and software applications. It enables the integration of objects into the internet, establishing the interaction between people and devices among devices. The key technology of IoT includes radio frequency identification (RFID), sensor technology and intelligence technology. RFID is the foundation and networking core of the construction of IoT. Its processing and communication capabilities along with unique algorithms allows the integration of a variety of elements to operate as an integrated unit but at the same time allow easy addition and removal of components with minimum impact, making IoT robust but flexible to absorb changes in the environment and user preferences. To minimize bandwidth usage, it is using JSON, a lightweight version of XML, for inter components and external messaging.

Cloud computing and its contribution to IoT and smart home

Cloud computing is a shared pool of computing resources ready to provide a variety of computing services in different levels, from basic infrastructure to most sophisticated application services, easily allocated and released with minimal efforts or service provider interaction [6, 7]. In practice, it manages computing, storage, and communication resources that are shared by multiple users in a virtualized and isolated environment. Figure 2 depicts the overall cloud paradigm.

الگوی محاسبات ابری اینترنت اشیا

Figure 2. Cloud computing paradigm.

IoT and smart home can benefit from the wide resources and functionalities of cloud to compensate its limitation in storage, processing, communication, support in pick demand, backup and recovery. For example, cloud can support IoT service management and fulfillment and execute complementary applications using the data produced by it. Smart home can be condensed and focus just on the basic and critical functions and so minimize the local home resources and rely on the cloud capabilities and resources. Smart home and IoT will focus on data collection, basic processing, and transmission to the cloud for further processing. To cope with security challenges, cloud may be private for highly secured data and public for the rest.

IoT, smart home and cloud computing are not just a merge of technologies. But rather, a balance between local and central computing along with optimization of resources consumption. A computing task can be either executed on the IoT and smart home devices or outsourced to the cloud. Where to compute depends on the overhead tradeoffs, data availability, data dependency, amount of data transportation, communications dependency and security considerations. On the one hand, the triple computing model involving the cloud, IoT and smart home, should minimize the entire system cost, usually with more focus on reducing resource consumptions at home. On the other hand, an IoT and smart home computing service model, should improve IoT users to fulfill their demand when using cloud applications and address complex problems arising from the new IoT, smart home and cloud service model.

Some examples of healthcare services provided by cloud and IoT integration: properly managing information, sharing electronic healthcare records enable high-quality medical services, managing healthcare sensor data, makes mobile devices suited for health data delivery, security, privacy, and reliability, by enhancing medical data security and service availability and redundancy and assisted-living services in real-time, and cloud execution of multimedia-based health services.

Centralized event processing, a rule-based system

Smart home and IoT are rich with sensors, which generate massive data flows in the form of messages or events. Processing this data is above the capacity of a human being’s capabilities [8–10]. Hence, event processing systems have been developed and used to respond faster to classified events. In this section, we focus on rule management systems which can sense and evaluate events to respond to changes in values or interrupts. The user can define event-triggered rule and to control the proper delivery of services. A rule is composed of event conditions, event pattern and correlation-related information which can be combined for modeling complex situations. It was implemented in a typical smart home and proved its suitability for a service-oriented system.

The system can process large amounts of events, execute functions to monitor, navigate and optimize processes in real-time. It discovers and analyzes anomalies or exceptions and creates reactive/proactive responses, such as warnings and preventing damage actions. Situations are modeled by a user-friendly modeling interface for event-triggered rules. When required, it breaks them down into simple, understandable elements. The proposed model can be seamlessly integrated into the distributed and service-oriented event processing platform.

The evaluation process is triggered by events delivering the most recent state and information from the relevant environment. The outcome is a decision graph representing the rule. It can break down complex situations to simple conditions, and combine them with each other, composing complex conditions. The output is a response event raised when a rule fires. The fired events may be used as input for other rules for further evaluation. Event patterns are discovered when multiple events occur and match a pre-defined pattern. Due to the graphical
model and modular approach for constructing rules, rules can be easily adapted to domain changes. New event conditions or event patterns can be added or removed from the rule model. Rules are executed by event services, which supply the rule engine with events and process the evaluation result. To ensure the availability of suitable processing resources, the system can run in a distributed mode, on multiple machines and facilitate the integration with external systems, as well. The definition of relationships and dependencies among events that are relevant for the rule processing, are performed using sequence sets, generated by the rule engine. The rule engine constructs sequences of events relevant to a specific rule condition to allow associating events by their context data. Rules automatically perform actions in response when stated conditions hold. Actions generate response events, which trigger response activities. Event patterns can match temporal event sequences, allowing the description of home situations where the occurrences of events are relevant. For example, when the door is kept open too long.

