4 Luokittelukriteerit ja luokittelupuu

Luokittelukriteerit ja luokittelupuu

Luokittelukriteerit ja luokittelupuu ovat kaksi suurinta ongelmaa uutta taksonomiaa luotaessa. Tässä luokittelukriteerit on valittu siten, että ne kuvastavat tutkimuksen perusnäkemyksen ydintä. Luokittelupuu on saatu soveltamalla peräkkäin valittuja kriteerejä. Luokittelupuun lehdet ovat esimerkkejä (tutkimuspyrkimyksiä), joita käsitellään lyhyesti myöhemmin tämän asiakirjan Olemassa olevien ratkaisujen esittely -osiossa.

Tässä tutkimuksessa on otettu mukaan myös arkkitehtuureja, jotka eivät käsittele datan semantiikkaa, mutta joiden arkkitehtuurit ovat vaikuttaneet tutkimukseen tiettyyn suuntaan. Lisäksi olemme osoittaneet, miten semanttisen datan rikastaminen parantaa käytetyn lähestymistavan tehokkuutta.

Koska sensoriverkkojen integraatioalustan tehtävänä on toimia rajapintana sensoriverkkojen ja käyttäjien sovellusten välillä, tutkijat voivat käsitellä ongelmaa joko sensoriverkkojen tasolla eli alhaalta ylöspäin tai sovellusten tasolla eli ylhäältä alaspäin. Tämän vuoksi tutkimuksessa käytettyjen arkkitehtuurien tärkeimpänä luokitteluperusteena käytetään arkkitehtuurien luokittelua valitun lähestymistavan mukaan, joka voi olla anturiverkkoihin suuntautunut lähestymistapa ja sovelluksiin suuntautunut lähestymistapa. Ensimmäisessä lähestymistavassa tutkijat pyrkivät ratkaisemaan anturiverkkojen heterogeenisuuden, anturiverkkojen tekniset ominaisuudet, rajoitukset, protokollat sekä tuotetut havainnot ja mittaukset ehdottamalla optimaalista tapaa käsitellä, esittää, tallentaa ja aggregoida käytettävissä olevia anturitietolähteitä järjestelmän ylemmille kerroksille ja siten sovelluksille. Toisessa lähestymistavassa tutkijat pyrkivät mahdollistamaan käyttäjille ja sovelluksille mahdollisimman sopivan käyttöliittymän ja vuorovaikutusmekanismin, jonka avulla käyttäjät ja sovellukset voivat saada haluamansa tiedot integroiduista sensoriverkoista vapauttamalla heidät näiden sensoriverkkojen monimutkaisuudesta ja erityispiirteistä.

Ensimmäisen luokan sisällä voidaan erottaa kolme alaryhmää: tietokantakeskeiset arkkitehtuurit, kyselyjen kääntämiseen perustuvat lähestymistavat ja sensorien virtualisointiin perustuvat lähestymistavat. Kaikki nämä alaryhmät voidaan jakaa edelleen lähestymistapoihin, joissa on ja joissa ei ole datan semantiikan käyttöä.

Tietokantakeskittyneille ratkaisuille on ominaista, että tietokanta toimii kaiken kerätyn anturidatan keskipisteenä, ja näin ollen kaikki anturidatan haku ja manipulointi suoritetaan tietokannan kautta. Heterogeenisen anturidatan kartoittaminen ainutlaatuiseen tietokantajärjestelmään on haasteellista. Reaaliaikaisen datan tukemiseen olisi tarjottava lisämekanismi, koska tämäntyyppistä dataa on tuskin mahdollista tallentaa suoraan välimuistiin sen suuren määrän vuoksi. Suurin huolenaihe tässä lähestymistavassa on skaalautuvuus, koska tietokantapalvelimen olisi käsiteltävä sekä anturisolmuilta tulevien tietojen lisäämistä että sovelluskyselyjen suorittamista. Tämä lähestymistapa voi hyötyä mahdollisuudesta tukea tiedonlouhinta- ja koneoppimistekniikoita tallennetun anturidatan avulla.

Kyselyjen kääntämisessä hyödynnetään anturidatan luonnollista muotoa ja siihen liittyviä kyselykieliä, jotta käyttäjien kysely voidaan muuntaa tietyn lähteen kohdekielelle. Tämä lähestymistapa edellyttää käytettävissä olevien tietolähteiden tietojen ylläpitämistä, ensisijaisesti tietyn tietolähteen natiivin kyselykielen, formaatin ja tuotettujen tietojen luonteen, mutta se voi sisältää myös tietoja anturien kyvyistä, verkkotopologiasta ja tehorajoituksista paremman kyselyn optimoimiseksi. Natiivikyselyjen tulokset olisi koottava kohdetietomuotoon. Mahdollinen suorituskyvyn haittapuoli on se, että ajoaikana on tehtävä kaksi muunnosta kutakin käyttäjän pyyntöä kohden: kun kysely käännetään natiivikyselyksi ja kun kyselyn tulokset on muunnettava kohdetietomuotoon.

