Plataforma Software Extensible para Campus Inteligente Basada en Microservicios

Headnote

Resumen: En el contexto de campus inteligente, gran parte de las investigaciones se han centrado en resolver un problema particular, como monitoreo ambiental o estacionamiento inteligente, pero no presentan una solución que permita la integración, interconexión y optimización de la tecnología IoT desarrollada para cada contexto. Este artículo propone una plataforma software parcialmente autónoma para campus inteligente, que brinda las bases y soporte tecnológico en todos los niveles de la infraestructura IoT. Se presenta la arquitectura de cada componente de la plataforma, sus propiedades de autonomía, escalabilidad y la validación realizada mediante la implementación de un prototipo y un caso de estudio simple.

Palabras-clave: Internet de las Cosas, Campus Inteligente, Microservicios, Computación Autónoma, Escalabilidad.

Abstract: In the smart campus context, large of the research proposals have focused on solving a particular problem , such as environmental monitoring or intelligent parking, but doesn't present a solution that allows the integration, interconnection and optimization of IoT technology developed for each context. This article proposes a partially autonomous software platform for Smart campus, providing the foundations and technological support in all IoT infrastructure levels. This paper introduces the architecture of each platform component, its autonomy properties, scalability, and validation performed by deploying a prototype and a simple case study.

Keywords: Internet of Things, Smart Campus, Microservices, Autonomic Computing, Scalability.

1.Introducción

En el contexto de la era digital y gracias a la proliferación de dispositivos especializados de bajo costo, la estandarización de protocolos de comunicación y la llegada de nuevas tecnologías como el 5G, cada vez es más común el uso del IoT en ambientes cotidianos. Las tendencias muestran que el IoT continuará brindando nuevas oportunidades para la innovación durante la próxima década. De acuerdo con (Omale, 2018) pasaremos de 14.2 millardos de dispositivos conectados en 2019 a 25 millardos en el 2021.

En el área de Campus Inteligente, el desarrollo IoT ha permitido gestionar contextos específicos de aplicación como la medición del ambiente, seguridad de edificios y áreas del campus, ocupación de salones, gestión de parqueaderos, laboratorios, entre otros. Sin embargo, se encontró que entre las principales dificultades para la implementación del campus inteligente están la falta de una infraestructura software adecuada para tratar aspectos como heterogeneidad de dispositivos, lenguajes, sistemas Operativos, entre otros; costo asociado al uso de plataformas propietarias como Azure, y AWS; alta disponibilidad, tolerancia a fallos, escalabilidad a nivel de dispositivos, aplicaciones y usuarios; y la facilidad de administración.

Por esta razón, desde la ingeniería del software existe el desafío de diseñar e implementar en el contexto del campus inteligente una plataforma escalable para responder adecuadamente a la demanda de los diferentes servicios, extensible para la implementación o evolución de los componentes en cada contexto de aplicación, que sea tolerante a fallos, administrable y con alta usabilidad para todos los actores del campus.

En el presente trabajo se muestra cómo desde un enfoque de microservicios y de herramientas open source se puede lograr la interoperabilidad de plataformas, abordar los anteriores desafíos y dotar de capacidades autónomas al campus inteligente de próxima generación.

El artículo está organizado de la siguiente forma: la sección 2 presenta el trabajo relacionado en el contexto de Smart Campus y Arquitecturas escalables basadas en microservicios, la sección 3 describe el diseño y arquitectura propuesto para la plataforma de campus inteligente, la sección 4 muestra la validación de la plataforma y en la sección 5 las conclusiones y trabajo futuro.

2.Trabajo Relacionado

La noción de Smart Campus es fundamental para numerosas investigaciones en el contexto de IoT y como se presenta en los trabajos de (Pagliaro et al, 2016) y (Adamkó, Kadek & Kósa, 2014) es equiparable en muchos aspectos a la noción de Smart City, de hecho, es posible hablar de un Campus inteligente como un modelo a una escala más pequeña de una ciudad inteligente; esta noción no está estandarizada o unificada y cada trabajo desarrollado en este contexto presenta una visión propia de lo que puede ser una arquitectura IoT, que satisface determinadas necesidades en un campus universitario.

