Beruflich Dokumente
Kultur Dokumente
Abstract— Internet of Things (IoT) platforms interoperability permita la interoperabilidad de estos, al tiempo que posibilita
is a major issue in current IoT scenarios. There are different el almacenamiento, procesamiento y consulta de los datos que
mechanisms to achieve interoperability and Open Geospatial registran. Con este fin varios miembros del sector tecnológico
Consortium (OGC) with Sensor Web Enablement (SWE) block
se adscriben al OGC y crean el marco de estándares SWE [2],
of standards like Sensor Observation Service (SOS) has provided
the ability to interoperate at different layers, following a entre los cuales se encuentra el estándar SOS [3].
centralized approach. However, IoT nature is distributed and a El SOS proporciona una interfaz estándar para la gestión y
new approach is needed. At the same time, current SOS recuperación de meta-datos y observaciones desde sistemas de
implementations provide several services and components that sensores heterogéneos [3]. Está fundamentado en tecnologías
are rarely used and affect performance, and are mainly focused web ampliamente aceptadas como XML y SOAP; lo que ha
for large sensor deployments. In this paper we propose a
permitido que este estándar sea reconocido y utilizado por
lightweight SOS design, named SOSLite, based in the OGC
consolidated SWE standards able to be executed in low resources multitud de dispositivos; y además, que para el desarrollo de
devices (e.g. RaspberryPi) and allow fast interoperability and clientes y servidores basados en este, se puedan contar con
scalability. The proposed use case in which the proposed system herramientas y librerías que faciliten esta labor.
has been tested is m-health and concretely ambient assisted De esta forma, el SOS provee unas interfaces bien
living. conocidas, basadas en SOAP, para el intercambio de mensajes
que permitan la interconexión de dispositivos con distintas
Keywords— Sensor Observation Service (SOS), Internet of
capacidades, de diversos proveedores, desarrollados con
Things (IoT), Sensors Networks, Sensor Web Enablement
(SWE). tecnologías diferentes y que emplean tecnologías de conexión
diversas; abstrayendo la complejidad inherente al dispositivo y
I. INTRODUCCIÓN logrando redes de sensores heterogéneas funcionales.
Sumando a estas interfaces, el estándar SOS se
E N la actualidad existen más de 8 billones de sensores
desplegados en el mundo y se estima que para el año 2020
esta cifra exceda el trillón de sensores [1]. Esta incremento
complementa con mensajes, basados en XML, con una
estructura flexible, ricos semánticamente y bien definidos
mediante el modelo conceptual ISO Observations and
vertiginoso en la adopción de sensores hace que cada día sea
Measurements (O&M) [4] y el Sensor Model Language
más común el tener una interacción con unos de estos
(SensorML) [5], para las observaciones y los sensores
dispositivos; por ejemplo, gran cantidad de teléfonos
respectivamente.
inteligentes cuentan con: GPS/GLONASS, giroscopio,
El estándar SOS responde a una inmensa cantidad de casos
acelerómetro, magnetómetro, sensor de luz ambiental, sensor
de uso aprovechando su flexibilidad para adaptarse a cada uno
de proximidad y brújula electrónica; mientras que muchos
de ellos. A partir del estándar, se han desarrollado diferentes
edificios tienen sensores de: humo, temperatura y movimiento.
soluciones de software asociados a los diversos casos de uso
La interacción ha generado una relación más estrecha entre las
en los que se puede aplicar el SOS. Esta potencialidad del
personas y la tecnología, haciendo que esta última sea ubicua
SOS conlleva que los desarrollos de software deban manejar
en el diario vivir.
una alta complejidad y para ello utilizan grandes recursos
Así, las tecnologías ubicuas basadas en sensores están
computacionales (procesadores, memoria de almacenamiento
asociadas a una mejora de la comodidad dentro de un recinto,
y memoria de procesamiento). Lo que implica que se requiera
por ejemplo, al mantener una temperatura agradable dentro de
de un servidor central con una capacidad amplia de
él; también son útiles para apoyar el consumo eficiente de
procesamiento y almacenamiento para desplegar el SOS.
