Modelagem de Espaços Inteligentes Pessoais e Espaços Inteligentes Fixos no contexto de Cenários de Computação Ubíqua

Marcos Alves Vieira 1
Modelagem de Espaços Inteligentes
Pessoais e Espaços Inteligentes Fixos no
contexto de Cenários de Computação Ubíqua
Marcos Alves Vieira
Orientador: Prof. Dr. Sérgio Teixeira de Carvalho
marcosalves@inf.ufg.br
sergio@inf.ufg.br
26 de Fevereiro de 2016

Roteiro
1. Introdução
2. Fundamentação Teórica
3. Proposta
4. Validação da Proposta
5. Trabalhos Relacionados
6. Conclusão
1

1. Introdução
●
Motivação da Pesquisa
●
Identificação do Problema
●
Proposta
●
Método de Pesquisa
●
Contribuições
1

Motivação da Pesquisa
O conceito de ubiquidade (Weiser, 1991) está se concretizando
– Convergência, disseminação e popularização de tecnologias
• Tecnologias sem fio
• Microprocessadores
• Dispositivos digitais pessoais
– Internet das Coisas (Internet of Things – IoT)
– Web das Coisas (Web of Things – WoT)
Espaços inteligentes estão cada vez mais comuns
– Espaços inteligentes fixos (tradicionais)
– Espaços inteligentes pessoais
1. Introdução

Identificação do Problema
Dificuldade de modelagem de espaços inteligentes
– Precisam lidar com objetos inteligentes heterogêneos
– Mobilidade do usuário
As soluções para espaços inteligentes não oferecem abstrações de alto nível
– O usuário não é considerado uma entidade de primeira classe (Taylor, 2011)
• Deve ser desacoplado do espaço físico
• Precisa integrar o espaço inteligente e não apenas estar nele
Não existe padronização para construção de sistemas ubíquos
– Sistemas construídos de maneira ad-hoc
– Não há vocabulário comum para termos do domínio de espaços inteligentes
A integração de espaços inteligentes pessoais e fixos acarretará problemas
1. Introdução

Proposta
Para tratar os problemas identificados, propõe-se neste trabalho:
●
Um metamodelo para modelagem de cenários de computação
ubíqua compostos de
– Espaços inteligentes pessoais e fixos
– Objetos inteligentes
– Aplicações ubíquas
– Políticas de acesso aos objetos inteligentes e aplicações ubíquas
●
Uma linguagem para definição de políticas de acesso para um cenário
de computação ubíqua
– Permitindo tratar o acesso concorrente a recursos, resultante da
sobreposição de espaços inteligentes
1. Introdução

Método de Pesquisa
Figura: Método de pesquisa seguido neste trabalho.
1. Introdução

Contribuições
Principais contribuições
– Metamodelo
– Linguagem
– Algoritmo
Demais contribuições
– Uma ferramenta para geração de modelos de cenários de
computação ubíqua
– Um tutorial para construção deste tipo de ferramenta de
modelagem
– Os resultados da Revisão Sistemática da Literatura conduzida
1. Introdução

●
Fundamentos Teóricos
●
Computação Ubíqua e Computação Sensível ao Contexto
●
Espaços Inteligentes
●
Engenharia Dirigida por Modelos
●
Fundamentos Tecnológicos
●
Eclipse Modeling Framework (EMF)
●
Eclipse Graphical Modeling Framework (GMF)
●
Epsilon
1

Computação Ubíqua e
Computação Sensível ao Contexto
Uma aplicação ubíqua deve ser minimamente intrusiva
– Obter o estado dos usuários e do ambiente de execução
– Modificar o comportamento com base nestas informações
Um sistema sensível ao contexto é capaz de
– Obter informações do seu ambiente de execução
– Avaliar estas informações
– Mudar seu comportamento de acordo com a situação

Espaços Inteligentes
Possibilita um maior controle sobre (Cook & Das, 2007)
– Os problemas de integração
– O comportamento do usuário
– A aquisição de conhecimento do ambiente e usuário
Desvantagens (Taylor, 2011)
– Espaços geograficamente limitados
Ilhas de ubiquidade (Crotty et al., 2009)
– Suporte limitado à computação ubíqua
– Não há compartilhamento de serviços e dispositivos com outros espaços
inteligentes

