simulaÇÃo de microdrenagem em cidades … · resumo o artigo analisa a implantação de uma rede...

SIMULAÇÃO DE MICRODRENAGEM EM CIDADES CONSCIENTES

ADEMIR F. SILVA*, JULIO NOGIMA, DIEGO S. GALLO, MARCELO K. ZUFFO*

* Laboratório de Sistemas Integráveis, Departamento de Engenharia de Sistemas Eletrônicos, USP

Av.: Professor Luciano Gulaberto, 158 Travessa 3 São Paulo – SP CEP: 05508-900

E-mails: [email protected], [email protected]

Systems of Engagement and Insights, IBM Research - Brazil

Rua: Tutóia, 1157 São Paulo – SP CEP:04007-009

E-mails: [email protected], [email protected]

Abstract This paper analyzes the implementation of a wireless sensor network based on ultrasonic sensors for monitoring municipal waste in storm drain inlet. The premise is that continuous monitoring of these points is an important agent in prevent-ing floods, while optimizing the urban cleaning service indicating the precise points that should be treated as a priority. An ar-chitecture for urban micro drainage system is proposed considering the constraints of the operating environment, the sensor data collection by a mobile sink, and cloud computing for data treatment. It is considered the information from these sensors will be collected and transferred to cloud service via mobile sinks installed in garbage trucks. This opportunistic network data transfer was simulated between the sensors and the mobile sink, in the Cidade Universitaria area in the city of São Paulo. The results from simulations are analyzed and discussed as requirements in the implementation of micro drainage systems in sentient cities.

Keywords Storm drain inlet, Wireless Sensor Network, Opportunistic Networks, Sentient Cities

Resumo O artigo analisa a implantação de uma rede de sensores sem fio, baseada em sensores de ultra-som para monitoramento de resíduos urbanos em bocas de lobo. A premissa é que o monitoramento contínuo destes pontos é um importante agente na prevenção de enchentes, além de otimizar o serviço de limpeza urbana indicando com precisão os pontos que devem ser prioritariamente atendidos. É proposta uma arquitetura de sistema de microdrenagem urbana considerando as restrições do ambiente de operação, a coleta dos dados dos sensores pelo sorvedouro e um serviço de computação em nuvem para tratamento dos dados. Considera-se que as informações destes sensores serão coletadas e transferidas ao serviço em nuvem, por intermédio de sorvedouros móveis instalados em caminhões de coleta domiciliar de lixo. Esta rede oportunista de transferência de dados foi simulada entre os sensores e o sorvedouro móvel, na região da Cidade Universitária na cidade de São Paulo. Os resultados através das simulações são analisados e comentados como requisitos na implantação do sistema de microdrenagem em cidades conscientes.

Palavras-chave Sensor para Boca de Lobo, Rede de Sensores sem Fio, Redes Oportunistas, Cidades Conscientes.

1 Introdução

Em uma metrópole como São Paulo, as enchentes causadas pelas chuvas, apenas em 2008, ocasionaram prejuízos mensais de R$ 546 milhões (HADDAD & TEIXEIRA, 2013). Uma parcela significativa dos 110 pontos de alagamentos na cidade já registrados em apenas um dia durantes estes eventos (PMSP, 2009), não estava correlacionada com a topografia do terreno ou com a falta de investimentos públicos em macrodrenagem (PMSP, 2010), mas com o próprio entupimento pelos transeuntes em vias públicas, dos pontos de microdrenagem das águas das chuvas, as chamada bocas de lobo (FERRAZ, MAZZO & BRAGA, 2009 e SOLANO, 2009). Tipicamente a recomendação para a limpeza destes pontos é a cada 60 dias (PMSP, 2012), mas com aproximadamente 400 mil bocas de lobos na cidade de São Paulo (PMSP, 2010), parte destes locais de coleta de água pluvial sofrem o fenômeno de enchente por entupimento devido ao alto prazo na detecção de quais destes efetivamente precisam ser limpos.

Este trabalho propõe um sistema para monitoramento da microdrenagem urbana, composto por: i) sensores de ultra-som alimentados por células solares instalados nestes pontos; ii) rede oportunista para coleta dos dados dos sensores, utilizando caminhões de lixo da coleta domiciliar

regular; iii) serviço em nuvem para visualização e análise dos dados. O objetivo é a diminuição da latência na detecção dos pontos obstruídos de microdrenagem, utilizando a frota de caminhões de coleta domiciliar de lixo das cidades como infraestrutura móvel para sorvedouros e estes coletarem dados de sensores instalados nas bocas de lobo, tendo em vista que o serviço de coleta domiciliar de lixo é prestado pelos órgãos municipais com periodicidade de 1 a 3 dias (PMSP, 2014).

2 Trabalhos Relacionados

SEE et al., (2012) apresentam um dispositivo para monitoramento de ralos de prédios e argumentam que o entupimento destes pontos são as maiores causas de alagamentos residenciais no Reino Unido. O dispositivo usa a plataforma Mica21 e baseia-se em um transdutor acústico para detecção do fenômeno, comunicando-se via ZigBee2 com o sorvedouro por um arranjo em estrela. O sorvedouro por sua vez também possui um rádio adicional GPRS (General Packet Radio Service) para comunicação com o servidor. Uma antena foi especialmente desenvolvida para a aplicação e testada com 8 nós espalhados entre 12 a 67 metros do sorvedouro. Neste

1 http://www.cens.ucla.edu/~mhr/daq/datasheet.pdf 2 https://www.zigbee.org/

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

2414

trabalho a alimentação dos sensores se deu por 2 pilhas AA.

