Arquitetura experimental para automação e integração de ... · Inteligência Artificial, Redes Neurais Artificiais, Agentes Inteligentes e Lógicas Fuzzy [Hoon e Ramos 2010],

Arquitetura experimental para automação e integração deambientes inteligentes com dispositivos móveis

Vandermi J. Silva1, Gustavo L. P. Silva1 ,Vicente F. De Lucena Jr.2

1Instituto de Ciências Exatas e Tecnologia ICET – Universidade Federal do Amazonas(UFAM)

Caixa Postal 69100-000 – Itacoatiara – AM – Brasil

Universidade Federal do Amazonas (UFAM){vandermi, vicente}@ufam.edu.br, [email protected]

Abstract. In this work an experimental architecture for automation andintegration smart environments with mobile devices is presented, consideringgathering and storage of data from sensors and actuators. After analyzing andfiltering data, the architecture will recommend services for users of smartenvironment. The proposal focuses on building an architecture that integratesinformation services based on context and presents a prototype for datacollection actions in actuators and sensors and a prototype embedded on amobile device (smart-phone) to interact with the sensors and actuatorsinstalled in an academic environment. The architecture is in testing withpossible future modifications and adaptations to the integration of cognitiveagents and context management module to manage and filter the data in thepreprocessing module.

Resumo. Neste trabalho é apresentada uma arquitetura experimental paraautomação e integração de ambientes inteligentes com dispositivos móveisconsiderando a coleta e armazenamento de dados de sensores e atuadores.Após a análise e filtragem de dados, a arquitetura permitirá recomendarserviços para usuários de um ambiente inteligente. A proposta concentra-sena construção de uma arquitetura que integre serviços baseados nasinformações de contexto e apresenta um protótipo para coleta de dados deações em atuadores e sensores e um protótipo embarcado em um dispositivomóvel (smartphone) para interagir com os sensores e atuadores instalados emum ambiente acadêmico. A arquitetura está em fase de teste com possíveismodificações e adequações futuras com a integração de agentes no módulocognitivo e gerência de contexto para gerenciar e filtrar os dados no módulode pré-processamento.

1. Introdução

O uso do contexto em aplicações interativas é cada vez mais presente no cenáriotecnológico e necessita ser estudado mais profundamente especialmente nos casos emque os cenários estão em constantes mudanças, por exemplo, os que envolvem AmbientIntelligence (AmI) e computação ubíqua [Abowd et. al. 1997]. A computação ubíquapermite reconhecer objetos e informações que estão em torno do usuário de formadinâmica e sem interferência humana e a união dos sistemas ubíquos com acontextualização permitirá ao usuário maior mobilidade, além de facilitar oreconhecimento e localização de objetos e pessoas, que poderão ser acessados de

Anais do II Workshop de Comunicação em Sistemas Embarcados Críticos - WoCCES 2014

24

qualquer lugar através de um enlace de comunicação [Krohn 2004].

Ambientes inteligentes estão cada vez mais sendo inseridos na vida das pessoaspor meio da automação residencial tanto através de tarefas corriqueiras como ligar oudesligar um sistema de iluminação, quanto as mais difíceis que envolvem identificar ocontexto em que uma tarefa deve ser executada.

Uma das atividades a ser desenvolvida em AmI se dá pela necessidade delocalização de usuários em um determinado ambiente. Essa técnica de localização édescrita com o termo em inglês indoor location [Yang 2007] e permite o uso detecnologias de redes sem fio para verificar o posicionamento de pessoas em umambiente utilizando Radio Frequency Identification (RFID) e outras tecnologias de redesem fio tais como os padrões IEEE 802.15.1, Bluetooth e IEEE 802.15.4, ZigBee.

Em [Yang 2007] e [Honkavirta 2009], são apresentados os conceitos e asprincipais técnicas para localização indoor, que consiste basicamente em utilizar atriangulação do sinal de rádio e aplicar algoritmos da vizinhança mais próxima, KNN,seguido de modificações do algoritmo aplicando técnicas de predição baseadas nascoletas das rotas mais comuns do usuário, além da utilização do mapeamento de pontosde referência para ser aplicado na base de treinamento de um sistema de localizaçãoindoor.