energía eléctrica, al encender o apagar aparatos eléctricos
Esta aproximación de servidor central de amplias
según la presencia o ausencia de personas en un lugar; y de
capacidades es adecuado para algunos casos de uso; sin
igual forma, aumentan la seguridad al detectar posibles
embargo, se hace necesario contar con un desarrollo de
intrusos en una bodega comercial.
software que pueda desplegarse en dispositivos con unos
Ante tal despliegue de sensores y las redes que los
recursos muchos más limitados que los de un servidor
interconectan se hace necesario mantener un estándar que
centralizado.
Para ello, el nuevo desarrollo disminuye su complejidad y
J. Pradilla, Universitat Politècnica de Valencia (UPV), Valencia, Spain, se centra en las situaciones más comunes que se pueden
juaprace@teleco.upv.es
M. Esteve, Universitat Politècnica de Valencia (UPV), Valencia, Spain, encontrar en entornos no centralizados. La iniciativa SOSLite,
mesteve@upvnet.upv.es aprovecha las ventajas de estar basado en un estándar y
C. Palau, Universitat Politècnica de Valencia (UPV), Valencia, Spain, posibilita el despliegue en equipos de recursos de hardware
cpalau@dcom.upv.es
PRADILLA et al.: SOSLITE: LIGHTWEIGHT SENSOR 3759
Debido a que las operaciones de la extensión serie de operaciones SOAP que se corresponden al “core” y la
“transactional” no requieren de una descripción de datos extensión “transactional” del SOS según la recomendación
adicional a las ofrecidas en las operaciones “core”; dentro del “Lightweight” [11]. Los datos se almacenan en dos
SOSLite se emplean los lenguajes SensorML y O&M acorde a repositorios: uno de ellos el sistema de ficheros, donde se
lo expuesto en la recomendación del perfil ligero de la OGC almacenan los meta-datos de sensores en formato SensorML y
[11]. los datos de las observaciones en formato O&M; y el otro es
De esta forma, el SOSLite se puede emplear para la gestión una base de datos NoSQL, que almacenan los datos de
de los meta-datos de sensores y los datos que los sensores sensores y observaciones necesarios para atender a las
registran (observaciones) en: sensores individuales, redes de operaciones SOAP y obtener los ficheros asociados a las
sensores o como repositorio intermedio en una arquitectura respuestas de las operaciones. El SOSLite puede dar respuesta
jerarquizada de un sistema ciber-físico [12] [13] [14]. a peticiones de: objetos inteligentes, redes de sensores u otros
El SOSLite se encuentra compuesto por un fichero SOS. La arquitectura se encuentra representada en la Fig. 1.
descriptor de las operaciones SOAP en formato WSDL y una
del desarrollo, en este caso se eligió NGINX [17] un servidor IV. EVALUACIÓN
web/proxy de código abierto, multi-plataforma y ampliamente
A. Caso de Uso – Agricultura de Precisión
utilizado por los líderes de la industria tecnológica. NGINX
está especializado en el manejo de grandes volúmenes de El desarrollo de una tecnología debe ir orientada a
datos debido a su implementación basado en eventos responder una o varias necesidades, en este caso se ha visto
asíncronos; es este tipo de funcionamiento el que lo hace ideal como la Agricultura de Precisión (AP) se puede ver
para atender fuentes de peticiones simultáneas y con una beneficiada del uso del SOSLite y encontrar respuesta a
tipología de tráfico orientado a eventos como la presente en múltiples necesidades que se han ido presentando dentro de
las redes de sensores. este ámbito.
