Arquitetura orientada a dados para reconfiguração de redes IEEE 802.15.4 com priorização de mensagens de regiões de eventos críticos

Abstract

Redes de Sensores Sem Fio (RSSF) constituem a tecnologia de última milha para arquiteturas de Internet das Coisas (IoT) e são amplamente empregadas em aplicações de monitoramento e controle. Entre essas redes, aquelas baseadas no padrão IEEE 802.15.4 e organizadas em topologia cluster-tree destacam-se pela capacidade de balanceamento de carga e pela eficiência energética obtida por estruturas hierárquicas e esquemas adaptativos de escalonamento. Entretanto, à medida que o número de nodos cresce e os fluxos de dados variam entre as regiões monitoradas, os desafios associados ao gerenciamento da rede tornam-se mais complexos. Esse cenário se agrava na presença de regiões de atenção ou hotspots, onde a incidência de eventos é significativamente maior. Neste contexto, e visando garantir níveis adequados de Qualidade de Serviço (QoS), esta tese propõe uma arquitetura de reconfiguração de RSSFs baseada em formação topológica adaptativa, bem como um mecanismo de reescalonamento de beacons para redes IoT com regiões de atenção. Ambas as estratégias buscam otimizar o desempenho da rede nas regiões de atenção, aumentando a taxa de entrega de pacotes de seus nodos e reduzindo os atrasos de comunicação. A reconfiguração topológica e o reescalonamento podem ser acionados dinamicamente a partir da detecção de novas áreas de atenção com base nos próprios dados monitorados, caracterizando uma abordagem orientada a dados. A proposta foi avaliada por meio de simulações extensivas em diversos cenários reais de monitoramento e comparada a métodos recentes da literatura. Os resultados demonstram que a arquitetura desenvolvida produz uma topologia de rede mais homogênea, reduz perdas de pacotes e atrasos fim a fim ? especialmente nas regiões de atenção ? e aumenta significativamente as taxas de entrega de dados para a estação base.

Abstract: Wireless Sensor Networks (WSNs) are the last mile technology for Internet of Things (IoT) architectures and have been widely used in monitoring and control applications. Networks compliant with the IEEE 802.15.4 standard operating in cluster tree topology are suitable for these applications because they allow for better load balancing and efficient use of energy through hierarchical structures and adaptive scheduling schemes. However, as the number of nodes increases and data flows vary across the monitored region, the challenges associated with these applications become more complex. This problem is exacerbated in environments with hotspots ? regions where there is a higher incidence of events. In this context, to ensure the desired levels of quality of service (QoS), this thesis proposes a data-driven WSN architecture for IoT networks with hotspot regions, featuring an adaptive topological formation and a beacon rescheduling mechanism. These components aim to optimize network performance in hotspots by improving data delivery rates and reducing communication delays. The network architecture can be reconfigured, and beacon rescheduling can be dynamically triggered as soon as new hotspots are detected, based on the network?s own monitored data ? thus characterizing a data-driven approach. The proposal was validated through extensive simulations in various real monitoring scenarios, and compared to recent approaches in the literature. The results demonstrate that the proposed architecture creates a more homogeneous network topological structure, reduces packet losses and end-to-end delays ? especially in the hotspots ? and increases data delivery rates to the base station.