Espaços Inteligentes Pessoais
Personal Smart Spaces (PSS)
– Computação ubíqua + redes corporais
Projeto PERSIST* (Dolinar et al., 2008)
– PSS → interface entre o usuário e
os serviços e dispositivos
– Interação com outros espaços inteligentes
Características de um PSS (Roussaki et al., 2008)
1. É móvel
2. Tem um “dono”
3. Deve ser capaz de se adaptar
4. Pode aprender com interações anteriores
mobilidade
autoaperfeiçoamento
* http://www.persist-project.eu
Figura: PSS vs. espaço inteligente fixo.
Adaptado de (Gallacher et al., 2010).

Engenharia Dirigida por Modelos (1/3)
Engenharia Dirigida por Modelos (Model Driven Engineering - MDE)
(Seidewitz, 2003; Schmidt, 2006)
– Modelos são:
• os principais artefatos no desenvolvimento de um sistema
• representação gráfica ou textual de alto nível de um sistema
– Os relacionamentos e abstrações são descritos por um
metamodelo

Arquitetura de metamodelagem
Meta-Object Facility (MOF)
– Forma de padronização para
a construção de modelos e
metamodelos
– Apresentada pelo Object
Management Group (OMG)*
– Cada elemento de uma camada
inferior é uma instância de uma
camada superior
* http://www.omg.org/mof/
Figura: Camadas da arquitetura MOF.
Adaptado de (Völter et al., 2013).

Linguagem de Modelagem Específica de Domínio
(Domain-Specific Modeling Language - DSML)
– Linguagem textual ou gráfica para construção de modelos
específicos de um determinado domínio
– É definida por um metamodelo
– Possui sintaxe e semântica
• Sintaxe abstrata: conceitos e seus relacionamentos
• Sintaxe concreta: elementos visuais que representam a sintaxe
abstrata
• Semântica: significado das representações da sintaxe

Fundamentos Tecnológicos
Eclipse Modeling Framework (EMF)
– Framework de modelagem construído sobre o IDE Eclipse
– Baseado no meta-metamodelo Ecore
Eclipse Graphical Modeling Framework (GMF)
– Permite a construção de editores de modelagem gráfica
Epsilon
– Família de linguagens e ferramentas para manipulação de modelos
– Eugenia
• Auxilia na geração dos modelos requeridos pelo GMF

3. Proposta
●
Cenários
●
Sobreposição de Espaços Inteligentes
●
Metamodelo para Cenários de Computação Ubíqua
●
Tratando a Sobreposição de Espaços Inteligentes
1

Cenários (1/2)
3. Proposta
Figura: Cenário 1: casa inteligente, na qual dois usuários compartilham objetos inteligentes
simultaneamente configurados em diferentes espaços inteligentes.

Cenários (2/2)
3. Proposta
Figura: Cenário 2: empresa inteligente, onde duas aplicações ubíquas
compartilham alguns dos objetos inteligentes disponíveis.

Sobreposição de Espaços Inteligentes
Este trabalho propõe a seguinte definição
“A sobreposição de espaços inteligentes ocorre quando um ou
mais objetos inteligentes estão configurados em espaços
inteligentes distintos, sejam estes pessoais ou fixos”
A sobreposição é potencializada pela mobilidade do PSS
– Interação do PSS do usuário com demais espaços inteligentes
• Acesso a objetos inteligentes
• Compartilhamento de contexto
3. Proposta

Metamodelo para Cenários de Computação Ubíqua (1/5)
3. Proposta
Figura: Metamodelo proposto para modelagem de cenários
compostos por espaços inteligentes pessoais e fixos.

