martedi 10 maggio 2016 h 18:00 FUM, Aula Magna Mantova 1 Andrea Zanella andrea.zanella@unipd.it SIGnals processing & NETworking research group
Sommario 2 Mi presento Servizi Smart City di natura tecnologica Tecnologie abilitanti Esperienza hands-on : Padova Smart City Conclusioni
SIGNET & Patavina Technologies 3
Aree di ricerca principali 4 Next generation mobile & IoT Underwater communications Energy harvesting Cognitive Networks
5 Esempi di servizi Smart a base tecnologica
Raccolta rifiuti intelligente 6 Bidoni smart Controllano il livello di riempimento Controllano la qualità del rifiuto Inviano dati via Internet Ottimizzazione compattatori Riducono i costi Riducono l inquinamento Migliorano il servizio
Illuminazione pubblica intelligente 7 Sensori sui lampioni Ottimizza intensità Ora del giorno Condizioni meteo Presenza di persone Controlla stato lampione Riduce tempo di ripristino Riduce costi Altri servizi Monitoraggio ambientale Wifi pubblico Monitoraggio traffico http://powertuningegypt.com/smart%20street%20lighting%20systems.html
Parcheggio intelligente 8 Trovare un parcheggio in città? Un incubo! Spreco di tempo à perdita economica Frustrazione à impatto sulla salute Inquinamentoà impatto sulla salute/ambiente
Parcheggio intelligente 9 Sensori installati in ogni parcheggio Cartelli intelligenti di segnalazione lungo le strade App per smartphone
Monitoraggio del traffico 10 Molte città hanno già telecamere di controllo del traffico in punti strategici Il sistema può essere complementato sfruttando un approccio crowd source n https://www.waze.com Una mappa accurata e in tempo reale del traffico può: Ridurre le congestioni Individuare le criticità nella viabilità urbana Valutare l efficacia delle politiche di mobilità Studiare posizione ottima parcheggi scambiatori + percorso bus + bike/car sharing
Bike/Car sharing 11 Dati raccolti dalle dock station à Traiettorie più popolari Durata del noleggio Utilizzo bici Tipologia utente Con queste info si può Migliorare posizione stazioni Migliorare distribuzione bici tra le stazioni Migliorare percorso furgoncino Ottimizzare trariffario
Ambienti Intelligenti 12 Sensori applicati a oggetti à Smart objects Comunicare la propria presenza Fornire informazioni su se stessi Collaborare per fornire servizi Esempi Smart building n Sensori controllano condizioni ambientali, comfort, salubrità ambienti, solidità strutture Smart museum n Sensori applicati sulle opere d arte che possono interagire con il pubblico
Comfort e salubrità ambienti 13 Ambienti chiusi CO 2 < 600 ppm CO 2 >1000 ppm CO 2 >2500 ppm Experimental study: scuola media Coletti Feb/2009 CO 2 level n after 30 min à 1950 ppm n opening the window for 5 min à 800 ppm n outdoor à 600 ppm
Assisted living 14 Monitoraggio remoto dello stato di salute Rivelamento cadute Teleassistenza
15 Assisted living
16 Assisted living
17 Assisted living
Parcheggi Illuminazione pubblica Viabilità Servizi smart 18 Classificazione dei servizi Smart City
Servizi passivi 19 Monitoraggio con possibilità di azionamento non real-time Rifiuti, Parcheggi, Illuminazione pubblica, Comfort edifici, Integrità strutturale costruzioni (edifici/ponti), Monitoraggio ambientale (aria, inquinanti, corsi d acqua, suolo), Requisiti: Basso costo/lunga durata dei sensori Basso costo infrastruttura: place&play Processing dei dati offline
Servizi attivi 20 Interazione quasi real-time Musei intelligenti, assisted living, e-health Requisiti: Basso costo/lunga durata dei sensori Basso costo infrastruttura: place&play Processing dei dati offline
21 Architetture e tecnologie abilitanti
Tre approcci principali Short-range multihop ZigBee WiFi low energy RFID Cellular GSM LTE-A 5G Low Power Wide Area Networks (LPWAN) SIGFOX Neul LoRa LPWAN gateway LPWAN gateway Internet NetServer 22