Uno de los problemas que se pueden abordar es la recolección de información del entorno en tiempo real y su correcta presentación para apoyar la toma de decisiones, como se aprecia en el trabajo de (Monti, Prandi & Mirri, 2018) donde se propone una arquitectura que permite monitorear parámetros de un campus universitario como calidad del aire, temperatura ambiental, imagen de un lugar, y demás datos que posteriormente son tratados y enlazados con información complementaria para ser publicados; este trabajo se complementa con (Prandi, Monti, Ceccarini & Salomoni, 2019) donde se realiza la implementación de un caso de estudio para visualizar la información de los lugares del campus y se analiza la interacción de los usuarios con la plataforma. Las soluciones presentadas en estos trabajos pueden ser complementadas agregando la posibilidad de actuar sobre el entorno con una comunicación bidireccional y la inclusión de actuadores en la arquitectura propuesta.

Otros enfoques buscan resolver problemas más concretos abarcando uno o diferentes contextos específicos dentro del campus inteligente, como la posibilidad de determinar la cantidad de ocupantes en un edificio inteligente (Lilis, Hoffet & Kayal, 2016), aulas de clase inteligentes (Gerval & Le Ru, 2016), (Bargaoui & Bdiwi, 2014) y (Yuliantoputri, Muhamad & Suhardi, 2019), sistemas de seguimiento inteligente similares al trabajo de (Tang, Shi & Lei, 2016), plataformas de parqueo inteligente (Somani, Periwal, Patel & Gaikwad, 2018), control inteligente del alumbrado del campus (Hussain, Qiu & Yue, 2019) y un gran número de investigaciones que dan solución a problemas particulares. En el trabajo de (Narendrakumar & Pillai, 2017) se presenta una arquitectura para monitorear de manera inteligente la temperatura y el uso del agua en un campus, así como una aplicación para administrar la infraestructura asociada, es interesante la capacidad de extensibilidad de esta última propuesta, que podría ser complementada con componentes para la administración de la infraestructura.

También podemos encontrar trabajos enfocados en las arquitecturas basadas en microservicios que buscan brindar soluciones en el contexto IoT y que no son explícitamente para campus inteligente, en este punto, es importante considerar aspectos como la escalabilidad, alta disponibilidad, tolerancia a fallos y administración del sistema; como el trabajo de (Miladinovic & Schefer-Wenzl, 2018) donde con las capacidades de la virtualización de funciones de red, se propone una visión de una arquitectura IoT para un entorno de sala de operaciones, en ese trabajo algunos casos de uso tienen un tiempo de respuesta crítico y se tienen en cuenta aspectos como la escalabilidad y alta disponibilidad, pero no está enfocado en la tolerancia a fallos o la administración del sistema.

En (Hasselbring & Steinacker, 2017) podemos encontrar una propuesta para E-commerce basada en microservicios, que presenta la descomposición de responsabilidades a través de los componentes, lo que permite comprender la propuesta de escalabilidad, agilidad y dos aspectos muy importantes en este contexto: la tolerancia a fallos y la fiabilidad de las transacciones, adicionalmente menciona la monitorización de los microservicios que es una tarea fundamental para la administración de la plataforma.

Finalmente encontramos trabajos con un enfoque interesante hacia el desarrollo de arquitecturas basadas en microservicios, en (Butzin, Golatowski & Timmermann, 2016) se presenta un estudio sobre las diferentes arquitecturas de microservicios enfocadas en la aplicación para el Internet de las Cosas, las técnicas de desarrollo, despliegue, tecnologías para la implementación, monitorización y orquestación que permitan la escalabilidad y autónoma de los servicios. En (Mayer & Weinreich, 2017) el trabajo está concentrado totalmente en la monitorización de microservicios, exponiendo el tipo de métricas que se pueden usar, la información recopilada y un tablero de visualización para el comportamiento o rendimiento de cada componente desplegado.

