Internet of underwater things

L'Internet of Underwater Things (IoUT) è una rete di dispositivi interconnessi progettata per operare in ambienti sommersi. Questa tecnologia consente la raccolta, l'elaborazione e la trasmissione di dati da e verso il mondo subacqueo, offrendo strumenti avanzati per il monitoraggio degli ecosistemi acquatici, la gestione delle risorse marine e la ricerca scientifica.

L'IoUT si colloca nell'ambito dell'Internet of Things (IoT), ma si differenzia per le sue caratteristiche tecniche e funzionali necessarie per affrontare le sfide uniche degli ambienti acquatici, come la propagazione limitata dei segnali e l'efficienza energetica dei dispositivi.

Caratteristiche tecniche

Le tecnologie utilizzate nell'IoUT devono rispondere a specifiche esigenze subacquee, in particolare:

Comunicazioni subacquee: le onde radio, comunemente usate nell'IoT terrestre, si attenuano rapidamente in acqua. Di conseguenza, l'IoUT si affida principalmente a segnali acustici per la trasmissione a lungo raggio, a segnali ottici per comunicazioni rapide su brevi distanze e, in alcuni casi, a onde elettromagnetiche per applicazioni specifiche.
Efficienza energetica: la difficoltà di ricaricare i dispositivi sommersi richiede l'uso di tecnologie a basso consumo energetico, con batterie a lunga durata o soluzioni energetiche innovative, come la generazione di energia dal moto ondoso.
Resilienza ambientale: i dispositivi IoUT devono essere progettati per resistere a condizioni estreme, come elevata pressione, salinità, corrosione e temperature variabili.

Componenti principali

L'IoUT è composto da diversi elementi, ciascuno con un ruolo specifico:

Sensori subacquei intelligenti: dispositivi che monitorano parametri come temperatura, pressione, salinità, livelli di ossigeno, pH e la presenza di sostanze inquinanti.
Veicoli autonomi subacquei (AUV): robot subacquei dotati di sensori e sistemi di comunicazione, utilizzati per raccogliere dati in aree difficili da raggiungere.
Gateway di comunicazione: piattaforme galleggianti o sommerse che fungono da ponte tra i sensori subacquei e le reti terrestri, sfruttando tecnologie come LoRa, Wi-Fi o comunicazioni satellitari.
Algoritmi di analisi e machine learning: strumenti avanzati per elaborare i dati raccolti e trasformarli in informazioni utili, come la previsione di eventi o l'ottimizzazione delle reti.

Applicazioni

L'IoUT trova impiego in numerosi settori, tra cui:

Monitoraggio ambientale

Misurazione della qualità dell'acqua in tempo reale.
Sorveglianza degli ecosistemi marini per rilevare cambiamenti climatici o fenomeni di inquinamento.
Studio della biodiversità per comprendere l'impatto delle attività umane sugli habitat marini.

Industria e risorse naturali

Supporto alle operazioni di estrazione di petrolio e gas offshore.
Gestione degli allevamenti ittici e ottimizzazione della produzione.
Monitoraggio delle risorse energetiche rinnovabili, come le turbine sottomarine.

Difesa e sicurezza

Rilevamento di oggetti sommersi, come mine o relitti.
Sorveglianza navale per il controllo delle frontiere marittime.

Ricerca scientifica

Esplorazione di aree inesplorate del fondale oceanico.
Studio delle correnti marine, del ciclo del carbonio e di altri fenomeni oceanografici.

Prevenzione dei disastri

Rilevamento e monitoraggio di tsunami o mareggiate.
Individuazione precoce di fuoriuscite di petrolio o altre emergenze ambientali.

Sfide

Lo sviluppo dell'IoUT comporta diverse problematiche:

Limitazioni tecnologiche: lentezza e instabilità delle comunicazioni acustiche rispetto a quelle terrestri.
Costi elevati: la progettazione, la produzione e la manutenzione dei dispositivi subacquei richiedono investimenti significativi.
Scalabilità: espandere le reti IoUT su larga scala senza compromettere l'efficienza operativa è una sfida ancora aperta.
Sicurezza: le reti subacquee sono vulnerabili ad attacchi informatici e fisici.

