PhD Defence Martijn Onderwater (Stochastics)

Everybody is cordially invited to attend the public defence of Martijn Onderwater of his thesis ‘Network of Sensors, operations and control ’. Promotor: prof. dr. R.D. van der Mei and copromotor: dr. S. Bhulai   More information
  • What Stochastics
  • When 08-02-2016 from 14:45 to 16:30 (Europe/Amsterdam / UTC100)
  • Where Aula van de Vrije Universiteit, de Boelelaan 1105, Amsterdam
  • Add event to calendar iCal

Everybody is cordially invited to attend the public defence of Martijn Onderwater of his thesis ‘Network of Sensors, operations and control ’.

Promotor: prof. dr. R.D. van der Mei and copromotor: dr. S. Bhulai

 

More information

Press release CWI: https://www.cwi.nl/news/2016/improved-throughput-of-sensor-networks-maths

Speech: https://www.youtube.com/watch?v=SA424di4ulc

News item VU University, in Dutch:

Promotie M. Onderwater: Oplossingen voor uitdagingen sensortechnologie

Wiskundige Martijn Onderwater ontwikkelde een model dat inzicht biedt in de doorvoersnelheid van sensornetwerken én een nieuwe methode voor het nemen van beslissingen op basis van metingen van sensoren. Hiermee tackelt Onderwater een aantal uitdagingen van de sensortechnologie, die veelvuldig gebruikt wordt bij het steeds populairder wordende ‘Internet of Things’.

De laatste jaren is het gebruik van sensoren met ongekende snelheid gegroeid. Dit blijkt uit het opkomende ‘Internet of Things’ (IoT), waarbij apparaten, sensoren en andere objecten verbonden zijn met het internet en met behulp van digitale technologie met elkaar en hun externe omgeving kunnen communiceren en informatie kunnen uitwisselen. Voorbeelden hiervan zijn smartphones, intelligente wasmachines en slimme (energie)meters. Dergelijke ‘dingen’ werken met een breed scala aan sensoren, die bijvoorbeeld worden gebruikt voor het meten van drukte in publieke ruimtes, het beheer van het klimaat in gebouwen en het volgen van wild in een reservaat. Behalve sensoren bevatten deze apparaten meestal ook een draadloze verbinding voor het verzenden van data. Om grote afstanden te kunnen overbruggen vormen de apparaten een netwerk.

Zicht op doorvoersnelheid
Voor zijn proefschrift ontwikkelde Onderwater een nieuw model dat zeer nauwkeurig inzicht biedt in de doorvoersnelheid van een sensornetwerk. De doorvoersnelheid geeft aan hoe snel een sensornetwerk in staat is om een meting te versturen. Omdat het draadloze netwerk maar één meting tegelijk kan versturen, staan sensoren die een verzendpoging doen vaak in de wacht. Dit heeft nadelige gevolgen voor de doorvoersnelheid. Veel eenvoudiger dan zijn voorgangers laat het model van Onderwater zien hoe de doorvoersnelheid afhangt van de protocolparameters en het aantal sensoren in het netwerk. Met behulp van het model kan vervolgens worden geanalyseerd wat het gevolg is voor de doorvoersnelheid als een parameter van het protocol op een bepaalde waarde ingesteld wordt. In de praktijk betekent dit dat men zonder dure experimenten kan bepalen welke waardes voor protocolparameters tot goede prestaties leiden en welke ongewenste effecten hebben.

Beslissingen in onzekere omstandigheden
Voor het tweede deel van zijn proefschrift bestudeerde Onderwater ‘Markov-beslismodellen’ – een populair wiskundig raamwerk voor het nemen van beslissingen in onzekere omstandigheden. Zulke onzekerheden komen regelmatig voor wanneer men metingen doet met sensoren. “Denk hierbij bijvoorbeeld aan een sensor die het aantal mensen meet dat zich op een bepaald punt in een treinstation bevindt. Het aantal mensen is sterk afhankelijk van onzekere factoren, zoals een arriverende trein, een heftige regenbui of verschillen in de looproutes van mensen door het station. Deze onzekerheden maken het nemen van beslissingen lastig, bijvoorbeeld als mensen bij calamiteiten in het station naar een nooduitgang geleid worden aan de hand van de sensormetingen. Een goedbedoeld advies om naar de dichtstbijzijnde nooduitgang te gaan, kan totaal verkeerd uitpakken als daar korte tijd later een drukke trein stopt. Het is van belang om de onzekerheden mee te nemen in de genomen beslissing en Markov-beslismodellen bieden deze mogelijkheid.” De bestaande methodes om een beslisstrategie te vinden via een Markov-beslismodel hebben als nadeel dat ze regelmatig een nieuwe strategie moeten uitrekenen als het model af begint te wijken van de werkelijkheid. Onderwater ontwikkelde een nieuwe methode, op basis van technieken uit de kunstmatige intelligentie, die dit nadeel niet heeft. 

Het promotieonderzoek is deels uitgevoerd op het Centrum Wiskunde & Informatica (CWI) in Amsterdam.

Meer informatie over het proefschrift in VU-DARE

Source: M. Onderwater (CWI and VU) for VU University