Baseado na necessidade de integrar os dados de sensores e atuadores em umsistema context-wareness este trabalho propõe uma arquitetura para automação deambientes residenciais baseada em identificação de contexto em ambientes inteligentespara automatizar de forma transparente a identificação do usuário, sua localizaçãoindoor e suas preferências no contexto de uma residência automatizada. O trabalho foidividido em seis seções descritas a seguir: Na Seção 2 serão apresentados os conceitos edefinições sobre ambientes inteligentes AmI, context-aware e localização indoor, naSeção 3 serão apresentados os trabalhos relacionados, na Seção 4 será apresentada aarquitetura proposta na Seção 5 será apresentada a construção do protótipo finalizandocom as discussões e as conclusões do trabalho que serão apresentadas na Seção 6.

2. Definições

Nesta seção serão apresentados os conceitos principais utilizados no trabalho parafacilitar o entendimento das tecnologias e ferramentas utilizadas na pesquisa. A seçãofoi subdividida em ambientes inteligentes, context-aware e localização indoor.

2.1. Ambientes inteligentes

Uma definição de ambientes inteligentes descrito por [Aarts, 2004] é que AmIproporciona ambientes sensíveis e que respondem à presença de pessoas, dando ênfasena facilidade de utilização de serviços de apoio aos usuários e principalmente, no apoiodas interações humanas com interfaces inteligentes e intuitivas, embarcadas em todosos tipos de objetos em ambientes capazes de reconhecer e reagir a presença deindivíduos diferentes.

Em [Ramos, Augusto e Shapiro, 2008] AmI é apresentada como uma visão dasociedade da informação onde as pessoas convivem em ambientes inteligentes e cominterfaces intuitivas embarcadas em dispositivos ao seu redor, capazes de reconhecer oambiente e seus usuários e responder a diferentes estímulos por meio de sensores eacionadores. Esse novo paradigma proporciona a melhoria da qualidade de vida daspessoas por meio de sistemas e de serviços que usam dispositivos inteligentes,


25

personalizados e interconectados.

A extração de dados baseados em contexto utiliza dentre outras, técnicas deInteligência Artificial, Redes Neurais Artificiais, Agentes Inteligentes e Lógicas Fuzzy[Hoon e Ramos 2010], [Sampaio et. al. 2012] e [Fariba 2011]. Tais técnicas permitemque os sistemas de AmI sejam capazes de interagir com o usuário a partir dos dadosobtidos do contexto e das regras inferidas por componentes inteligentes do sistema.Assim, usando essas técnicas ou um subconjunto delas, provavelmente a integração e acomunicação de diversos dispositivos instalados em um ambiente residencialautomatizado, será melhorada.

2.2. Context-aware

Em [Schilit e Theimer 1994], é apresentado uma definição de contexto comolocalização e identificação de pessoas e objetos, no entanto, outras definições maisabrangentes são apresentadas em [Ryan et. al. 1997] e em [Dey, 1998] como sendo alocalização de usuários no ambiente, estado emocional do usuário, temperatura dousuário, temperatura do ambiente, comportamento, entre outras características.

Pode-se definir o contexto no sentido mais genérico como uma informaçãoqualquer que pode ser usada para caracterizar uma situação envolvendo pessoas, objetose lugares que são considerados relevantes para a interação entre o usuário e o sistema.Já o conceito de sensibilidade ao contexto define que tipos de processo ou informaçãoque melhor se adequará a determinada situação e pode ser aplicada de forma flexível emqualquer entidade móvel, visando à descoberta de padrões pessoais coletando,interpretando e respondendo ao usuário sobre os aspectos de outros dispositivos e doambiente [Zimmer 2004].

Um sistema é context-aware se usar um contexto para disponibilizarinformações ou serviços relevantes para o usuário onde a relevância depende da tarefasolicitada. Existem diferenças entre os conceitos de context-aware e contexto. Ocontexto trata das atividades, identidade, localização e tempo em que ocorreram asações, enquanto que o context-aware trata da apresentação, execução automática eentrega (tagging) das informações contextuais [Abowd et. al. 1997].

2.3. Localização Indoor

Existem diversos métodos na literatura para calcular a localização e o mais conhecidodeles é usando o Global Position System (GPS). No entanto, para a localização indooresse método não é eficaz devida a dificuldade de recepção do sinal em um ambientefechado, [G. Sun, J. Chen, W. Guo, e K.J.R. Liu 2005].

Para minimizar esse problema surgiram técnicas que utilizam a potencia do sinalWI-FI para identificar acess points e fazer a trilateração do sinal na esperança dediminuir a distancia entre o objeto ou pessoa a ser localizado no ambiente [P. Bahl e V.N. Padmanabhan, 2000]. A localização indoor baseada na potencia do sinal de rádio(RSS), pode ser implementada por meio de algoritmos e métodos probabilísticos paradeterminar o posicionamento do usuário por meio da distancia entre os pontos dereferência e o sinal obtido, no qual se aplicando o método K-Nearest Neighbor (KNN),pode-se melhorar o desempenho da técnica de localização [Altintas e Tacha 2011].