HAILONG & ZUXIN, (2011) propõe um sistema para monitoramento de água pluvial composto por sensores de ultra-som conectados via GPRS em um sistema Web com informações geográficas. Neste trabalho os autores não discutem sobre a possibilidade da funcionalidade dos sensores em uma rede ad hoc com alimentação autônoma, diferentemente da abordagem deste trabalho.

BURCH & PHILLIPS (1995) dissertam sobre a alta acurácia de sensores de ultra-som no monitoramento do fluxo de água da chuva para a prevenção do transbordamento de bueiros combinados (pontos que coletam simultaneamente o esgoto urbano e a água da chuva). Entre as conclusões levantadas estão que este tipo de transdutor é isento de calibrações e possuem um largo intervalo de medições, sendo apropriado para monitorar as variações na altura de água desta aplicação. DURAN, ALTHOEFER & SENEVIRATNE, (2002) revisam o estado da arte de tecnologias de inspeção em esgoto. Os autores abordam os pontos prós e contra dos diversos métodos de inspeção, como por câmera, laser, radar e ultra-som. Nota-se que em ambos trabalhos os autores reiteram a importância do uso do ultra-som em aplicações de monitoramento de agua pluvial.

3 Arquitetura

Em redes oportunistas os nós podem se comunicar mesmo nunca existindo uma rota definida de conexão entre eles segundo PELUSI, PASSARELLA & CONTI (2006). Funcionam com alta latência em comparação as redes em modo infraestrutura tradicionais e aproveitam-se da oportunidade de movimentar-se um salto na rede para ficar mais próximo ao destino final (SHAH et al., 2003; PELUSI, PASSARELLA & CONTI, 2006 e ZHANG, 2006). Entre as técnicas existentes de redes oportunistas, uma das promissoras para cidades é aquela que aproveita infraestruturas móveis, que já executam uma rota e um serviço predeterminado, para também coletar dados (PELUSI, PASSARELLA & CONTI, 2006). Conhecido como data mule e apresentado por SHAH et al., (2003) é uma arquitetura em três camadas constituídas por: i) sensores; ii) sorvedouros móveis e iii) infraestrutura computacional central.

Figura 1. Arquitetura de monitoração de microdrenagem urbana

Neste trabalho propõe-se a implantação da arquitetura de redes oportunistas aplicada às necessidades do sistema de microdrenagem urbano, composto por: i) sensores nas bocas de lobo; ii) caminhões de coleta domiciliar de lixo como sorvedouros móveis e iii) serviço de computação em núvem para visualização e análise de dados, figura 1. Considera-se que o funcionamento de uma rede de sensores de microdrenagem, contida em um sistema para

coleta de dados, monitorando eventos diários e por modelos analíticos, antecipando situações extraordinárias do ambiente urbano, segue ao conceito de Cidades Conscientes, (SHEPARD, 2011 e KOCH et al., 2013) ao qual promove que as cidades, pelos sistemas de gerenciamento, poderão se lembrar, correlacionar e antecipar situações.

3.1 Sensor de microdrenagem

As vantagens da utilização de transdutores ultra-sônicos como sensores para monitoração de sistemas de drenagens estão na natureza não-invasiva da operação e na detecção de descontinuidades do meio segundo COBBOLD (2007). O método de medição por ultra-som pulso-eco é o preferível para aplicações como esta, onde é apenas necessária a verificação da distância entre o sensor e o objeto mais próximo longitudinalmente (WROBEL, 2012), sendo compatível com a profundidade típica de aproximadamente 100 cm da boca de lobo (SÃO PAULO, 2011). Contudo, os transdutores ao utilizar este método devem ser escolhidos de forma que a largura do pulso seja inferior a 10 cm, caso contrário a região morta (KRAUTKRÄMER & KRAUTKRÄMER, 1990) inerente ao método será suficientemente grande para o sensor não detectar com precisão o entulho exatamente quando estiver no nível da rua, transbordando a boca de lobo. Outro cuidado que se deve observar utilizando esta técnica é o acréscimo de sistemas de compensação de temperatura para corrigir eventuais erros de medição.

Sobre a autonomia de operação, devido à própria concepção de operação, as bocas de lobos se encontram em locais descobertos propícios para o aproveitamento da energia solar. Além disso, este tipo de tecnologia facilita a instalação de sensores nestes pontos, uma vez que não é necessário uma infraestrutura elétrica prévia até este locais, indicando-se compatível com a função deste tipo de dispositivo.

Considerando também a existência de milhares de pontos de microdrenagem nas vias das cidades (PMSP, 2010), o georreferenciamento destes pode-se tornar um grande desafio. A utilização de circuitos integrados com a função GPS (Global Positioning System) demonstra-se como uma alternativa a deixar essa tarefa menos susceptível a erros manuais, aumentando a confiabilidade dos dados sobre a posição real das bocas de lobo.

A comunicação entre os pontos deve considerar a capilaridade das bocas de lobo na cidade, neste caso, a forma que estas estão instaladas nas diversas quadras dos bairros. A arquitetura 802.15.4 tem alcance de até 100 metros (BARONTI et al., 2007) e prevê que os nós serão organizados para comunicação ad hoc. Estas características além de atender aos padrões de localização das bocas de lobo, cuja distância máxima recomendável é de 60 metros (INOUYE & SOUZA, 2009), possibilitam modos de comunicação que aproveitem a permeabilidade da disposição destes pontos na cidade ou ainda oportunamente utilizarem a infraestrutura de serviços que são oferecidos regularmente, como o serviço de coleta domiciliar de lixo. O padrão 802.15.4 ainda oferece o modo beacon, que é um importante agente na economia de energia dos sensores. Neste modo os sensores operam em ciclos de operação e sono (sleep), e alimentado por uma pilha AAA, podem manter-se em funcionamento a períodos de até 2 anos (BARONTI et al., 2007).