Un confronto veloce 23 Copertura geografica, penetrazione LPWAN Raggio di copertura Consuma di potenza Ritardo di trasmissione Shortrange multihop Velocità di trasmissione cellulare Numero di collettori Costo del chip radio Costi di sottoscrizione del servizio
Client-server 24 Oggi su può implementare uno stack web completo su un sensore 48 kb of Flash 8 kb of RAM Internet Resources /temp /light /switch CoAP UDP IPv6 6LoWPAN IEEE 802.15.4 BTLE PLC DECT
Produttore-Consumatore 25 http://cheng-min-i-taiwan.blogspot.it/2015/03/raspberry-pimqtt-android.html
26 Esperienza pratica: servizi passivi
PSC: I partner 27 Padova municipality Funding, infrastructure, political support Padova Smart City Architecture design Data analysis IoT software implementation, testbed realization Prototype nodes manufacturing
Obiettivo 28 Sensori sui lampioni Ottimizza intensità Ora del giorno Condizioni meteo Presenza di persone Controlla stato lampione Riduce tempo di ripristino Riduce costi Altri servizi Monitoraggio ambientale Wifi pubblico Monitoraggio traffico http://powertuningegypt.com/smart%20street%20lighting%20systems.html
29 PSC: architettura
Raccolta dati 30 Ogni nodo legge i dati dei sensori ogni 5 Intensità della luce Temperatura Umidità Benzene La media di 3 letture è memorizzata sul nodo Un valor medio ogni 15 minuti Un pacchetto può portare 7 valori (medi) per ognuno dei 4 sensori I pacchetto trasmesso al gw ogni 7x15 =105
Installazione dei nodi 31 I nodi sensore sono protetti da una scatola di plastica trasparente che permette la circolazione d aria
Disposizione dei nodi 32 Ogni nodo è geograficamente localizzato Alimentati da batterie Unico nodo connesso a rete elettrica è il collettore con sensore benzene (energivoro) 100 4000 Raw data Filtered data 32 30 28 1 10 22 20 80 Light [l u x] 24 Be nz e ne [u g /m 3 ] 3000 26 H umidity [%] Te mp e r at ur e [ C ] Raw data Filtered data 3500 90 70 Raw data Filtered data 2500 2000 0 10 1500 60 18 1000 50 16 Raw data Filtered data 14 10/24 10/25 10/26 10/27 10/28 Dat e 10/29 10/30 10/31 10/24 10/25 10/26 10/27 10/28 Dat e 1 500 10/29 10/30 10/31 10/24 10 10/25 10/26 10/27 10/28 Dat e 10/29 10/30 10/31 10/24 10/25 10/26 10/27 10/28 Dat e 10/29 10/30 10/31
Esempio di segnale rilevato 33 Diurno (saturazione) Notturno
Analisi della varianza 34 3.4 x 106 Flickering Signal variance 3.2 3 2.8 2.6 2.4 Signal variance 10 6 10 5 10 4 10 3 S01 S02 S03 S04 S05 S06 S07 S08 Nighttime only 2.2 S01 S02 S03 S04 S05 S06 S07 S08 Sensor 10 2 10/29 11/05 11/12 11/19 11/26 12/03 12/10 12/17 Time [days] 34
35 35 Domeniche Maggior inquinamento Bel tempo
Inquinamento e giorni della settimana 36 80 Sunday Monday Scroscio temporalesco (picco di traffico) 30 80 30 70 25 70 25 Relative Humidity [%] 60 50 40 Relative Humidity [%] 60 50 40 20 15 10 Benzene [ g/m 3 ] 20 15 Benzene increase 10 Benzene [ g/m 3 ] 30 5 30 5 20 h.06 h.12 h.18 h.24 h.06 h.12 h.18 h.24 0 20 Time [hours] h.06 h.12 h.18 h.24 h.06 h.12 h.18 h.24 0 Time [hours]
Analisi del traffico veicolare 37 Studio del traffico di veicoli per il comune di Padova nell intervallo di tempo Marzo-Novembre 2014: viene considerato il numero di veicoli passanti (ingresso/uscita) In verde sono indicati il numero di veicoli in ingresso alla città, in rosso il numero di veicoli uscenti, in blu quelli rilevati dalle centraline nel perimetro esterno alla città. Per gentile concessione del Prof. Angelo Cenedese <angelo.cenedese@unipd.it>
Analisi del traffico veicolare 38 Per gentile concessione del Prof. Angelo Cenedese <angelo.cenedese@unipd.it>
39 Esempio: monitoraggio ambientale
40 Esperienza pratica: ambienti intelligenti
Musei intelligenti e interattivi 41 Localizzazione del visitatore usando mappatura radio indoor Interazione con le opere basata sulla posizione del visitatore, or altre tecniche Near filed communication QRcode Bluetooth Percorsi personalizzati in base alle preferenze Realtà aumentata