The following challenges are known with this model: structure for the processed events and data, configuration of services and adapters for processing steps, including their input and output parameters, interfaces to external systems for sensing data and for responding by executing transactions, structure for the processed events and data, data transformations, data analysis and persistence. It allows to model which events should be processed by the rule service and how the response events should be forwarded to other event services. The process is simple: data is collected and received from adapters which forward events to event services that consume them. Initially the events are enriched to prepare the event data for the rule processing. For example, the response events are sent to a service for sending notifications to a call agent, or to services which transmit event delay notifications and event updates back to the event management system.

Event processing languages

Event processing is concerned with real-time capturing and managing predefined events. It starts from managing the receptors of events right from the event occurrence, even identification, data collection, process association and activation of the response action. To allow rapid and flexible event handling, an event processing language is used, which allows fast configuration of the resources required to handle the expected sequence of activities per event type. It is composed of two modules, ESP and CEP. ESP efficiently handles the event, analyzes it and selects the appropriate occurrence. CEP handles aggregated events. Event languages describe complex event-types applied over the event log.

Rediscovering workflow from events

In some cases, rules relate to discrepancies in a sequence of events in a workflow. In such cases, it is mandatory to precisely understand the workflow and its associated events. To overcome this, we propose a reverse engineering process to automatically rediscover the workflows from the events log collected over time, assuming these events are ordered, and each event refers to one task being executed for a single case. The rediscovering process can be used to validate workflow sequences by measuring the discrepancies between prescriptive models and actual process executions. The rediscovery process consists of the following three steps:
(1) construction of the dependency/frequency table. (2) Induction of dependency/ frequency graphs. (3) Generating WF-nets from D/F graphs.

Advanced smart home

In this section, we focus on the integration of smart home, IoT and cloud computing to define a new computing paradigm. We can find in the literature section [11–14] surveys and research work on smart home, IoT and cloud computing separately, emphasizing their unique properties, features, technologies, and drawbacks. However, our approach is the opposite. We are looking at the synergy among these three concepts and searching for ways to integrate them into a new comprehensive paradigm, utilizing its common underlying concepts as well as its unique attributes, to allow the execution of new processes, which could not be processed otherwise.

Figure 3 depicts the advanced smart-home main components and their interconnectivity. On the left block, the smart home environment, we can see the typical devices connected to a local area network [LAN]. This enables the communication among the devices and outside of it. Connected to the LAN is a server and its database. The server controls the devices, logs its activities, provides reports, answers queries and executes the appropriate commands. For more comprehensive or common tasks, the smart home server, transfers data to the cloud and remotely activate tasks in it using APIs, application programming interface processes. In addition, IoT home appliances are connected to the internet and to the LAN, and so expands smart home to include IoT. The connection to the internet allows the end user, resident, to communicate with the smart home to get current information and remotely activate tasks.

خانه هوشمند پیشرفته ادغام با اینترنت اشیاء

Figure 3. Advanced smart home—integrating smart home, IoT and cloud computing

To demonstrate the benefits of the advanced smart home, we use RSA, a robust asymmetric cryptography algorithm, which generates a public and private key and encrypts/decrypts messages. Using the public key, everyone can encrypt a message, but only these who hold the private key can decrypt the sent message.
Generating the keys and encrypting/decrypting messages, involves extensive calculations, which require considerable memory space and processing power.
Therefore, it is usually processed on powerful computers built to cope with the required resources. However, due to its limited resources, running RSA in an IoT device is almost impossible, and so, it opens a security gap in the Internet, where attackers may easily utilize. To cope with it, we combine the power of the local smart home processors to compute some RSA calculations and forward more complicated computing tasks to be processed in the cloud. The results will then be transferred back to the IoT sensor to be compiled and assembled together, to generate the RSA encryption/decryption code, and so close the mentioned IoT security gap. This example demonstrates the data flow among the advanced smart home components. Where, each component performs its own stack of operations to generate its unique output. However, in case of complicated and long tasks it will split the task to sub tasks to be executed by more powerful components.
Referring to the RSA example, the IoT device initiates the need to generate an encryption key and so, sends a request message to the RSA application, running in the smart home computer. The smart home computer then asks the “prime numbers generation” application running on cloud, to provide p and q prime numbers. Once p and q are accepted, the encryption code is generated. In a later stage, an IoT device issues a request to the smart home computer to encrypt a message, using the recent generated RSA encryption key. The encrypted message is then transferred back to the IoT device for further execution. A similar scenario may be in the opposite direction, when an IoT device gets a message it may request the smart home to decrypt it.