Prospettive future

L'IoUT è destinato a giocare un ruolo cruciale nello sviluppo della Blue Economy, favorendo la gestione sostenibile delle risorse marine e la protezione degli ecosistemi. Gli investimenti in ricerca e sviluppo stanno accelerando l'adozione di tecnologie come:

Sistemi ibridi di comunicazione per superare le limitazioni attuali.
Algoritmi di intelligenza artificiale per ottimizzare la raccolta e l'analisi dei dati.
Soluzioni energetiche innovative, come l'energia ricavata da correnti marine o onde.

L'IoUT rappresenta un esempio di come la tecnologia possa essere applicata per comprendere e preservare uno degli ecosistemi più complessi e vitali del nostro pianeta. Con il progredire delle innovazioni, il campo è destinato a crescere, aprendo nuove opportunità per la ricerca, l'industria e la conservazione ambientale. Inoltre, le sue applicazioni offrono strumenti avanzati per affrontare le sfide legate al cambiamento climatico, all'inquinamento e alla gestione delle risorse naturali.

Bibliografia

Busacca, F., Galluccio, L., Palazzo, S., Panebianco, A., Qi, Z., & Pompili, D. (2024). Adaptive versus predictive techniques in underwater acoustic communication networks. Computer Networks, 252, 110679. https://doi.org/10.1016/j.comnet.2024.110679
Igbinenikaro, O. P., Adekoya, O. O., & Etukudoh, E. A. (2024). Emerging underwater survey technologies: a review and future outlook. Open Access Research Journal of Science and Technology, 10(02), (pp. 071-084). https://doi.org/10.53022/oarjst.2024.10.2.0052
Busacca, F., Galluccio, L., Palazzo, S., Panebianco, A., & Scarvaglieri, A. (2024). Balancing Optimization for Underwater Network Cost Effectiveness (BOUNCE): a Multi-Armed Bandit Solution. In 2024 IEEE International Conference on Communications Workshops (ICC Workshops) (pp. 1340-1345). IEEE. https://doi.org/10.1109/ICCWorkshops59551.2024.10615825
Rout, D. K., Kapoor, M., Subudhi, B. N., Thangaraj, V., Jakhetiya, V., & Bansal, A. (2024). Underwater visual surveillance: A comprehensive survey. Ocean Engineering, 309, 118367. https://doi.org/10.1016/j.oceaneng.2024.118367
Igbinenikaro, O. P., Adekoya, O. O., & Etukudoh, E. A. (2024). Emerging underwater survey technologies: a review and future outlook. Open Access Research Journal of Science and Technology, 10(02), 071-084. https://doi.org/10.53022/oarjst.2024.10.2.0052
Busacca, F., Galluccio, L., Palazzo, S., Panebianco, A., & Raftopoulos, R. (2024). Adaptive Modulation in Underwater Acoustic Networks (AMUSE): A Multi-Armed Bandit Approach. In ICC 2024-IEEE International Conference on Communications (pp. 2336-2341). IEEE. https://doi.org/10.1109/10.1109/ICC51166.2024.10623120
Zhu, R., Boukerche, A., Long, L., & Yang, Q. (2024). Design Guidelines on Trust Management for Underwater Wireless Sensor Networks. IEEE Communications Surveys & Tutorials. https://doi.org/10.1109/COMST.2024.3389728
Zhao, X., Qi, Z., & Pompili, D. (2024). Link adaptation in Underwater Wireless Optical Communications based on deep learning. Computer Networks, 242, 110233. https://doi.org/10.1016/j.comnet.2024.110233
Busacca, F., Galluccio, L., Palazzo, S., & Panebianco, A. (2024). A comparative analysis of predictive channel models for real shallow water environments. Computer Networks, 110557. https://doi.org/10.1016/j.comnet.2024.110557