Todas estas soluciones presentadas están orientadas a resolver problemas particulares o presentar soluciones más generales en el contexto IoT, el trabajo que se presenta busca integrar las soluciones de cada contexto en una misma infraestructura para mejorar su administración, escalabilidad, autonomía y uso de recursos, a continuación, se presenta la arquitectura de la plataforma campus inteligente propuesta en esta investigación.

3.Plataforma Campus Inteligente

En esta sección se presenta el diseño de la plataforma campus inteligente, inicialmente el modelo conceptual, seguido por los conceptos principales y sus relaciones, finalmente se muestran las propiedades principales de la arquitectura tales como la noción de escalabilidad y autonomía propuestas.

3.1.Modelo Conceptual

La visión de campus inteligente de esta investigación se presenta mediante el diagrama del modelo conceptual en la figura 1.

En este modelo una aplicación en la plataforma se entiende como:

* Un conjunto de gateways que integra sensores, actuadores y los componentes software desplegado en los gateways.

* Un backend que integra datos y permite administrar los gateways.

* Un conjunto de componentes de un contexto específico que pueden interactuar con los gateways a través del backend.

Un gateway es un dispositivo hardware con capacidad de comunicación y de cómputo. Los gateways están encargados de integrar sensores y actuadores que no tienen autonomía de comunicación directa, además en el gateway se pueden desplegar componentes software capaces de tareas específicas. Un gateway puede estar compartido entre varias aplicaciones.

El backend está encargado de la comunicación de doble vía con los gateways con tres objetivos principales: (i) administrar los gateways y sus dispositivos, (ii) integrar los datos que se recogen desde los gateways, (iii) permitir la comunicación entre los componentes externos de cada contexto y los gateways.

Los componentes de contexto proveen diversos tipos de funciones a las aplicaciones desplegadas en la plataforma: tomar decisiones en tiempo real basadas en los datos recogidos que impliquen utilizar los actuadores en el entorno, presentar interfaces de visualización de los datos recogidos, agregar una capa de administración específica a la plataforma, etc.

Para desplegar una aplicación en el campus inteligente se necesita entonces: (i) indicar los gateways que conformarán la aplicación, (ii) desplegar componentes software en los gateways, (iii) desplegar las componentes software del contexto específico.

3.2.Infraestructura

En la figura 2 se presenta la arquitectura general de plataforma campus inteligente y sus componentes. El primer componente es el backend compuesto por microservicios que se encargan de procesar las diferentes solicitudes y almacenar a largo plazo la información, también integra un bróker que permite una comunicación asincrónica y se encarga de recibir la información de cada tópico para enviarla a todas las aplicaciones suscritas, otro componente es el servidor frontend que está conformado por una aplicación de una sola página diseñada para el fácil acceso a las diferentes opciones de administración de los dispositivos IoT, el framework gateway es una herramienta que facilita la configuración y comunicación de los diferentes dispositivos, tiene acceso a un almacenamiento limitado y temporal que se borra periódicamente.

A continuación, se presenta brevemente cada componente de la arquitectura campus inteligente.

Backend

El backend es el encargado del procesamiento de las solicitudes de administración para componentes como gateways, procesos y dispositivos, también se encarga del almacenamiento a largo plazo de los datos enviados por los diferentes dispositivos de la plataforma. Está conformado por cinco componentes: dos bases de datos que permiten separar la información de administración de los mensajes recibidos en los diferentes tópicos y tres microservicios, el microservicio de administración que se conecta con su respectiva base de datos y es el encargado de registrar, modificar y eliminar elementos del sistema, el microservicio de datos que se encarga de la recepción, envío y almacenamiento de los diferentes datos generados en el sistema y finalmente el microservicio encargado de monitorear los demás microservicios para conocer su estado en tiempo real.

