[論文レビュー] Fog Computing based SDI Framework for Mineral Resources Information Infrastructure Management in India

Rabindra K. Barik, Rakesh Kumar Lenka+3 more|arXiv (Cornell University)|Dec 26, 2017

IoT and Edge/Fog Computing被引用数 9

ひとこと要約

本稿では、インドにおける鉱物資源管理のための空間的ビッグデータのリアルタイム分析を向上させるために、ファイアーコンピューティングに基づく空間データインfraストラクチャ（SDI）フレームワークを提案する。ラズベリー・パイをファイアーノードとして使用し、オープンソースGISツール（QGIS、QISプラグイン）を統合することで、クラウドへのデータ送信と遅延を低減し、鉱業アナリティクスにおけるオーバーレイ解析においてスループットと効率性が向上することを示している。

ABSTRACT

Spatial Data Infrastructure (SDI) is an important concept for sharing spatial data across the web. With cumulative techniques with spatial cloud computing and fog computing, SDI has the greater potential and has been emerged as a tool for processing, analysis and transmission of spatial data. The Fog computing is a paradigm where Fog devices help to increase throughput and reduce latency at the edge of the client with respect to cloud computing environment. This paper proposed and developed a fog computing based SDI framework for mining analytics from spatial big data for mineral resources management in India. We built a prototype using Raspberry Pi, an embedded microprocessor. We validated by taking suitable case study of mineral resources management in India by doing preliminary analysis including overlay analysis. Results showed that fog computing hold a great promise for analysis of spatial data. We used open source GIS i.e. QGIS and QIS plugin for reducing the transmission to cloud from the fog node.

研究の動機と目的

• インドにおける鉱物資源管理のためのクラウド中心の空間データ処理における高い遅延と帯域幅のオーバーヘッドに対処する。
• ファイアーコンピューティングを活用して、データソースに近い場所で空間的ビッグデータを処理できるスケーラブルで低コストなSDIフレームワークを開発する。
• ネットワークエッジでのデータ前処理と分析により、集中型クラウドインfraストラクチャへの依存を最小限に抑える。
• 軽量で埋め込み可能なコンピューティングデバイスを用いて、鉱物資源評価のためのリアルタイム空間アナリティクスを可能にする。
• インドの鉱物資源を対象とした事例研究を通じて、オーバーレイ解析とパフォーマンス指標を用いてフレームワークを検証する。

提案手法

• ラズベリー・パイをファイアーノードとして使用し、ネットワークエッジで空間データを処理するプロトタイプを展開した。
• QGISとQISプラグインといったオープンソースGISツールを統合し、ファイアーノード上でオーバーレイ解析などの空間操作をローカルで実行した。
• ファイアーレイヤーでデータを前処理および分析することで、クラウドへのデータ送信を削減した。
• 分散アーキテクチャを設計し、ファイアーデバイスがデータ集約、フィルタリング、および初期分析を実行した後、必要最小限の結果のみをクラウドに転送するようにした。
• 従来のクラウドオンリーモデルと比較して、スループットを向上させ、遅延を低減するファイアーコンピューティングの原則を活用した。
• インドの鉱物資源を対象とした実世界の事例研究を通じて、フレームワークを検証した。特に、空間的オーバーレイ操作に注目した。

実験結果

リサーチクエスチョン

• RQ1 ファイアーコンピューティングは、鉱物資源管理のための空間データ処理において、遅延と帯域幅使用量をどのように低減できるか？
• RQ2 ラズベリー・パイのような埋め込みデバイスは、ネットワークエッジで空間アナリティクスを効果的に行えるか？
• RQ3 ファイアーベースのSDIフレームワークは、従来のクラウド中心の空間データアーキテクチャと比較して、どの程度のパフォーマンス向上をもたらすか？
• RQ4 オープンソースGISツール（QGIS、QISプラグイン）の統合は、エッジベースの空間アナリティクスをどの程度効果的に可能にするか？
• RQ5 提案されたフレームワークは、インドにおける大規模な鉱物資源データのリアルタイムでスケーラブルな空間アナリティクスをサポートできるか？

主な発見

• ファイアーコンピューティングに基づくSDIフレームワークにより、エッジでのローカル処理によってクラウドへのデータ送信が顕著に削減された。
• 局所的な計算により、空間データ分析の遅延が低減され、リアルタイム意思決定能力が向上した。
• ラズベリー・パイを用いたプロトタイプは、鉱物資源データにおけるオーバーレイ解析を正常に実行し、エッジベースの空間アナリティクスの実現可能性を示した。
• QGISとQISプラグインの統合により、ファイアーノードで効率的で軽量な空間操作が可能になり、クラウド依存度が低下した。
• リソース制約のある環境でも、空間的ビッグデータの処理において、スループットとスケーラビリティが向上した。
• 予備的な結果から、ファイアーコンピューティングは、鉱物資源管理におけるスケーラブルで効率的な空間データ処理の強力な可能性を秘めていることが確認された。