Embedding smart software agents in resource constrained internet of things devices

Abstract

Los sistemas de sensorización en combinación con herramientas de tratamiento y gestión inteligente de información, constituyen la base sobre la que se construirán las ciudades y entornos urbanos del futuro. Avanzar en la investigación y desarrollo de estos nuevos escenarios inteligentes, es fundamental a la hora de alcanzar los objetivos de eficiencia, integración, sostenibilidad y calidad de vida de las personas que habitan nuestras ciudades. Para alcanzar estos objetivos, es fundamental indagar en el desarrollo de dispositivos hardware más baratos, precisos e inteligentes que serán la base de los entornos inteligentes del futuro. Debido a las previsiones realizadas para los próximos años, la cantidad de dispositivos conectados a Internet será de hasta 7 dispositivos por cada persona en el planeta. Esta avalancha de dispositivos llevará asociada una avalancha de datos que tendrán que ser manejados y almacenados por los centros de procesamiento de datos. Por todo ello, avanzar en el diseño de herramientas para el procesamiento de datos inteligente, así como en nuevos dispositivos de sensorización, es una tarea de vital importancia para la viabilidad futura de los entornos conectados. Por ello, en este trabajo de tesis doctoral se propone un sistema inteligente basado en agentes embebidos en dispositivos inalámbricos con capacidades reducidas (memoria y capacidad de cómputo limitada), para entornos del Internet de las cosas (IoT) donde sea posible un procesamiento inteligente de datos. En particular, se presenta una novedosa arquitectura multi-agente enfocada a la gestión de los datos generados por los dispositivos IoT, sobre la que construir una capa de servicios adaptada a las diferentes necesidades de los distintos entornos donde será posible desplegar el sistema de sensorización. Con el objetivo de validad el sistema propuesto, se ha diseñado un caso de estudio basado en redes de sensores en un entorno IoT de eficiencia energética a través de la optimización del consumo de batería de una bicicleta eléctrica.