Entwicklung eines kontextabhängigen Ratings für Sensorknoten in drahtlosen Sensornetzwerken

Einleitung und Motivation

Drahtlose Sensornetzwerke (Wireless Sensor Networks (WSN)) bestehen aus verteilten, drahtlos kommunizierenden Sensorknoten, die ein breites Spektrum an Einsatzmöglichkeiten bieten. Neben der Tierbeobachtung und der Überwachung von Luft- und Wasserqualität reichen die Nutzungsszenarien bis in die Landwirtschaft, das sogenannte Smart Farming. Die Kommunikation erfolgt je nach Einsatzart mittels verschiedener Funktechnologien, wie etwa dem IEEE 802.15.4 Standard. Die einzelnen Sensorknoten senden die von ihnen aufgenommen Daten mittels Single- oder Multihop-Verfahren an ein lokales Gateway, das diese dann an einen zentralen Server schickt. Durch die räumliche Verteilung oder die Abgelegenheit vieler Einsatzgebiete erfolgt die Energieversorgung der Sensorknoten in vielen Fällen über Batterien. Dadurch ist allerdings die Lebensdauer der Sensorknoten und damit des gesamten Netzwerkes durch die Batteriekapazität begrenzt. Eine andere Möglichkeit bietet die Energiegewinnung (Energy Harvesting (EH)) aus der lokalen Umgebung des Sensorknoten. Im Kontext des Einsatzszenarios können solare, thermale oder mechanische Energieerzeugungsformen sowie Kombinationen derer genutzt werden. Diese Art der Energieversorgung bietet eine theoretisch sehr lange Lebensdauer eines Sensorknotens, beeinträchtigt aber die Zuverlässigkeit, da der Knoten nur bei ausreichend vorhandener Energie aktiv werden kann.

Im Rahmen der Energiegewinnung spielen Wettereinflüsse eine entscheidende Rolle. Hiervon ist die Möglichkeit zur Erzeugung von ausreichend Energie für den Sensorknoten abhängig. Für einen möglichst zuverlässigen Betrieb eines Sensorknotens ist also die Prädiktion der Temperaturentwicklung oder der Sonnenstunden von hoher Bedeutung. Hierfür wurden verschiedene Verfahren entwickelt und verbessert. Eines der bekanntesten Verfahren ist das EWMA-Verfahren. Auf diesem bauen auch der WCMA- und der WCSMA-Algorithmus auf. Des weiteren gibt es auch Ansätze, die neuronale Netze nutzen.

In den letzten Jahrzehnten wurde versucht die Lebensdauer eines Sensorknoten durch die Entwicklung und Design energiesparender Techniken zu verlängern. Dabei lag der Fokus auf den unteren drei Schichten des OSI-Schichtenmodells (Bitübertragungs-, Sicherungs- und Vermittlungsebene). Das RPL-Protokoll der IETF hat sich als de-facto-Standard entwickelt. Um die Lebensdauer und Effizienz von Sensorknoten und dem gesamten Netzwerk zu maximieren, gibt es diverse Ansätze das Routing anhand von energiebezogenen Metriken zu gestalten. Auswahlkriterien sind beispielsweise die aktuell auf jedem Knoten vorhandene Energie oder die Gesamtenergie, die beim Routing über einen Pfad verbraucht wird. Des weiteren gibt es Metriken, die die Verbindungsqualität (LQI, RSSI) oder -zuverlässigkeit (PRR) zu benachbarten Knoten nutzen. Wie Lassouaoui et al. gezeigt haben, bilden Metriken, die auf mehreren Parametern basieren einen vielversprechenden Lösungsansatz. Erweitert man diesen Multiparameteransatz mit der Prädiktion, ob ein Knoten auch in voraussehbarer Zukunft genug Energie zum Arbeiten hat, könnte die Zuverlässigkeit und Lebensdauer eines Sensorknotens und des Netzwerkes verbessert werden.

Aufgabenstellung

Im Rahmen der geplanten Masterarbeit soll ein solches multiparameter-basiertes Rating zur Bewertung der Verfügbarkeit, Lebensdauer und kommunikationstechnischen Zuverlässig- keit eines Sensorknotens entwickelt werden. Es setzt sich aus folgenden Parametern zusam- men:

• Prädiktion der Energiegewinnung (EH)
• Ladestand/verfügbare Energie der Batterie
• LQI, RSSI
• ETX und PRR

Erster Bestandteil der Arbeit ist die Auswahl eines geeigneten Prädiktionsverfahrens anhand einer theoretischer Vorauswahl und zweier Simulationsszenarien. Im ersten werden die Ver- fahren anhand von photovoltaischen Messdaten getestet. Das zweite Simulationsszenario ba- siert auf aufgezeichneten Temperaturverläufen. Die beiden Simulationen auf Grundlage un- terschiedlicher physikalischer Größen bieten die Möglichkeit zu untersuchen wie generisch die Prädiktionsalgorithmen arbeiten. Die Auswahl erfolgt auf Grundlage der Genauigkeit und Komplexität des Verfahrens. Die Gewichtung der einzelnen Parameter soll während der Arbeit untersucht werden. Neben der Entwicklung eines Ratings, basierend auf den oben genannten Parametern, soll dieses zur Nutzung im RPL-Protokoll implementiert werden. Hierfür wird Contiki-OS verwendet. Die Evaluierung erfolgt im Cooja-Simulator anhand von verschiedenen Topologien und Energieszenarien mit bestehenden Routingmetriken als Vergleich.