To summarize, the RSA scenarios depict the utilization of the strength of the cloud computing power, the smart home secured computing capabilities and at the end the limited power of the IoT device. It proves that without this automatic cooperation, RSA would not be able to be executed at the IoT level.

A more practical example is where several detached appliances, such as an oven, a slow cooker and a pan on the gas stove top, are active in fulfilling the resident request. The resident is getting an urgent phone call and leaves home immediately, without shutting off the active appliances. In case the relevant IoTs have been tuned to automatically shut down based on a predefined rule, it will be taken care at the IoT level. Otherwise, the smart home realizes the resident has left home [the home door has been opened and then locked, the garage has been opened, the resident’s car left, the main gate was opened and then closed, no one was at home] and will shut down all active devices classified as risk in case of absence. It will send an appropriate message to the mailing list defined for such an occasion.

Practical aspects and implementation considerations for IoT and smart home

Smart home has three components: hardware, software and communication protocols. It has a wide variety of applications for the digital consumer. Some of the areas of home automation led IoT enabled connectivity, such as: lighting control, gardening, safety and security, air quality, water-quality monitoring, voice assistants, switches, locks, energy and water meters.

Advanced smart home components include: IoT sensors, gateways, protocols, firmware, cloud computing, databases, middleware and gateways. IoT cloud can be divided into a platform-as-a-service (PaaS) and infrastructure-as-a-service (IaaS).
Figure 4 demonstrates the main components of the proposed advanced smart home and the connection and data flow among its components.

The smart home application updates the home database in the cloud to allow remote people access it and get the latest status of the home. A typical IoT platform contains: device security and authentication, message brokers and message queuing, device administration, protocols, data collection, visualization, analysis capabilities, integration with other web services, scalability, APIs for real-time information flow and open source libraries. IoT sensors for home automation are known by their sensing capabilities, such as: temperature, lux, water level, air composition, surveillance video cameras, voice/sound, pressure, humidity, accelerometers, infrared, vibrations and ultrasonic. Some of the most commonly used smart home sensors are temperature sensors, most are digital sensors, but some are analog and can be extremely accurate. Lux sensors measure the luminosity. Water level ultrasonic sensors.

Float level sensors offer a more precise measurement capability to IoT developers. Air composition sensors are used by developers to measure specific components in the air: CO monitoring, hydrogen gas levels measuring, nitrogen oxide measure, hazardous gas levels. Most of them have a heating time, which means that it requires a certain time before presenting accurate values. It relies on detecting gas components on a surface only after the surface is heated enough, values start to show up. Video cameras for surveillance and analytics. A range of cameras, with a high-speed connection. Using Raspberry Pi processor is recommended as its camera module is very efficient due to its flex connector, connected directly to the board.

ترکیب خانه هوشمند پیشرفته

Figure 4. Advanced smart home composition.

Sound detectors are widely used for monitoring purposes, detecting sounds and acting accordingly. Some can even detect ultra-low levels of noise, and fine tune among various noise levels.

Humidity sensors sense the humidity levels in the air for smart homes. Its accuracy and precision depend on the sensor design and placement. Certain sensors like the DHT22, built for rapid prototyping, will always perform poorly when compared to high-quality sensors like HIH6100. For open spaces, the distribution around the sensor is expected to be uniform requiring fewer corrective actions for the right calibration.

Smart home communication protocols: Bluetooth, Wi-Fi, or GSM. Bluetooth smart or low energy wireless protocols with mesh capabilities and data encryption algorithms. Zigbee is mesh networked, low power radio frequency-based protocol for IoT. X10 protocol that utilizes powerline wiring for signaling and control.
Insteon, wireless and wireline communication. Z-wave specializes in secured home automation. UPB, uses existing power lines. Thread, a royalty-free protocol for smart home automation. ANT, an ultra-low-power protocol for building lowpowered sensors with a mesh distribution capability. The preferred protocols are bluetooth low energy, Z-wave, Zigbee, and thread. Considerations for incorporating a gateway may include: cloud connectivity, supported protocols, customization complexity and prototyping support. Home control is composed of the following: state machine, event bus, service log and timer.