El bróker es un elemento fundamental para las comunicaciones y hace uso de protocolos con bajo consumo energético que son comunes en IoT, su función es recibir los mensajes provenientes de los gateways, almacenarlos temporalmente en una cola para que el backend pueda procesarlos y almacenarlos a largo plazo, también puede enviar los mensajes a las aplicaciones suscritas en tópicos específicos permitiendo la transmisión de datos en tiempo real.

Aplicación de Administración

La aplicación de administración fue diseñada para facilitar las diferentes tareas que se realizan en la plataforma, se contemplan dos tipos de usuarios: a) los administradores del sistema que pueden ver y gestionar su perfil, aplicaciones, gateways, dispositivos, datos y notificaciones, b) los super usuarios poseen las mismas capacidades de un administrador y adicionalmente pueden ver y gestionar las cuentas de los demás usuarios. La función principal de esta aplicación es permitir la administración de los dispositivos de la plataforma, por lo tanto, no se considera un rol de consulta de información y no se incluye la administración de los microservicios desplegados en el servidor backend, también posee la capacidad de recibir mensajes del bróker para actualizar en tiempo real el estado de los diferentes dispositivos desplegados en la plataforma.

Gateway

En la figura 3 se puede apreciar en detalle la arquitectura de los componentes desplegados dentro del gateway, estos componentes se diseñaron pensando en la autonomía y extensibilidad, el framework diseñado hace uso de diferentes microservicios para el control de procesos, almacenamiento temporal de datos, recepción de instrucciones de administración y envío de mensajes al bróker, el bus de eventos es el encargado de la comunicación con los procesos, el servicio web permite la comunicación con el backend y el cliente bróker permite el envío de mensajes, los servicios comunes contienen la lógica para procesar las solicitudes y configuraciones del gateway.

3.3.Propiedades

A continuación, se exponen las propiedades de escalabilidad y las propiedades de autonomía de la plataforma campus inteligente.

Escalabilidad

La propuesta de escalabilidad para la plataforma campus inteligente está orientada a la infraestructura y aplicaciones, como se aprecia en la figura 4, de acuerdo con las necesidades propias de cada contexto, el primer eje está orientado al nivel de aplicaciones, ya que en la plataforma se pueden desplegar diferentes aplicaciones que compartan la misma infraestructura. Un gateway y sus respectivos sensores y actuadores pueden ser compartidos por dos aplicaciones, por ejemplo, los datos provenientes de un sensor de luz podría ser usados tanto por una aplicación de parqueo inteligente, cómo por una aplicación de monitoreo ambiental; adicionalmente los desarrolladores de cada aplicación pueden enlazar componentes específicos de cada contexto para cumplir requerimientos del modelo de negocios, en este sentido la plataforma puede escalar en el número de aplicaciones que soporta dentro del campus inteligente.

El segundo eje está orientado a la escalabilidad de la infraestructura IoT desplegada en el campus, al aumentar el número de aplicaciones, también es necesario soportar el despliegue de nuevos dispositivos (sensores, actuadores o gateways), nuevos componentes software, y el despliegue de diferentes instancias de los servicios que brindan soporte a una o muchas aplicaciones, en este sentido la plataforma permite escalar el número de componentes acorde a la demanda de las aplicaciones desplegadas.

Autonomía

La motivación de trabajar con computación autónoma surge de la necesidad de dotar a los sistemas IoT de cierto grado de autonomía, permitiendo facilitar las labores de gestión, adaptabilidad, corrección de fallos y tareas generales sin la necesidad de intervención humana a medida que aumenta la complejidad y tamaño de los componentes instalados.

Desde la perspectiva arquitectónica del campus inteligente se pueden definir niveles de autonomía en cada uno de sus componentes, en la Figura 5 se presenta el modelo de adopción autonómico propuesto por IBM (Lalanda, McCann & Diaconescu, 2013) para hacer la transición del componente de microservicios existente al nivel de madurez de los futuros sistemas autónomos. Donde el eje x corresponde al aumento de las funciones autónomas y el eje y a los alcances crecientes sobre los cuales se pueden aplicar las funciones autónomas.

