Архитектура и принципы маршрутизации данных мониторинга состояния пациентов в системе медицинского интернета вещей на основе машинного обучения

Устройства IoT в системах телемедицины формируют гигантские потоки данных, при этом интенсивность сообщений, представляет собой нестационарный поток, характеризуемый периодами пиковых нагрузок и периодами низкой интенсивности сообщений. Обработка таких потоков, даже с учетом принципов буферизации и перераспределения потоков обуславливает задержки предоставления телемедицинских услуг конечным пользователям в облачной среде IoT, что неприемлемо для критических медицинских приложений. В статье рассмотрены особенности и ограничения существующих систем сбора и предобработки телемедицинских данных в условиях роста числа абонентов. Предложено использовать процедуры нечеткой кластеризации идентификаторов пакетов сообщений, функционирующие на уровне промежуточных вычислений Fog-узлов, тем самым снизить задержки с минут до миллисекунд.