Neste trabalho o tópico referente à localização indoor foi explorado baseado napotencia do sinal Wi-FI e técnicas probabilísticas para melhoria da aquisição doposicionamento do usuário dentro de um ambiente.


26

3. Trabalhos Relacionados

Em [Corchado, J.; Bajo, J.; Abraham 2008] foi apresentada uma arquitetura dehealthcare para monitorar idosos em uma casa de saúde. O sistema possibilitou oacompanhamento de pacientes com a doença de Alzheimer, por meio de etiquetasRadio Frequency Identi cation fi (RFID) instaladas na residência e no pulso de cadaidoso monitorado. Quando o idoso se aproximava de alguma porta ou janela, o sistemacapturava os dados do dispositivo RFID no seu pulso e enviava o sinal ao servidor delocalização instalado na administração da casa.

O sistema foi integrado em uma rede sem fios, que permitia que enfermeiros emédicos tivessem acesso à localização do paciente, usando um Personal DigitalAssistent (PDA). Os equipamentos utilizados para acessar os dados foram empregadoscomo clientes do sistema que acessavam uma base de dados comum a todos oscomponentes.

Em [Zamora-Izquierdo et. al. 2010] foi apresentado uma arquitetura para homeautomation (HAM), composta por um sistema de monitoramento e controle por meio devários dispositivos embarcados conectados a sensores e atuadores e centralizados emuma casa inteligente. O HAM possuía também, partes modularizadas que podiam serintegradas para monitorar todas as áreas de uma residência ou parte dela. A arquiteturasuportava a infraestrutura de segurança e acesso remoto via internet através de doismétodos de acesso externo, o protocolo HTTP, usado para o servidor gateway quepermitia monitorar o acesso a residência e o protocolo UDP para se comunicar commódulos de segurança e gateway remotos. O sistema ainda possuía entradas para ummódulo de comunicação que podia ser bluetooth, ZigBee ou barramento ControllerArea Network,(CAN-BUS), além de permitir a troca de mensagens por meio de ShortMessage System (SMS).

Em [Bonino e Corno 2010] foi apresentada uma contribuição para estender osambientes domóticos inteligentes (IDEs) para suportar inteligência baseada em regras,iniciando com um modelo formal em que regras são definidas para avaliar aspropriedades dos ambiente por meio de ontologias. Duas linguagens de regras foramutilizadas a Semantic Web Rule Language (SWRL) e a JenaRules, para formalização eavaliação da camada de razão do sistema. As engines nomeadas de Jess e Jena foramcomparadas e os resultados foram apresentados quanto à checagem de propriedades nosrequisitos de efetividade da base de inteligência para prevê comportamentos, porexemplo, adaptação e interação proativa com o usuário.

Os autores avaliaram as regras usando dois diferentes benchmarks, um ambientedoméstico pequeno composto por seis cômodos e um ambiente de escritório maiscomplexo composto por cinqüenta e duas salas. Como resultado, foi apresentado que oraciocínio baseado em regras pode ser efetivamente aplicado em ambientes inteligentespara avaliar on-line o contexto e provê comportamentos proativos para o ambiente.

Em [Li e Wang, 2011] foi apresentada uma proposta para uma arquitetura lógicapara desenvolvimento de sistemas AmI. Foram analisadas as funcionalidade de umframework para um middleware de context-aware que fez uso de ontologias paramodelar as informações de contexto em ambiente de computação pervasiva, e inseriruma camada de razão em alto e baixo nível para auxiliar nas aplicações context-awareem sistemas de AmI. Foram definidos no artigo, contexto, context-awareness eontologia e proposto pelos autores uma arquitetura para um middleware sensível acontexto. A arquitetura apresentada possuía três camadas: Camada de informação de


27

acesso, composta por uma base de dados comum obtida por sensores e atuadores, acamada de middleware de context-aware, usada para programar as funcionalidades derepresentação do contexto, gerência do contexto, armazenamento do contexto e ocompartilhamento das informações de contexto, a camada de aplicação, responsável pordisponibilizar as informações contextuais para consumidores finais.

