4分類基準と分類木
新しい分類法を作る際の大きな問題は、分類基準と分類木の2つである。 ここで、分類基準は、研究の基本的な視点の本質を反映するように選択されている。 分類木は、選択された基準の連続的な適用によって得られたものである。 分類木の葉は例（研究努力）であり、これらは後に本論文の既存ソリューションの提示のセクションで簡単に詳述する。
この研究では、データセマンティクスを扱わないアーキテクチャも含めたが、そのアーキテクチャはある方向に研究に影響を与えた。 さらに、セマンティックなデータエンリッチメントがどのように使用されるアプローチの効率を向上させるかを示した。
センサネットワーク統合プラットフォームの役割は、センサネットワークとユーザーアプリケーション間のインタフェースとして機能するため、研究者はセンサネットワークレベル、すなわちボトムアップ、またはアプリケーションレベル、すなわちトップダウンアプローチのいずれかでこの問題に取り組むことが可能である。 そこで、調査したアーキテクチャの主な分類基準として、センサネットワーク指向とアプリケーション指向のアプローチを選択し、アーキテクチャを分類する。 前者は、センサネットワークの異質性、センサネットワークの技術的特性、制約、プロトコル、生成される観測や計測を解決しようとするもので、利用可能なセンサデータソースの処理、表現、保存、集約をシステムの上位層、ひいてはアプリケーションに最適な形で提案するものである。 2 番目のアプローチでは、研究者は、統合されたセンサーネットワークから、ユーザーやアプリケーションが興味のある情報を取得できるような、できるだけ適合したインターフェースと相互作用メカニズムを可能にする傾向があり、それらのセンサーネットワークの複雑さと特殊性から解放する。 これらすべてのサブグループは、さらにデータセマンティクス採用のアプローチとそうでないアプローチに分けることができます。
データベース中心のソリューションは、収集したすべてのセンサーデータの中央ハブとしてのデータベースを特徴とし、結果としてセンサーデータのすべての検索と操作はデータベース上で実行されます。 異種センサデータを独自のデータベース方式に対応させるのは大変なことである。 また、この種のデータは量が多いため、直接キャッシュすることが困難であるため、リアルタイムデータ対応のための追加機構を提供する必要がある。 データベースサーバーは、センサーノードからのデータの挿入とアプリケーションのクエリの両方を処理する必要があるため、このアプローチの主な懸念はスケーラビリティです。
クエリ変換アプローチは、センサデータの自然な形と関連するクエリ言語を利用し、ユーザのクエリを特定のソースのターゲットクエリ言語に変換するものである。 このアプローチは、利用可能なデータソースの情報、主に特定のデータソースのネイティブクエリ言語、フォーマット、生成されたデータの性質を維持する必要性を意味し、それはまた、より良いクエリの最適化のためにセンサーの能力、ネットワークトポロジー、電力制約に関する情報を含むことができる。 ネイティブクエリの結果は、ターゲットデータフォーマットにアセンブルされなければならない。 潜在的に、パフォーマンスの欠点は、各ユーザー リクエストごとに 2 つの変換を実行時に行う必要があることです。クエリーがネイティブ クエリーに変換されるときと、クエリー結果がターゲット フォーマットに変換されるときに再度変換されます。 定義されたインタフェースの実装がセンサーノードのシンクやゲートウェイのコンポーネントで実現されているかどうかにかかわらず、生成されるデータストリームは相互運用性を可能にする一般に認められたフォーマットに準拠していなければならない。 一般に、データ表現にはセマンティックデータモデルを活用した任意の共通データ形式を用いることができる。また、ユーザーのニーズに応じて、異なるデータ抽象化レベルを対象とした複数のデータ形式を並列に共存させることも可能であろう。 このアプローチは有望であり、異種センサーネットワーク上で優れたスケーラビリティ、高性能、効率的なデータフュージョン、さらにデータストリームの集約などの柔軟性を提供するものである
上述のように、アプリケーション指向のアプローチは、ユーザーアプリケーションが統合センサーネットワークから必要な情報を得るのに最も効率の良い方法を提供しようとしている。 しかし、アプリケーションと基礎システム間のハイレベルなインタラクションの提供に焦点を当て、知識推論機能を可能にすることは、時に性能面で問題を抱え、これらのソリューションが広く受け入れられることを妨げている。 我々は、トップダウンアプローチの基本原理を共有する4つのサブグループを特定した：サービス指向アーキテクチャアプローチ、サービス構成アプローチ、ルールベースのデータ変換アプローチ、およびエージェントベースシステムである。 さらに、センサーの特性情報の取得、選択したセンサーデータ値の購読機能、クエリーの送信、オプションで作動機能などの機能を提供することもある。 これらのアーキテクチャにおける支配的な相互作用は、リクエストとリプライのモデルであり、センサーデータのイベントベースの配信はそれほど多くありません。 このアプローチの欠点は、ストリームベースのセンサデータとアーカイブされたデータ、または取得されたデータの種類を融合する機能を持っていないことである。 具体的な実装に明確な制約はないが、このアプローチは垂直方向への指向が強く、1つのアプリケーションドメインしかカバーしない。