Sensoreiden virtualisointimenetelmässä sensorit ja muut laitteet esitetään abstraktilla tietomallilla ja sovelluksille tarjotaan mahdollisuus olla suoraan vuorovaikutuksessa tällaisen abstraktion kanssa rajapinnan avulla. Riippumatta siitä, toteutetaanko määritellyn rajapinnan toteutus anturisolmujen nieluissa vai yhdyskäytävien komponenteissa, tuotettujen tietovirtojen on oltava yhteisesti hyväksytyn formaatin mukaisia, jonka pitäisi mahdollistaa yhteentoimivuus. Yleisesti ottaen tietojen esittämiseen voidaan käyttää mitä tahansa semanttista tietomallia hyödyntävää yhteistä datamuotoa, tai jopa useita eri tietoabstraktiotasoille suunnattuja datamuotoja voidaan käyttää rinnakkain käyttäjän tarpeista riippuen. Tämä lähestymistapa on lupaava, ja se tarjoaa hyvän skaalautuvuuden, korkean suorituskyvyn ja tehokkaan tietojen yhdistämisen heterogeenisissä sensoriverkoissa sekä joustavuutta esimerkiksi tietovirtojen yhdistämisessä.

Kuten edellä todettiin, sovellussuuntautuneissa lähestymistavoissa yritetään tarjota tehokkain tapa, jolla käyttäjäsovellukset voivat saada tarvitsemaansa tietoa integroiduista sensoriverkoista. Keskittyminen korkean tason vuorovaikutuksen tarjoamiseen sovellusten ja taustalla olevan järjestelmän välillä sekä tiedon päättelyominaisuuksien mahdollistamiseen kärsii kuitenkin joskus suorituskykyyn liittyvistä näkökohdista, jotka estävät näiden ratkaisujen laajemman hyväksynnän. Olemme tunnistaneet neljä alaryhmää, jotka jakavat saman ylhäältä alaspäin suuntautuvan lähestymistavan perusperiaatteen: palvelukeskeisen arkkitehtuurin lähestymistavat, palvelukompositiolähestymistavat, sääntöpohjaiset tietomuunnoslähestymistavat ja agenttipohjaiset järjestelmät.

Palvelukeskeisen arkkitehtuurin lähestymistavat tarjoavat vakiomuotoisen palvelurajapinnan, jossa on määriteltyjä menetelmiä ja datakoodauksia havainnointien ja mittausten hankkimiseksi halutuilta antureilta. Lisäksi se voi tarjota toimintoja, kuten tietojen saamisen antureiden ominaisuuksista, mahdollisuuden tilata valittujen antureiden data-arvoja, kyselyjen lähettämisen, valinnaisesti toimintojen käynnistämisen jne. Vallitseva vuorovaikutus näissä arkkitehtuureissa on pyyntö-vastaus-malli ja vähemmässä määrin tapahtumapohjainen anturitietojen toimitus. Tämän lähestymistavan haittapuolena on se, että se ei pysty yhdistämään virtatietoon perustuvia anturitietoja sekä arkistoituja tai hankittuja tietotyyppejä. Vaikka konkreettiselle toteutukselle ei ole nimenomaisia rajoituksia, tämä lähestymistapa on yleensä vertikaalisesti suuntautunut ja kattaa vain yhden sovellusalueen.

Palvelukompositiopainotteiset lähestymistavat antavat käyttäjille mahdollisuuden määritellä mielivaltaisia palveluita tai tietovirtoja, joilla on tietty kiinnostava ominaisuus. Järjestelmä yrittää koota tällaisen tietovirran soveltamalla erityistä käsittelyä asianmukaisiin tietolähteisiin, mikä johtaa pyydetyn määrittelyn mukaisen tietovirran tuottamiseen. Käyttäjän pyyntöjen täydellinen ilmaisukyky voitaisiin saavuttaa mahdollistamalla haluttujen tietovirtojen ja käsittelyominaisuuksien semanttiseen malliin perustuva kuvaus: semantiikkaan perustuvaa päättelyä voitaisiin käyttää, kun etsitään käytettävissä olevien komponenttien optimaalista koostumusta. Tämä lähestymistapa näyttäisi tarjoavan joustavimmat ratkaisut sovellusten näkökulmasta, vaikka suorituskyky saattaa heikentyä palvelukoostumuksen reaaliaikaisen löytämisen vuoksi.

Sääntöpohjainen tietomuunnos näyttäisi olevan yleisin lähestymistapa semanttisten tietomallien hyödyntämiseen. Uuden tiedon päätteleminen tai korkean tason tapahtumien havaitseminen saavutetaan kartoitustoiminnoilla, jotka perustuvat verkkotunnusmallin ontologiseen esitykseen tallennettujen käsitteiden ja anturidatahavaintojen ja -mittausten välisiin suhteisiin. Arkkitehtuurissa voi olla useita muunnoksia tietomallin eri kerrosten mukaan. Tiedot muunnetaan alemman tason muodoista semanttisiin esityksiin, jotka mahdollistavat semanttisten haku- ja päättelyalgoritmien soveltamisen.