O sensor necessitará de recursos de processamento e armazenamento local para tratamento das informações coletadas ao longo do dia, com margem adicional para alocação dos dados que eventualmente não foram


2415

transmitidos por algum tipo de insucesso de comunicação com a rede. Terminada a monitoração do dia, a mensagem poderá ser comprimida. Embora a técnica de compressão acarrete uma carga adicional de processamento, irá diminuir o tamanho do pacote de transmissão, economizando a ocupação do canal de comunicação e energia despendida pelo sensor, já que em termos energéticos é mais caro o tempo despendido de transmissão do que o tempo de processamento (MARGI et al., 2006).

3.2 Rede Oportunista

Dois fatores que caracterizam o sistema de microdrenagem urbana, além de sua capacidade, são:

• Latência: Período recomendado para limpeza destes pontos.

• Cobertura: Abrangência de domicílios que têm esta infraestrutura instalada, sendo beneficiados pela coleta de água pluvial canalizada.

Na cidade de São Paulo, por exemplo, esta latência é de 60 dias (PMSP, 2012) e para o estado de São Paulo a cobertura deste sistema abrange 5,3 milhões de domicílios (BRASIL, 2010). Já a coleta domiciliar de lixo, também tomado como referência o estado de São Paulo, cobre uma área de 11,2 milhões de domicílios (BRASIL, 2010) e tem a latência, neste caso sendo representado pelo período ao qual a prefeitura presta o serviço de coleta de lixo residencial por caminhões de lixo, de 1 a 3 dias (PMSP, 2014). Considerando as características de ambos os serviços, ao menos no Brasil (BRASIL, 2010), a coleta domiciliar de lixo possui cobertura mais abrangente e latência muito inferior aquela recomendada para a limpeza dos pontos de microdrenagem. Além disso, o percurso dos caminhões de coleta de lixo passa nas ruas próximo das bocas de lobo (10 metros ou menos), sendo possível a coleta e transferência de dados dos sistemas de microdrenagem à serviços em nuvem usando técnicas de redes de sensores sem fio oportunistas como as baseadas em data mule (SHAH et al., 2003).

Relacionando a característica de distância média das bocas de lobo (Db) [metros], a quantidade média de dados gerados pelos sensores (Sd) [bytes] e o percurso médio do caminhão compactador de lixo (Pc) [metros], é possível especificar o tamanho do armazenamento médio do sorvedouro (As) [bytes] presente no caminhão de lixo antes da transferência dos dados para a infraestrutura de computação em nuvem representado em (1):

As = (Pc ÷ Db) x Sd (1) A própria característica de abundância e manutenção

de recursos energéticos dos caminhões, comparados aos recursos de sensores em rede sem fio típica, facilitam a implantação de sorvedouros com maiores capacidades de processamento e armazenamento do que os sensores. Esta característica também viabiliza um rádio adicional compatível com maiores taxas de transferências de dados, por exemplo, na ordem de Mbytes/s para transferência dos dados ao serviço em nuvem. Redes 802.11 em modo infraestrutura colocadas nas garagens da frota destes caminhões poderão prover a transferência dos dados entre sorvedouros aos serviços de computação em nuvem. Dispositivos móveis comerciais com interface 802.11 como os smartphones e tablets conectados a adaptadores 802.15.4 nestes caminhões, poderão operar como os sorvedouros móveis na rede de sensores de boca de lobo.

3.3 Serviço em Nuvem para Cidades

O sistema de microdrenagem urbano proposto baseado na rede oportunista prevê que apenas em intervalos relativamente pequenos do dia, no final dos turnos de trabalho, a rede receberá massivamente os dados dos diversos caminhões de coleta domiciliar de lixo espalhados na cidade. Esta forma de operação exige uma condição de ociosidade de processamento e tráfego durante boa parte do dia e apenas em um intervalo pequeno um grande acesso a rede para postagem dos dados. Desta maneira o modelo de computação em nuvem enquadra-se nesta necessidade visto que uma das aplicações possíveis ao invés do uso do processamento local é quando a demanda pelo serviço varia ao longo do tempo (ARMBRUST et al., 2010). Além disso vem sendo gradativamente utilizado em cidades apoiando as diversas iniciativas de cidades inteligentes (NAPHADE et al., 2011 e KOCH et al., 2013). Considera-se que além da característica de expansão de armazenamento de dados, o serviço em computação em nuvem deverá prover acesso à rede de modo elástico. A figura 2 apresenta uma ilustração de uma possível implantação deste sistema.

Figura 2. Ilustração de infraestrutura oportunista para coleta de dados de sensores de microdrenagem urbana

4 O Experimento

Para a validação da proposta desta rede de sensores sem fio direcionada a microdrenagem urbana, foi realizada a simulação da rede de sensores aplicada na região da Cidade Universitária, com 7,4 Km², na cidade de São Paulo.