Hsieh, Y. T., Qi, Z., & Pompili, D. (2023). Full-duplex underwater acoustic communications via self-interference cancellation in space. Journal of Communications and Networks, 25(2), (pp. 167-181). https://doi.org/10.23919/JCN.2022.000052
Dong, E., Cao, P., Zhang, J., Zhang, S., Fang, N. X., & Zhang, Y. (2023). Underwater acoustic metamaterials. National Science Review, 10(6), nwac246. https://doi.org/10.1093/nsr/nwac246
Mertens, J. S., Panebianco, A., Surudhi, A., Prabagarane, N., & Galluccio, L. (2023). Network intelligence vs. jamming in underwater networks: how learning can cope with misbehavior. Frontiers in Communications and Networks, 4, 1179626. https://doi.org/10.3389/frcmn.2023.1179626
Campagnaro, F., Steinmetz, F., & Renner, B. C. (2023). Survey on low-cost underwater sensor networks: From niche applications to everyday use. Journal of marine science and engineering, 11(1), 125. https://doi.org/10.3390/jmse11010125
Brincat, A. A., Busacca, F., Galluccio, L., Mertens, J. S., Musumeci, A., Palazzo, S., & Panebianco, A. (2022). An integrated acoustic/LoRa system for transmission of multimedia sensor data over an Internet of Underwater Things. Computer Communications, 192, (pp. 132-142). https://doi.org/10.1016/j.comcom.2022.05.032
Petroccia, R., Pelekanakis, K., Alves, J., Fioravanti, S., Blouin, S., & Pecknold, S. (2018). An adaptive cross-layer routing protocol for underwater acoustic networks. In 2018 fourth underwater communications and networking conference (UComms) (pp. 1-5). IEEE. https://doi.org/10.1109/UComms.2018.8493225
Heidemann, J., Stojanovic, M., & Zorzi, M. (2012). Underwater sensor networks: applications, advances and challenges. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 370(1958), (pp. 158-175). https://doi.org/10.1098/rsta.2011.0214
Radosevic, A., Duman, T. M., Proakis, J. G., & Stojanovic, M. (2011). Channel prediction for adaptive modulation in underwater acoustic communications. In OCEANS 2011 IEEE-Spain (pp. 1-5). IEEE. https://doi.org/10.1109/Oceans-Spain.2011.6003438
Tomasi, B., Toni, L., Casari, P., Rossi, L., & Zorzi, M. (2010). Performance study of variable-rate modulation for underwater communications based on experimental data. In OCEANS 2010 MTS/IEEE SEATTLE (pp. 1-8). IEEE. https://doi.org/10.1109/OCEANS.2010.5664467
Domingo, M. C. (2008). Overview of channel models for underwater wireless communication networks. Physical Communication, 1(3), 163-182. https://doi.org/10.1016/j.phycom.2008.09.001
Pompili, D., & Melodia, T. (2005). Three-dimensional routing in underwater acoustic sensor networks. In Proceedings of the 2nd ACM international workshop on Performance evaluation of wireless ad hoc, sensor, and ubiquitous networks (pp. 214-221). https://doi.org/10.1145/1089803.108998
Akyildiz, I. F., Pompili, D., & Melodia, T. (2005). Underwater acoustic sensor networks: research challenges. Ad hoc networks, 3(3), (pp. 257-279). https://doi.org/10.1016/j.adhoc.2005.01.004
Akyildiz, I. F., Pompili, D., & Melodia, T. (2004). Challenges for efficient communication in underwater acoustic sensor networks. ACM Sigbed Review, 1(2), (pp. 3-8). https://doi.org/10.1145/1121776.1121779
Vuran, M. C., Akan, Ö. B., & Akyildiz, I. F. (2004). Spatio-temporal correlation: theory and applications for wireless sensor networks. Computer Networks, 45(3), (pp. 245-259). https://doi.org/10.1016/j.comnet.2004.03.007