Cada nivel de funcionalidad adaptado al control de componentes más complejos permite mejorar la autonomía del sistema, los tres primeros niveles abordados en este trabajo pueden ser definidos con un enfoque a microservicios de la siguiente forma:

Nivel 1 - Básico: los profesionales de TI gestionan cada microservicio de forma independiente. Se considera el punto de partida para la implementación del sistema autonómico.

Nivel 2 - Gestionado: se utilizan sistemas de gestión para recopilar y presentar la información de los microservicios asociados a consulta de estados, almacenamiento y comunicación con gateways. La arquitectura presentada se sitúa en este nivel ya que es capaz de monitorear el estado de los componentes desplegados, independientemente de su tipo.

Nivel 3 - Predictivo: se dota el sistema con capacidades de análisis para correlacionar datos e identificar patrones de los microservicios. Al utilizar contenedores, se pueden monitorizar el rendimiento y el estado del entorno de ejecución mediante las métricas de consumo de energía, CPU, memoria y red, host, estado y periodos de actividad; o métricas a nivel del nodo como almacenamiento, contenedores y versiones.

4.Validación

La validación del diseño propuesto se realizó mediante la implementación de un prototipo de la plataforma campus inteligente, también se desplegó un caso de estudio simple, a continuación, se presentan los resultados obtenidos.

4.1. Prototipo Plataforma Campus Inteligente

La implementación de un prototipo de la plataforma campus inteligente se realizó mediante un conjunto de herramientas de código abierto que permiten la independencia tecnológica y reducción de costos, los protocolos de comunicación usados son HTTP para la transferencia de información hacia el backend, AMQP y MQTT para el envío de mensajes principalmente desde el gateway hacía el bróker y las aplicaciones suscritas, finalmente TCP para la comunicación entre los procesos y el gateway.

En la implementación del backend se usó el lenguaje de programación JAVA y el framework Spring Boot, también se usó MySQL en la base de datos de administración y MongoDB en la base de datos de mensajes el bróker no fue implementado, en su lugar se usó un bróker ya existente dentro de la comunidad open source llamado ActiveMQ.

La aplicación frontend de administración se realizó mediante tecnologías como HTML, CSS, JavaScript y AngularJS para construir una aplicación de una sola página, en la figura 6 se puede ver el menú principal de la aplicación de administración del sistema, donde se pueden gestionar los diferentes gateways, procesos, dispositivos, aplicaciones y (en caso de ser super usuario) usuarios.

La implementación de los microservicios que componen el framework gateway se realizó en el lenguaje de programación JAVA y el framework Spring Boot, la base de datos usada fue MongoDB, además existe la posibilidad de desplegar un proceso de tres formas distintas: la primera, es desplegar el proceso en la máquina virtual de JAVA haciendo uso del framework implementado VertX , esto permite una comunicación directa con el framework gateway y la posibilidad de desplegar procesos de forma remota, la segunda forma es desplegar el proceso en el mismo sistema operativo del gateway haciendo uso del lenguaje de preferencia y la última forma es desplegar el proceso en un dispositivo externo, en las últimas dos alternativas la comunicación se hace a través del bus de eventos por el protocolo TCP, el código fuente de la plataforma pueden encontrarse en el repositorio del grupo de investigación CAGE - UIS (CAGE, 2020).

4.2.Caso de Estudio Laboratorio Smart Campus

El contexto del caso de estudio es un equipo en un laboratorio del campus donde se debe monitorear constantemente la temperatura al interior y el voltaje de llegada, estos valores deben estar en unos rangos establecidos y en caso de registrar valores anormales se deben tomar acciones lo más rápido posible. Para monitorear y generar alarmas en caso de aumento de temperatura o caída de voltaje se implementaron los dispositivos que se muestran en la figura 7, un dispositivo Intel galileo donde se desplegaron dos procesos programados en Python encargados de recibir y enviar los valores de temperatura y voltaje a un dispositivo Raspberry pi A en el que se encuentra desplegado el framework gateway.