Figura 3. Representação do cenário de sorvedouro fixo

Figura 4. Representação do cenário de sorvedouro móvel

Sensor

Caminhão Coleta Lixo


2416

Para atender as necessidades das cidades uma rede escalável e de baixo custo de operação se faz necessária. O padrão de rede de sensores sem fio IEEE 802.15.4 (BARONTI et al., 2007) foi projetado para atender tais requisitos, e neste trabalho o mesmo foi utilizado para a camada de comunicação entre os nós sensores e o sorvedouro. Na camada de comunicação entre o sorvedouro e o serviço de computação em nuvem, duas técnicas foram analisadas: i) sorvedouro fixo, próximo a antena de celular, com posterior transferência de dados via GPRS, ilustrada na figura 3; ii) sorvedouro móvel, utilizando a infraestrutura de serviço de caminhões de coleta de lixo domiciliar e transferência dos dados para o serviço de visualização e análise por uma conexão 802.11 na garagem dos caminhões, ilustrada na figura 4.

A visualização dos dados foi executada por um serviço de relatos de problemas em cidades chamado de Citizen Sensing (Sensor Cidadão) proposto por KOCH et al., (2013). O objetivo do Citizen Sensing é engajar o cidadão, com um smartphone, a relatar problemas na cidade tais como poda de árvore, buraco na rua, calçadas com falhas de acessibilidade, etc., mostrando-se como um valioso agente na conservação da cidade e em sintonia ao conceito de cidades conscientes (SHEPARD, 2011). Este serviço tem o funcionamento baseado em internet e foi desenvolvido para operar como serviço em nuvem, figura 5. Com a correlação de dados coletados por relatos dos cidadãos, de sensores meteorológicos e também de sensores de microdrenagem, os modelos analíticos de serviços em nuvem poderão gerar inovadoras recomendações quantitativas ao sistema de drenagem para os gestores das cidades como: i) pontos de limpeza prioritária; ii) pontos de alagamento potenciais; iii) locais que a coleta de lixo está deficiente; iv) modelos de alagamento em bairros e v) análise indireta da saturação das galerias pluviais.

Figura 5. Arquitetura Citizen Sensing (KOCH et al., 2013)

4.1 Sorvedouro fixo

Figura 6. Antenas distribuídas na Cidade Universitária (apenas

uma operadora)

Neste método apenas para a distribuição da comunicação dos diversos sensores de boca de lobo, os sorvedouros foram posicionados nas mesmas posições das antenas de celular da região da Cidade Universitária (figura 6), permanecendo estático durante a simulação.

Na cidade de São Paulo, por exemplo, existem diversas operadoras de celular, sendo que aquela com maior cobertura detêm pouco mais do que 1000 antenas instaladas (BRASIL, 2014). Nesta avaliação foi escolhida apenas uma operadora, a qual possui 6 antenas em operação na região da Cidade Universitária.

Mesmo com a recomendação do espaçamento entre as bocas de lobo de no máximo 60 metros, inclusive para terrenos planos, a realidade mostra que estes pontos estão posicionados a diferentes distâncias, inclusive maiores, o que pode comprometer a interconexão entre os pontos com arquitetura multi-saltos usando o padrão 802.15.4. Utilizando a ferramenta de geoprocessamento ArcGIS (VER HOEF, KRIVORUCHKO & LUCAS, 2001) com a referência de mapa do projeto Open Street Map (HAKLAY & WEBER, 2008) foi simulado as posições de bocas de lobos a cada: 500, 300, 200, 180, 160, 140, 120, 100, 80 e 60 metros. Considerou-se a forma de distribuição das bocas de lobo na cidade, neste caso, nas quadras dos bairros, próximas ao meio fio, usando as ruas como fatores delimitadores, figuras 7 e 8.

Figura 7. Distribuição de boca de lobo a cada 500m

Figura 8. Distribuição de boca de lobo a cada 60m

Para o método de sorvedouro fixo, usando a geolocalização da boca de lobo, foi direcionado o fluxo de dados de cada sensor para o sorvedouro mais próximo. As referências geográficas dos pontos definidas pelo ArcGIS foram utilizadas como restrições para o simulador de rede sem fio, sendo o simulador NS2 (ISSARIYAKUL & HOSSAIN, 2012) a ferramenta utilizada.

4.2 Sorvedouro móvel

Como mencionado na seção 3, o sistema de coleta domiciliar de lixo possui cobertura maior e latência menor (máximo 3 dias) do que o sistema de microdrenagem (mínimo 60 dias). Também o caminhão compactador percorre rotas definidas próximas a boca de lobo e ainda em termos energéticos este é tipicamente mais robusto do que sensores autônomos. Mantendo ainda como referência as características da cidade de São Paulo, com 376 caminhões de coleta de lixo domiciliar, percorrendo em média 25 km, a uma velocidade média de 7 km/h (PMSP, 2014), o sistema de coleta domiciliar de lixo apresenta-se como plausível de ser investigado para oportunamente transferir dados entre os sensores de boca de lobo e o serviço de nuvem. Considera-se também que o mesmo caminhão consiga captar dados de sensores de ambos os lados da rua, e ponderando que exista uma boca de lobo a cada 60 metros na mesma calçada, cada caminhão será apto a receber dados de 833 sensores, executando um trajeto médio de 25 km. Equipados com celulares conectados a


2417

adaptadores 802.15.4, os caminhões funcionarão como sorvedouros móveis na rede de sensores de boca de lobo. Quando retornarem ao estacionamento finalizando o turno de operação, executarão a transferência dos dados coletados dos sensores ao longo do dia, por pontos de acesso 802.11 instalados nos estacionamentos destes veículos. Ao longo de 1 dia de operação, todo o sistema oportunista de coleta irá transferir dados de 313.208 sensores de boca de lobo, para o exemplo da cidade de São Paulo com 376 caminhões.