Navigazione autonoma 42 Who s out there? Smart Objects Lists ID Object type 3 ashtray 5 Tablet PC 4 Keys 1 Laptop 2 Cell phone ID=2, cellphone ID=4, keys ID=1, Laptop ID=3, ashtray ID=5, Tablet PC
43 Take home message
Dati 44 La raccolta dati è fondamentale per l individuazione di esigenze e la progettazione di servizi Ambientali, traffico, utenza,
Accessibilità 45 I dati spesso ci sono, ma... Sono difficili da reperire n Varietà di enti à diversi responsabili à confidenzialità Difficile da interpretare n Raccolti in modo estemporaneo/lacunoso n Mancanza di contesto n Rappresentazioni diverse n Supporti/storage diversi
Analytics 46 Una IoT può generare tonnellate di dati grezzi Problemi di storage Problemi di processamento Problemi di costo (storage/processing/trasmissione) È necessario estrarre informazione utile Analizzando singoli flussi di dati Incrociando dati di natura diversa Considerando il contesto
Tecnologie 47 Sensori e tecnologie di interconnessione per la raccolta dei dati Sistemi wireless short-range Sistemi wireless long-range Sistemi cablati Protocolli e standard per rappresentare i dati e renderli facilmente fruibili Algoritmi e software di data analytics per estrarre e rappresentare informazione
Modelli economici/politici 48 Modelli economici/politici per Giustificare l investimento iniziale Innescare il meccanismo virtuoso win-win Sviluppare nuovi business e migliorare i servizi
martedi 10 maggio 2016 h 18:00 FUM, Aula Magna Mantova Andrea Zanella andrea.zanella@unipd.it SIGnals processing & NETworking research group
50 Materiale aggiuntivo
51 Esperienza pratica: LPWAN
52 Proposta da SemTech (France) che detiene il brevetto per la parte radio LoRaWAN sviluppata dalla LoRa Alliance n Cisco, IBM, INTEL, SemTech, Capacità & Copertura da 10 2 a 10 4 bit/s su distanze da 1-3 km in EU
LoRa TM system architecture 53 LoRA End Device LoRA End Device LoRA End Device LoRA End Device LoRA End Device LoRA GW IP connections LoRA GW LoRA End Device LoRA End Device INTERNET LoRA End Device LoRA End Device LoRa Network Server
Architecture LoRaWAN di PT NetServer authorization database AuthServer network database AppServer JSON parser database interface LoRa NetServer LNS MQTT client MQTT Broker database interface Authorization Server AUS JSON parser MQTT client application database database interface Application Server APS JSON parser MQTT client MQTT client WebServer User Manager USM LoRA GW LoRA GW database interface GUI 54 LoRa TM End-devices cloud database
LPWAN: profilo generale 55 Bande di frequenze libere (ISM) In Europa: Short Range Device 860 MHz: 863-870 MHz Short Range ma la regolamentazione riguarda solo potenza di trasmissione e occupazione di canale Diverse soluzioni SIGFOX LoRa Weightless Ingenu
56 Fondata nel 2009 e in forte crescita Prima LPWAN sul mercato $115 milioni da investitori come Telefonica e Vodafone Protocolli di rete proprietari Copertura: 30-50 km in aree rurale, 3-10 km in area urbana (dichiarati)
SIGFOX copertura 57 Source: http://www.sigfox.com/en/#!/connected-world/sigfox-network-operator 57
SEMTECH LoRA Img source: http://wataridori.megamistudios.com/2015/04/the-dawn-to-end-all-nights-thats-whatwe-thought-it-was/
59 Proposto da Neul, acquistato da Huawei nel 2014 per $25 millioni Diverse versioni: Star topology, sub-ghz, TV white space Wightless-N Wightless-P Wightless-W Directionality 1-way 2-way 2-way Feature set Simple Full Extensive Range 5km+ 2km+ 5km+ Battery life 10 years 3-8 years 2-5 years Terminal cost Very low Low Low-medium Network cost Very low Low Low-medium
60 Originariamente On-Ramp Wireless Smart metering Precursorse dello standard 802.15.4k Raccolto $67 milioni di finanziamenti, principalmente da compagnie elettriche e di servizi Utilizza un sistema di trasmissione brevettato sulla banda ISM 2.4 GHz con grande raggio di copertura Sistema di trasmissione/ricezione molto avanzato Capacità & Copertura ~19kbit/MHz fino a 10 km in EU, 30 km in USA