Abstract

Healthy people are important for any nation's development. Use of the Internet of Things (IoT)-based body area networks (BANs) is increasing for continuous monitoring and medical healthcare in order to perform real-time actions in case of emergencies. However, in the case of monitoring the health of all citizens or people in a country, the millions of sensors attached to human bodies generate massive volume of heterogeneous data, called "Big Data." Processing Big Data and performing real-time actions in critical situations is a challenging task. Therefore, in order to address such issues, we propose a Real-time Medical Emergency Response System that involves IoT-based medical sensors deployed on the human body. Moreover, the proposed system consists of the data analysis building, called "Intelligent Building," depicted by the proposed layered architecture and implementation model, and it is responsible for analysis and decision-making. The data collected from millions of body-attached sensors is forwarded to Intelligent Building for processing and for performing necessary actions using various units such as collection, Hadoop Processing (HPU), and analysis and decision. The feasibility and efficiency of the proposed system are evaluated by implementing the system on Hadoop using an UBUNTU 14.04 LTS coreTMi5 machine. Various medical sensory datasets and real-time network traffic are considered for evaluating the efficiency of the system. The results show that the proposed system has the capability of efficiently processing WBAN sensory data from millions of users in order to perform real-time responses in case of emergencies

چکیده

وجود افراد سالم برای توسعه‌ی هر ملیتی ضروری است. از شبکه‌های بدنیِ (BAN) مبتنی بر فناوری اینترنت اشیاء (IoT) به شکلی فزاینده برای نظارت مستمر بر سلامت افراد استفاده شده تا بتوان در شرایط اضطراری تدابیر بلادرنگ و سریعی را اتخاذ نمود. البته در صورت نظارت بر سلامت همه‌ی شهروندان و یا افراد یک کشور، میلیون‌ها حسگر که به بدن افراد متصل می‌باشد می‌تواند حجم زیادی از داده‌های ناهمگنی را که کلان داده‌ها نام دارد ایجاد نماید. پردازش کلان داده‌ها و انجام فعالیت‌های بلادرنگ در شرایط اضطراری را می‌توان امری چالش بر انگیز دانست و بنابراین برای حل چنین مسائلی اقدام به ارائه‌ی یک سیستم پاسخ اضطراری پزشکی بلادرنگ نموده‌ایم که شامل حسگرهای پزشکیِ مبتنی بر IoT که بر روی بدن سوار شده‌اند می‌باشد. علاوه بر این، سیستم پیشنهادی متشکل از یک بلاک تحلیل داده‌ها با نام "ساختمان هوشمند" بوده که به وسیله‌ی مدل پیاده سازی و معماریِ لایه‌بندی پیشنهادی ایجاد شده است و مسئولیت تحلیل و تصمیم‌گیری را بر عهده دارد. داده‌هایی که از میلیون‌ها حسگر متصل به بدن جمع‌آوری می‌شود، برای بلاک هوشمند فوروارد شده تا بتوان آن‌ها را پردازش کرده و در شرایط ضروری فعالیت‌های بلادرنگی را با استفاده از واحدهای مختلفی مانند واحد جمع‌آوری، پردازش هادوب (HPU) و تحلیل و تصمیم‌گیری اتخاذ نمود. امکان پذیری و بهره‌وری سیستم پیشنهادی، به وسیله‌ی پیاده سازی سیستم بر روی پلت فرم هادوب (از یک ماشین 5 هسته‌ای LTS از نوع UBUNTU 14.04 استفاده شده است) مورد ارزیابی قرار گرفته است. مجموعه‌های داده‌ای حسی مختلف و ترافیک شبکه‌ی بلادرنگ نیز برای ارزیابی بهره‌وری سیستم در نظر گرفته شده است. نتایج نشان می‌دهد که سیستم پیشنهادی این قابلیت را داشته که می‌تواند به شکلی کارآمد به پردازش داده‌های حسی WBAN میلیون‌ها کاربر پرداخته تا بتواند پاسخ‌های بلادرنگی را در شرایط اضطراری اتخاذ نماید.

1-مقدمه

با توجه به رشد سریع فناوری اینترنت اشیاء (IoT) در قرن 21، این فناوری به عنوان یک نقطه‌ی تکامل در فناوری اطلاعات و ارتباطات (ICT) در نظر گرفته شده است. در بخش بهداشت و درمان، استفاده از شبکه‌ی بدنی بی سیم (WBAN) را می‌توان یک نمونه‌ی جدید از شبکه‌های حسگر بی سیم (WSN) برای نظارت بر حسگرهای پزشکی دانست. حسگرهای موجود در WBAN، به بدن یا لباس انسان چسبیده تا بتوان پارامترهای پزشکی و فیزیکی فرد را اندازه‌گیری نمود [1-3]. چنین اندازه‌گیری‌هایی را می‌توان در سطح محلی تحلیل نموده و می‌توان آن را از طریق پروتکل اینترنتی نسخه‌ی 6 (IPv6) و آن‌ هم از طریق یک شبکه‌ی محلی شخصی کم توان (6LoWPAN) مورد تحلیل قرار داد....