A recent  study by the UK Government’s Office of Science and  Innovation, which  examined how  future intelligent infrastructure would evolve  to support transportation over  the  next

50 years  looked  at a range  of new  technologies, systems and  services  that  may  emerge over that  period (UK DfT, 2006). One  key  class  of technology that  was  identified as  having a significant role in delivering future intelligence to the transport sector was wireless sensor networks and in particular the fusion of fixed and mobile networks to help deliver a safe, sustainable and robust future transportation system  based  on the better  collection  of data,  its processing and  dissemination and  the  intelligent use  of  the  data  in  a  fully  connected environment. The important innovations in wireless and digital electronics are beginning to support many   applications in  the  areas  of  safety,  environmental and  emissions control, driving assistance, diagnostics and  maintenance in the transport domain. The last few years have  seen the emergence of many  new technologies that  can potentially have  major impacts on Intelligent Transportation Systems  (ITS) (Tully, 2006).

U.S. DOT recently launched a 5 Years ITS strategic research plan to explore the potentially transformative capabilities of  wireless technology to  make  surface  transportation safer, smarter and greener and ultimately enhance livability for Americans (US DOT, 2011). This research program formerly known as  IntelliDriveSM  and  now  renamed as  “Connected Vehicle  Research” program which  focus  to develop a networked environment supporting very high speed transactions among vehicles  (V2V) and  between vehicles  and  infrastructure components (V2I) or hand held devices (V2D) to enable numerous safety and mobility applications (US DOT, 2010).

The European Telecommunications Standards Institute (ETSI) has been creating and maintaining  standards  and  specifications  for  Intelligent  Transportation  Systems  (ITS) include telematics and  all  types  of  communications in  vehicles,  between vehicles  (e.g. vehicle-to-vehicle), and  between vehicles  and  fixed locations (e.g. vehicle-to-infrastructure). The ETSI not only looking for road transport domain but also the use of information and communication technologies (ICT) for rail, water and air transport, including navigation systems (ETSI, 2009).

As future intelligent infrastructure will bring  together and  connect  individuals, vehicles  and infrastructure through  wireless communications, it  is  critical  that  robust communication

technologies are developed. Mobile wireless sensor networks are self-organising mobile networks where nodes  exchange data  without the need  for an underlying infrastructure. In the road  transport domain, schemes which  are fully infrastructure-less and  those  which  use a combination of fixed  (infrastructure) devices  and  mobile  devices  fitted  to  vehicles  and other   moving objects  are  of  significant interest to  the  ITS community as  they  have  the potential   to   deliver   a   ‘connected   environment’   where   individuals,   vehicles   and infrastructure  can  co-exist  and  cooperate,  thus  delivering  more  knowledge  about  the transport environment, the  state  of the  network and  who  indeed is travelling or wishes  to travel.  This  may  offer  benefits  in  terms  of  real-time  management,  optimisation  of transportation systems, intelligent design and the use of such systems for innovative road charging and possibly carbon trading schemes as well as through the CVHS (Cooperative Vehicle and Highway Systems)  for safety and control  applications.

Within  the vehicle,  the devices  may provide wireless connection to various information and communications technologies components in the vehicle and  connect  with  sensors and  other devices  within the  engine   management system.   There  is growing consumer demand  for wireless communication technologies in transporation applications from point-to-point to multiplexed communications. Advances in portable devices (Smartphone, Personal Digital Assistant and  Navigation Systems)  may  exploit  the  possibility of interconnection using  in- vehicle  communications. Also  advances in  wireless sensor  networking techniques which offer tiny, low power and MEMS (Micro Electro Mechanical Systems) integrated devices for sensing and networking will exploit the possibility of vehicle to vehicle and vehicle to infrastructure communications (Blythe, 2006).

Wireless   sensor   networks  offer   an   attractive  choice   for   low-cost   and   easy-to-deploy solutions for intelligent transportation applications. Intelligent parking lot application using Wireless  Sensor  Networks is presented in (Lee et al, 2008). In this  paper, authors argue  the use of both ultrasonic and magnetic sensors in accurate and reliable detection of vehicles in parking lots.  A  wireless sensor  networks scenario for  Intelligent Transportation Systems (ITS) is studied in (Chen et al, 2009) and  authors also propose new routing protocol to make the WSN more energy efficient  and  with less delivery latency.

