Cooperative context-aware setup and performance of surveillance missions using static and mobile wireless sensor networks

Abstract

Sistemas de vigilância são geralmente empregados no monitoramento de áreas de grandes dimensões nas quais seus usuários visam detectar ou observar fenômenos de seu interesse. O uso de redes de sensores sem fio nesses sistemas apresenta especial interesse, uma vez que essas redes podem apresentar soluções de baixo custo e robustas para cobrir áreas extensas. Neste contexto, novas aplicações têm surgido propondo o uso de redes de sensores sem fio compostas por nós sensores estáticos e móveis. Uma das motivações para esta tendência é a redução do custo de implantação e operação do sistema, além da possibilidade de proporcionar incremento em suas funcionalidades. O foco desta tese se concentra na proposta de soluções para redes de sensores sem fio com uso cooperativo de sensores estáticos e móveis, com particular atenção a sensibilidade ao contexto na configuração e execução de missões de sensoriamento. O objetivo é manter um baixo custo de comunicação associado às soluções propostas. Esta preocupação se dá pelo fato da comunicação aumentar o consumo de energia em redes de sensores, o que é um problema importante para nós sensores com limitada fonte de energia, i.e. baterias. No caso de nós sensores móveis, esta limitação pode não ser relevante, uma vez que seu movimento deve consumir uma quantidade muito mais expressiva de energia do que a comunicação. Neste caso, o problema se relaciona à estabilidade dos enlaces, bem como ao curto intervalo de tempo disponível para transmitir e receber dados. Logo, o melhor é comunicar o menos possível. Com relação à interação entre nós sensores estáticos, os problemas de disseminação e alocação de missões de sensoriamento são estudados e uma solução que explora o uso de informações locais é proposta e avaliada. Esta solução emprega agentes de software móveis que têm a capacidade de tomar decisões autônomas através do uso de informações de contexto local. Para redes de sensores móveis, o problema estudado se refere a como transferir missões entre os nós sensores de acordo com seu movimento e localização em relação aos locais onde as missões devem ser executadas. Para tratar este problema, uma abordagem baseada em agentes móveis é proposta, na qual os agentes implementam a migração das missões de sensoriamento usando informações de contexto geográfico para decidir a respeito de suas migrações. Para redes de sensores com sensores estáticos e móveis, a cooperação entre eles é abordada através de um mecanismo com inspiração biológica para realizar a realizar a entrega de dados emitidos pelos sensores estáticos aos sensores móveis. Para isto, explora-se uma analogia baseada no comportamento de formigas na construção e seguimento de trilhas. As soluções propostas são flexíveis, sendo aplicáveis a diferentes domínios de aplicação. Resultados experimentais evidenciam sua escalabilidade, avaliando, por exemplo, seu custo em termos de comunicação, além de outras métricas de interesse para cada uma das soluções. Estes resultados são comparados aos atingidos por soluções de referência (solução ótima teórica e baseada em inundação), indicando sua eficiência. Estes resultados são próximos do ótimo teórico e significativamente melhores que aqueles atingidos por soluções baseadas em técnicas de inundação.

Surveillance systems are usually employed to monitor wide areas in which their users are interested in detecting and/or observing events or phenomena of their interest. The use of wireless sensor networks in such systems is of particular interest as these networks can provide a relative low cost and robust solution to cover large areas. Emerging applications in this context are proposing the use of wireless sensor networks composed of both static and mobile sensor nodes. Motivation for this trend is to reduce deployment and operating costs, besides providing enhanced functionalities. This work focuses on the proposal of solutions for wireless sensor networks including static and mobile sensor nodes specifically regarding cooperative and context aware mission setup and performance. The goal is to keep the communication costs as low as possible in the execution of the proposed solutions. This concern comes from the fact that communication increases energy consumption, which is a particular issue for energy constrained sensor nodes often used in wireless sensor networks, especially if battery supplied. In the case of the mobile nodes, this energy constraint may not be valid, since their motion might need much more energy, but links instabilities and short time windows available to receive and transmit data. Therefore, it is better to communicate as little as possible. For the interaction among static sensor nodes, the problems of dissemination and allocation of sensing missions are studied and a solution that explores local information is proposed and evaluated. This solution uses mobile software agents that have capabilities to take autonomous decisions about the mission dissemination and allocation using local context information. For mobile wireless sensor networks, the problem studied is how to perform handover of missions among the nodes according to their movements and locations in relation to the place where the missions have to be performed. To handle this problem, a mobile agent approach is proposed in which the agents implement the sensing missions’ migration from node to node using geographical context information to decide about their migrations. For the networks combining static and mobile sensor nodes, the cooperation among them is approached by a biologically-inspired mechanism to deliver data from the static to the mobile nodes. The data delivery mechanism explores an analogy based on the behaviour of ants building and following trails, inspired by the ant colony algorithm. The proposed solutions are flexible, being able to be applied to different application domains. Obtained experimental results provide evidence of the scalability of these proposed solutions, for example by evaluating their cost in terms of communication, among other metrics of interest for each solution. These results are compared to those achieved by reference solutions (theoretical optimum and floodingbased), providing indications of the proposed solutions’ efficiency. These results are considered close to the theoretical optimum one and significantly better than the ones achieved by flooding-based solutions.