UNIVERSIT
A DEGLI`
STUDI DI
PISA
FACOLT `A DI INGEGNERIA
Corso di Laurea in Ingegneria Informatica
TESI DILAUREASPECIALISTICA
Raccolta affidabile dei dati
in reti di sensori con elementi mobili
Candidato: Paolo Caggiari Relatori: Prof. G. Anastasi Prof. F. Marcelloni Ing. M. Di Francesco Anno Accademico 2006–2007
Indice
1 Introduzione 1
2 Stato dell’arte 5
2.1 Reti di sensori . . . 5
2.2 Piattaforme hardware e sensori . . . 6
2.2.1 Hardware dei nodi sensore . . . 6
2.2.2 Sensori . . . 7 2.3 Software e Protocolli . . . 9 2.3.1 Protocolli di rete . . . 9 2.3.2 Software . . . 11 2.4 Requisiti di progetto . . . 12 2.4.1 Tolleranza ai guasti . . . 12 2.4.2 Scalabilità . . . 12 2.4.3 Costi di produzione . . . 12 2.4.4 Ambienti operativi . . . 13 2.4.5 Requisiti hardware . . . 13 2.4.6 Mezzi trasmissivi . . . 14 2.4.7 Consumi . . . 15 2.5 Architettura di rete . . . 15
2.5.1 Reti di sensori statici . . . 16
2.5.2 Reti di sensori con elementi mobili . . . 17
3 Modello di sistema 21 3.1 Modello di rete . . . 21
3.2 Discovery . . . 24
3.2.1 Lato MDC . . . 24
3.2.2 Lato nodo sensore . . . 24
3.3 Trasferimento dati . . . 27
4 Raccolta affidabile dei dati 29 4.1 Applicazioni continuous data flow . . . . 30
4.1.1 Protocollo ACK-BASED . . . 31
4.1.2 Protocollo FEC-BASED . . . 35 v
vi INDICE
4.2 Applicazioni bundle-oriented . . . . 36
4.2.1 Protocollo ACK-BASED . . . 36
4.2.2 Protocollo FEC-BASED . . . 36
5 Ambiente di simulazione 39 5.1 Struttura del simulatore . . . 39
5.1.1 Modalità di lancio delle simulazioni . . . 41
5.2 Organizzazione dell’analisi . . . 42
5.2.1 Applicazioni continuous data flow . . . . 43
5.2.2 Applicazioni bundle-oriented . . . 45
6 Risultati 47 6.1 Esperimenti preliminari . . . 47
6.2 Applicazioni continuous data flow . . . . 49
6.2.1 Single MDC . . . 49 6.2.2 Multiple MDC . . . 54 6.3 Applicazioni bundle-oriented . . . . 57 6.3.1 Single MDC . . . 57 6.3.2 Multiple MDC . . . 59 7 Conclusioni 65
Elenco delle figure
1.1 Architettura di una rete con Mobile Relays . . . . 1
1.2 Architettura di una rete con Mobile Sinks . . . 2
2.1 Diversi tipi di nodo sensore . . . 5
2.2 Caratteristiche dei principali tipi di nodi sensore [7] . . . 7
2.3 Fronte e retro del sensore Tmote sky [5] . . . . 8
2.4 Nodo sensore inserito all’interno di un package . . . . 13
2.5 Componenti di un nodo sensore . . . 14
2.6 Architettura a livelli e a cluster [9] . . . 17
2.7 Diverse architetture di WSN con MDC. . . . 18
3.1 Modello di interazione tra un nodo sensore e un MDC . . . 21
3.2 Packet Loss reale e polinomio di approssimazione nel caso di MDC che si muove a una velocità di 1 m/s . . . 22
3.3 Diagramma a stati del funzionamento di un nodo sensore . . . 23
3.4 Dettaglio della fase di discovery lato MDC . . . 24
3.5 Dettaglio della fase di discovery lato nodo . . . 25
3.6 Dimensionamento dei parametri di Duty Cycle del nodo . . . . 26
3.7 Schema di comunicazione nodo - MDC . . . 27
4.1 Processo di codifica e decodifica dei messaggi . . . 30
4.2 Dettaglio della fase di trasferimento dati lato nodo . . . 33
4.3 Dettaglio della fase di trasferimento dati lato MULE . . . 34
