Cloud-based IoT as a service

Abstract

Internet of Things (IoT), está-se a tornar cada vez mais parte das nossas vidas e, quando aliada a computação na Cloud, torna-se uma ferramenta muito poderosa devido a remover stress computacional de pequenas placas ineficientes. Software como um serviço já representa uma grande parte do nosso dia-a-dia com empresas como a Netflix a aplicar o conceito de forma muito bem-sucedida. No contexto de IoT, este conceito ainda não está globalmente disseminado. A natureza heterogénea dos dispositivos representa um grande desafio para os conseguir integrar num sistema na Cloud. Os diferentes formatos e tipos de dados enviados para um middleware são difíceis de processar e, como consequência, leva a que exista uma grande pressão no programador para que todos os sensores sejam suportados. Ao longo deste estudo são exploradas variadas arquiteturas de forma a ser possível desenhar um sistema eficiente e, como os diferentes protocolos de comunicação afetam a rede em termos de overhead e fiabilidade. O sistema concebido, baseado em toda o estudo realizado, consiste numa aplicação para salas inteligentes que infere quantas pessoas estão lá dentro através de Probes de WiFi, disponibiliza essa informação a utilizadores e é verificada a possbilidade de utilização de algoritmos de Machine Learning como forma de optimizar resultados. O sistema desenhado permite aos programadores adicionar outros dispositivos sem ter de se preocupar como as mensagens são recebidas, apenas necessitando de adicionar a lógica que extrai o conhecimento dos dados. No que toca à área de crowdsensing deste trabalho, a precisão do sistema foi melhorada quando comparando com outros algoritmos estudados.

Internet of Things, or IoT, is becoming more and more a part of our lives and when allied with cloud computing it becomes a very powerful tool by removing the computing stress from the small energy efficient boards. Software as a Service is already a major part of our day-to-day lives with companies like Netflix successfully applying this concept. In IoT this type of concept is not widely applied. The heterogeneous nature of devices poses a big challenge to integrate them in a cloud system, the different data and formats sent to a middleware are hard to process and puts pressure on the developer to ensure all sensors are supported. Throughout this study we explore and design different types of architectures for efficient applications and how the different communication protocols affect the network when it comes to overhead and reliability. The conceived system, theoretically grounded on the research work, consists of a smart room application that senses how many people are inside a space through the process of WiFi Probing makes that information available to a user and makes use Machine Learning algorithms as a way to improve results. The design system allows developers to easily add new types of devices to the network without needing to worry how the messages are received, only needing to add domain logic to extract knowledge from the data. Regarding the crowdsensing aspect of this work, the accuracy of the system was improved when compared to other algorithm.