МЕТОД ЗМЕНШЕННЯ ЕНЕРГОСПОЖИВАННЯ ВУЗЛАМИ IOT
DOI:
https://doi.org/10.31891/2307-5732-2024-345-6-7Ключові слова:
IoT, енергоефективність, прогнозування даних, зменшення передачі даних, термін служби батареї, LoRa, BLE, поріг похибки, спрощений віконний методАнотація
У статті запропоновано ефективний підхід до зменшення обсягу даних, що передаються від вузлів IoT до сервера, з акцентом на економію енергоресурсів та продовження терміну роботи акумуляторів. Основна концепція методу базується на механізмі прогнозування, який дозволяє вузлам IoT надсилати дані лише тоді, коли абсолютна різниця між виміряним і прогнозованим значенням перевищує встановлений поріг похибки. Це рішення дозволяє суттєво зменшити обсяг переданого трафіку, зберігаючи при цьому достатній рівень точності даних для більшості застосувань.
Для реалізації прогнозування було використано спрощений віконний метод, який забезпечує баланс між наближеною точністю і низькими витратами обчислювальних ресурсів, що є критично важливим для енергоефективних пристроїв. У ході експериментів застосовували GPS-трекери Lightbug LoRa з передачею даних через мережі LoRa та BLE. Експериментальні результати показали, що зменшення обсягу переданих даних до 50% дозволило значно збільшити тривалість роботи пристроїв, особливо в умовах високої інтенсивності трафіку. Наприклад, для технології LoRa тривалість роботи батареї збільшилася на 300% за інтенсивного руху даних.
Детальний аналіз результатів продемонстрував, що за низьких значень порогу похибки точність прогнозованих даних практично не відрізняється від виміряних. Однак із підвищенням порогу точність значно знижується, що може бути неприйнятним для деяких застосувань. Оптимальне значення порогу похибки було визначено експериментальним шляхом, зважаючи на баланс між мінімізацією енергоспоживання та забезпеченням прийнятного рівня точності.
Запропонований метод є універсальним і перспективним для застосування в енергоефективних IoT-системах, особливо в тих сценаріях, де економія енергії має вирішальне значення, а висока точність даних залишається важливою умовою. Такий підхід відкриває можливості для вдосконалення систем інтелектуального моніторингу, управління та збору даних у різних сферах, включаючи розумні міста, сільське господарство, екологічний моніторинг та логістику.
