Leverage edge computing architecture and time series databases to foster scalability of bridge monitoring: an applied case study

This work focuses on the decentralization of algorithms computation combining Edge nodes and Time Series databases usage in Structural Health Monitoring (SHM) systems for bridges. The research aims to enhance the data management and exchange between bridge monitoring system components and diminish the bandwidth usage and the computational power required for the server using gateways installed on the bridges as Edge computation nodes. The study employs real data gathered from monitored bridges equipped with different sensor types, providing a good starting point regarding data requirements, velocity, and volume. The proposed architecture is compared with the commonly used centralized one, to achieve results regarding throughput latency, data bandwidth usage, and workload balance. Furthermore, this research explores data storage techniques for SHM scenarios. Specifically, there is a comparison of the most suitable technologies for Big-Data applications, considering the volume of data and the need for a real-time approach to compute analytics from the sensor’s acquired data, so the ingestion time is also considered. In summary, this Thesis proposes an applied case study of a hybrid architecture for a bridge monitoring system that uses decentralized architecture, edge computing, time series databases, and data engineering processes. The combination of these techniques not only allows for improving the scalability and repeatability of the system but also provides a valuable applied example for new architectural research regarding this specific growing context.

Questa lavoro si concentra sulla decentralizzazione degli algoritmi di calcolo combinando nodi Edge e database di serie temporali nei sistemi di monitoraggio della salute strutturale per i ponti. La ricerca mira a migliorare la gestione e lo scambio di dati tra i componenti del sistema di monitoraggio dei ponti e a ridurre l’utilizzo della larghezza di banda e la potenza di calcolo richiesta dal server, utilizzando i gateway installati sui ponti come nodi di calcolo Edge. Lo studio utilizza dati reali raccolti da ponti monitorati e dotati di diversi tipi di sensori, fornendo un buon punto di partenza per quanto riguarda i requisiti, la velocità e il volume dei dati. L’architettura proposta viene confrontata con quella centralizzata (più comunemente utilizzata), per ottenere risultati relativi alla latenza del throughput, all’utilizzo della larghezza di banda dei dati e al bilanciamento del carico di lavoro. Inoltre, questa ricerca esplora le tecniche di archiviazione dei dati per gli scenari SHM. In particolare, vengono confrontate le tecnologie più adatte per le applicazioni Big-Data, considerando il volume dei dati e la necessità di un approccio in tempo reale per effettuare le analisi dai dati acquisiti dai sensori, per cui viene considerato anche il tempo di ingestione. In sintesi, questa tesi propone un caso di studio applicato di un’architettura ibrida per un sistema di monitoraggio di ponti che utilizza un’architettura decentralizzata, l’edge computing, i database delle serie temporali. La combinazione di queste tecniche non solo consente di migliorare la scalabilità e la ripetibilità del sistema, ma fornisce anche un riferimento di ricerca architetturale per sistemi in questo contesto.