3. Proposta
Tabela: Representação gráfica da sintaxe concreta do
metamodelo para cenários de computação ubíqua.

Figura: Cenário de uma universidade modelada como uma
instância do metamodelo para cenários de computação ubíqua.
3. Proposta

3. Proposta
Figura: Mapeamento entre os componentes do modelo (recorte) e a sintaxe concreta do metamodelo.

O metamodelo atende aos requisitos para construção de linguagens
específicas de domínio (Kolovos et al., 2006). Tais como:
– Conformidade: os principais conceitos do domínio foram cobertos
– Ortogonalidade: os conceitos do metamodelo refletem o domínio
– Suporte: ferramenta para criação e validação de modelos
– Integração: possibilidade de extensão com regras de transformação
– Longevidade: o conceito de computação ubíqua existe há mais de
duas décadas
3. Proposta

Tratando a Sobreposição de Espaços Inteligentes (1/4)
Linguagem para tratar o acesso concorrente aos recursos
– Definida por metamodelo próprio
– Sua sintaxe concreta é representado por um esquema XML
– Um arquivo XML representa uma instância (modelo) do metamodelo da
linguagem de polícias de acesso
– Permite modelar políticas de acesso para um cenário completo em um
único arquivo XML
• Facilita a serialização, armazenamento e processamento
3. Proposta

Figura: Metamodelo da linguagem de políticas de acesso.
3. Proposta

Código: Exemplo de um modelo de políticas de acesso.
3. Proposta

Figura: Diagrama de atividades do algoritmo para definição da prioridade de acesso.
3. Proposta

●
Revisão Sistemática da Literatura
●
Método de Validação
●
Ferramentas de Modelagem
●
Ferramenta de Modelagem Gráfica de Cenários de
Computação Ubíqua
●
Ferramenta de Modelagem de Políticas de Acesso
●
Modelagem dos Cenários
●
Implementação do Algoritmo de Processamento de
Modelos de Políticas de Acesso
1

Identificar as formas de validação e avaliação de metamodelos por
pesquisadores da área
– 438 trabalhos identificados
• 60 duplicados
• 281 removidos (critérios de exclusão)
• 97 incluídos
– Forma mais comum de validação de metamodelos

Método de Validação
Figura: Método de validação da proposta.

Ferramenta de Modelagem Gráfica de Cenários de Computação Ubíqua (1/4)
Criação de modelos de cenários de computação ubíqua
– Editor gráfico implementado utilizando o GMF, apoiado pela ferramenta
Eugenia
– Os modelos construídos podem ser salvos em arquivos XML
– Permite validar o modelo para garantir a sua conformidade com o
metamodelo
• Possui regras de validação escritas em linguagem EVL,
incrementando as validações sintáticas definidas pelo metamodelo

Figura: Ferramenta de modelagem sendo utilizada para construção de um cenário de computação ubíqua.

Tabela: Regras EVL implementadas na ferramenta gráfica de modelagem para definição de
restrições sintáticas adicionais ao metamodelo de cenários de computação ubíqua.

Figura: Sugestão de correção (quick fix) para autorreferencia mento não permitido por meio de regras EVL.

Ferramenta de Modelagem de Políticas de Acesso
Criação semiautomatizada de modelos de políticas de acesso
– Garantir a integridade sintática e conformidade com o metamodelo de
políticas de acesso
– Utilizou como base as metaclasses do metamodelo de políticas de
acesso, exportadas pelo EMF
Objetos Java Arquivo XML

Modelagem dos Cenários – Cenário 1 (Estrutura)
Figura: Modelagem do Cenário 1 utilizando a ferramenta de modelagem.

Código: Instância do metamodelo da linguagem para definição de políticas de acesso, representando o Cenário 1. (trecho)
Modelagem dos Cenários – Cenário 1 (Políticas de Acesso)

Figura: Modelagem do Cenário 2 utilizando a ferramenta de modelagem.
Modelagem dos Cenários – Cenário 2 (Estrutura)

Código: Instância do metamodelo da linguagem para definição de políticas de acesso, representando o Cenário 2. (trecho)
Modelagem dos Cenários – Cenário 2 (Políticas de Acesso)

Implementação do Algoritmo de Processamento de
Modelos de Políticas de Acesso
Implementação do algoritmo
– Utilizou como base as metaclasses de ambos metamodelos,
exportadas pelo EMF
– Base para checagem da prioridade de acesso de uma entidade no
momento que esta solicita acesso a um recurso
Simulações
– Foram realizadas simulações sobre os modelos de políticas de acesso
dos Cenários 1 e 2
Objetos Java
Arquivo XML

