Informativa sui Cookie

:::: MENU ::::

Applicazione Web per il monitoraggio di reti di sensori wireless

tesi_wsn_work

Sviluppo di una applicazione Web per il monitoraggio di reti di sensori wireless

I recenti progressi tecnologici hanno reso fattibile, sia tecnicamente che economicamente, la costruzione di piccoli ed economici dispositivi elettronici, i cosiddetti sensori.
Essi consentono di effettuare misurazioni sull’ambiente in cui sono collocati e, grazie alla radio di cui dispongono, di inviare i dati raccolti ad un punto di raccolta, o gathering point. Un gran numero di questi sensori possono essere disposti in un ambiente formando così una rete di sensori wireless, o wireless sensor network (WSN), il cui compito è quello di raccogliere dati e di trasmetterli direttamente, o attraverso adeguati protocolli di routing, al gathering point.

Affinché questa tecnologia possa avere delle applicazioni concrete, che come si vedrà saranno molte, è necessario che sia implementato del software che elabori in una qualche maniera le misure rilevate e che tenga costantemente monitorata la rete così da accorgersi di malfunzionamenti. Tale software è stato implementato ed è oggetto di discussione della tesi. Il software sviluppato è un’applicazione Web, che può essere collegata a una o più reti di sensori (da qui in avanti dette anche testbed). Il compito è raccogliere periodicamente nuovi dati dalle varie WSN e visualizzarli in un grafico tridimensionale a barre nel quale il piano XY rappresenta le coordinate dei sensori, o in altre parole il suolo, mentre il valore relativo all’asse Z rappresenta il valore misurato. La potenza del software però sta anche nella possibilità di ricostruire misurazioni perse a causa di errori di trasmissione sul canale, nonchè nella possibilità di tenere uno storico dei dati raccolti ed infine di interagire direttamente col singolo sensore.

Il vantaggio principale che si ha nell’utilizzare un’applicazione Web è quello di poter controllare remotamente i sensori facendo uso della rete Internet, e riuscire così a monitorare facilmente ed in sicurezza anche reti collocate in posizioni geografiche impervie. Altro vantaggio non trascurabile è il fatto che l’applicazione può essere utilizzata attraverso qualunque dispositivo abbia accesso ad Internet, non solo computer e notebook, ma anche cellulari e sistemi embedded che oggigiorno sono sempre più comuni ed economici.

Le WSN possono essere impiegate con successo in diversi campi applicativi, fra cui il monitoraggio di parametri biologici di pazienti, la videosorveglianza, il controllo ambientale, del traffico, ed il tracciamento di oggetti. La progettazione di sistemi basati su WSN deve affrontare problemi come la limitata potenza di calcolo, il risparmio energetico ed il routing distribuito.

Tutto questo differenzia le WSN da altre architetture di rete, al punto che la ricerca nel settore sta seguendo un percorso autonomo ed è uno dei settori a maggior potenziale di innovazione nel campo delle comunicazioni. Dunque lo sviluppo di un’architettura software per il controllo di tali reti va nella stessa direzione intrapresa dai concetti di Internet of Things ed Ambient Intelligence, i quali prospettano un futuro in cui ogni oggetto sarà dotato di un dispositivo di identificazione, sarà sempre rintracciabile, l’ambiente dotato di intelligenza e fornirà servizi utili alle attività quotidiane dei cittadini.


PRST Match

PRSTIn questo progetto è stato implementato un software per il calcolo della planar reflective symmetry transform (PRST) e per il matching di oggetti tridimensionali per mezzo di questa tecnica. Esso è stato sviluppato da Matteo Finotto, Francesco Fornasiero e Marco Visonà durante il corso di Gestione ed elaborazione di dati tirimensionali presso il Dipartimento di Ingegneria Informatica ed Elettronica dell’Università di Padova.

 


G.A.M.P. – Genetic Algorithm for Motion Planning

screenshot_GAMP
G.A.M.P. è un software sviluppato in Java che cerca di risolvere problemi di motion planning in ambiente statico non conosciuto, utilizzando gli Algoritmi Genetici. Sono stati implementati alcuni tipi di GA della letteratura per poterli testare e confrontarne le performance, trovando infine il migliore da utilizzare in questo specifico problema. Esso è stato sviluppato da Nicola Carlon, Matteo Finotto, Francesco Fornasiero, Giovanni Melis e Marco Visonà durante il corso di Intelligenza Artificiale presso il Dipartimento di Ingegneria Informatica ed Elettronica dell’Università di Padova.
A fondo pagina è possibile scaricare il software sviluppato e il paper di descrizione ed analisi.
Su Youtube è stato anche pubblicato un video dimostrativo del software: http://www.youtube.com/watch?v=W2A6nt-8UEw

Downloads:


Installare NS-Miracle da SVN su Ubuntu Jaunty

NS-Miracle è un simulatore di rete, sviluppato per il sistema operativo Linux dal Department of Information Engineering (DEI) dell’Università di Padova, ed è un’estensione di un simulatore chiamato NS-2 sviluppato dall’Information Sciences Institute della University of Southern California.

L’installazione del simulatore di rete NS-Miracle avviene attraverso la compilazione dei sorgenti e sono necessari tre pacchetti: quello dei sorgenti di NS2, quello dei sorgenti di un modulo per la simulazione dello stack 802.11 (chiamato dei80211mr) ed infine i sorgenti di Miracle, che, visto il costante sviluppo del software, verranno prelevati dal repository SVN di sviluppo.
Continua a leggere


Genetic Algortihm for Motion Planning (GAMP)

Gli algoritmi genetici (o Genetic Algorithms) sono sfruttati per la risoluzione dei più disparati problemi computazionali. Per rendersene conto basta visitare questa pagina su Wikipedia.

Io e altri quattro studenti del corso di Intelligenza Artificiale (Laurea Specialistica in Ingegneria Informatica) abbiamo pensato di applicare questo paradigma di programmazione alla risoluzione di un problema di motion-planning, ovverosia far trovare ad un robot, posizionato in un ambiente ad esso ignoto, la strada che lo conduca a una posizione obiettivo, da noi definita col termine Goal.

Abbiamo allora sviluppato un’applicazione in Java con lo scopo di simulare il processo algoritmico evolutivo che fa trovare al robot il percorso verso il suo goal e abbiamo chiamato questa applicazione Genetic Algortihm for Motion Planning (o G.A.M.P. per gli amici). Alla fine del corso questo lavoro ci ha fatto quadagnare un bel 30, ed abbiamo pensato di renderlo disponibile in licenza GPL.

Abbiamo anche realizzato un video che mostra il nostro programma in azione.

Continua a leggere


Pagine:12345