Uma Arquitetura de Referência para Plataforma de Crowdsensing em

Smart Cities

Herbertt B. M. [email protected]

Emanoel C. [email protected]

Kiev S. [email protected]

2

IntroduçãoFonte imagem: https://goo.gl/xwvvdP

3

Crescimento Populacional

Crescimento Populacional

Fonte imagem: http://goo.gl/ykgGsR

5

ProblemasComo Fica o Trânsito!? Transporte coletivo!?

E se chover!?

6

Coleta de Resíduos!Segurança!

Educação! Abastecimento D’Água!

Problemas

7

Smart Cities

Fonte imagem: http://goo.gl/7VbsBo

Sensores (Monitoramento e Controle)Fonte imagem: http://goo.gl/OucoSj

9

Crowdsensing

• Pessoas como Sensores.• Pessoas = Consumidores e Produtores de

dados.

Fonte imagem: https://goo.gl/CofZQm

10

Dubuque

11

Seul

12

Rio de JaneiroFonte imagem: http://goo.gl/FFVi0u

13

Integração de Tecnologias

14

Problemas e Desafios

• Padronização da Arquitetura• Interoperabilidade• Alto custo financeiro de soluções• Big Data

15

FLOSS e COTSFLOSS

(Freely Licensed Open Source Software)COTS

(Commercial-off-the-shelf)

Código aberto e sem custo de uso e distribuição.

Termo utilizado para os sistemas que são fabricados comercialmente e depois adaptados para usos específicos.

A liberdade para criar e distribuir derivados.

Existência de uma organização de apoio comercial e responsável por Suporte e manutenção.

A liberdade de comercializar o original ou derivado.

Criação, industrialização, manutenção e evolução do software de maneira compartilhada com usuários.

16

Trabalhos Relacionados

1. SOFIA - plataforma de interoperabilidade semântica. [Filipponi et al. 2010]

2. Plataforma baseada em barramento de serviços para integrar diferentes fontes de dados. [Borja e Gama. 2014]

3. TrafficInfo - aplicativo de Crowdsensors, que visualiza em tempo real informações de transporte público pelo Google maps. [Farkas et al. 2014]

4. CrowdOut - serviço de crowdsensing para cidades inteligentes, que permite aos usuários relatar problemas. [Aubry et al. 2014]

5. Plataforma em HTML5, com serviço baseado em localização, para achar pontos de interesse nas proximidades. [Choi & Kang. 2014]

17

Visão Geral

• Front End Module:– Crowdsensing

• Back End Module:– API de serviços restful

Front End Module

19

Back End Module

20

Case Desenvolvido

• Bike Cidadão:– Achar pontos de interesse nas proximidades.– Visualizar em tempo real informações.– Relatar problemas e visualizar pelo sistema de Mapas.– Integrar diferentes fontes de dados.

21

22

23

24

Testes (Ambiente de testes)

• T1 - Requisições onde os usuários não passavam por pontos de acidentes.• T2 - Requisições onde usuários estavam em rota de perigo e estavam em zona de

colisão com outro usuário.• Utilização da Ferramenta JMeter com os seguintes parâmetros: Threads = 1000,

Ramp-up = 2 e LoopCount = forever.• Em cada teste mediu-se o desempenho de requisições simultâneas dos 1000

usuários virtuais durante 15 minutos.

25

Testes(Tempo de Resposta)

26

Testes(Taxa de sucesso e falha)

27

Conclusão

• Criação de plataforma de middleware:– Rápido desenvolvimento.– Escalabilidade horizontal.– Baixo acoplamento e alta coesão.– Eventos complexos– Parametrizável

• Atendeu as demandas do Case.

28

Trabalhos Futuros

• Ambiente real de produção• Ampliar Integração de Dados• Visualização de dados Estatísticos

29

Dúvidas?