Agenttipohjaiset järjestelmät koostuvat useista agenttityypeistä. Agentit ovat ohjelmistokomponentteja, jotka kykenevät suorittamaan tiettyjä tehtäviä. Ne saavuttavat yhteistyössä haluttuja toimintoja. Agenttien sisäiseen viestintään voidaan käyttää jotakin vakiomuotoista agenttialustaa tai erityistä toteutusta. Tyypillisesti agentit kuuluvat johonkin useista kerroksista sen perusteella, minkä tyyppisistä toiminnoista ne vastaavat. Samassa loogisessa kerroksessa voi myös olla useita agenttityyppejä. Ylempien kerrosten agentit käyttävät alempien kerrosten agentteja. Konkreettisesta toteutuksesta riippuu, käyttävätkö agentit anturidatan semantiikkaa vai käytetäänkö agenttien käsittelyominaisuuksien kuvaamiseen semanttisia malleja.

Kuvassa 1 on esitetty edellä mainittujen luokitteluperusteiden perusteella johdettu luokittelupuu, joka koostuu seitsemästä lehdestä. Jokaiselle luokituspuun lehdelle annetaan nimi, kuten edellä on kuvattu. Luettelo olemassa olevista ratkaisuista (esimerkeistä) annetaan kunkin lehden (luokan) sovelletun luokituksen mukaan. Olemme esittäneet vain lähestymistapojen nimet ja tärkeimmät viitteet erillisessä kappaleessa, jotta kiinnostuneet lukijat voivat tutustua yksityiskohtiin tarkemmin. Yksinkertaisuuden vuoksi annamme mielivaltaisen nimen ratkaisulle, jolle kirjoittajat eivät ole antaneet nimenomaista nimeä. Käytämme joko sen laitoksen nimeä, josta kirjoittajat tulivat, tai kyseiselle ratkaisulle ominaisen tärkeimmän strategisen kysymyksen nimeä.

Kuvio 1. Ratkaisun nimi. Sensor Web -arkkitehtuurien luokittelupuu.

Tietokantakeskeisiin ratkaisuihin kuuluvat ei-semanttiset lähestymistavat, kuten Cougar-tietokantajärjestelmä , yksi ensimmäisistä tutkimustöistä kohti sensoriverkkojen integrointia, ja SenseWeb , joka on esimerkki kuvatun lähestymistavan maksimaalisesta hyödyntämisestä. ES3N on esimerkki semantiikkaan perustuvasta tietokantakeskeisestä lähestymistavasta.

Kyselyjen käännöslähestymistapoihin liittyvät ratkaisut käyttävät semanttisia tekniikoita, ja niihin kuuluvat: CSIRO:n semanttinen sensoriverkko , SPARQLSTREAM-pohjainen lähestymistapa ja SemSorGrid4Env , joka on kattavin ratkaisu tässä ryhmässä.

Neuvoimmat tutkimusponnistelut tällä alalla kuuluvat anturien virtualisointilähestymistapoihin. Ei-semanttista lähestymistapaa käytetään GSN:ssä , kun taas EU:n rahoittamissa laajoissa hankkeissa, kuten SENSEI:ssä ja esineiden internetissä (Internet of Things, IoT), ehdotetuissa ratkaisuissa hyödynnetään datan semantiikkaa.

Palvelusuuntautuneisiin arkkitehtuureihin kuuluvat yksinkertaiset ja silti tehokkaat ei-semanttiset ratkaisut, kuten TinyREST ja OGC:n referenssiarkkitehtuurin OGC:n SWE-spesifikaatioita, joita eri osapuolet ovat toteuttaneet . Semantiikkaa tukevaa lähestymistapaa käytetään SemSOS:ssa .

Palvelukokoonpanon lähestymistavat tarjoavat yleensä joustavimman vuorovaikutuksen käyttäjille ja Hourglass on esimerkki ei-semantiikkapohjaisesta ratkaisusta. Tehokkaammat ratkaisut hyödyntävät semanttisia lähestymistapoja, ja niihin kuuluvat SONGS ja IBM:ssä kehitetty arkkitehtuuri .

Yleisimmät arkkitehtuurit, joissa käytetään semanttisia tekniikoita, kuuluvat sääntöpohjaisiin datanmuodostuslähestymistapoihin, ja niihin kuuluvat: Toronton yliopistossa kehitetty semantiikkaan perustuva sensoridatan fuusiojärjestelmä , Ateenan kansallisessa teknisessä yliopistossa suunniteltu pluggable-arkkitehtuuri ja SWASN , joka on osa Ericssonin CommonSense-visiota .

Viimeiseksi, agenttipohjaisilla lähestymistavoilla on sekä ei-semanttisia että semanttisia edustajia: ensimmäinen on Internetin mittakaavan anturi-infrastruktuuri nimeltä IrisNet , kun taas toinen on SWAP , moniagenttijärjestelmä anturiverkkoarkkitehtuureja varten.