No trabalho apresentado em [Altintas e Tacha 2012] os autores melhoraram osresultados do algoritmo KNN para uso em sistemas de localização indoor, integrandouma memória de curto prazo, Short Term Memory (STM), onde as leituras de potênciado sinal são armazenadas. Considerando a capacidade de movimento limitado de umusuário móvel em um ambiente interno, locais anteriores do usuário podem ser levadosem consideração para obter sua posição atual. Na abordagem proposta, as leituras depotência do sinal foram refinadas com os dados históricos anteriores e comparados como mapa de rádio do ambiente. Os resultados da avaliação indicam que o desempenho doKNN com as modificações apresentadas supera algoritmo KNN convencional.

Neste trabalho pretende-se apresentar uma arquitetura experimental paraautomação e integração de ambientes inteligentes com dispositivos móveisconsiderando a coleta e armazenamento de dados de sensores e atuadores para apósanálise e filtragem, recomendar serviços para usuários de um ambiente. A propostaconcentra-se na construção de uma arquitetura que integre serviços baseados nasinformações de contexto e apresenta um protótipo para coleta de dados de ações ematuadores e sensores.

4. Arquitetura proposta

A partir da avaliação inicial feita por meio da revisão dos trabalhos relacionados, foidesenvolvida uma arquitetura experimental para o desenvolvimento do trabalho que éapresentada na forma de diagrama de blocos divididos em quatro módulosinterconectados. Estes módulos permitem receber dados de entrada adquiridos porsensores e atuadores diversos instalados em uma residência ou escritório para emseguida fazer o pré-processamento e após essa fase, definir as políticas e estratégias paratomada de decisão. O resultado final serão os serviços disponíveis baseados nos dadosdos sensores, atuadores e preferências do usuário.

Figura 1. Overview da Arquitetura proposta


28

A contribuição principal da arquitetura proposta neste trabalho é desenvolver omódulo cognitivo para recomendar serviços para o usuário de um sistema domótico demaneira a minimizar seu esforço e promover a configuração automática do ambientebaseado nas informações processadas. A Figura 1 apresenta o overview que serádiscutido nas subseções a seguir.

4.1. Módulo de Entrada

O módulo de entrada é composto por diversos sensores e atuadores representados aquicomo câmeras, sensores de presença, sensores de luminosidade, sensores de portas esensores de temperatura, responsáveis por coletar os dados do ambiente e do usuário.Um exemplo de dados relacionados a sensores que podem ser coletados no ambientesão as entradas e saídas de um usuário que por meio de um sensor de abertura efechamento de portas e uma micro câmera podem ser capturadas e armazenadas na basede dados.

Outro exemplo são os atuadores representados aqui por fechaduras eletrônicas,relés, controles remotos e acionadores de cortinas automatizadas. Os dados de atuadorescomo no caso clássico de acionamento de lâmpadas por meio de relés são armazenadosna base de dados e poderão servir como ponto de partida para um sistema preditor decomportamento após a análise e filtragem.

4.2. Módulo de Pré-processamento do Conjunto de Dados

O conjunto de dados apresentado na arquitetura trata-se de uma base de dados brutoscoletados dos sensores e atuadores. São formados por atributos que podem representaruma pessoa, um objeto físico ou um local específico dentro do ambiente. Inicialmenteos dados são subdivididos em dados de sensores Ds e dados de atuadores Da. Essadivisão se dá para facilitar a classificação dos dados para serem armazenados nohistórico.

A partir da leitura e armazenamento de dados por meio do bloco de conjunto dedados de maneira separada, os dados de sensores e atuadores são armazenados emtuplas para posteriormente serem analisados e filtrados.

A representação formal dos dados pode ser feita por meio de uma matriz deobjetos dada por Xnx d onde n representa o número de objetos e d o númerode atributos de entrada de cada objeto. O valor de d define a dimensionalidade dosobjetos, espaço de entrada ou espaços de atributos. A Tabela 1 apresenta um exemplode tuplas de dados coletados de um sensor de movimento. Na tabela podem serobservados os dados de um sensor de abertura de portas com a ação executada, a data,hora e local do acionamento, onde cada linha da tabela corresponde a uma tupla da basede dados.

Tabela 1. Exemplo de tuplas em uma matriz

Ação Data Hora Local

0 21/06/2013 07:42:32 Porta principal

1 21/06/2013 08:09:16 Porta principal

0 21/06/2013 08:11:06 Porta principal

1 21/06/2013 08:34:16 Porta principal

O conjunto de dados pode ser codificado em um banco relacional, em uma


29

estrutura de dados de vetores e matrizes ou em documentos bem formados, porexemplo, um arquivo XML. Durante a fase de pré-processamento é necessário definirtécnicas para análise e filtragem de dados e durante essa fase a caracterização dosdados, o tipo e a escala devem ser observadas [Faceli, et. al 2011]. Para coleta de dadosdeste trabalho foi desenvolvido um banco de dados modelo relacional que seráapresentado na Seção 5.

