[論文レビュー] City Data Fusion: Sensor Data Fusion in the Internet of Things

Meisong Wang, Charith Perera+4 more|arXiv (Cornell University)|Jun 30, 2015

Context-Aware Activity Recognition Systems参考文献 61被引用数 23

ひとこと要約

本稿は、インテอร์ネット・オブ・シングス（IoT）を活用したスマートシティ応用におけるセンサーデータ統合の包括的評価フレームワークを提案し、統合手法を評価するための10項目の支配的パラメータを特定している。このフレームワークを用いて最先端の手法を評価した結果、スケーラビリティ、異種性、動的都市環境下でのリアルタイム処理における主要な研究ギャップが明らかになった。

ABSTRACT

Internet of Things (IoT) has gained substantial attention recently and play a significant role in smart city application deployments. A number of such smart city applications depend on sensor fusion capabilities in the cloud from diverse data sources. We introduce the concept of IoT and present in detail ten different parameters that govern our sensor data fusion evaluation framework. We then evaluate the current state-of-the art in sensor data fusion against our sensor data fusion framework. Our main goal is to examine and survey different sensor data fusion research efforts based on our evaluation framework. The major open research issues related to sensor data fusion are also presented.

研究の動機と目的

• インターネット・オブ・シングス（IoT）を基盤とするスマートシティ展開における効果的なセンサーデータ統合の増大するニーズに対応すること。
• 都市部のIoT環境におけるセンサーデータ統合を支配する重要なパラメータを特定・分析すること。
• 構造的かつ多次元的なフレームワークに基づいて、既存のセンサーフュージョン手法を評価すること。
• 都市規模のIoTシステムにおけるスケーラビリティ、データの異種性、リアルタイム処理に関するオープンな研究課題を浮き彫りにすること。
• 現在のセンサーデータ統合の能力と限界を統合することで、今後の研究の基盤を提供すること。

提案手法

• 都市部のIoT環境におけるセンサーデータ統合を体系的に評価するための10パラメータフレームワークを提案する。
• データタイプ、統合レベル、処理アーキテクチャなどのパラメータに基づき、センサーフュージョン手法を分類・分析する。
• 多様な都市センサー・データストリームを統合する主な展開モデルとしてクラウドベースの統合を採用する。
• 提案されたフレームワークを用いて、スマートシティ応用における既存の最先端のセンサーフュージョンソリューションを調査・ベンチマークする。
• タイムリネス、正確性、フェイルセーフ性、相互運用性などの次元において、統合手法を評価する。
• 実世界の都市的制約下での現在のアプローチの強みと弱みを特定するため、比較分析を実施する。

実験結果

リサーチクエスチョン

• RQ1 都市部のIoTシステムにおける効果的なセンサーデータ統合を支配する主要なパラメータは何であるか？
• RQ2 既存のセンサーフュージョン手法は、提案された評価フレームワークにおいてどのように性能を発揮するか？
• RQ3 スマートシティ向けセンサーフュージョンアプローチにおける主な制限要因と未解決の研究課題は何か？
• RQ4 スケーラビリティ、データの異種性、リアルタイム処理は、都市規模の展開における統合性能にどのように影響を与えるか？
• RQ5 現在の研究における、強固で大規模なセンサーフュージョンシステムの実装を妨げるギャップは何か？

主な発見

• 提案された10パラメータフレームワークは、都市部のIoT環境におけるセンサーデータ統合の複雑さを効果的に捉えている。
• 大多数の既存手法は、動的都市環境下での異種データソースの処理と低遅延処理を達成するのに苦慮している。
• スケーラビリティとフェイルセーフ性は依然として大きな課題であり、特に多様で大規模なセンサーネットワークからの統合において顕著である。
• 都市部の展開におけるデータ量の多さとネットワークの変動性のため、リアルタイム統合性能はしばしば損なわれる。
• センサーシステム間での相互運用性と意味的異種性は、シームレスなデータ統合を妨げる継続的な障壁である。
• 本研究では、変化する都市環境に動的に適応できる、コンテキストに配慮した統合メカニズムに関する明確な研究ギャップを同定した。