サービス構成指向のアプローチでは、ユーザーは関心のある特定の特性を持つ任意のサービスやデータストリームを定義することが可能である。 システムは適切なデータソースに対して特定の処理を適用することによってそのようなデータフローを構成しようとし、その結果、要求された仕様に適合するデータストリームが生成されることになる。 ユーザ要求の完全な表現力は、希望するデータストリームと処理能力のセマンティックモデルベースの記述を可能にすることで達成できる。利用可能なコンポーネントの最適な構成を探す際に、セマンティックベースの推論が利用できる。 このアプローチは、アプリケーションの観点から最も柔軟なソリューションを提供するように思われますが、サービス構成のリアルタイム検出によりパフォーマンスが低下する可能性があります。
ルールベースのデータ変換は、セマンティックデータモデルを利用するための最も一般的なアプローチと思われます。 新しい知識の推論や高レベルのイベントの検出は、ドメインモデルのオントロジー表現に取り込まれた概念とセンサーデータの観測や測定との間の関係に依存するマッピング関数によって達成される。 情報モデルの異なるレイヤーに応じて、アーキテクチャを通じて複数の変換が行われる可能性があります。 データは低レベルのフォーマットから意味ベースの表現に変換され、意味検索や推論アルゴリズムの適用が可能になる。 エージェントは特定のタスクを実行することができるソフトウェアコンポーネントである。 エージェントは特定のタスクを実行できるソフトウェアコンポーネントであり、協調して所望の機能を実現する。 エージェント内部の通信には、標準的なエージェントプラットフォームや特定の実装を使用することができる。 一般に、エージェントは、担当する機能の種類に応じて、いくつかの層のうちの1つに属します。 また、1つの論理層に複数のエージェントタイプが存在することもあります。 上位層のエージェントは下位層のエージェントを採用する。 エージェントがセンサデータのセマンティクスを用いるか，エージェントの処理能力の記述にセマンティックモデルを用いるかは，具体的な実装に依存する。
前述の分類基準から導かれた分類木は，図1に示されており，7つの葉から構成されている。 分類木の各葉には、前述したように名称が付与されている。 各リーフ（クラス）に適用された分類に従って、既存の解決策（例）のリストが示されている。 なお、読者がより詳しく検討できるように、アプローチ名と主な参考文献のみを別項で示した。 簡略化のため、著者から明確な名称が与えられていない解決策には、任意の名称を与えている。 著者の出身機関の名前か、そのソリューションに特徴的な主要戦略課題の名前を用いる。
図1． 9173>
データベース中心のソリューションには、センサーネットワーク統合に向けた最初の研究作品の1つであるCougarデータベースシステムや、前述のアプローチを最大限に活用した例であるSenseWebなどの非意味的アプローチが含まれる。 ES3Nはセマンティックベースのデータベース中心のアプローチの例である。
クエリ変換アプローチに関連するすべてのソリューションはセマンティック技術を採用しており、CSIROセマンティックセンサーネットワーク、SPARQLSTREAMベースのアプローチ、およびこのグループで最も包括的なソリューションであるSemSorGrid4Envが含まれる。 9173>
サービス指向アーキテクチャには、TinyRESTのようなシンプルで効率的な非意味的ソリューションや、さまざまな関係者によって実装されたリファレンスアーキテクチャのOGC SWE仕様が含まれます。
サービス構成アプローチは、ユーザーに最も柔軟なインタラクションを提供する傾向があり、Hourglassは非意味ベースのソリューションの一例です。 セマンティック技術を採用した最も一般的なアーキテクチャは、ルールベースのデータ変換アプローチに属し、トロント大学で開発されたセマンティックベースのセンサーデータ融合システム、アテネ国立工科大学で設計されたプラグ可能なアーキテクチャ、エリクソン社のCommonSenseビジョンの一部であるSWASNなどがある。
最後に、エージェントベースのアプローチには、非意味的なものと意味的なものの両方の代表があります。最初のものは、IrisNetと呼ばれるインターネット規模のセンサーインフラで、2番目のものは、SWAPというセンサーウェブのアーキテクチャのためのマルチエージェントシステムです。