La tarjeta Raspberry pi A además de recibir y enviar los datos de los dos sensores, tiene conectado el actuador más importante, una alarma de temperatura que activa un LED cuando la temperatura registrada aumenta; adicionalmente existe un gateway Raspberry B que tiene desplegado el proceso para activar la alarma de voltaje, que será disparada cuando el voltaje disminuya del umbral determinado.

Los gateways Raspberry A y Raspberry B solo se comunican a través del bróker y los diferentes servicios del servidor backend; al realizar las pruebas con los sensores variando la temperatura y el voltaje se activaron adecuadamente las alarmas.

5.Conclusiones y Trabajo Futuro

La plataforma Smart Campus presentada realiza dos aportes centrales, el primero un modelo conceptual utilizado para el desarrollo de aplicaciones de Campus Inteligentes basadas en IoT, y el segundo, una infraestructura software que soporta este modelo conceptual y provee un conjunto de propiedades para facilitar el desarrollo de las aplicaciones de este tipo.

La plataforma Smart Campus provee la capacidad de ser utilizada en diversos contextos específicos de un campus universitario inteligente, permitiendo obtener una mayor independencia tecnológica, reducción de costos de implementación y la capacidad de adaptarse a las necesidades específicas de cada universidad.

Tanto la arquitectura del backend, cómo la arquitectura del framework gateway fueron diseñadas pensando en ser extensibles, por lo que es posible introducir nuevos microservicios para soportar más funcionalidades en estos componentes de acuerdo con las necesidades específicas de cada campus.

La validación mediante la implementación de un prototipo permitió comprobar la compatibilidad entre los componentes, métodos y protocolos de comunicación, así como el conjunto de tecnologías seleccionadas para el despliegue de la plataforma.

Como trabajo futuro se puede implementar o desplegar modelos predictivos dentro de la arquitectura, y extender el nivel de monitorización de los elementos no solo a microservicios y procesos, de esta forma se puede alcanzar un mayor nivel de autonomía dentro de la arquitectura propuesta.

Es prudente realizar un plan de pruebas que permita documentar detalladamente el rendimiento, escalabilidad y extensibilidad de la arquitectura en diferentes escenarios y a mayor escala, teniendo en cuenta más métricas de trabajo, y escenarios donde se puedan integrar un mayor número de dispositivos IoT.

Para los administradores sería de utilidad visualizar el estado de los diferentes microservicios desplegados, sus instancias y las instancias de bases de datos, todo esto haciendo uso de herramientas de administración existentes o proponiendo nuevos componentes que aprovechen los monitores autónomos que ya están integrados en la arquitectura.

References

Referencias

Adamkó, A., K&acaron;dek, T., & Kósa, M. (2014, November). Intelligent and adaptive services for a smart campus. In 2014 5th IEEE Conference on Cognitive Infocommunications (CogInf°Com) (pp. 505-509). IEEE. doi: 10.1109/CogInf°Com.2014.7020509.

Bargaoui, H., & Bdiwi, R. (2014, November). Smart classroom: Design of a gateway for ubiquitous classroom. In 2014 International Conference on Web and Open Access to Learning (ICWOAL) (pp. 1-4). IEEE. doi: 10.1109/ICWOAL.2014.7009206.

Butzin, B., Golatowski, F., & Timmermann, D. (2016, September). Microservices approach for the internet of things. In 2016 IEEE 21st International Conference on Emerging Technologies and Factory Automation (ETFA) (pp. 1-6). IEEE. doi: 10.1109/ETFA.2016.7733707.

CAGE. (2020, 07 20). Repositorio grupo de investigación CAGE. Retrieved from https://github.com/SC3UIS/smart-campus.

Gerval, J. P., & Le Ru, Y. (2016). Smart classroom. In Smart education and e-learning 2016 (pp. 415-422). Springer, Cham. doi:10.1007/978-3-319-39690-3_37.

