An Optimized IoT Architecture based on Fog Computing with a new Method of Data Transfer Control

Abstract

Over the years, distributed and grid computing paradigms have evolved to cloud computing, which has become a common approach applied in the Internet of Things (IoT). The growing popularity of the cloud computing paradigm lies mainly in the simple management of end devices, uniform access to many services, elasticity of available resources and cost savings. In addition to these advantages, the expansion of IoT devices and the demand for speed and data volume have provided an opportunity for the emergence of new computing paradigms. The fog computing paradigm brings data processing nearer to the end devices while preserving the cloud connection, leading to lower latency, higher efficiency and location awareness.

The overall aim of the dissertation is the design and implementation of an optimised IoT network architecture which adopts the fog computing paradigm. To eliminate the need to build completely new infrastructure, the optimised network architecture is based on LoRaWAN, which has already been deployed at many locations and offers long-distance communication with low-power consumption. This raises several challenges which need to be overcome. For correct functioning of the fog computing paradigm, it was necessary to explore a new method of controlling the data transfer between IoT gateways and the cloud service. The methods explored in this dissertation are both static (based on predefined values) and dynamic (based on machine learning).

V průběhu let se výpočetní modely vyvíjely od distribuovaných a gridových ke cloud computingu, který se stal nejčastěji používaným přístupem v oblasti Internetu věcí. Rostoucí popularita cloud computingu spočívá především v jednoduché správě koncových uzlů, jednotném přístupu k velkému počtu služeb, elasticitě dostupných zdrojů a šetření jednotlivých nákladů. Přes všechny své přínosy však narůstající počet připojených zařízení a nároků na rychlost dávají příležitost vzniku nových výpočetních modelů. Fog computing model přenáší výpočetní výkon blíže ke koncovým zařízením při zachování spojení s cloudem, což vede ke snížení latence, zvýšení efektivity a umožnění reagovat na základě aktuálních podmínek.

Výsledným cílem této disertační práce je návrh a implementace optimalizované síťové IoT architektury s podporou pro fog computing. Pro eliminaci nutnosti budovat kompletně novou infrastrukturu počítá výsledné optimalizované řešení s integrací do LoRaWAN, která je již nasazena na mnoha místech a nabízí komunikaci na velké vzdálenosti při nízké spotřebě energie. Tato integrace však přináší několik úskalí, jež je potřeba překonat. K dosažení správné funkčnosti fog computingu bylo potřeba provést výzkum metody pro řízení přenosu dat mezi síťovou bránou a cloud službou. Zkoumané metody jsou jak statické (založené na předdefinovaných hodnotách), tak dynamické (využívající strojového učení).