->

ABSTRAIT

Cet article aborde la question de l’évaluation de la qualité de l’expérience (QoE) pour les applications de l’Internet des objets (IoT), avec une attention particulière au cas où le contenu multimédia est impliqué. Une architecture IoT en couches est d’abord analysée pour comprendre quels facteurs d’influence QoE doivent être pris en compte dans les scénarios d’application pertinents. Nous introduisons ensuite le concept d’IoT multimédia (MIoT) et définissons un modèle de QoE en couches visant à évaluer et à combiner les contributions de chaque facteur d’influence pour estimer la QoE globale dans les applications MIoT.

Enfin, nous présentons un cas d’utilisation lié à la surveillance à distance des véhicules lors des pratiques de conduite, qui sert à valider le modèle en couches proposé, et nous discutons d’un deuxième cas d’utilisation de la surveillance intelligente, pour souligner la généralité du cadre proposé. L’efficacité de l’évaluation des classes de facteurs d’influence séparément est démontrée.

CONTEXTE

Figure 1. Le modèle à quatre couches considéré pour les architectures IoT

Même s’il n’y a pas d’architecture IoT de référence, on peut dire qu’un modèle général à quatre couches est généralement suivi comme illustré à la figure 1. Une caractéristique majeure de ce modèle est l’utilisation de l’objet virtuel, qui est une représentation numérique de la objet physique. Une implémentation spécifique qui suit cette architecture est la solution iCore, qui exploite et exploite les capacités d’adaptation offertes par la plateforme en termes de propriétés de virtualisation, d’agrégation et d’abstraction.

ANALYSE PRÉLIMINAIRE

Figure 3. Scénarios d’IoT multimédia (MIoT)

Le premier scénario est représenté par le cas d’utilisation décrit à la figure 3a, où certaines caméras de surveillance enregistrent des images et du son d’un lieu. Ces informations multimédias sont collectées par une application IoT et présentées de manière multimédia (images, vidéos, audios) afin de fournir un service de contrôle de sécurité à distance. La figure 3b illustre le deuxième scénario. Une caméra enregistre des images de personnes qui souhaitent entrer dans un endroit où l’entrée n’est autorisée qu’aux personnes autorisées.

CADRE DE GESTION DE LA QOE EN COUCHES POUR LES APPLICATIONS MIOT

Figure 5. Cadre de l’application de véhicule MIoT pour le tutorat à distance pour les cours d’auto-école

La figure 5 montre le cadre de QoE proposé appliqué à cette application de véhicule spécifique. La couche de périphérique physique représente les périphériques physiques qui acquièrent les informations nécessaires à l’application; il s’agit d’un Arduino Mega 2560, des modules Telit UE910-EUR et SL869 et d’une caméra. L’Arduino Mega 2560 est connecté à l’interface de diagnostic embarquée (OBD-II) du véhicule et est capable d’acquérir les paramètres du véhicule. Pour ce cas d’utilisation, nous avons acquis les paramètres de vitesse et de révolutions par minute (rpm). Le module Telit SL869 est équipé d’un système de positionnement global (GPS), qui acquiert les coordonnées de position du véhicule avec la date et l’heure actuelles.

Figure 9. Résultats MOS avec IC à 95% comparant la présentation analogique et numérique des paramètres du véhicule étant égaux dans les autres conditions

Cela signifie que, dans cette application spécifique, les utilisateurs finaux sont plus intéressés par la précision et la synchronisation des données du véhicule que par la qualité des séquences vidéo. En ce qui concerne la présentation des données du véhicule, les MOS pour la présentation des données numériques ont, dans la majorité des cas, des valeurs légèrement plus élevées que les MOS pour la présentation des données analogiques, comme le montre la Figure 9. En fait, sauf pour les TC concernant les données retardées (TC3 , TC4, TC9, TC10), les utilisateurs ont préféré la visualisation des données numériques. Cela pourrait être dû au fait que les indicateurs numériques sont plus précis que les indicateurs analogiques, car l’utilisateur peut connaître les valeurs exactes de la vitesse et du régime du véhicule.

DÉFIS ET CONCLUSIONS FUTURS

L’Internet des objets englobe une énorme pléthore d’applications qui seront déployées grâce à la combinaison d’informations et de services fournis par des objets hétérogènes, exploitant également la coopération d’objets opportunistes. Ceux-ci peuvent également être déployés à la volée en fonction des besoins temporaires des utilisateurs. Dans ce scénario, l’évaluation de la QoE devient encore plus difficile que ce qui caractérise les scénarios d’applications fixes et bien définis, tels que ceux liés à la voix et à la visioconférence. Avec le modèle QoE en couches proposé, nous avons l’intention de simplifier l’évaluation et la combinaison des contributions de chaque facteur d’influence pour estimer la QoE globale dans l’IoT, en accordant une attention particulière aux applications multimédia IoT.

Alors que la méthodologie proposée donne des orientations à cet égard, il existe des facteurs clés qui peuvent être des obstacles à son utilisation, et il reste des défis à relever dans tous les cas pour la rendre efficace. L’un des obstacles majeurs est l’adoption d’une architecture IoT de référence, qui est loin d’être acceptée par la communauté concernée. Alors que nous pensons que la composition des services simples continuera d’exister (et ensuite, la couche de combinaison pertinente dans notre modèle), car c’est une caractéristique clé de l’Internet des services que nous utilisons depuis au moins une décennie, le le rôle du rôle clé de l’objet virtuel reste à prouver.

En particulier, le VO pourrait être divisé en différentes fonctionnalités, certaines implémentées dans l’objet physique et d’autres dans le cloud, de sorte que la couche pertinente de notre modèle devrait être divisée en conséquence. Quant aux défis, même s’ils sont insignifiants, il convient de mentionner que plusieurs modèles manquent encore pour rendre la proposition efficace. Pour n’en citer qu’un, la QoD pour le signal vidéo doit encore être définie, et seuls quelques-uns des modèles existants peuvent être appliqués à notre cas. De plus, la présence d’objets de différence appartenant également à des personnes et à une organisation différentes nécessite que la qualité fournie par chaque objet et communiquée au VO soit fiable, et pour cela, des mesures appropriées doivent être prises pour évaluer la fiabilité des objets à cet égard.

Source: Université de Cagliari
Auteurs: Alessandro Floris | Luigi Atzori

Télécharger le projet