Wireless  Sensor  Network based  adaptive vehicle  navigation in  multi-hop relay  WiMAX networks is  proposed in  (Chang et  al,  2008).  This  paper  proposes the WiMAX multi-hop relay networks as the inter-vehicle communications to increase the reliability and  efficiency of inter-vehicle communications.  Real-time   traffic  information is  gathered here  from  various types  of sensors equipped on vehicles and exchanged among neighbor vehicles.  Collaboration- based  hybrid vehicular sensor  network architecture is proposed in (Kong & Tan, 2008). In this paper, authors propose a collaborative hybrid method to deliver desired data to particular drivers effectively.  The road  side sensors and vehicular mobile sensors are used  to restore data and exchange data.

As the  wireless sensor  networks technology is still relatively new  and  very  little  is known about its real application in the transport domain. Our involvement in the transport-related projects  provides us with  an opportunity to carry  out research and  development of wireless sensor  network applications in transport systems. This  chapter outlines our  experience in the ASTRA (ASTRA, 2005), TRACKSS (TRACKSS, 2007) and  EMMA (EMMA, 2007) projects and  provides an  illustration of the  important role  that  the  wireless sensor  technology can

play  in  future  ITS.  This  chapter  also  presents  encouraging  results  obtained  from  the experiments in investigating the  feasibility of utilising wireless sensor  networks in vehicle and  vehicle to infrastructure communication in real ITS applications.

2. Communication technologies

The use of networks for communications between the electronic control units of a vehicle in production cars dated from the beginning of the 1990s. The Controller Area Network (CAN) was first introduced by BOSCH with the clear intent to serve communication systems for automotive applications and  it is still  dominant in automotive networks. The  CAN  is not fully  satisfying requirements such  as predictability, performance and  dependability which are mandatory in automotive communications. To overcome the limitations of the CAN technology,  a  number  of  technologies  have  been  developed  for  designing  automotive networks such as Time-Triggered Protocol (TTP), Time-Triggered CAN (TTCAN), Byteflight and  Flexray (Navet  et al, 2005).

Wireless communication technologies such as ZigBee (ZigBee Alliance, 2006), Bluetooth (Bluetooth, 2006 ) and Wi-Fi are also expected to be widely employed in the near future in automotive communication. It  is  evident that  wireless communications  can  be  used   in- vehicle,  inter-vehicle and  between vehicle  and  infrastructure in transportation applications (Cai & Lin, 2008; Kosch et al, 2009; Heddebaut, 2004). Bluetooth is currently the most widely used  automotive wireless technology for  in-vehicle communication  and  Wi-Fi is used  for vehicle  to  vehicle  communication  by  several  pilot  research  projects,  e.g.,  the  Car2Car consortium (Car2Car consortium, 2007). Ultra Wide Band (UWB) is an emerging wireless technology that uses a very large bandwidth (Yang and Giannakis, 2004). It is targeted for multimedia networking whereas 802.11 networks address data networking. Intelligent collision  avoidance and  cruise  control  systems can be developed using  UWB technology as those  systems need  high  ranging accuracy and  target  differentiation capabilities. UWB technology can also be integrated into vehicle  entertainment systems by downloading high- rate  data  from  road-side infrastructure UWB  transmitters. Communication Air-interface, Long and Medium range (CALM) (ISO TC204 Working Group, 2007) has many potential applications in V2V and  V2I communication.

ZigBee  will  be  able  to  fill  the  gap  left  by  these  other  technologies,  mainly  in  the interconnection of  wireless sensor  devices  with  vehicles and  infrastructure. The  ZigBee standard has  evolved since  its  original release   in  2004 and  it  is  a  low  cost  low  power wireless networking standard  for  sensors and  control  devices.  ZigBee  provides network speeds of  up  to  250kbps  and  is  expected to  be  largely  used  in  typical  wireless sensor network applications where high data rates are not required. Table 1 shows a comparison between  five  technologies  relating  to  the  most  important  factors  which  need  to  be considered in the ITS application domain.