Simulações sobre os Modelos de Políticas de Acesso (1/2)
Código: Simulação de uso de recursos do Cenário 2. (trecho)

Simulações sobre os Modelos de Políticas de Acesso (2/2)
Código: Simulação de uso de recursos do Cenário 2. (trecho)

●
Apresentação dos trabalhos relacionados
●
Comparativo entre os trabalhos relacionados e a
proposta
1

Gator Tech Smart House
(Helal et al., 2005)
Visão geral
– Casa inteligente desenvol-
vida para idosos ou defici-
entes
• Apresenta especificações
de diversos objetos inteli-
gentes
Figura: Objetos inteligentes existentes no mercado (E),
em construção (O) e projetos futuros (F).

Smart Modeller
(Katasonov & Palviaine, 2010)
Visão geral
– Ferramenta de design baseada em ontologias
– Permite criar graficamente o modelo
– Geração automática de código-fonte
– Utiliza o Eclipse Graphical Modeling Framework (GMF)
– “O aumento no nível de abstração facilita o reúso de
componentes e modelos”

Resource-Oriented and Ontology Driven
Development (ROOD) (Corredor et al., 2012)
Visão geral
– Alia ontologias e Model Driven Architecture (MDA)
– Conjunto de ferramentas e tecnologias semânticas
– Geração automática de código
Figura: Usuário se exercitando em uma esteira na academia inteligente.

Smart-M3
(Honkola et al., 2010)
Visão geral
– Plataforma de código-fonte aberto
• M3: multidispositivo, multidomínio e multifornecedor
Interoperabilidade
– Espaços inteligentes são provedores de informação
• Semantic Information Brokers (SIB)
– Aplicações produzem e consomem informações dos SIBs
• Knowledge Processor (KP)

openHAB
(http://www.openhab.org)
Visão geral
– Plataforma de código-fonte aberto
– Permite integrar diversos sistemas e tecnologias em uma única
interface de usuário
Figura: Algumas telas da interface de usuário HABDroid do openHAB.

2SML
(Freitas et al., 2014)
Visão geral
– Permite modelar espaços inteligentes em alto nível
– Divide a programação em dois modelos, com linguagens de
modelagem distintas
• Modelo do engenheiro
• Modelo do usuário
– Os modelos são processados
pela 2SVM
• Arquitetura em camadas
• Inspirada na CVM
(Deng et al., 2006)
Figura: Arquitetura de metamodelagem do 2SML.

Personal Self-Improving Smart Spaces
(PERSIST) (Dolinar et al., 2008)
Visão geral
– Introduz o conceito de espaços inteligentes pessoais (PSS)
– Fornece uma interface entre o usuário e os serviços disponíveis
– Cada PSS pode compartilhar os recursos e melhorar suas
funcionalidades utilizando os recursos compartilhados por
outros PSS.
Figura: Formas de interação entre espaços inteligentes.
Adaptado de (Gallacher et al., 2010).

Tabela: Comparativo entre os trabalhos relacionados
Trabalho Ano C1 C2 C3 C4
Gator Tech 2005 X
PERSIST PSS 2008 X X X
Smart Modeller 2010 X
Smart-M3 2010 X
openHAB 2010 X
ROOD 2012 X X
2SML 2014 X X
Proposta deste Trabalho 2016 X X X X
Ano - Ano de publicação do trabalho estudado ou de disponibilização da primeira versão do software
C1 - Emprega conceitos de Engenharia Dirigida por Modelos (Model Driven Engineering - MDE)
C2 - Aborda espaços inteligentes tradicionais (fixos)
C3 - Aborda espaços inteligentes pessoais (PSS)
C4 - Considera a sobreposição de espaços inteligentes

