Uma arquitetura para dados geoespaciais massivos de internet das coisas no contexto de objetos com diferentes níveis de mobilidade

Abstract

A Internet das Coisas (IoT, Internet of Things) tem sido crescentemente empregada em diferentes domínios de aplicação, e seus sistemas podem gerenciar objetos com variados níveis de mobilidade. Esse cenário resulta em um crescimento contínuo do volume de dados com natureza geoespacial. Em algumas aplicações, os dados gerados são principalmente leituras realizadas por dispositivos estacionários; em outras, podem também ser geradas localizações de dispositivos móveis. Considerar o nível de mobilidade dos dispositivos IoT possibilita a escolha de ferramentas com funcionalidades e desempenho mais adequados às necessidades do ambiente IoT em desenvolvimento. Entretanto, a literatura ainda é limitada no que diz respeito à relação entre mobilidade dos dispositivos e desempenho dos mecanismos de armazenamento e consulta de dados geoespaciais, distinguindo a manipulação de informações provenientes de dispositivos estacionários daquela originada de dispositivos móveis. Esta tese aborda big data geoespacial de dispositivos IoT com níveis heterogêneos de mobilidade, com as seguintes contribuições: i) um mapeamento sistemático de literatura referente à aplicação de big data geoespacial de IoT, que selecionou 196 trabalhos a partir de quatro bases acadêmicas (Scopus, IEEE Xplore, ACM, e Web of Science); ii) um levantamento dos recursos geoespaciais oferecidos pelas ferramentas mais presentes na literatura relacionada ao gerenciamento e análise de big data geoespacial de IoT; iii) a proposição e implementação de uma arquitetura em duas camadas – Armazenamento e Análise de Dados, e Aplicação – para o gerenciamento e análise de big data geoespacial oriundo de dispositivos com diferentes níveis de mobilidade; e iv) realização de dois experimentos para avaliar o desempenho dos ambientes computacionais propostos para a camada de Armazenamento e Análise de Dados — o primeiro voltado ao gerenciamento de grandes volumes de dados e o segundo à aplicabilidade de mecanismos de indexação. Foram utilizados datasets que simulam diferentes níveis de mobilidade, avaliando-se o desempenho geral dos ambientes, a variabilidade dos resultados, o consumo de armazenamento, a relação entre desempenho e mobilidade e os benefícios do uso de indexação.