ZigBee, Bluetooth, Wi-Fi and  UWB have been designed for short-range wireless applications with low power solutions and can be used at the in-vehicle and vehicle to infrastructure communication. The ZigBee technology can accommodate larger numbers of devices than Bluetooth.  On  the  other  hand,  Bluetooth  offers  high  bandwidth  with  relatively  high throughput. Many  wireless sensor  network applications do  not  require high  data  rate communication technology as it is based  on data  exchange. ZigBee provides 250 kbps  data

rate  and  is  expected to  be  enough for  the  many  wireless sensor  network applications. Notably, ZigBee  uses  low  overhead data  transmission and  requires low  system  resources which are vitally important factors for embedded sensor networks. Also mesh networking features in  ZigBee  protocol allow  devices   to  extend its  coverage and  optimize its  radio resources. The  features show  that  ZigBee  is a suitable communication technology for  the wireless sensor  networks based  ITS applications

3. Smartdust in transportation applications

Smartdust (or mote)  is a new  concept  for wireless sensor  networks which  offers  tiny,  low power and  MEMS integrated devices  for  sensing and  networking and  it’s  also  known as “motes”. It is not  only  interesting for the low  power sensing technologies but  also the low power communication and networking capability which it has demonstrated (Tully, 2006). Fundamentally,   it   provides  a   convenient   and   economic   means   of   gathering  and disseminating  environmental  and  other  useful  information  in  the  transport  domain. Existence of ZigBee based networking capability between Smartdust and other devices will benefit  many  low cost and  low power applications in the ITS. Smartdust devices  also have sensors attached to them  to monitor the physical environment in some  way.  These  sensors can  be  built  directly onto  the  Smartdust or  can  come  as  daughter-boards which  can  be connected in some  way  to the motes  main  motherboard. Sensors  can measure a wide  range of environmental parameters, such  as  pollution, noise,  temperature, humidity as  well  as vehicle  speed, vehicle  direction and  vehicle  presence. Initial  studies suggest environmental

monitoring, vehicle to vehicle, vehicle to infrastructure and infrastructure to infrastructure applications may exist for Smartdust in the transport domain. Indeed the vital application of the devices  is beginning to be tested in the road  vehicle  environment. Even though a range of Smartdust platforms are available in the market, Crossbow Mica (Crossbow, 2006) family motes   will  be  discussed here  due  to  their  commercial success  in  many   wireless sensor network applications.

Mica family motes can be programmed with NesC based TinyOS (TinyOS, 2006) , C based NanoQplus (NanoQplus, 2008) and many other operating systems which are designed for embedded systems with very limited resources. Also, MicaZ mote will be the most suitable platform for the wireless sensor  networks based  ITS application since it features sensing and networking  capabilities  with  low  power consumption using  ZigBee  as  communication protocol. Figure  1  shows  a Crossbow MicaZ  mote.  The  MicaZ  mote  is  a  family  of  the Crossbow Mica motes where the radio transceiver uses the Chipcon CC2420 IEEE 802.15.4 (ZigBee)  compliant chipset. This  will  allow  the  MicaZ  motes  to  communicate with  other ZigBee compliant equipment. The software stack includes a MicaZ mote-specific layer with ZigBee  support and  platform device  drivers, as  well  as  a  network layer  for  topology establishment and  single  / multi-hop routing features. The  MicaZ  mote  platform is built around the  Atmel  AtMega128L  processor which  is capable  of running at  7.37 MHz.  The MicaZ motes  have 128 Kbytes of program memory, 512 Kbytes of flash data  logger  memory, and  4 Kbytes  of SRAM. Power  is provided by  two  AA  batteries and  the  devices  have  a battery life of roughly 1 year depending on the application (very low duty cycle assumed). Sensor  boards can  be attached through a surface  mount 51 pin  connector, Inter-IC  (I2C), Digital Input Output (DIO), Universal Asynchronous Receiver Transmitter (UART) and a multiplexed address/data bus.

(Embedded Middleware in Mobility Applications), both were EC FP6 funded) built on the information gathered from ASTRA project by implementing several ITS applications using Smartdust. The TRACKSS project  focussed on achieving this through collaboration between Smartdust and other sensing technologies, whereas the EMMA project designed and implemented  a  middleware  that  enables  integration  of  Smartdust  with  heterogeneous sensor  platform in the transport domain.