A caracterização dos dados consiste em mapear os atributos dos objetos doconjunto de dados, o tipo, define se o atributo é qualitativo ou quantitativo e a escaladefine as operações que podem ser realizadas sobre os valores do atributo. A escalapode ser nominal, racional ou intervalar.

A análise consiste na preparação dos dados para descrever os objetos por meiode um vetor de características ou um conjunto de atributos de entrada. Por exemplo, umobjeto sensor de movimento tem como características, um id, local de instalação e adata/hora do disparo. A partir da análise e filtragem desses dados, pode-se definir quesensor disparou e quais os horários que normalmente ele dispara nesse caso isso é umacaracterística de escala intervalar.

A análise e filtragem de dados apresentada no bloco de pré-processamento serãofeitas visando à extração das características necessárias para identificação de grupos eobjetos semelhantes no conjunto de dados e regras de associação que relacionam essesgrupos.

4.3. Módulo Cognitivo

O módulo cognitivo representa a inteligência do sistema e está dividido em trêssubsistemas que são as políticas, que contém as regras para o subsistema de decisão e asestratégias, que contém os algoritmos para inferência das políticas. Um exemplosimples de políticas baseadas em regras IF THEN ELSE, que pode ser implementadaem um protótipo para alimentar um sistema de decisão pode ser visto na Figura 2 A.

Figura 2. Exemplo de um encadeamento de regras

O resultado final de um encadeamento de regras desse tipo pode gerar umaárvore de inferência conectando todas as regras utilizadas. A Figura 2 B apresenta aárvore gerada a partir das três regras IF THEN ELSE.

Nesse exemplo pode se observar que o resultado final C, será possível a partir doresultado das operações anteriores combinadas entre si e nesse caso C será a respostapara as premissas. É obvio que um sistema inteligente não deve ser baseado apenasnesse tipo de regras, entretanto o exemplo serve para enriquecer a visão da arquitetura


30

que está sendo apresentada e para implementar um protótipo simples como prova deconceito.

As estratégias para auxiliar na decisão que podem ser utilizadas na arquiteturaproposta variam desde o uso de algoritmos para agentes inteligentes baseados emutilidades [Russell e Norvig, 2004] até métodos probabilísticos e modelos descritivos[Faceli, et. al, 2011], isso depende da escolha do método a ser implementado nosubsistema de estratégias.

O subsistema de decisão por meio das políticas e das estratégias estabelecidasdefine quais os serviços que podem ser disponibilizados para o usuário a partir dapercepção atual e do histórico gerando uma lista de serviços disponíveis.

4.4. Módulo de Saída

As saídas esperadas do sistema são os serviços disponíveis ao usuário de acordo comsuas preferências que passam a ser as ações nos atuadores retroalimentando o sistema.Um exemplo de serviço pode ser a climatização do ambiente de acordo com atemperatura ideal para uma determinada pessoa ocupante de um ambiente inteligente.Nesse caso o ambiente pode se ajustar para os padrões aprendidos durante as fases detreinamento.

Nos casos em que mais de um usuário esteja disputando o mesmo serviço osubsistema de decisão poderá fazer a média ponderada e recomendar a temperatura idealpara todos. Outro exemplo de serviços seria o de localização de periféricos maispróximos do usuário, por exemplo, uma impressora. Nesse caso se o usuário desejasseimprimir um trabalho em uma impressora diferente da que normalmente imprime, oserviço de impressão o avisaria por meio de um sistema de mensagens que haveria umaimpressora mais próxima a ele.

Diversos serviços podem ser desenvolvidos usando a arquitetura para isso bastaconstruir as políticas e estratégias baseadas nas análises dos dados de sensores eatuadores.

5. Desenvolvimento do Protótipo

Durante o desenvolvimento do trabalho foi necessário instalar e configurar o hardwaree o software usados no protótipo e para isso foram utilizados os dispositivos citados naTabela 2 os quais foram instalados nas dependências do laboratório de sistemas móveise Automação do ICET-UFAM e do CETELI-UFAM.