6. Conclusão
●
Conclusão
●
Trabalhos Futuros
1

Conclusão
– Os espaços inteligentes estão cada vez mais comuns
• Contínuos avanços tecnológicos
• popularização dos dispositivos
• Internet e Web das Cosias
– A área possui diversos desafios
6. Conclusão
Problemas identificados
Dificuldade de modelagem de espaços inteligentes
Tratar usuários como entidades de primeira classe
Padronizar o vocabulário termos específicos do domínio
Sobreposição de espaços inteligentes: acesso concorrente
Proposta
Metamodelo para cenários
de computação ubíqua
Linguagem de políticas de
acesso e Algoritmo

Trabalhos Futuros
– Implementação de transformações M2T (model-to-text)
• Permitir a geração de código em nível M0 dos modelos
– A integração de ambos os metamodelos em uma única ferramenta
de modelagem
– Modelagem e tratamento de políticas de adaptação das aplicações
ubíquas com base em informações de contexto do ambiente
– Modelagem de um maior e mais diversificado conjunto de cenários,
como forma de reforçar a validação da proposta
6. Conclusão

Publicações
Publicações
– VIEIRA , M. A.; CARVALHO , S. T. Configuração de Espaços Inteligentes para Sistemas Ubíquos de
Monitoramento de Pacientes Domiciliares. In: Anais da III Escola Regional de Informática de Goiás (ERI-GO
2015), p. 19–30, Goiânia-GO, Brazil, 2015. Sociedade Brasileira de Computação (SBC).
Submissões sob avaliação
– XII Simpósio Brasileiro de Sistemas de Informação (SBSI)
• Artigo: Técnicas para Validação e Avaliação de Metamodelos: uma Revisão Sistemática da Literatura
• Minicurso: Engenharia Dirigida por Modelos no desenvolvimento de Sistemas de Informação:
Ferramentas e Linguagens
• Minicurso: Revisão Sistemática da Literatura: uma técnica de apoio à pesquisa em Sistemas de
Informação
Plano de publicação
– 28th International Conference on Software Engineering & Knowledge Engineering (SEKE)
• Artigo: Personal and Fixed Smart Spaces Modeling in the context of Ubiquitous Computing Scenarios

Obrigado!
Agradecimentos:

Referências (1/2)
COOK , D. J.; DAS , S. K. How smart are our environments? An updated look at the state of the art. Pervasive
and mobile computing, 3(2):53–73, 2007.
CORREDOR , I.; BERNARDOS , A. M.; IGLESIAS , J.; CASAR , J. R. Model-driven methodology for rapid
deployment of smart spaces based on resource-oriented architectures. Sensors, 12(7):9286–9335, 2012.
CROTTY , M.; TAYLOR , N.; WILLIAMS , H.; FRANK , K.; ROUSSAKI , I.; RODDY , M. A Pervasive Environment
Based on Personal Self-improving Smart Spaces. In: Gerhäuser, H.; Hupp, J.; Efstratiou, C.; Heppner, J.,
editors, Constructing Ambient Intelligence, volume 32 de Communications in Computer and Information Science,
p. 58–62. Springer Berlin Heidelberg, 2009.
DENG , Y.; SADJADI , S. M.; CLARKE , P. J.; ZHANG , C.; HRISTIDIS , V.; RANGASWAMI , R.; PRABAKAR , N. A
communication virtual machine. In: Computer Software and Applications Conference, 2006. COMPSAC’06.
30th Annual International, volume 1, p. 521–531. IEEE, 2006.
DOLINAR , K.; POREKAR , J.; MCKITTERICK , D.; R OUSSAKI , I.; K ALATZIS , N.; LI-AMPOTIS , N.;
PAPAIOANNOU , I.; PAPADOPOULOU , E.; BURNEY , S. M.; FRANK , K.; H AYDEN , P.; W ALSH , A.
PERSIST Deliverable D3.1: Detailed Design for Personal Smart Spaces. http://www.ict-persist.eu/?
q=content/persist-deliverables-and-publications , 2008. [Online; acessado em Abril-2015].
FREITAS , L. A.; COSTA , F. M.; ROCHA , R. C.; ALLEN , A. An architecture for a smart spaces virtual machine.
In: Proceedings of the 9th Workshop on Middleware for Next Generation Internet Computing, p. 7. ACM, 2014.
HELAL , S.; MANN , W.; EL-ZABADANI , H.; KING , J.; KADDOURA , Y.; JANSEN , E. The gator tech smart house:
A programmable pervasive space. Computer, 38(3):50–60, 2005.
HONKOLA , J.; LAINE , H.; BROWN , R.; TYRKKO , O. Smart-M3 information sharing platform. In: ISCC, p. 1041–
1046, 2010.