Las dos operaciones del SOS que se emplean con mayor Las actividades vinculadas a la agricultura de precisión
frecuencia dentro de una red de sensores son GetObservation, incluyen: la identificación y localización de cultivos, malezas
perteneciente al “core”, e InsertObservation, que hace parte de y maquinaria; la monitorización del rendimiento; la
la extensión “transitional”; estas dos operaciones permiten la dosificación variable de fertilizantes, herbicidas, insecticidas y
consulta y el registro de los datos que han sido generados por fungicidas; la monitorización de la siembra; y la clasificación
los sensores. Su funcionamiento se describe en los diagramas y mapeo de suelos. Para lograr realizar con éxito estas
de secuencia asociadas a estas (Fig. 2 y Fig. 3). actividades se suelen emplear diversas unidades de medición:
una red de sensores medio ambientales, uno o varios drones y
una red de sensores en la maquinaria agrícola y los aperos.
Más en detalle, la red de sensores ambientales mide: la
temperatura, la pluviosidad, la velocidad del viento, la
humedad en el aire, la humedad del suelo, el PH del suelo,
entre otros. Se encuentran distribuidos en la propiedad como
pequeñas estaciones meteorológicas y sensores distribuidos en
el terreno.
Por su parte, los drones se encuentran equipados con
cámaras de amplio espectro las cuales permiten monitorizar
los parámetros de desarrollo del cultivo y cámaras de alta
resolución para hacer el levantamiento de la información
topográfica; también se acompañan de sensores de
posicionamiento para determinar la ubicación de los datos
obtenidos.
Así mismo, las redes de sensores montados sobre los
aperos o la maquinaria agrícola se encargan de medir
parámetros como la producción en un área determinada y de
realizar operaciones como determinar la cantidad óptima de
fertilizante a aplicar en una zona. A partir de los datos de los
Figura 2. Diagrama de secuencia de la operación GetObservation. sensores se calculan parámetros como la tasas de rendimiento
o la presencia de malezas.
Estas unidades de medición se puede asociar a un
despliegue de SOSLite, así: la red de sensores ambientales
registra los datos de todos los sensores dentro del SOSLite
utilizando las operación InsertObservation; por su parte, cada
dron cuenta con una instancia de SOSLite donde registra las
fotografías geo-posicionadas utilizando la misma operación;
de la misma forma, cada maquinaria lleva consigo un SOSLite
donde registra los datos de sus sensores, esta información
luego puede ser empleada por otro servicio que calcule la
cantidad de fertilizante aplicar haciendo consultas mediante
GetObservation sobre el SOSLite.
Se puede identificar que la red de sensores
medioambientales es una red con sensores y con un número de
observaciones (medidas de los sensores) bajo; por su parte un
dron tiene solo dos sensores (la cámara y el GPS) pero realiza
observaciones de forma intensiva (toma un par de imágenes
por segundo); finalmente, la maquinaria se encuentra a medio
camino entre observaciones y sensores.
Figura 3. Diagrama de secuencia de la operación InsertObservation.
3762 IEEE LATIN AMERICA TRANSACTIONS, VOL. 13, NO. 12, DECEMBER 2015
Sin embargo, para las dos operaciones, el aumento en la deber a que todos los generadores utilizan la misma interfaz de
cantidad de sensores o clientes realizando consultas, conlleva red y cable para realizar las operaciones; si se considera que la
un deterioro en las prestaciones. Este hecho debe ser naturaleza del retardo incluye el tiempo en tránsito dentro de
profundizado dado que puede ser explicado dentro del la red, es necesario que posteriormente se descarte que este
funcionamiento normal de la aplicación pero también se puede tiempo sea el que afecte de forma significativa las mediciones.
Figura 6. Operación GetObservation (a) throughput, (b) promedio, (c) mediana, (d) desviación estándar
Figura 7. Operación InsertObservation (a) throughput, (b) promedio, (c) mediana, (d) desviación estándar
REFERENCIAS several R&D projects at regional, national and international level. He has
collaborated extensively in the R&D of projects for the government agencies,
[1] H. Sundmaeker, P. Guillemin, P. Friess and S. Woelffle, “Vision and defence and EU-FP7 acting as chairman of the agreement between Spanish
challenges for realizing the Internet of Things”, CERP-IoT: Cluster of MoD and UPVLC. He is author and co-author of more than 100 research
European Research Projects on the Internet of Things, 2010. papers.