Um aplicativo de smartphone poderá realizar as funções de: i) sincronismo e coleta de dados com os sensores; ii) monitoração da rota; iii) contabilização das quantidades de sensores coletados e iv) upload de dados para o serviço de nuvem, figura 9. O comportamento deste modelo de sorvedouro móvel também foi simulado neste trabalho pelo NS2.

Figura 9. Exemplo de aplicativo para smartphone para gerenciamento de coleta de dados pelos sorvedouros móveis

4.3 Serviço de Computação e Nuvem

Os dados provenientes da rede de sensores sem fio serão encaminhados para o serviço de relatos de problemas na cidade Citizen Sensing. Para isto as medições realizadas pelos sensores foram convertidas em um relatório do tipo JSON (JavaScript Object Notation). Este formato se faz necessário, inclusive para sensores, com objetivo de manter a compatibilização com os relatórios enviados pelos cidadãos por smartphones aos demais problemas na cidade, exemplo: poda de árvore, foco de dengue, calçada com falhas de acessibilidade, etc. O formato do relatório ao serviço em nuvem é do tipo JSON e contempla as seguintes características: i) número do sensor; ii) latitude e longitude; iii) número do caminhão; iv) valores da medição e um número seqüencial correspondente; v) data e hora de criação e vi) campo para status do sensor, contemplado informações de últimas falhas e estado da bateria.

Tabela 1: Dados a ser transmitido pelos sensores em bytes Sensor

ID Latitude

Longitude Caminhão

ID Medição e Seqüencial

Data Hora

Status

3 8 2 144 x 3 4 6

Neste trabalho considerou-se que todo sensor realizará

1 medição no intervalo de 10 minutos, ou seja, 144 medições ao longo do dia, desta forma cada um gera na rede 802.15.4, além de handshake e acknowledgements, 455 bytes distribuídos conforme a tabela 1. Depois de transformado em relatório no formato JSON pelo sorvedouro (smartphone), estes sensores injetarão indiretamente no serviço em nuvem, aproximadamente 4,5 kbytes cada. Considerando novamente que cada caminhão colete os dados de aproximadamente 833 sensores, nestas condições serão enviados próximo a 3,7 Mbytes por sorvedouro ao serviço de visualização e análise.

5 Resultados

Foram catalogadas, in loco, 49 bocas de lobo existentes no entorno de uma quadra da Cidade Universitária, junto com as devidas posições georreferenciadas (latitude, longitude), figura 10. Trata-se de um local plano. A média de distância entre as bocas de lobo é de 43.6 metros, sendo que as mais próximas têm 20.2 metros, enquanto as mais distantes têm 125.5 metros. Esta variação de distância encontrada é uma evidência da heterogeneidade no distanciamento dos pontos na região do experimento.

Figura 10. Localização das 49 bocas de lobo no perímetro da

Poli-USP, Cidade Universitária

Figura 11. Modelamento gráfico NS2 em rede 802.15.4

A avaliação da rede de sensores foi efetuada em modo de sorvedouro fixo, e em modo de sorvedouro móvel, pelos critérios de vazão de dados (throughput), transferência de carga útil (goodput) e de pacotes perdidos. No modo sorvedouro fixo, foi variada a distância entre os pontos, já que é uma situação real e implica diretamente no desempenho da rede pela desconexão dos sensores. A distância entre as bocas de lobos na mesma calçada simulada foi de: 500, 400, 300, 200, 180, 160, 140, 120, 100, 80 e 60 metros. Já pelo modo de sorvedouro móvel, manteve-se a distância de 60 metros entre as bocas de lobo e variou-se a velocidade do sorvedouro em 60, 30 e 7 km/h. As velocidades 60 e 30 km/h foram escolhidas uma vez que em vias urbanas são velocidades máximas comuns nas vias, porém a velocidade de 7 km/h foi selecionada por ser a velocidade média praticada pela prefeitura de São Paulo nos caminhões de coleta domiciliar (PMSP, 2014).

O protocolo de roteamento utilizado em modo de sorvedouro fixo foi o AODV (Ad hoc On-Demand Distance Vector Routing) por ser um protocolo reativo e apropriado para rede de sensores sem fio escaláveis (PERKINS & ROYER, 1999). O rádio, em modo sorvedouro fixo, foi configurado para o máximo alcance do padrão 802.15.4, 100 metros e para 20 metros em modo sorvedouro móvel por considerar esta distância suficiente no alcance dos sensores de ambos lados da rua pelo caminhão de lixo. O tempo de simulação em modo sorvedouro fixo foi de 30 minutos, sendo que nos 15 minutos iniciais ocorriam à geração das rotas pelo protocolo de roteamento. Nos 15 minutos remanescentes cada nó intercaladamente transmitia 10 pacotes com 100 bytes durante 1 segundo de transmissão. A quantia de dados de 1 kbyte, é pouco superior ao esperado como carga útil durante 1 dia de coleta de dados de cada sensor: 455 bytes, porém a esta carga soma-se ainda handshake, acknowledgements e eventuais retransmissões.

