Dass die Bausteine von Tinkerforge nicht nur für Unternehmen oder Bastler gedacht sind, sondern auch in der Forschung eingesetzt werden, beweist das Projekt SensorCube.
Bild vom SensorCube aus dem Flyer des Innovationsforum SmartenUp (gefördert vom BMBF)
Das IoT-Labor vom Campus Minden (FH Bielefeld) hat die Bricks und Bricklets von Tinkerforge dazu genutzt, einen Multi-Sensor-Agenten zu bauen, welcher sämtliche raumklimatischen Daten erfasst und auswertet. Dabei wurden nicht nur typische Sensoren wie z.B. Temperatur oder Luftdruck genutzt, sondern auch Sensoren von neuen Bricklets wie z.B. das Particulate Matter Bricklet oder das Air Quality Bricklet. Viele der genutzten Bricklets sind im aktuell erschienenen Umwelt-Kit zu finden.
Bricks & Bricklets
Bis auf das Gehäuse, welches über einen 3D-Drucker gedruckt wurde, ist die gesamte Hardware für dieses Projekt von Tinkerforge. Die Modularität aller Bauteile und die Fähigkeit des RED-Bricks, sich unkompliziert mit einem Netzwerk zu verbinden, waren entscheidende Vorteile. Welche Bricks und Bricklets genau verbaut wurden, ist nachfolgend aufgelistet.
Bricks
Bricklets
- 1 x Air Quality
- 1 x Barometer
- 1 x CO2
- 1 x Color
- 1 x Humidity
- 1 x Particulate Matter
- 1 x Sound Intensity
- 1 x Temperature
- 1 x Temperature IR
Forschung
Das Einsatzgebiet des SensorCube war die Erfassung von Raumbelegungen in einem Gebäude. Dafür sollte der SensorCube jeden Tag in einem Raum Daten sammeln und diese über das Netzwerk an einen Server schicken, welcher die Daten abspeichert. Diese Daten sollten dann später hinsichtlich der Raumbelegung ausgewertet werden.
Umsetzung
Das Sammeln der Daten gestaltete sich sehr einfach, da durch die Tinkerforge Bricklets gepaart mit den Master Bricks eine simple Schnittstelle für die Daten gegeben war. Durch den Anschluss des Master Brick Stapels an den RED Brick war es zudem möglich, über die Tinkerforge Python und Java Bindings, die Daten so zu formatieren, dass diese als Nachricht über das Netzwerk geschickt werden konnten. Das Nachrichtenprotokoll welches verwendet wurde, war das im Internet of Things Bereich verbreitete MQTT Protokoll.
Prozessablauf des SensorCube
Sobald die Daten am Server angekommen waren, hat dieser die Daten in das Hadoop Dateisystem gespeichert. Apache Hadoop ist eine Reihe an Tools, die aktuell im Bereich Big Data viel Anwendung finden. Das Dateisystem bietet dabei die Möglichkeit, sehr effektiv größere Mengen an Daten zu speichern und zu verwalten. Durch diese Speicherung ist zudem eine leichte Anbindung durch Analysewerkzeuge möglich.
Die Analyse der Daten hat abschließend versucht, bestimmte Muster in den Daten zu erkennen. Durch Clustering sollten z.B. bestimmte Sensoren herausgefiltert werden, die besonders aussagekräftig im Zusammenhang mit menschlicher Präsenz sind. Durch die Daten dieser Sensoren kann man dann ein Machine Learning Modell antrainieren, was prädiktiv ausgibt, wann Leute in einem Raum sein werden. Es wird eine Form von Raumplan erzeugt.
Analyse der Sensordaten sowie die Zuweisung der Uhrzeiten mit wahrscheinlichen Belegungen
Fazit
Wie man bereits erkennen kann, können die Bricks und Bricklets von Tinkerforge ein wichtiger Bestandteil eines größeren Prozesses sein. Durch die einfachen Schnittstellen, eine modulare Bauweise und eine hohe Funktionalität, bieten die Bauteile ein gutes Prototyping und eine gute Skalierbarkeit. Gerade in Projekten, wo eine funktional stabile Hardware nötig ist und kein Fokus auf die Modellierung und Umsetzung dieser Hardware liegen soll, bieten die Bauteile von Tinkerforge die perfekte Lösung.
Das Projekt SensorCube wurde im Zusammenhang mit dem Anwendungsfall der Raumbelegung bei dem Workshop "Arbeitsplatz im Wandel" eingereicht und angenommen. Die Publikation ist unter nachfolgendem Link zu erreichen: "Determining room usage through a multi-sensor system and machine learning" - LAiW 2018
Autor: Joshua Wiegmann, IoT-Lab Minden