Modularity: enables the bundle concept, runtime dynamics, software components can be managed at runtime, service orientation, manage dependencies among bundles, life cycle layer: controls the life cycle of the bundles, service layers: defines a dynamic model of communication between various modules, actual services: this is the application layer. Security layer: optional, leverages Java 2 security architecture and manages permissions from different modules.

OpenHAB is a framework, combining home automation and IoT gateway for smart homes. Its features: rules engine, logging mechanism and UI abstraction. Automation rules that focus on time, mood, or ambiance, easy configuration, common supported hardware:

Domoticz architecture: very few people know about the architecture of Domoticz, making it extremely difficult to build applications on it without taking unnecessary risks in building the product itself. For example, the entire design of general architecture feels a little weird when you look at the concept of a sensor to control to an actuator. Building advanced applications with Domoticz can be done using OO based languages.

Deployment of blockchain into home networks can easily be done with Raspberry Pi. A blockchain secured layer between devices and gateways can be implemented without a massive revamp of the existing code base. Blockchain is a technology that will play a role in the future to reassure them with revolutionary and new business models like dynamic renting for Airbnb.

Smart home and IoT examples

We can find in the literature and practical reports, many implementations of various integrations among part of the main three building blocks, smart home, IoT and cloud computing. For example, refer to [12–14]. In this section we outline three implementations, which clearly demonstrate the need and the benefits of interconnecting or integrating all three components, as illustrated in Figure 5. Each component is numbered, 1–6. In the left side, we describe for each implementation, the sequence of messages/commands among components, from left to right and from bottom up. Take for example the third implementation, a control task constantly runing at the home server (2) discovers the fact that all residents left home and automatically, initiates actuators to shut down all IoT appliances (3), then it issues messages to the relevant users/residents, updating them about the situation and the applied actions it took (6).

The use of (i) in the implementations explanation, corresponds to the circled numbers in Figure 5.

Discovery of water leaks and its prevention

First step is deploying water sensors under every reasonable potential leak source and an automated master water valve sensor for the whole house, which now means the house is considered as an IoT.

In case the water sensor detects a leak of water (3), it sends an event to the hub (2), which triggers the “turn valve off” application. The home control application then sends a “turn off” command to all IoT (3) appliances defined as sensitive to water stopping and then sends the “turn off” command to the main water valve (1). An update message is sent via the messaging system to these appearing in the notification list (6). This setup helps defending against scenarios where the source of the water is from the house plumbing. The underlying configuration assumes an integration via messages and commands between the smart home and the IoT control system. It demonstrates the dependency and the resulting benefits of combining smart home and IoT.

Smoke detectors

Most houses already have the typical collection of smoke detectors (1), but there is no bridge to send data from the sensor to a smart home hub. Connecting these sensors to a smart home app (2), enables a comprehensive smoke detection system.
It is further expanded to notify the elevator sensor to block the use of it due to fire condition (1), and so, it is even further expanded to any IoT sensor (3), who may be activated due to the detected smoke alert.

In [5] they designed a wireless sensor network for early detection of house fires.
They simulated a fire in a smart home using the fire dynamics simulator and a language program. The simulation results showed that the system detects fire early.

Incident management to control home appliances

Consider the scenario where you leave home while some of the appliances are still on. In case your absence is long enough, some of the appliances may over heat and are about to blowout. To avoid such situations, we connect all IoT appliances’ sensors to the home application (2), so that when all leave home it will automatically adjust all the appliances’ sensors accordingly (3), to avoid damages. Note that the indication of an empty home is generated by the Smart Home application, while the “on” indication of the appliance, is generated by IoT. Hence, this scenario is possible due to the integration between smart home and IoT systems.

Conclusions and summary

In this chapter we described the integration of three loosely coupled components, smart home, Iot, and cloud computing. To orchestrate and timely manage the vast data flow in an efficient and balanced way, utilizing the strengths of each component we propose a centralized real time event processing application. We describe the advantages and benefits of each standalone component and its possible complements, which may be achieved by integrating it with the other components providing new benefits raised from the whole compound system.
Since these components are still at its development stage, the integration among them may change and provide a robust paradigm that generates a new generation of infrastructure and applications.

As we follow-up on the progress of each component and its corresponding impact on the integrated compound, we will constantly consider additional components to be added, resulting with new service models and applications.

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *