A Comprehensive Performance Evaluation of a Wi-Fi-Based Wireless Sensor Network Using Raspberry Pi and ESP8266 Under Multi-Rate Traffic Conditions
DOI:
https://doi.org/10.65405/m5hagm61الكلمات المفتاحية:
شبكات المستشعرات اللاسلكية ، انترنت الاشياء ، الشبكات اللاسلكية ، نقاط الوصول اللاسلكية، نظام حوسبة الحافة.الملخص
تعد شبكات المستشعرات اللاسلكية (WSNs) مكونًا أساسيًا في بنية إنترنت الأشياء (IoT) الحديثة، حيث تمكّن من الاستشعار الموزع والمراقبة في الوقت الحقيقي عبر مجالات مثل المراقبة البيئية والمنازل الذكية والأتمتة الصناعية وأنظمة الرعاية الصحية. تقليديًا، تعتمد نشرات شبكات المستشعرات اللاسلكية على تقنيات الاتصال منخفضة الطاقة مثل ZigBee و Bluetooth Low Energy (BLE)، التي تركز على كفاءة الطاقة ونقل البيانات بمعدل منخفض. ومع ذلك، فإن التوافر المتزايد للمتحكمات الدقيقة التي تتضمن الواي فاي منخفضة التكلفة، وخاصة الأجهزة القائمة على ESP8266، قد حفّز على استكشاف الواي فاي كوسيلة اتصال بديلة لشبكات الاستشعار الصغيرة.
تقدم هذه الورقة تقييمًا تجريبيًا شاملاً لشبكة استشعار لاسلكية (WSN) قائمة على الواي فاي تم تنفيذها باستخدام Raspberry Pi والتي تعمل كبوابة خروج Gateway وكنقطة وصول لاسلكية wireless access point مخصصة وثلاثة عقد استشعار WEMOS D1 R1 تعتمد علي ESP8266.. ثم تقييم النظام تحت فترات تقارير متعددة (1 ثانية، 5 ثوانٍ، و10 ثوانٍ) وتحت سيناريو تداخل قنوات متحكم فيه. تشمل مقاييس الأداء زمن الوصول من النهاية إلى النهاية ، ونسبة تسليم الحزم (PDR)، ومعدل النقل، والتقطيع (jitter)، ومؤشر قوة الإشارة المستلمة (RSSI)، ومعدل استخدام موارد البوابة (وحدة المعالجة المركزية والذاكرة).
أظهرت النتائج التجريبية أن شبكات الاستشعار اللاسلكية المعتمدة على الواي فاي يمكن أن تحقق تشغيلًا عالي الموثوقية مع معدل تسليم الحزم (PDR) الذي يتجاوز 99٪ تحت فترات الإبلاغ المعتدلة. كما أن معدلات الإبلاغ العالية تزيد بشكل كبير من التنافس والتأرجح.
تكشف تجارب التداخل أيضًا عن تدهور كبير في الأداء، مما يبرز أهمية التخطيط الدقيق للقنوات. توفر الدراسة مجموعات بيانات تجريبية قابلة للتكرار وإرشادات عملية للنشر لأنظمة الاستشعار القائمة على الحافة في إنترنت الأشياء.
التنزيلات
المراجع
[1] S. W. Nourildean, M. D. Hassib, and Y. A. Mohammed, “Internet of things based wireless sensor network: a review,” Indonesian Journal of Electrical Engineering and Computer Science, vol. 27, no. 1, pp. 246–261, Jul. 2022, doi: 10.11591/IJEECS.V27.I1.PP246-261.
[2] T. A. Singh and J. Chandra, “IOT based Green House monitoring system,” Journal of Computer Science, vol. 14, no. 5, pp. 639–644, 2018, doi: 10.3844/JCSSP.2018.639.644.
[3] T. Muciaccia and P. Tedeschi, “Future scenarios for the infrastructure digitalization: The road ahead,” Frontiers in the Internet of Things, vol. 2, Mar. 2023, doi: 10.3389/FRIOT.2023.1140799.
[4] A. Abane, P. Muhlethaler, and S. Bouzefrane, “Modeling and improving named data networking over IEEE 802.15.4,” Annales des Telecommunications/Annals of Telecommunications, vol. 76, no. 11–12, pp. 839–850, Dec. 2021, doi: 10.1007/S12243-021-00848-W.
[5] S. M. Darroudi, C. Gomez, and J. Crowcroft, “Bluetooth Low Energy Mesh Networks: A Standards Perspective,” IEEE Communications Magazine, vol. 58, no. 4, pp. 95–101, Apr. 2020, doi: 10.1109/MCOM.001.1900523.
[6] F. Serepas, I. Papias, K. Christakis, N. Dimitropoulos, and V. Marinakis, “Lightweight Embedded IoT Gateway for Smart Homes Based on an ESP32 Microcontroller,” Computers, vol. 14, no. 9, Sep. 2025, doi: 10.3390/COMPUTERS14090391.
[7] B. Qureshi, K. Kawlaq, A. Koubaa, B. Saeed, and M. Younis, “A Commodity SBC-Edge Cluster for Smart Cities,” 2nd International Conference on Computer Applications and Information Security, ICCAIS 2019, May 2019, doi: 10.1109/CAIS.2019.8769500.
[8] “Wireless Sensor and Actuator Networks for Smart Cities,” Wireless Sensor and Actuator Networks for Smart Cities, Dec. 2018, doi: 10.3390/BOOKS978-3-03897-424-6.
[9] P. Bosch, S. Latré, and C. Blondia, “IEEE 802.11 latency modeling with non-IEEE 802.11 interfering source,” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 11618 LNCS, pp. 40–50, 2019, doi: 10.1007/978-3-030-30523-9_4.
[10] N. Ahmed, H. Rahman, and M. I. Hussain, “A comparison of 802.11ah and 802.15.4 for IoT,” ICT Express, vol. 2, no. 3, pp. 100–102, Sep. 2016, doi: 10.1016/J.ICTE.2016.07.003.
[11] B. Rababah and R. Eskicioglu, “Distributed intelligence model for iot applications based on neural networks,” International Journal of Computer Network and Information Security, vol. 13, no. 3, 2021, doi: 10.5815/IJCNIS.2021.03.01.
[12] L. Sciullo, A. Trotta, L. Gigli, and M. Di Felice, “Deploying w3c web of things-based interoperable mash-up applications for industry 4.0: A testbed,” Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), vol. 11618 LNCS, pp. 3–14, 2019, doi: 10.1007/978-3-030-30523-9_1.
[13] N. Singh, “An Improved Gateway-Based Energy-Aware Multi-Hop Routing Protocol for WSNs.,” Int. J. Res. Appl. Sci. Eng. Technol., vol. 6, no. 5, pp. 647–655, May 2018, doi: 10.22214/IJRASET.2018.5109.
[14] Y. K. Huang, A. C. Pang, and H. N. Hung, “A comprehensive analysis of low-power operation for beacon-enabled IEEE 802.15.4 wireless networks,” IEEE Trans. Wirel. Commun., vol. 8, no. 11, pp. 5601–5611, Nov. 2009, doi: 10.1109/TWC.2009.081485.
[15] P. Barker and M. Hammoudeh, “A survey on low power network protocols for the internet of things and wireless sensor networks,” ACM International Conference Proceeding Series, vol. Part F130522, Jul. 2017, doi: 10.1145/3102304.3102348.
[16] D. Thomas, R. McPherson, G. Paul, and J. Irvine, “Optimizing Power Consumption of Wi-Fi for IoT Devices: An MSP430 processor and an ESP-03 chip provide a power-efficient solution.,” IEEE Consumer Electronics Magazine, vol. 5, no. 4, pp. 92–100, Oct. 2016, doi: 10.1109/MCE.2016.2590148.
[17] Y. Zhang and Q. Li, “HoWiES: A holistic approach to ZigBee assisted WiFi energy savings in mobile devices,” Proceedings - IEEE INFOCOM, pp. 1366–1374, 2013, doi: 10.1109/INFCOM.2013.6566930.
[18] Y. Yang and R. Kravets, “Throughput guarantees for multi-priority traffic in ad hoc networks,” 2004 IEEE International Conference on Mobile Ad-Hoc and Sensor Systems, pp. 379–388, 2004, doi: 10.1109/MAHSS.2004.1392177.
[19] J. Ren, Y. Pan, A. Goscinski, and R. A. Beyah, “Edge Computing for the Internet of Things,” IEEE Netw., vol. 32, no. 1, pp. 6–7, Jan. 2018, doi: 10.1109/MNET.2018.8270624.
[20] Alnnale, T. (2026). Predictive Governance in Digital Enterprises: An LSTM-Enhanced Deep Learning Framework for Economic Optimization of IT Incident Management Using Enriched Process Logs. Al-Farooq Journal of Sciences, 2(3), 86-113.
[21] T. Semwal and S. B. Nair, “AgPi: Agents on Raspberry Pi,” Electronics (Switzerland), vol. 5, no. 4, Dec. 2016, doi: 10.3390/ELECTRONICS5040072.
[22] I. F. Akyildiz et al., “Wireless sensor networks: A survey,” Computer Networks, vol. 38, no. 4, pp. 393–422, 2002.