Tabela 2. Hardware e Software utilizados no experimento

Material Quantidade

Kit Placa Rogercom Zigbee e COM USB Rogercom e Xbee Pro Series 2

Roteador TPLink TL-WR1043ND com taxa de transferência 300Mbts 1

Servidor WEB 1.6 GHz 2MB L3 cache, 2Gb de RAM, HD 500Gb 1

Smartphone Android 4.4.2 KitCat 1

Tablet Tab3 4.1.2 Jelly Beam 1

Sensor Infravermelho passivo 2000CF/IVP 2000SF 2


31

5.1. Configuração dos Módulos de Transmissão sem fio Xbee

Os módulos XBee utilizados no experimento podem ser configurados por meio decomandos de modem AT via porta serial. Os comandos AT principais utilizados para aconfiguração dos nós XBee são apresentados na Tabela 3, esses comandos podem serdigitados diretamente em um terminal Linux. Um exemplo de comando para configurarum módulo XBee como servidor pode ser digitado da seguinte forma: "ATMY1,ATDL2, ATNIserver, ATWR, ATCN". É muito importante não esquecer que comexceção do comando +++ todos os outros comandos precisam da tecla <enter> para queo módulo XBee responda.

Tabela 3. Comandos AT para configuração do módulo XBee

Comando AT Resposta do módulo Significado

+++ OK Pronto para receber comandos

ATMY 5001 Número identificado do nó de origem

ATDL 5000 Número identificado do nó de destino

ATNI Servidor Nome do nó

ATWR OK Grava as alterações no módulo Xbee

ATAP 0 Módulo API desabilitado

ATCN OK Sai do módulo de comando

5.2. Desenvolvimento do experimento do lado Servidor

A aplicação servidor tem como objetivo receber informações dos sensores dispostos noambiente, podendo ser sensores de luminosidade, temperatura, umidade, abertura efechamento de porta, sensores de presença, entre outros. Neste protótipo foi utilizadosensores de presença, informando e armazenando em banco de dados as ações depresença no ambiente e sensores de abertura e fechamento de portas. A Figura 3apresenta o banco de dados desenvolvido de acordo com o módulo depré-processamento apresentado na arquitetura proposta.

Figura 3. Base de Dados Desenvolvida no Experimento


32

A modelagem do banco de dados apresentado na Figura 3 contem oito entidadesmapeadas a partir dos dados que se pretendia coletar na fase de experimentos. Porexemplo, horário de entrada, saída para almoço, saída para lanche, idas ao banheiro epermanência na mesa de trabalho. As entidades principais responsáveis peloarmazenamento são o usuário, ligado a um ou mais dispositivos, as entidades sensor eactuator, responsáveis por coletar dados de ação e de sensoriamento do ambiente, e aentidade action, responsável por armazenar as ações dos atuadores e sensores.

O sistema de coleta de dados foi implementado da seguinte maneira: O usuário épreviamente cadastrado na base com seus respectivos dipositivos que podem executarações nos atuadores e verificar a situação dos sensores que em seguida são armazenadasna entidade ação. Todas as ações armazenadas na base poderão ser avaliadas pelomódulo cognitivo para extrair características de contexto e recomendar serviços aousuário baseado no histórico da base e nas regras definidas no módulo cognitivo.

A base de dados permite o armazenamento dos dados de sensores e atuadoresque são relacionados com as ações executadas por eles. Cada usuários está relacionadocom os dispositivos móveis que utiliza e esses dispositivos também são interligados àsações por meio do endereço de MAC. Desta forma é fácil mapear as atividades dossensores e atuadores, dispositivos móveis e, por sua vez, os usuários donos dosdispositivos. No experimento foi utilizado o endereço MAC do dispositivo paracomparar com o endereço armazenado na base de dados somente para substituir o usodas tecnologias de localização porque da forma como a solução foi construída é possívelassociar na base de dados de sensores qual mesa de trabalho pertence a que usuário e seo dispositivo dele encontra-se no escritório.

5.3. Desenvolvimento do experimento do lado Cliente

Para acesso ao sistema de controle, o usuário deve ter um dispositivo móvel(smartphone, tablet ou notebook) conectado a rede sem fio. Ao iniciar a aplicação osistema busca obter o endereçamento físico local do dispositivo (endereço MAC local) eo envia ao servidor, como uma requisição do tipo string, por meio do protocolo dehipertexto HTTP usando o método POST. Por sua vez o servidor recebe a requisição epor meio da consulta à base de dados, confirma a existência do cadastro do dispositivodo usuário.

Figura 4. (A) Maquete utilizada no experimento (B) Aplicativo móvel desenvolvido emAndroid


33

Confirmada a permissão de acesso do dispositivo, o servidor retorna umamensagem de confirmação para que seja mostrada ao usuário. Após o acesso ao sistemao usuário tem a possibilidade de realizar controles do ambiente como ligar e desligarlâmpadas condicionador de ar e outros dispositivos que possam ser monitorados. Essasatividades feitas no ambiente por meio de um smartphone ou tablet, são armazenadas nabase de dados para posterior análise contextual.

Logo após a identificação e execução da ação, o servidor envia uma mensagemde confirmação informando que a ação solicitada foi executada. Caso haja erro deidentificação do dispositivo o servidor informa e reporta à aplicação o erro ocorrido.

A Figura 4 apresenta o resultado da aplicação móvel acessando os sensores emuma maquete desenvolvida no laboratório para simular o acionamento de lâmpadas noscomôdos de uma residência e a Figura 5 apresenta o ambiente real da coleta de dadosfeita usando sensores e atuadores em mesas e portas de um laboratório da universidade.

Figura 5. (A) Mesa de trabalho com sensor de presença (B) Porta com sensor de aberturae fechamento (C) Coleta de Dados dos sensores e atuadores

Na Figura 5 A e B, pode se vê que os sensores estão posicionados para capturaro movimento nas mesas de trabalho dos usuários enquanto que o sensor de abertura deporta do tipo contato, foi instalado de modo a permitir a coleta dos dados das aberturas efechamentos da porta do laboratório. A Figura 5 C apresenta o log da inserção dosdados na base.

6. Resultados e Conclusões

O presente trabalho apresentou uma arquitetura experimental para automação eintegração de ambientes inteligentes com dispositivos móveis. A arquitetura foi dividida


34

em módulos na qual foram construídos dois protótipos experimentais, um cliente paradispositivos móveis e um servidor para coletar dados de sensores e atuadores. Aarquitetura permitiu a integração desse dispositivos com sensores e atuadores paramonitorar um ambiente e disponibilizar serviços baseados no histórico de uso.

O conjunto de dados apresentado na arquitetura foi desenvolvido usando o bancode dados relacional MySQL e suportou o armazenamento de uma quantidadesignificativa de dados dos sensores, (40.000 tuplas) durante um mês de coleta diáriassem travamentos. Esses dados serão tratados na camada cognitiva na próxima fase doprojeto, por meio das ações baseadas em estratégias e regras tendo como resultado finala recomendação do uso de equipamentos de acordo com o perfil do usuário extraídos dabase de dados.

Um protótipo para dispositivos móveis simulando um ambiente residencial e deescritório foi desenvolvido para testar a inserção automática dos dados de sensores eatuadores bem como a identificação automática do dispositivo móvel do usuário pormeio do endereço físico de rede, permitindo simular a identificação da entrada e saídado usuário no ambiente monitorado.

Além da coleta de dados em ambiente real foi disponibilizado também umamaquete para teste de acionamentos de equipamentos eletrônicos para simular o uso delâmpadas e condicionadores de ar do ambiente.

Os resultados do trabalho foram a coleta de dados para a formação de uma basede conhecimento, a integração entre o hardware dos sensores e atuadores com aaplicação servidor e o acesso aos dados via rede sem fio com autenticação automáticafeita pelo dispositivo móvel através da verificação do endereço físico do dispositivo narede.

A Estratégia utilizada para armazenar os endereços e reconhecer o usuário pormeio de seu dispositivo, foi modelar os dados baseaando-se nas ações dos dispositivos enão na ação do usuário. Em outras palavras, os dispositivos é que executam as açõesassim que se conectam na rede sem fio, sem a necessidade de intervenção humana.

A arquitetura está em fase de teste com possíveis modificações e adequaçõesfuturas com a integração de agentes no módulo cognitivo e gerência de contexto paragerenciar e filtrar os dados no módulo de pré-processamento

Os próximos passos da pesquisa serão construir um preditor para analisar osdados coletados na base e traçar o perfil do usuário para recomendar os serviços de umaresidência ou escritório automatizados.

Agradecimentos

Agradecemos a Fundação de Amparo à Pesquisa do Estado do Amazonas,FAPEAM, a CAPES ao CNPq ao PPGI-UFAM ao CETELI-UFAM e ao ICET-UFAMpelo apoio financeiro, materiais e laboratórios de pesquisa.

Referências

Abowd, G.D., Dey, A.K., Orr, R., Brotherton, J. Context-Awareness in Wearable and

Ubiquitous Computing. 1 International Symposium on Wearable Computers (1997)

179-180.


35

Altintas, B., & Serif, T. (2011). Improving RSS-Based Indoor Positioning Algorithm

via K-Means Clustering. Wireless Conference 2011-Sustainable.

