基于时空关联的物联网数据管理中间件技术研究

As sensors spread across almost every industry, the Internet of Things (IoT) is going to trigger an era of Big Data. However, the abundance of available sensing data causes new challenges when building IoT applications. Our real-world IoT application experiences show that i) more sensing data often bring more errors that need to be detected and corrected dynamically ; ii) incorrect information might be learned from more data without selection. Existing approaches require developers to manage data for each specific application, which is very time consuming since the developers may not have enough knowledge about the dynamic changing data quality of different sensors. We propose a generic sensing data management middleware to serve applications automatically with minimal user inputs with following goals : i) runtime automatic fault-tolerance and performance improvement for IoT applications ; ii) sensor monitoring, selection and management feedback from application requirements and execution status ; iii) reusable software libraries that can be seamlessly integrated with existing IoT applications and frameworks with minimal changes.

随着传感器遍布各个行业，物联网将触发大数据时代。但是在开发物联网服务时，海量的物联网数据同样带来了新的挑战。我们实际物联网服务开发经验表明：1）更多的传感数据通常会带来更多需要动态检测和纠正的错误；2）在没有合理数据选择的情况下，可能从更多数据中学习到错误的信息。现有物联网服务开发模型要求开发人员管理每个特定服务的数据，但是因为开发人员可能没有足够的传感器的数据质量和应用专业领域的背景知识，因而导致了物联网服务的开发缓慢。为解决物联网服务开发中的这两个问题，针对物联网数据存在的时空关联特性，我们提出构建一个通用的物联网数据管理中间件，实现以下目标：1）运行时自动容错和物联网服务性能改进；2）传感器数据动态监测和重构，并根据物联网服务需求和服务质量进行控制反馈；3）可重复使用的软件库，只需进行很少的更改就可以与现有的物联网服务开发框架无缝集成。

随着移动网络技术的发展，特别是5G技术的即将商业化，海量的物联网设备将被部署到各种物联网应用中采集相关数据，并通过5G、NB-IoT等移动网络进行传输。然而，物联网设备所采集的时间流数据往往存在着数据质量不高的问题：1）数据来源不稳定，物联网设备通常使用低成本、低功耗的硬件和通信模块，因此经常会出现丢包；2）数据本身不准确，每个传感器的准确性都不是100%的。在本项目中，我们将研究基于时空关联的物联网数据管理中间件技术。数据管理中间件将基于数据时空关联模型，提供数据质量检测和丢失数据重建、物联网服务相关数据挖掘、物联网数据采集等三个数据管理服务，实现自适应的物联网数据管理。在物联网数据模型研究方面，本项目研究基于物理关联信息的物联网数据模型的基本理论问题，探索了如何利用由不可控制的物联网设备发射的通信信号和环境噪声监测信号感知人的手势识别；在物联网数据质量检测方面，本项目研究基于物理关联信息的物联网数据质量检测和重建技术，通过探索不同物联网设备收集数据之间存在的关联性，设计智能电网中数据的监测和重建技术；在物联网数据的采集方面，本项目设计了一种新颖的通信和数据转发方法，可以更有效地利用网关附近越来越拥挤的2.4 GHz频谱。通过将来自Zig-Bee设备的消息嵌入到WiFi设备的重叠子载波中，支持三种类型的并发通信。项目完成论文发表3篇（2篇期刊+1篇会议），其中1篇为国际网络领域的顶级期刊IEEE/ACM Transactions on Networking。项目完成专利申请1项，通过对WiFi通信数据的分析，能够有效的对人的手势进行识别，解决目前采用摄像头对手势进行识别所产生的潜在隐私问题。项目完成协助培养1名博士研究生，5硕士研究生。