[論文レビュー] Fog-Assisted wIoT: A Smart Fog Gateway for End-to-End Analytics in Wearable Internet of Things

Nicholas Constant, Debanjan Borthakur+3 more|arXiv (Cornell University)|Jan 25, 2017

IoT and Edge/Fog Computing参考文献 11被引用数 42

ひとこと要約

本論文では、Intel EdisonおよびRaspberry Piを用いたスマートフォッグゲートウェイを提案し、ウェアラブルIoT（wIoT）システムにおけるエンドツーエンド分析を可能にする。リアルタイムでのデータコーディング、知能的なフィルタリング、および選択的クラウド送信前のデバイス内アナリティクスを実施する。実際のスマートグローブデータを用いたベンチマークでは、Raspberry Piが処理速度とスケーラビリティにおいてIntel Edisonを上回り、平均待機時間を12.39秒まで短縮するとともに、消費電力も少ないことが示された。

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.

研究の動機と目的

• ウェアラブルIoTデバイスからの増加するデータの洪水に対処するため、エッジインテリジェンスによりクラウド帯域幅と遅延を低減すること。
• ウェアラブルデバイスとクラウドの間でデータコーディング、フィルタリング、アナリティクスを調整するスマートフォッグゲートウェイの設計およびプロトタイピング。
• 低消費電力の組み込みプラットフォーム（Intel EdisonおよびRaspberry Pi）をフォッグノードとして、リアルタイムwIoTアナリティクスに用いる際の性能を評価すること。
• フォッグコンピューティングを活用して、医療分野を対象としたwIoTアプリケーションにおけるエンドツーエンドの応答性とエネルギー効率を向上させることの実現可能性を示すこと。

提案手法

• スマートエキスパンションテキスタイルグローブからのデータ処理を実施するフォッグゲートウェイを、Intel EdisonおよびRaspberry Piをエッジデバイスとして展開した。
• フォッグノード上でOctaveベースのアルゴリズムを用いて、データ取得、リアルタイムコーディング、知能的なフィルタリングを実装した。
• ベンチマーク中、PIDトラッキングおよびプロファイラ関数を用いて、CPU、メモリ、ロードなどのシステムパフォーマンスメトリクスを収集するため、SSHを用いたリモートアクセスを実施した。
• パフォーマンスデータを.csvおよび.matファイルに保存し、後続分析のために使用。Littleの法則を適用して平均待機時間（LeadTime = WIP / ACR）を計算した。
• ウェアラブルデバイス（グローブ、スマートウォッチ）をフォッグゲートウェイに接続し、その後クラウドバックエンドに接続するカスタムメッシュネットワークを構築した。
• さまざまなデータセットサイズ（N）における処理時間をベンチマークし、両プラットフォームでNlog(N)のスケーリング特性を観察した。

実験結果

リサーチクエスチョン

• RQ1 フォッグコンピューティングは、ウェアラブルIoTシステムにおけるデータ送信量と遅延をどのように低減できるか？
• RQ2 Intel EdisonとRaspberry Piの間で、wIoTアナリティクスのフォッグゲートウェイとしての性能にどのような差があるか？
• RQ3 デバイス内での知能的なフィルタリングおよびアナリティクスは、エンドツーエンドのシステム応答性とエネルギー効率を向上させることができるか？
• RQ4 組み込みフォッグプラットフォームにおいて、システム負荷と処理時間は、増加するデータ量に伴いどのようにスケーリングするか？

主な発見

• Raspberry PiはIntel Edisonよりもほぼ2倍の速さでデータ処理を完了し、平均待機時間は12.39秒（Intel Edisonは64.65秒）であった。
• Raspberry Piは125以上のデータセットに対して効果的にスケーリングしたが、Intel Edisonは同程度の負荷下で不安定になり、クラッシュの可能性が示された。
• 両プラットフォームの処理時間は、データサイズの増加に伴いNlog(N)のスケーリングパターンを示しており、アルゴリズムの効率性が保証されていることがわかった。
• Raspberry Piの消費電力は198mW/sであり、Intel Edisonの529mW/sよりも顕著に低いことが示され、エネルギー効率が優れていることがわかった。
• フォッグゲートウェイは、知能的なフィルタリングとデバイス内アナリティクスを実施することで、クラウドに送信するデータ量を削減し、帯域幅と遅延を改善した。
• 提案されたアーキテクチャは、パーキンソン病の運動療法など、医療分野を対象としたリアルタイムで低遅延なアナリティクスの実現可能性を示した。