Altintas, B., & Serif, T. (2012). Indoor Location Detection with a RSS-based Short

Term Memory Technique (KNN-STM), (March), 794–798.

Aarts, E.; , "Ambient intelligence: a multimedia perspective," Multimedia, IEEE ,

vol.11, no.1, pp. 12- 19, Jan.-March 2004.

Bonino, Dario; Fulvio, Corno. Rule-based intelligence for domotic environments,

Automation in Construction, Volume 19, Issue 2, March 2010.

Corchado, J.; Bajo, J.; Abraham, Gerami: Healthcare Delivery IN Geriatric Residences.

IEEE Intelligent Systems, 23(2):19-25, 2008.

Dey, A.K. Context-Aware Computing: The CyberDesk Project. AAAI 1998 Spring

Symposium on Intelligent Environments, Technical Report SS-98-02 (1998) 51-54

Faceli, Katti; Ana, Carolina, Lorena; João, Gama; André, C., P., L., F., de Carvalho.

Inteligência Artificial uma Abordagem de Aprendizado de Máquina. LTC 2011.

Fariba Sadri. 2011. Ambient intelligence: A survey. ACM Comput.

G. Sun, J. Chen, W. Guo, and K.J.R. Liu, “Signal processing techniques in

network-aided positioning: a survey of state-of the-art positioning design.” IEEE

Signal Processing Magazine, vol. 22, no. 4, pp 12-23, 2005

Hoon Ko; Ramos, C.; , "A Survey of Context Classification for Intelligent Systems

Research for Ambient Intelligence,"Complex, Intelligent and Software Intensive

Systems (CISIS), 2010 International Conference on, vol., no., pp.746-751, 15-18

Feb. 2010.

Honkavirta, V., Perala, T., Ali, S. and Piche, R. 2009 A comparative survey of WLAN

location fingerprinting Methods. Proceedings of the 6th Workshop on Positioning,

Navigation and Communication.

Li, H., & Wang, J.. Application Architecture for Ambient Intelligence Systems Based

on Context Ontology Modeling. 2011 International Conference on Internet

Technology and Applications.

Krohn, A.; , "Ubiquitous computing and the Internet," Applications and the Internet,

2004. Proceedings. 2004 International Symposium on , vol., no., pp. 9, 2004.

P. Bahl and V. N. Padmanabhan, “RADAR: an in-building RF-based user location and

tracking system”. NFOCOM 2000. 19th Annual Joint Conference of the IEEE

Computer and Communications Societies, vol. 2, pp. 775-784, 2000.


36

Ramos, C., Augusto, J. C., & Shapiro, D. (2008). Ambient Intelligence—the Next Step

for Artificial Intelligence. IEEE Intelligent Systems, 23(2), 15–18.

Ryan, N., Pascoe, J., Morse, D. Enhanced Reality Fieldwork: the Context-Aware

Archaeological Assistant. Gaffney,V., van Leusen, M., Exxon, S. (eds.) Computer

Applications in Archaeology (1997).

Russel, Stuart; Peter, Norvig. Inteligência Artificial “tradução da segunda edição”. RJ.

Campus 2004.

Sampaio, D.; Reis, L.P.; Rodrigues, R.; , "A survey on Ambient Intelligence

projects,"Information Systems and Technologies (CISTI), 2012 7th Iberian

Conference on, vol., no., pp.1-6, 20-23 June 2012.

Schilit, B.; Adams, N.; Want, R.; "Context-aware computing applications,"Mobile

Computing Systems and Applications, 1994. Proceedings., Workshop on, vol., no.,

pp.85-90, 8-9 Dec 1994.

Yang, C., Huang, Y. and Zhu, X., 2007. Hybrid TDOA/AOA method for indoor

positioning systems.

Zamora-Izquierdo, M.A.; Santa, J.; Gomez-Skarmeta, A.F., "An Integral and́

Networked Home Automation Solution for Indoor Ambient Intelligence," Pervasive

Computing, IEEE , vol.9, no.4, pp.66,77, October-December 2010

Zimmer, T.; , "Towards a better understanding of context attributes," Pervasive

Computing and Communications Workshops, 2004. Proceedings of the Second

IEEE Annual Conference on , vol., no., pp. 23- 27, 14-17 March 2004.


37

Documents

Arquitetura experimental para automação e integração de ... · Inteligência Artificial, Redes Neurais Artificiais, Agentes Inteligentes e Lógicas Fuzzy [Hoon e Ramos 2010],