4.4 Ordine di trasmissione dei messaggi all’interno del bundle . . . . 37
4.5 Ricostruzione del bundle sul Mobile Sink . . . . 37
5.1 Scenario di riferimento . . . 40
5.2 La struttura dati TOS_Msg . . . 43
6.1 Residual Contact Ratio al variare del TB: (a) 40Km/h , (b) 3.6Km/h. . . . 47
6.2 Influenza della soglia Nack sulle prestazioni: 40 Km/h. . . . 48
6.3 Influenza della soglia Nack sulle prestazioni: 3.6 Km/h. . . . 49
6.4 Single MDC, 40 Km/h: Throughput medio (a) - Goodput medio (b). . . . 50
6.5 Single MDC, 40 Km/h - Consumo energetico medio per Byte . . . 51 vii
viii ELENCO DELLE FIGURE 6.6 Single MDC, 40 Km/h, W16: Energia dissipata dal nodo al variare del
Waiting Time . . . . 52
6.7 Single MDC, 3.6 Km/h: Throughput medio (a) - Goodput medio (b). . . . 53
6.8 Single MDC, 3.6 Km/h: Efficienza energetica per Byte. . . 53
6.9 Throughput ed Energia al variare di #MDC: 40 Km/h. . . 54
6.10 Multiple MDC, 40 Km/h - Throughput ottimo al variare di #MDC. . . 54
6.11 Multiple MDC, 40 Km/h - Throughput medio al variare del DC . . . 55
6.12 Throughput ed Energia al variare di #MDC: 3.6 Km/h. . . 56
6.13 Throughput al variare di #MDC (a) e del DC (b): 3.6 Km/h. . . 56
6.14 Single MDC, 40 Km/h: Probabilità di decodifica (a) - Tempo di decodifica (b). . . 57
6.15 Single MDC, 40 Km/h: Goodput medio ACK-BASED (a) e FEC-BASED (b). . . 58
6.16 Single MDC, 40 Km/h: Energia media ACK-BASED (a) e FEC-BASED (b). . . 59
6.17 Multiple MDC, 40 Km/h: Probabilità di decodifica (a) - Tempo di decodi-fica (b). . . 59
6.18 Multiple MDC, 40 Km/h: Goodput medio ACK-BASED (a) e FEC-BASED (b). . . 60
6.19 Multiple MDC, 40 Km/h: Energia media ACK-BASED (a) e FEC-BASED (b). . . 60
6.20 3 MDC, 40 Km/h: Probabilità di decodifica (a) - Tempo di decodifica (b). 61 6.21 3 MDC, 40 Km/h: Goodput medio ACK-BASED (a) e FEC-BASED (b). . 61
6.22 3 MDC, 40 Km/h: Energia media ACK-BASED (a) e FEC-BASED (b). . 62
Capitolo 1
Introduzione
Le reti di sensori (WSN) si stanno affermando come tecnologia emergente per una vasta gamma di applicazioni, specialmente nel settore del monitoraggio ambientale, che benefi-cia in modo particolare della possibilità di disporre un gran numero di nodi per coprire aree geografiche anche piuttosto vaste e sfruttare la comunicazione multihop per far arrivare le informazioni acquisite ad un unico punto di raccolta sul quale elaborarle.
Tuttavia alcune applicazioni, come ad esempio il monitoraggio delle condizioni clima-tiche o del tasso di inquinamento di un’area urbana, non necessitano di informazioni
‘fine-grain’, rilevate da sensori posti a breve distanza l’uno dall’altro, per cui non è necessario
utilizzare una rete densa. In questi casi, la soluzione più economica ed efficiente risulta quella di realizzare una rete sparsa, impiegando poi uno o più Mobile Data Collectors (MDC) per la raccolta delle informazioni acquisite dai nodi statici.
Figura 1.1: Architettura di una rete con Mobile Relays
A seconda dello scenario applicativo, questi nodi mobili possono far parte dell’ambiente esterno (ad esempio montati su autobus o portati addosso da una persona) oppure essere integrati nell’infrastruttura della rete (con robot mobili).