Referências (2/2)
KATASONOV , A.; PALVIAINEN , M. Towards ontology-driven development of applications for smart
environments. In: 2010 8th IEEE International Conference on Pervasive Computing and Communications
Workshops (PERCOM Workshops), p. 696–701. IEEE, 2010.
KOLOVOS , D. S.; PAIGE , R. F.; KELLY , T.; POLACK , F. A. Requirements for domain-specific languages. In:
Proceedings of the First ECOOP Workshop on Domain-Specific Program Development, 2006.
OPEN HAB UG. openHAB - Architectural Principles. http://www.openhab.org/features/introduction.html , 2015.
[Online; acessado em Julho-2015].
ROUSSAKI , I.; KALATZIS , N.; LIAMPOTIS , N.; FRANK , K.; SYKAS , E. D.; ANAGNOSTOU , M. Developing
context-aware personal smart spaces. In: Alencar, P.; Cowan, D., editors, Handbook of Research on Mobile
Software Engineering: Design, Implementation, and Emergent Applications, chapter 35, p. 659–676. IGI Global,
Hershey, PA, USA, 2012.
SCHMIDT , D. C. Guest editor’s introduction: Model-driven engineering. Computer, 39(2):0025–31, 2006.
SEIDEWITZ , E. What models mean. IEEE software, 20(5):26–32, 2003.
TAYLOR , N. Personal Smart Spaces. In: Ferscha, A., editor, Pervasive Adaptation: The Next Generation Pervasive
Computing Research Agenda, p. 79–80. Institute for Pervasive Computing, Johannes Kepler University Linz,
Linz, AUS, 2011.
VÖLTER , M.; S TAHL , T.; BETTIN , J.; HAASE , A.; HELSEN , S. Model-driven software development:
technology, engineering, management. John Wiley & Sons, 2013.
WEISER , M. The computer for the 21st century. Scientific american, 265(3):94–104, 1991.

Modelagem de Espaços Inteligentes
Pessoais e Espaços Inteligentes Fixos no
contexto de Cenários de Computação Ubíqua
Marcos Alves Vieira
Orientador: Prof. Dr. Sérgio Teixeira de Carvalho
marcosalves@inf.ufg.br
sergio@inf.ufg.br
26 de Fevereiro de 2016

Figura: Fases de uma Revisão Sistemática da Literatura.
Adaptado de (Kitchenham, 2004).

Figura: Fase de identificação dos trabalhos: trabalhos agrupados por ano de publicação e base de pesquisa.

Figura: Fase de identificação dos trabalhos: visão geral por base de pesquisa.

Figura: Fase de seleção: trabalhos rejeitados pelos critérios de exclusão.

Figura: Fase de extração: trabalhos rejeitados pelos critérios de exclusão.

Figura: Fase de seleção e extração: trabalhos rejeitados agrupados por ano de publicação e base de pesquisa.

Figura: Fase de extração: trabalhos incluídos agrupados por ano de publicação e base de pesquisa.

Figura: Origem das publicações.

Figura: Visão geral das formas de validação de metamodelos.

Figura: Visão geral das formas de avaliação de metamodelos.

Figura: Ferramentas utilizadas (a) na construção e (b) na validação de metamodelos.

Modelagem de Espaços Inteligentes Pessoais e Espaços Inteligentes Fixos no contexto de Cenários de Computação Ubíqua

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Modelagem de Espaços Inteligentes Pessoais e Espaços Inteligentes Fixos no contexto de Cenários de Computação Ubíqua

Semelhante a Modelagem de Espaços Inteligentes Pessoais e Espaços Inteligentes Fixos no contexto de Cenários de Computação Ubíqua (20)

Último

Último (7)

Modelagem de Espaços Inteligentes Pessoais e Espaços Inteligentes Fixos no contexto de Cenários de Computação Ubíqua

Notas do Editor