Em modo de sorvedouro fixo todos os pontos, exceto o sorvedouro, funcionaram como nós coordenadores, já que na arquitetura 802.15.4 nós comuns não suportam a comunicação multi-saltos. No modo de sorvedouro móvel, simulando a rede oportunista de caminhões, os nós, exceto o sorvedouro, foram caracterizados como nós comuns. Optou-se por analisar uma das antenas de celular das 6


2418

disponíveis na região da Cidade Universitária. A figura 11 apresenta o resultado do modelamento gráfico no simulador NS2. Os pontos isolados estão caracterizados como as demais 5 antenas da região. Na concentração de pontos, encontram-se 835 sensores em uma distribuição de 60 metros além do respectivo sorvedouro.

Figura 12. Vazão de dados, dados transmitidos e perdas de enlace na fase de geração das rotas - sorvedouro fixo

Nas figuras 12 e 13 estão os dados sobre a vazão na rede e perdas na camada MAC em modo de sorvedouro fixo. Na fase de roteamento (15 minutos iniciais) as perdas são próximas aos dados recebidos, porém quando os nós ficam mais próximos ao alcance do rádio (100 metros ou menos), a vazão de dados recebida fica destacada e inclusive é superior a carga de dados transmitida pelos nós, o que é típico em uma rede sem fio multi-saltos, quando os nós estão dentro da região de alcance dos transceptores. A figura 13 enfatiza a ineficiência da rede em malha conforme aumenta a quantidade de sensores. Na distribuição dos sensores a cada 60 metros de distância e com a aplicação injetando 1 kbyte/seg na rede, são geradas 2 ordens de grandeza na propagação dos mesmos dados pela rede com um volume similar de perdas pela rede. Esta incidência é devido à disseminação do mesmo pacote na rede multi-saltos.

Figura 13. Vazão de dados, carga gerada pela aplicação e perdas de enlace na fase de operação - sorvedouro fixo (escala

logarítmica)

Figura 14. Comparação entre sensores disponíveis de acordo com o espaçamento entre eles e os sensores que o protocolo de

roteamento AODV conseguiu construir a rota.

Na figura 14 está o relacionamento entre a quantidade de sensores simulados e a quantidade de sensores que o protocolo de roteamento efetivamente construiu a rota conforme a distância varia das bocas de lobo, no modo de sorvedouro fixo. Nota-se que até abaixo de 100 metros,

mesmo os sensores no alcance do rádio, há desconexão. O motivo é que nesta região encontra-se um rio (Raia Olímpica da USP) que deixa alguns sensores em distância superior ao alcance dos transceptores do núcleo da rede.

Figura 15. Perdas - sorvedouro fixo

Figura 16. Goodput no sorvedouro - sorvedouro fixo (escala logarítmica)

Na figura 15 estão as perdas em modo de sorvedouro fixo em escala logarítmica. Exceto quando os nós estão muito longe do alcance do rádio padrão, por exemplo, acima de 200 metros onde o volume de perdas gerado pelo protocolo de roteamento é significante, verifica-se que a grande causa de perdas nesta configuração está justamente na camada MAC o que indica, neste caso, perdas por concorrência do meio (colisão de pacotes).

Na figura 16 estão representados além das perdas totais e os dados recebidos, a carga gerada pela aplicação e também o goodput para o modo de sorvedouro fixo em escala logarítmica. Nota-se que devido ao protocolo de roteamento o goodput fica muito próximo da carga gerada e especialmente em 60 metros, a taxa de goodput está muito próximo ao esperado de 1 kbyte/seg.

Para o modelo simulando a rede oportunista de caminhões de coleta domiciliar de lixo, analisou-se o funcionamento do sorvedouro móvel deslocando-se a 60, 30 e 7 km/h, para a distribuição de sensores em 60 metros. Como neste modelo o sorvedouro passa fisicamente próximo aos diversos sensores, o tempo de simulação varia conforme a velocidade, sendo para 60, 30 e 7 km/h respectivamente 20, 40 e 168 minutos aproximadamente. Considerando a velocidade do sorvedouro, o alcance do rádio e a variação de densidade dos sensores nas ruas, não foi possível em modo de sorvedouro móvel manter também a disponibilidade de uma janela de transmissão dedicada de 1 segundo para transferir 1 kbyte como feito no modo de sorvedouro fixo. No modo de sorvedouro móvel, cada nó transmitiu 1 kbyte por segundo, durante 40 segundos. Nesta simulação ajustou-se o sincronismo entre os diversos sensores e o sorvedouro móvel de forma que o sorvedouro móvel passava pelos sensores quando estes já estavam a 20 segundos ligados. Com este tipo de carga e alcance de 20 metros de raio dos transceptores, para as velocidades analisadas, cada sensor tinha oportunidade de transferir a máxima carga possível. Diferentemente do modo de sorvedouro fixo, neste modo não se definiu mecanismos de roteamento como o AODV. Em ambos os modelos o funcionamento em modo beacon suportado pela arquitetura 802.15.4 estava desabilitado.


2419

Na figura 17 apresentam-se a vazão recebida, transmitida e também as perdas na camada MAC (desconexão e colisão de pacotes) para o modo de sorvedouro móvel, em escala logarítmica. De modo geral a taxa de transmissão aumenta quando a velocidade sobe uma vez que mais sensores estão ligados no mesmo intervalo de tempo (tempo de simulações diferentes). Porém as perdas na camada MAC diminuem quando a velocidade do sorvedouro diminui.

Figura 17. Vazão sorvedouro móvel

Figura 18. Perdas sorvedouro móvel

Na figura 18 apresentam-se as perdas para o modo de sorvedouro móvel. Observa-se que grandes partes das perdas estão na camada IFQ (interface queue), neste caso sendo representada pela pilha de eventos do sorvedouro. Logo, as perdas no modelo de sorvedouro móvel ocorrem devido à sobrecarga de pacotes recebidos pelo sorvedouro.

