[논문 리뷰] Fog-Assisted wIoT: A Smart Fog Gateway for End-to-End Analytics in Wearable Internet of Things

Nicholas Constant, Debanjan Borthakur외 3명|arXiv (Cornell University)|2017. 01. 25.

IoT and Edge/Fog Computing참고 문헌 11인용 수 42

한 줄 요약

이 논문은 스마트 텍스타일 手장갑에서 수집한 실시간 데이터를 조건화하고, 지능적인 필터링을 수행하며, 선택적 클라우드 전송 이전에 현장에서 분석을 수행함으로써 웨어러블 IoT(wIoT) 시스템에서 종단 간 분석을 가능하게 하는 스마트 퍼그 게이트웨이를 제안한다. 실제 스마트 장갑 데이터를 대상으로 한 벤치마킹 결과, 라즈베리 파이가 프로세싱 속도와 확장성 측면에서 인텔 에드슨을 능가하여 평균 대기 시간을 12.39초로 단축하고 전력 소모도 적게 소비한다.

ABSTRACT

Today, wearable internet-of-things (wIoT) devices continuously flood the cloud data centers at an enormous rate. This increases a demand to deploy an edge infrastructure for computing, intelligence, and storage close to the users. The emerging paradigm of fog computing could play an important role to make wIoT more efficient and affordable. Fog computing is known as the cloud on the ground. This paper presents an end-to-end architecture that performs data conditioning and intelligent filtering for generating smart analytics from wearable data. In wIoT, wearable sensor devices serve on one end while the cloud backend offers services on the other end. We developed a prototype of smart fog gateway (a middle layer) using Intel Edison and Raspberry Pi. We discussed the role of the smart fog gateway in orchestrating the process of data conditioning, intelligent filtering, smart analytics, and selective transfer to the cloud for long-term storage and temporal variability monitoring. We benchmarked the performance of developed prototypes on real-world data from smart e-textile gloves. Results demonstrated the usability and potential of proposed architecture for converting the real-world data into useful analytics while making use of knowledge-based models. In this way, the smart fog gateway enhances the end-to-end interaction between wearables (sensor devices) and the cloud.

연구 동기 및 목표

• 웨어러블 IoT 기기에서 발생하는 증가하는 데이터 폭주 문제를 해결하기 위해 엣지 지능을 통해 클라우드 대역폭과 지연 시간을 줄이기 위해.
• 웨어러블 기기와 클라우드 사이에서 데이터 조건화, 필터링, 분석을 조율하는 스마트 퍼그 게이트웨이를 설계하고 프로토타yped하기 위해.
• 저전력 임베디드 플랫폼(인텔 에드슨 및 라즈베리 파이)이 실시간 wIoT 분석을 위한 퍼그 노드로서 성능을 평가하기 위해.
• 퍼그 컴퓨팅을 활용하여 웨어러블 의료 응용 분야에서 종단 간 반응성과 에너지 효율성을 향상시킬 수 있는지의 타당성을 입증하기 위해.

제안 방법

• 스마트 전자직물 장갑에서 온 데이터를 처리하기 위해 인텔 에드슨과 라즈베리 파이를 엣지 장치로 사용한 퍼그 게이트웨이를 구현했다.
• 퍼그 노드에서 오르소베이트 기반 알고리즘을 사용해 데이터 수집, 실시간 조건화, 지능적인 필터링을 구현했다.
• 벤치마킹 중 시스템 성능 메트릭(프로세서, 메모리, 로드)을 추적하기 위해 SSH를 사용하고, PID 추적 및 프로파일러 기능을 통해 로깅했다.
• 성능 데이터는 .csv 및 .mat 파일에 저장하여 후속 분석을 위해 활용했으며, 리틀의 법칙을 적용해 평균 대기 시간(LeadTime = WIP / ACR)을 계산했다.
• 웨어러블 기기(장갑, 스마트워치)를 퍼그 게이트웨이에 연결하고, 그 다음으로 클라우드 백엔드에 연결하는 맞춤형 메시 네트워크를 구성했다.
• 다양한 데이터셋 크기(N)에서 처리 시간을 벤치마킹하여, 양 플랫폼 모두에서 Nlog(N) 스케일링 패턴을 관찰했다.

실험 결과

연구 질문

• RQ1 퍼그 컴퓨팅은 웨어러블 IoT 시스템에서 데이터 전송량과 지연 시간을 어떻게 줄일 수 있는가?
• RQ2 인텔 에드슨과 라즈베리 파이 간의 성능 차이는 wIoT 분석을 위한 퍼그 게이트웨이로서 어떤가?
• RQ3 현장에서의 지능적인 필터링 및 분석은 종단 간 시스템 반응성과 에너지 효율성을 향상시킬 수 있는가?
• RQ4 임베디드 퍼그 플랫폼에서 시스템 부하와 처리 시간은 증가하는 데이터 양에 따라 어떻게 스케일링되는가?

주요 결과

• 라즈베리 파이가 인텔 에드슨보다 거의 두 배 빠른 속도로 데이터 처리를 완료하여 평균 대기 시간이 12.39초로 측정되었고, 인텔 에드슨의 경우 64.65초였다.
• 라즈베리 파이가 125개 이상의 데이터셋에 대해 효과적으로 확장되었지만, 인텔 에드슨는 유사한 부하에서 불안정성과 잠재적 충돌을 보였다.
• 양 플랫폼 모두에서 처리 시간이 Nlog(N) 스케일링 패턴을 따르며, 데이터 크기가 증가함에 따라 효율적인 알고리즘 성능이 유지됨을 확인했다.
• 라즈베리 파이의 전력 소모는 198mW/s로 인텔 에드슨의 529mW/s보다 현저히 낮아 더 뛰어난 에너지 효율성을 보였다.
• 퍼그 게이트웨이는 지능적인 필터링과 현장 분석을 수행함으로써 클라우드로 전송되는 데이터 양을 줄여 대역폭과 지연 시간을 향상시켰다.
• 제안된 아키텍처는 파킨슨병 치료를 위한 운동 치료와 같은 의료 중심 wIoT 응용 분야에서 실시간, 저지연 분석을 구현하는 데의 타당성을 입증했다.