[2] M. Botts, G. Percivall, C. Reed and J. Davidson, “OCG® Sensor Web
Enablement: Overview And High Level Architecture”, OGC: Open Carlos E. Palau received his M.Sc. and Ph.D. (Dr.Ing.)
Geospatial Consortium Inc., 2007. degrees, both in telecommunication engineering, from the
[3] A. Bröring, C. Stasch and J. Echterhoff, “OGC® Sensor Observation Universitat Politecnica de Valencia in 1993 and 1997,
Service Interface Standard”, OGC: Open Geospatial Consortium Inc., respectively. He is Full Professor in the Escuela Tecnica
2012. Superior de Ingenieros de Telecomunicación at the
[4] S. Cox, “Observations and Measurements – XML Implementation”, Universitat Politecnica de Valencia. He has more than 18
OGC: Open Geospatial Consortium Inc., 2011. years of experience in the ICT research area in the area of
[5] M. Botts and A. Robin, “OGC® SensorML”, OGC: Open Geospatial Networking. He has collaborated extensively in the R&D of multimedia
Consortium Inc., 2012. streaming, security, networking and wireless communications for government
[6] N. Chen, Z. Chen, L. Di and J. Gong, “An efficient Method for Near- agencies, defence and European Commission. He has been the main UPVLC
Real-Time On-Demand Retrieval of Remote Sensing Observations”, in researcher in the FASYS project, which has funded this work. He is author
IEEE Journal of Selected Topics in Applied Earth Observations and and co-author of more than 120 research papers and member of the TPC of
Remote Sensing, vol. 4, no 3, pp. 615-625, 2011. several IEEE, ACM and IFIP conferences. He is Senior Member of IEEE.
[7] H. Wang, L. Di, G. Yu and B. Zhang, “Implementation of Sensor
Observation Service for Satellite Imagery Sensors”, in Proc. IEEE 17th
International Conference on Geoinformatics, pp. 1-5, 2009.
[8] B. Zhang, L. Di, G. Yu, W. Han and H. Wang, “Towards Data and
Sensor Planning Service for Coupling Earth Science Models and Earth
Observations”, in IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing, vol. 5, no 6, pp. 1628-1636, 2012.
[9] P. Giménez, B. Molina, J. Calvo-Gallego, M. Esteve and C. Palau,
“I3WSN: Industrial Intelligent Wireless Sensor Networks for indoor
enviroments”, in Computers in Industry, ELSEVIER SCIENCE BV,
vol. 65, no. 1, pp. 187-199, 2014.
[10] D. Hilbring, A. Moumtzidou, J. Moßgraber and S. Vrochidis,
“Semantically Enriching and Open Source Sensor Observation Service
Implementation for Accessing Heterogeneous Environmental Data
Sources”, Transactions in GIS, vol. 18, no. 4, pp. 480-495, 2014.
[11] S. Jirka, C. Stasch and A. Bröring, “OGC® Best Practice for Sensor
Web Enablement Lightweight SOS Profile for Stationary In-Situ
Sensors”, OGC: Open Geospatial Consortium Inc., 2014.
[12] I. Stojmenovic. Machine-to-machine communications with in-network
data aggregation, processing, and actuation for large-scale cyber-
physical systems. Internet of Things Journal, IEEE, 1(2):122-128
(March 2014).
[13] P. Soulier, D. Li, and J. R. Williams, A survey of language-based
approaches to cyber-physical and embedded system development.
Tsinghua Science and Technology, 20(2):130 - 141. (April 2015).
[14] R. Rajkumar,. A cyber--physical future. Proceedings of the IEEE,
100(Special Centennial Issue), 1309-1312.
doi:10.1109/JPROC.2012.218991.
[15] PHP, available at http://www.php.net, last visited October 20th 2015
[16] MongoDB, available at http://www.mongodb.org, last visited October
20th 2015.
[17] NGINX, available at http://nginx.org, last visited October 20th 2015
[18] jMeter, available at http://jmeter.apache.org, last visited October 20th
2015.