Figura 19. Goodput no sorvedouro (sorvedouro móvel)

Na figura 19 estão representados, além das perdas totais e dos dados recebidos, a carga gerada pela aplicação e também a vazão útil (goodput) para o modo de sorvedouro móvel em escala logarítmica. A melhor configuração em termos de goodput é quando a velocidade do sorvedouro está em 7 km/h, nesta situação ocorre também a menor perda e o goodput fica a 1 kbyte/seg. Considerando o tempo de simulação e o goodput, ambas as velocidades de 30 e 7 km/h atendem ao requisito de transferência de 1 kbyte por sensor, com resultado de transferência acima deste valor em 2 kbytes e 12 kbytes, respectivamente.

O experimento utilizando o serviço em núvem consistiu em enviar exatamente o mesmo relatório JSON que o sensor produzirá de 835 sensores localizados na Cidade Universitária, considerando uma antena de celular na distribuição de 60 metros entre bocas de lobo. Este procedimento foi executado por um smartphone Samsung

Galaxy i5500 enviando relatórios JSON com conexão 802.11 direcionada ao serviço em nuvem Citizen Sensing. No total foram aproximadamente 2,5 minutos gastos com a transferência de 3,7 Mbytes à 200kbps. A figura 20 apresenta a visualização dos dados no serviço Citizen Sensing.

Figura 20. Visualização de dados para o serviço Citizen Sensing

6 Conclusão

O modo sorvedouro fixo realmente atende a rede de microdrenagem, considerando um rádio 802.15.4 em 100 metros de alcance e com distribuição padrão das bocas de lobo em 60 metros, porém à disseminação do mesmo pacote na rede multi-saltos possui 100 vezes de repetições, o que pode ser visto como ineficiência energética e de ocupação do canal de comunicação. Adicionalmente, a desconexão entre os sensores mesmo abaixo do alcance do rádio (100 metros), indica a necessidade de uma análise criteriosa para a definição de posicionamento do sorvedouro.

Comparativamente o modelo de rede oportunista aplicado a microdrenagem urbana é superior do que o modelo de sorvedouro fixo próximo as antenas de celular. Com os resultados deste trabalho, comparando o modelo fixo com distribuição de uma boca de lobo a cada 60 metros e o modelo oportunístico com velocidade de 7 km/h, a carga útil recebida é aproximadamente 12 vezes maior, além de ser 18 vezes menor em termos de tráfego na rede e também 16 vezes menor em perdas de dados. Porém a maior preocupação neste modelo está em manter o sincronismo entre o sorvedouro e os sensores. Os sensores devem conhecer quando o sorvedouro irá passar para estarem ligados no momento oportuno. Tabelas atualizadas devem ser trocadas para manter estes sensores aptos para o momento que o sorvedouro passar na sua região de atuação. Embora nos experimentos realizados tenha-se adotado 40 segundos como o tempo para a transferência dos dados dos sensores ao sorvedouro nas velocidades simuladas, pondera-se que o uso da função de economia de energia (beacon) do padrão 802.15.4 aliado a algumas horas de antecedência a manter os sensores em operação antes que o caminhão passe pela região, possa oferecer uma significativa contribuição para o sincronismo entre os sensores e o caminhão, porém esta análise será tratada em trabalhos futuros.

Embora eventualmente comprometendo análises históricas, uma função que pode contribuir significativamente para a eficiência na transferência dos dados dos sensores para o serviço em nuvem é uma otimização prévia dos dados pelo próprio sensor. Ao invés do sensor enviar todos os dados coletados durante o dia para o sorvedouro, ele poderá enviar apenas um status atualizado ao anterior como: boca de lobo obstruída, operação normalizada, limpeza recente efetuada, etc. Porém esta avaliação será o escopo de trabalhos futuros.


2420

De modo geral foi observado que as alternativas tecnológicas existentes como as rede de sensores sem fio, os transdutores de ultra-som, as células solares, são plausíveis de ser implantadas com resultados extremamente favoráveis ao gerenciamento da infraestrutura de microdrenagem de cidades.

Referências Bibliográficas

ARMBRUST, M., FOX, A., GRIFFITH, R., JOSEPH, A. D., KATZ, R., KONWINSKI, A., & ZAHARIA, M. (2010). A view of cloud computing. Communications

of the ACM, ACM 53(4), 50-58. BARONTI, P., PILLAI, P., CHOOK, V. W., CHESSA, S.,

GOTTA, A., & HU, Y. F. (2007). Wireless sensor networks: A survey on the state of the art and the 802.15. 4 and ZigBee standards. Computer

communications, Elsevier 30(7), 1655-1695. BRASIL. IBGE (2010) Censo Demográfico 2010:

Características urbanísticas do entorno dos

domicílios [online] Disponível em:www.ibge.gov.br/estadosat/temas.php?sigla=sp&tema=entorno_censodemog2010

BRASIL. ANATEL (2014) Relatório das Estações por

Localidade [online] Disponível em: http://sistemas.anatel.gov.br/stel/consultas/ListaEstacoesLocalidade/tela.asp?pNumServico=010

BURCH, T. L., & PHILLIPS, J. M. (1995) High-accuracy CSO and stormwater flow monitoring. In Stormwater

NPDES Related Monitoring Needs, Colorado, Agosto, ASCE. (pp. 609-616).

