Reunalaskennan hyödyntäminen liukkaiden olosuhteiden havaitsemisessa

Abstract

IoT on mullistanut maailman jossa nykyään elämme ja se tuo valtavasti uusia mahdollisuuksia ja tapoja kanssakäydä ympäristömme kanssa. Ympäristöstä kerättävä datan määrä on kasvanut valtavasti, sillä sensoreita voidaan upottaa lähes mihin tahansa ja tämän datan prosessoimiseen on olemassa tehokkaita työkaluja. Pilvipalvelut ovat pitkään olleet suosittu tapa varastoida ja prosessoida kerättyä dataa, mutta koska datan määrä on niin valtava, ei ole kovin mielekästä lähettää tällaista suurtaa määrää dataa pitkiä matkoja. Jossakin tilanteissa saattaa olla tarkoituksen mukaisempaa ja jopa välttämätöntä, että data prosessoidaan osittain tai kokonaan lähellä sen lähdettä ja että kyetään nopeasti vastaamaan muuttuviin olosuhteisiin. Onkin varsin ilmiselvää, että pelkästään pilvipalveluita käyttämällä ei tällaisiin vaatimuksiin voida päästä. Siksi tähän rinnalle on noussut uusi paradigma jota nimitetään reunalaskennaksi. Mikrokontrollerien kehitys muistin, laskentatehon ja koon pienentymisen puolesta on mahdollistanut sen, että kerättyä dataa voidaan prosessoida jo hyvin aikaisessa vaiheessa lähellä datan lähdettä. Tämä avaa uusia sovelluskohteita, sekä hyötyjä esimerkiksi tietoturvan ja datan perusteella tehtävien toimenpiteiden suorittamisen suhteen. Kuitenkin tällä saralla on vielä paljon tutkimusta tehtävänä. Tässä tutkielmassa tutkittiin reunalaskennan soveltamista liukkauden havainnoinnissa. Tutkielmassa rakennettiin yksinkertainen sovellus, joka kykenee sensoreilla keräämään dataa ympäristöstä, prosessoimaan dataa, syöttämään prosessoidun datan tekoälymallille ja näin tuottamaan tuloksia datan pohjalta. Sovellusta testattiin viikon ajan ja tulokset kirjattiin lokitiedostoon. Tuloksista selviää, että vaikka itse tutkimus ei onnistunutkaan täysin kuten oltiin alkuun suunniteltu, on reunalaskennalle silti nähtävissä potentiaalia valitun skenaarion tarkkailussa.

IoT has revolutionized the world we live in today and it brings enormous possibilities and ways we can interact with the world around us. The amount of data gathered from our environment has increased enormously because now a days sensors can be embedded almost everywhere. On the other hand the tools used to process this gathered data have become more and more effective, too. For a long time cloud computing has been the most widely used method to process this data and cloud services are used to store data. However, the amount of data has become so massive that it is not very efficient to move such big loads of data for long distances. In some cases it might be more practical or even essential to process the data on the location where it is generated and in turn to take action in different situations. Given this statement, it is quite obvious that cloud computing alone can not meet these requirements. The pressure to meet these requirements has created a new computing paradigm called edge computing. The advancements in microcontroller techonologies, specifically size, computing capacity and increased memory, are the key features making edge computing possible. Edge computing opens up a whole new world of possibilities with applications and benefits for example with information security and with the speed that a certain action can be taken based on data from environment. In this research an application was built that uses edge computing. The goal was to examine, how could an application using edge computing be used to monitor the formation of slippery conditions. The application gathers data from the environment using sensors, processes the gathered data and feeds that processed data to an ai model which then makes an inference and that inference is stored. Even though the research itself did not go as was planned, it is safe to say that edge computing could still be used in the scenarion examined in this research.