Promovendus Martijn Onderwater (CWI en VU) optimaliseerde met wiskundige technieken de doorvoersnelheid in ZigBee sensornetwerken. Dit is belangrijk omdat er steeds meer sensoren komen en de netwerken voller worden. Daarnaast combineerde hij beslismodellen voor onzekere omstandigheden met technieken uit de kunstmatige intelligentie. Dit resulteerde in een veelbelovende nieuwe techniek, waardoor sensornetwerken kunnen bijdragen aan betere beslissingen, zoals het kiezen van de beste nooduitgang. De onderzoeker van het het Centrum Wiskunde & Informatica (CWI) promoveerde op 8 februari 2016 aan de Vrije Universiteit op zijn proefschrift 'Network of Sensors – Operations and Control'.
Onderwater deed zijn onderzoek samen met praktijkpartners, die metingen deden aan het binnenklimaat van kinderdagverblijven en een sporthal. "Voor een kinderdagverblijf is het belangrijk dat het kooldioxidegehalte goed is, want bij een te hoog gehalte kunnen mensen zich niet goed concentreren", licht de promovendus toe. "Om het binnenklimaat te kunnen verbeteren, meten sensoren het CO2-gehalte, de luchtvochtigheid en de temperatuur. Als veel van die sensoren hun metingen naar een centraal punt doorsturen, moeten ze soms lang op elkaar wachten. Eén sensor kan zelfs het netwerk gaan domineren, wat niet goed is voor realtime toepassingen zoals actieve ventilatie. Met wiskundige technieken is het nu mogelijk om de parameters van een ZigBee netwerk zo in te stellen dat een optimale doorvoersnelheid van gegevens naar een centraal punt behaald kan worden. Ook kunnen we nu de beste instellingen vinden zonder daarvoor een groot en duur netwerk te hoeven opzetten." De resultaten zijn relevant voor bijvoorbeeld toepassingen in het Internet of Things.
Onzekerheid
De onderzoeker bestudeerde daarnaast wiskundige modellen voor het nemen van beslissingen in onzekere omstandigheden, zogenaamde Markov-beslismodellen. Onzekerheden komen ook vaak voor bij sensormetingen. Onderwater legt uit: "Bij een calamiteit op bijvoorbeeld een perron wil je mensen aan de hand van sensormetingen naar de juiste nooduitgang leiden. Een advies om naar de dichtstbijzijnde nooduitgang te gaan kan verkeerd uitpakken als er korte tijd later net een drukke trein stopt. Het is van belang om onzekerheden mee te nemen in de beslissing". Tot nu toe moet er steeds een nieuwe strategie worden uitgerekend als het model afwijkt van de werkelijkheid, wat rekenkundig lastig is. Onderwater ontwikkelde een nieuwe, innovatieve methode die dit nadeel niet heeft, waarbij hij waardefuncties benadert met evolutionaire algoritmen (dynamische strategie). De aanpak levert goede strategieën en heeft veel potentie. Onderwater: "De methode is interessant voor allerlei problemen die door Markov-beslismodellen beschreven kunnen worden, zoals het bepalen van prijzen van hotelkamers in de toekomst".
Het onderzoek is uitgevoerd op het Centrum Wiskunde & Informatica (CWI) en de Vrije Universiteit (VU) en is mede gefinancierd door een IOP-programma van het ministerie van Economische Zaken.
Meer informatie
Promotor: prof. dr. R.D. van der Mei (CWI/VU) and copromotor: dr. S. Bhulai (VU).
Het onderzoek werd uitgevoerd in de Stochastics onderzoekgroep van het CWI binnen het project RRR (Realisation of Reliable and Secure Residential Sensor Platforms) van het programma IOP Generieke Communicatie, nummer IGC1020, gesteund door de Subsidieregeling Sterktes in Innovatie.
Foto: Sensornetwerken met devices zoals deze Arduino sensor kunnen dankzij wiskundige technieken veel snellere throughputresultaten halen.
Fotograaf/copyright: Ljubljana voor goodcat / Shutterstock.com