Hasselbring, W., & Steinacker, G. (2017, April). Microservice architectures for scalability, agility and reliability in e-commerce. In 2017 IEEE International Conference on Software Architecture Workshops (ICSAW) (pp. 243-246). IEEE. doi: 10.1109/ ICSAW.2017.11.

Hussain, B., Qiu, C., & Yue, C. P. (2019, October). Smart Lighting Control and Services Using Visible Light Communication and Bluetooth. In 2019 IEEE 8th Global Conference on Consumer Electronics (GCCE) (pp. 1-2). IEEE. doi: 10.1109/ GCCE46687.2019.9014635.

Lilis, G., Hoffet, A., & Kayal, M. (2016, April). GeoAware: A hybrid indoor and outdoor localization agent for smart buildings. In 201618th Mediterranean Electrotechnical Conference (MELECON) (pp. 1-6). Ieee. doi: 10.1109/MELCON.2016.7495392.

Lalanda, P., McCann, J. A., & Diaconescu, A. (2013). Autonomic computing: principles, design and implementation. Springer Science & Business Media. (pp 41-42) ISBN 978-1-4471-5007-7.

Mayer, B., & Weinreich, R. (2017, April). A dashboard for microservice monitoring and management. In 2017 IEEE International Conference on Software Architecture Workshops (ICSAW) (pp. 66-69). IEEE. doi: 10.1109/ICSAW.2017.44.

Miladinovic, I., & Schefer-Wenzl, S. (2018, February). NFV enabled IoT architecture for an operating room environment. In 2018 IEEE 4th World Forum on Internet of Things (WF-IoT) (pp. 98-102). IEEE. doi: 10.1109/WF-IoT.2018.8355128.

Monti, L., Prandi, C., & Mirri, S. (2018, November). Iot and data visualization to enhance hyperlocal data in a smart campus context. In Proceedings of the 4th EAI International Conference on Smart Objects and Technologies for Social Good (pp. 1-6). doi: 10.1145/3284869.3284878.

Narendrakumar, T., & Pillai, A. S. (2017, July). Smart connected campus. In 2017 International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT) (pp. 1591-1596). IEEE. doi: 10.1109/ ICICICT1.2017.8342808.

Omale, G. (2018, November) Gartner Identifies Top 10 Strategic IoT Technologies and Trends. Gartner Symposium/ITxpo 2018. Recuperado desde: https://www.gartner. com/en/newsroom/press-releases/2018-11-07-gartner-identifies-top-10-strategiciot-technologies-and-trends.

Pagliaro, F., Mattoni, B., Gugliermenti, F., Bisegna, F., Azzaro, B., Tomei, F., & Catucci, S. (2016, June). A roadmap toward the development of Sapienza Smart Campus. In 2016 IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC) (pp. 1-6). IEEE. doi: 10.1109/EEEIC.2016.7555573.

Prandi, C., Monti, L., Ceccarini, C., & Salomoni, P. (2019). Smart campus: Fostering the community awareness through an intelligent environment. Mobile Networks and Applications (pp. 1-8). doi: 10.1007^11036-019-01238-2.

Somani, A., Periwal, S., Patel, K., & Gaikwad, P. (2018, January). Cross Platform Smart Reservation Based Parking System. In 2018 International Conference on Smart City and Emerging Technology (ICSCET) (pp. 1-5). IEEE. doi: 10.1109/ ICSCET.2018.8537282.

Tang, H., Shi, J., & Lei, K. (2016, June). A smart low-consumption IoT framework for location tracking and its real application. In 2016 6th international conference on electronics information and emergency communication (iceiec) (pp. 306-309). IEEE. doi: 10.1109/ICEIEC.2016.7589744.

Yuliantoputri, A. R., Muhamad, W., & Suhardi, S. (2019, November). Smart Classroom Services System Design Based on Services Computing System. In 2019 International Conference on ICT for Smart Society (ICISS) (Vol. 7, pp. 1-6). IEEE. doi: 10.1109/ ICISS48059.2019.8969809.