Presentamos un estudio sobre el uso de una red de sensores inalámbricos basada en la inteligencia artificial para el control de COVID-19.

La aparición y propagación del COVID-19 ha planteado numerosos y difíciles retos para el mundo. Al mismo tiempo, también ha proporcionado una oportunidad para que los investigadores de diversos ámbitos adopten un enfoque sostenible en la lucha contra el desafío de COVID-19.

El sistema propuesto se simula en CupCarbon, que es un simulador de ciudades inteligentes para diferentes escenarios.

El análisis presentado en este artículo ayuda a comprender el impacto del uso de algoritmos de red, la complejidad y el tamaño de la red para mitigar la propagación de la pandemia. Además, ayuda a los diseñadores de ciudades inteligentes a acomodar las herramientas necesarias para estos mecanismos de control de daños.

Introducción a Redes de sensores inalámbricos

Papel de las WSN y el IoT en la gestión de catástrofes

Las redes de sensores inalámbricos (WSN, Wireless sensor network) y el Internet de las cosas (IoT, Internet of Things) pueden proporcionar soluciones de vanguardia para muchos escenarios de desastres [1]. Junto con algoritmos avanzados de inteligencia artificial (IA), podemos diseñar un sistema inteligente de gestión de desastres.
Los peligros naturales y las calamidades son los principales responsables de las catástrofes. Por eso es prioritario en la gestión de catástrofes controlar y predecir cualquier calamidad de este tipo.

Este es también un tema muy difícil. En este sentido, las WSN con tecnología IoT podrían ser una buena solución. SyedIjlal y otros han descrito el uso de las WSN en los riesgos naturales relacionados con las inundaciones [2].
WSN Aqua-net es una red robusta para monitorizar los sistemas de gestión del agua incluso en situaciones de inundación.

Los recientes incendios forestales en Australia e India nos han mostrado lo devastadores que pueden ser los incendios forestales. Sin embargo, hay muy pocas disposiciones para este tipo de escenarios que puedan proporcionar una alerta.

Hsu-Yang y otros han desarrollado una WSN para mitigar este problema [3].
Han desarrollado y desplegado una WSN para la monitorización de la sequía que, a su vez, proporciona también una posible detección de incendios forestales. Además, han incorporado una red neuronal para analizar los datos de la red de sensores y predecir el comportamiento del entorno. También han desarrollado un motor de inferencia de acciones de emergencia (EAIE) para proporcionar inferencia sobre las medidas que deben ser colocadas.

Los desprendimientos de tierra, especialmente en la zona de colinas, son también un factor importante de catástrofe. En este sentido, la WSN de sensores de vibración puede ayudar a proporcionar una alerta temprana. A este respecto, Rossi y otros han descrito las aplicaciones en el mundo real mediante el despliegue de sensores WSN [4].

Ramesh y otros mostraron un modelo del mundo real de WSN para la detección de desprendimientos de tierra que muestra su eficacia en el momento de la inundación de 2009 en Kerala [5].

Papel de las WSN y el IoT en las ciudades inteligentes

Para una ciudad inteligente, es esencial que todos sus componentes fundamentales tengan las características básicas de una ciudad inteligente. Estos componentes fundamentales son la construcción inteligente, el transporte inteligente y la gestión inteligente del tráfico. Sin embargo, para una ciudad inteligente, todos estos componentes deben estar conectados.

En este sentido, las WSN con IoT pueden desempeñar un papel importante. A continuación se exponen los avances actuales en estas áreas.

WSN en edificios inteligentes

La conexión y la automatización en los edificios hacen que un edificio sea inteligente. Mingze y otros resumieron la WSN ZigBee y sus aplicaciones en la automatización de casas y edificios inteligentes [6]. De nuevo, Minoli y otros optimizan los requisitos del IoT y sus arquitecturas para las aplicaciones de los edificios inteligentes [7].

Estas redes IoT optimizadas también pueden utilizarse para la seguridad de los residentes de los edificios proporcionando alarma a las estaciones centrales en caso de emergencia, como un incendio. Islam y otros resumen un sistema de detección de incendios basado en la red ZigBee para edificios inteligentes.

El cambio climático es un problema muy grave para todo el mundo. Provoca catástrofes naturales como tormentas, inundaciones, sequías y olas de calor en diferentes partes del mundo. La rápida industrialización y urbanización están creando problemas de emisión de carbono o calentamiento global, ruido, polvo y aumento de la temperatura.

Se ha diseñado e implementado un sistema de monitorización para la detección temprana y la generación de alertas sobre los desastres naturales y las amenazas medioambientales en las provincias de Quang Nam y Da Nang, en el centro de Vietnam [8].