2 CAPITOLO 1. INTRODUZIONE Applicazioni diverse, inoltre, richiedono elementi mobili con funzionalità diverse. In quest’ottica, i MDC possono essere classificati in Mobile Relays (MR) e Mobile Sinks (MS). I primi hanno il compito di attraversare la rete visitando tutti i nodi, raccogliere i dati rilevati dai sensori e consegnarli ad una Base Station (o Sink) a fine passaggio (Fig. 1.1), per cui concorrono tutti al raggiungimento di questo obiettivo.
Si parla invece di Mobile Sinks (Fig. 1.2) quando l’architettura di rete non prevede la presenza di un punto di raccolta per i dati, per cui ogni elemento mobile può operare indipendentemente dagli altri, raccogliendo le informazioni ed elaborandole localmente.
Figura 1.2: Architettura di una rete con Mobile Sinks
L’interazione tra un nodo e i MDC, a seconda della natura degli elementi mobili (MR ovvero MS) e delle caratteristiche del percorso che seguono, può avvenire ad istanti di tempo predicibili o completamente casuali. Questo aspetto comporta la necessità da parte del nodo sensore di effettuare una fase preliminare di discovery, in modo da poter indivi-duare eventuali elementi mobili presenti all’interno della zona di contatto prima dell’inizio di una fase di comunicazione.
In generale, mentre i Mobile Data Collectors hanno la possibilità di rinnovare la loro sorgente di alimentazione, i nodi sensore hanno vincoli energetici piuttosto stringenti, per cui sia il processo di discovery che quello di trasferimento dati devono raggiungere il loro scopo nel modo più efficiente possibile dal punto di vista energetico. In particolare, dato che è la radio la principale fonte di consumo, i protocolli dovranno essere tali da minimizzare il periodo in cui la radio deve stare accesa. Una fase di discovery inefficiente limita il tempo a disposizione per il trasferimento dati, per cui le due fasi sono strettamente integrate.
L’obiettivo principale di questo studio è stato quello di definire e valutare protocolli per il trasferimento dati affidabile ed energeticamente efficiente per diverse categorie di applicazioni. L’affidabilità è infatti un requisito fondamentale quando tutti i dati sono necessari per costruire un modello del fenomeno monitorato, oppure quando si fa ricorso a tecniche di compressione dei dati1.
3 In questa tesi sono state prese in esame applicazioni continuous data flowe applica-zioni bundle-oriented. Le prime sono applicaapplica-zioni in cui i nodi sensore producono un set potenzialmente infinito di dati e prevedono l’utilizzo di Mobile Relays che raccolgono le informazioni per trasportarle a una o più Base Station. Le altre si basano sulla presenza di Mobile Sinks in grado di elaborare autonomamente i dati prelevati dai nodi sensore, i quali ad ogni passaggio hanno un numero limitato di dati da comunicare e gestiscono il trasferimento cercando di garantire il servizio a tutti quelli che lo richiedono.
Lo studio ha portato all’implementazione di due protocolli per ciascuna categoria ap-plicativa. Entrambi realizzano l’affidabilità richiesta facendo ricorso a un meccanismo a finestra fissa con ack e ritrasmissione selettiva ma, mentre il primo utilizza tutta la banda disponibile per l’invio dei dati originali, il secondo applica un certo livello di ridondanza e invia sul canale i dati codificati.
L’elemento innovativo introdotto in questo lavoro di tesi è stato quello di gestire l’inte-razione dei nodi statici con più di un MDC, cosa che ha consentito di testare le prestazioni dei protocolli su scenari più completi e valutare pro e contro di questa soluzione.
Il resto della tesi è organizzato come segue. Il capitolo 2 introduce allo stato dell’arte relativo alle reti di sensori. Nei capitoli 3 e 4 viene descritto il modello di sistema consi-derato e i protocolli di discovery e di trasferimento dati affidabile. Il capitolo 5 presenta l’ambiente di simulazione utilizzato per la valutazione dei vari scenari considerati. Nel capitolo 6 vengono analizzati i risultati simulativi ottenuti e nel capitolo 7 vengono tratte le conclusioni.
radio. La compressione può essere ottenuta eliminando la correlazione temporale, ma richiede la consegna affidabile di tutti i dati per la fase di decompressione.
