Um mecanismo abstrato de autoadaptação para sistemas de sensoriamento urbano

Abstract

Sensoriamento urbano e cidades inteligentes têm sido tópicos derivados da computação ubíqua em alta nos últimos anos, tanto para a academia como para a indústria, devido ao contínuo avanço tecnológico aliado à maior facilidade de acesso e aceitação pelos usuários. Na literatura pesquisada sobre plataformas que englobam tais tópicos foi constatado que diversas delas possuem algum processo autonômico utilizado para atender alguma necessidade de autoadaptação em tempo de execução. Apesar disso, nenhuma das plataformas pesquisadas focou especificamente em encontrar e propor uma solução para tratar exclusivamente a autoadaptação. Nesse contexto, esta dissertação tem por objetivo propor um mecanismo de autoadaptação para sistemas de sensoriamento urbano, além de avaliar seu comportamento. Como primeiro passo para realizar tal objetivo, foi conduzida uma pesquisa literária tendo em vistas identificar os principais casos de adaptação em sistemas de sensoriamento urbano, além de requisitos específicos da arquitetura de sensoriamento urbano UrboSenti, utilizada para implementação. Como segundo passo, a partir dos requisitos identificados, o modelo MAPE-K da computação autonômica foi escolhido como a base da construção do mecanismo de autoadaptação. A implementação deste modelo utilizou as técnicas de eventos passivos para monitoramento do ambiente, regras Evento-Condição-Ação, para tomada de decisão, planos estáticos para planejamento e adaptações por parâmetros e componentes para execução. Tanto o modelo como as técnicas escolhidas foram implementadas devido atenderem as necessidades dos cenários avaliados. Por fim, as avaliações aplicadas apontam resultados preliminares satisfatórios, dados os casos avaliados e os experimentos de tempo de resposta a eventos internos e interações; no entanto, tais avaliações revelarem diversos pontos que devem ser explorados em trabalhos futuros.

In the last years, urban sensing and smart cities have been popular topics derived from the ubiquitous computing, for both the academia and the industry, due to its continuous technological development combined with greater facilities of access and acceptance by the users. The reviewed literature about platforms that encompass such topics showed that many of them have some kind of autonomic process used to meet any need for self-adaptation at runtime. Despite this, none of the researched platforms focused in proposing a solution to exclusively meet the self-adaptation properties. In this way, this dissertation aims to propose a self-adaptive mechanism to urban sensing systems, as well as evaluating its behavior. As the first step to achieving such goal, a literature review was performed aiming to identify the main adaptation cases in urban sensing systems, as well to identify the specific requirements of the UrboSenti architecture for urban sensing. As the second step, the autonomic computing MAPE-K model was chosen to compose the foundation of the self-adaptive mechanism based on the identified requirements. The implementation of this model used the techniques of passive events for monitoring, rules Event-Condition-Action for decision making, static plans for planning and parameter and component adaptations for execution were used in the proposed implementation to meet the evaluated scenario needs. Lastly, the applied evaluations indicate satisfactory results, given the assessed cases and the experiments of scalability at the response of internal events and interactions. However, they have left many open points that should be explored in future works.