El sistema WSN integrado proporciona temperatura, niveles de CO 2, polvo y ruido en Da Nang. En Quang Nam, proporciona niveles de líquido verticales y horizontales, vibraciones, dirección y velocidad del viento. Todos los sensores están conectados a sus correspondientes sumideros, por lo que los datos detectados se envían al servidor a través del servicio general de radiocomunicación por paquetes (GPRS) [8].

Nguyen-Son y otros no han realizado la detección de vulnerabilidades en las WSN utilizadas para dos ciudades. Al mismo tiempo, han realizado un buen análisis de los proveedores, la estrategia de instalación y el análisis del rendimiento. Las redes de área de desastre (DAN) son muy útiles en caso de desastres naturales o provocados por el hombre [9].

Las redes de despliegue rápido son necesarias para las operaciones de búsqueda y rescate durante el estado de emergencia extrema debido a las catástrofes. La encuesta de [9] proporciona un estudio comparativo de la arquitectura de red y los modelos de enrutamiento para las DAN.

El objetivo principal es conseguir una red móvil fiable y energéticamente eficiente que pueda proporcionar menos retardo, menos sobrecarga, eficiencia energética, más ancho de banda y una rápida movilidad para las aplicaciones multimedia.

Las redes móviles (MANET) y la integración de las MANET con otras redes se proponen para cumplir los requisitos anteriores [9]. La detección de eventos basada en sensores se utiliza para desarrollar sistemas de alerta de emergencia en diferentes zonas de ciudades inteligentes [10].

Los sensores detectan determinados eventos en la zona de la ciudad inteligente y se genera un informe de eventos. Las alertas de emergencia se generan en determinadas zonas de la ciudad inteligente basándose en el informe de eventos. La principal ventaja es la naturaleza distribuida del sistema de generación de alertas de emergencia en [10].

El prototipo se ha realizado mediante el uso de Raspberry Pi interconectado con el sensor de calidad del aire, el sensor de temperatura, el sensor de audio, el sensor de humedad, el sensor de nivel de agua, el módulo GPS y la pantalla. El valor del nivel de gravedad se calcula para indicar la magnitud de la emergencia del evento particular. La vulnerabilidad y la anomalía pueden afectar a un sistema para generar una falsa alerta de emergencia en las zonas de la ciudad inteligente.

El análisis de vulnerabilidad y anomalía del sistema de alerta de emergencia propuesto en [10] puede ayudar a hacer frente a las amenazas de seguridad. La detección de la violencia utilizando una red de sensores de vídeo inalámbricos y el aprendizaje profundo se propone para las ciudades inteligentes en [11]. La información espacial y temporal se procesa en paralelo para obtener una implementación computacionalmente eficiente en tiempo real utilizando Raspberry Pi [11].

El enfoque de [11] alcanza un 86,93 con una desviación estándar de 0,21 y una puntuación de área bajo la curva (AUC) de 0,9543. El análisis de anomalías y vulnerabilidad de las redes de sensores es importante para el enfoque de detección de la violencia en [11].

En [12] se propone una revisión de big data para visualizar, analizar y predecir desastres naturales. Las imágenes satelitales, las imágenes y vídeos aéreos basados en vehículos aéreos no tripulados (UAV), la red de sensores inalámbricos y el IoT, el LiDAR, los datos de simulación, los datos espaciales basados en vectores, el crowdsourcing, las redes sociales, el GPS móvil y los registros de datos de llamadas son las diferentes fuentes de datos utilizadas para la visualización, el análisis y la predicción de desastres naturales [12].

Todas las fases de la gestión de catástrofes se revisan con literatura de apoyo en [12]. Los principales desafíos son la recopilación de datos de diversas fuentes, las tecnologías de gestión y el desarrollo de sistemas eficientes para la gestión de desastres con menos pérdidas en términos de vidas humanas y economía [12].

La gestión de catástrofes basada en el IoT y en la detección de multitudes se propone con un algoritmo de agrupación de la detección de multitudes y un sistema de apoyo a las decisiones basado en la lógica difusa [13]. En [13] se ofrece una revisión y un análisis por grupos de diferentes sistemas de gestión de catástrofes.

Se proponen arquitecturas de IoT basadas en celulares y Wi-Fi con un análisis detallado de máquinas de estado finito, el estado de los daños en los edificios, la densidad de la población afectada por el desastre y un sistema de decisión posterior al desastre basado en la lógica difusa [13]. En [14] se ofrece una visión general y una comparación de SENDROM (detección de terremotos), INSIEME (operaciones de emergencia), telemedicina con WSN (evaluación de víctimas), WINSOCK (detección de corrimientos de tierra), USN4D (detección de contaminación atmosférica), AWARE (detección de incendios y filmaciones) y MiTag (seguimiento de pacientes), con sus correspondientes retos.

Impactos: 8

Calificar