COBBOLD, R.S.C. (2007) Foundations of biomedical

ultrasound. New York: Oxford University Press DURAN, O., ALTHOEFER, K., & SENEVIRATNE, L. D.

(2002) State of the art in sensor technologies for sewer inspection. Sensors Journal, IEEE, v. 2, n. 2, p. 73-81, 2002.

FERRAZ, A., MAZZO, A., & BRAGA, F. (2009) Após chuva, prefeitura limpa bueiros só por fora. Agora

[online] 10 de Setembro. Disponível em: www.agora.uol.com.br/saopaulo/ult10103u621787.shtml

HADDAD, E. A; TEIXEIRA, E. (2013) Economic Impacts

of Natural Disasters in Megacities: The case of

Floods. Sao Paulo: NEREUS HAKLAY, M., & WEBER, P. (2008) Openstreetmap:

User-generated street maps. Pervasive Computing, IEEE, v. 7, n. 4, p. 12-18

HAILONG, Y. & ZUXIN, X. (2011) Wireless Real-Time System for Monitoring the Storage of Urban Storm Drainage: A Case Study of Caohejing Drainage System, Shanghai. In: Network Computing and

Information Security (NCIS), International Conference on IEEE, p. 455-459.

INOUYE, K. P. & SOUZA, U. E. L. (2009) Drenagem –

Tterminologia e aspectos relevantes ao entendimento

de seu custo em empreendimentos habitacionais

horizontais, São Paulo: EPUSP. ISSN 0103-9830 ISSARIYAKUL, T., & HOSSAIN, E. (2012) An

introduction to network simulator NS2. Springer KOCH, F.L., CARDONHA, C.H; GENTIL, J.M &

BORGER, S. (2013) A platform for citizen sensing in sentient cities. In: Citizen in Sensor Networks. Springer Berlin Heidelberg, 2013. p. 57-66.

KRAUTKRÄMER, J. & KRAUTKRÄMER, H. (1990) Ultrasonic testing of materials. New York: Springer-Verlag.

MARGI, C. B., PETKOV, V., OBRACZKA, K., & MANDUCHI, R. (2006). Characterizing energy consumption in a visual sensor network testbed. In Testbeds and Research Infrastructures for the

Development of Networks and Communities,

TRIDENTCOM 2006. March, IEEE (pp. 8-pp). NAPHADE, M., BANAVAR, G., HARRISON, C.,

PARASZCZAK, J., & MORRIS, R. (2011). Smarter cities and their innovation challenges. Computer, 44(6), 32-39.

PELUSI, L., PASSARELLA, A., & CONTI, M. (2006) Opportunistic networking: data forwarding in disconnected mobile ad hoc networks. Communications Magazine, IEEE, v. 44, n. 11, p. 134-141

PERKINS, C. E. & ROYER, E. M. (1999) Ad-hoc on-demand distance vector routing. In: Mobile

Computing Systems and Applications, Proceedings. WMCSA'99. Second IEEE Workshop on. IEEE, 1999. p. 90-100.

PMSP. CENTRO DE GERENCIAMENTO DE EMERGÊNCIA (2009) Alagamentos na cidade de

São Paulo em 08/09/2009

PMSP. CAMARA MUNICIPAL DE SÃO PAULO (2010) Relatório Final - PROCESSO RDP Nº 08-45/2010, CPI das Enchentes

PMSP. SECRETARIA MUNICIPAL DE DESENVOLVIMENTO URBANO (2012) Manual de

Drenagem e Manejo de Águas Pluviais – Aspectos

Tecnológicos: Diretrizes para Projetos – Volume III, São Paulo: SMDU

PMSP. AMLURB (2014) Autoridade Municipal de Limpeza Urbana [online] Disponível em: www.prefeitura.sp.gov.br/cidade/secretarias/servicos/amlurb

SÃO PAULO. SECRETARIA DE PLANEJAMENTO E DESENVOLVIMENTO REGIONAL (2011) Formalização de Convênio – Orientações:

Detalhamento Técnico

SEE, C. H., HOROSHENKOV, K. V., ABD-ALHAMEED, R. A., HU, Y. F., & TAIT, S. J. (2012). A low power wireless sensor network for gully pot monitoring in urban catchments. Sensors

Journal, IEEE, 12(5), 1545-1553. SHAH, R. C., ROY, S., JAIN, S., & BRUNETTE, W.

(2003). Data mules: Modeling and analysis of a three-tier architecture for sparse sensor networks. Ad Hoc

Networks, Elsevier. v.1 (2), p215-233. SHEPARD, M. (2011) Sentient City: ubiquitous

computing, architecture, and the future of urban

space. The MIT press SOLANO, P. (2009) Lixo nas ruas agrava alagamentos em

São Paulo. Folha de São Paulo [online] 9 de Setembro. Disponível em: www1.folha.uol.com.br/folha/cotidiano/ult95u621275.shtml

VER HOEF, J. M., KRIVORUCHKO, K. & LUCAS, N. (2001). Using ArcGIS geostatistical analyst (Vol. 380). Redlands: Esri.

WROBEL, B. M. (2012) Ultrasonic measurement and

characterization of liquid-particle flow. PhD Thesis. University of Stavanger

ZHANG, Z. (2006) Routing in intermittently connected mobile ad hoc networks and delay tolerant networks: overview and challenges. Communications Surveys &

Tutorials, IEEE, v. 8, n. 1, p. 24-37


2421

simulaÇÃo de microdrenagem em cidades … · resumo o artigo analisa a implantação de uma rede...

Documents