3.1 ASTRA project

The ASTRA project investigated the use of mobile wireless sensor networks, and more specifically, Smartdust for transport applications. The project examined the current state-of- the-art with  Smartdust devices,   using   MicaZ  and  Mica2  motes   as  the  technology to  be tested. It  also  looked   at  the  likely  market and  technological advances  of  the  Smartdust technology over the coming  decade.

3.1.1 ASTRA project trials

A trial  using  Smartdust technology was  hosted in Newcastle with  a pervasive intelligent corridor established by a network of fixed motes on roads near Newcastle Central Station. Mobile  motes  were  also placed in several  buses.  Communication between a static mote  and a moving mote  on-board a vehicle  was  achieved, showing that  communication can  take place  between road  side  and  vehicles  using  a network of motes.  The architecture consisted of  a  number of  Fixed  motes  (F) attached to  bus  stops  along  a  circular bus  route  and  a number of Mobile  motes  (M) carried by buses  travelling in both  directions along  this route. One special  fixed mote  was placed in an interface board connected to a Data Server PC. The PC was connected to other  Client PCs via the Internet. The range  of the motes  was such that it  was  unlikely that  fixed  nodes  would always be  able  to  communicate directly. They communicated with  mobile  nodes as buses  passed bus stops.  The buses  communicated with each other  as they passed. Together, the fixed and  mobile  nodes  formed an ad-hoc  network.

The motes  were  concentrated in an area of Newcastle close to the Central Station,  as shown in Figure  3 below.  The red  dots  represent the bus stops  which  carried the motes.  The buses travelled  along  Grainger  Street  and  Neville  Street  before  crossing  the  River  Tyne  to Gateshead (as seen  in the  map).  The  PC which  acted  as a Data  Server  was  located in the Centre for Life, in the lower  left-hand corner  of Figure  3.

3.1.2 Experimental results

In  an  urban road  environment radio  wave  reflections from  surrounding buildings and objects can have  a significant impact on the performance of the radio.  In some situations the performance of the radio is enhanced and in other situations the performance is reduced. Reducing the  motes  radio  transmitter power is likely  to  improve the  performance of the radio  in  some  cases  due  to  a  corresponding  reduction  in  the  number  of  radio  wave reflections. Possible  future research includes developing a  way  for  motes  to  adjust  their radio  power to obtain  optimal radio  performance at a given location.

The map  is presented above  is the Central Station  area which  shows  the quality of each link. The  quality  of  a  link  is  based  on  the  percentage  of  packets  received,  the  higher  the percentage the higher the link quality. This is indicated on the map  by varying the width of the line between points where larger widths indicates higher quality links. A dashed line indicates total  packet  loss. The results also show  that  the distance between nodes  is not the only  factor  in  determining link  quality. Radio  reflections and  interference seem  to  have played a significant role in determining the link quality during this experiment. Many  of the shorter links  did  not  show   any  connection whereas  some  longer   links  showed a  good quality connection.

Experiments also  showed that  the  MicaZ  motes  outperform the  Mica2 motes  in rural  and urban environment due  to their  improved radio  performance. Deploying MicaZ  motes  as

opposed to Mica2 motes  may  therefore require fewer  motes  to cover the same  geographical area. Matching the correct motes for the environment in which they are used will clearly be important. Although not  tested within the trial,  it is reasonable to conclude that  the use  of Wi-Fi or Bluetooth would result  in a worse  performance than  using  ZigBee  as the  former two technologies carry a greater overhead for new nodes  joining a network.

Several  experiments showed that  it  is  possible to  create  connections between moving vehicles  and  a  roadside infrastructure in  an  urban environment. It  was  also  possible vehicles  travelling at  high  speed (70mph).  The  time  available for  data  transfer during a passage is  a  function of  the  radio  range,  the  speed of  the  vehicle  and  the  overheads involved in  having the  mobile  node  join  the  network. The  ASTRA  trial  findings are summarized in Table 2.

Experiments were  carried out to investigate the effect of mote  packaging, height,  antennae position and position inside the vehicle (Bus/Car) in radio range, received signal strength (RSSI)  and  packets  loss.  The  experiment  results  showed  these  parameters  have  a significant  effect  on  radio  range  and  packets  loss  but  can  be  overcome  transmitting packets with  high  power level  or  using  many  devices  to  form  a  network (multi-hop technology). Experience gained from  the  ASTRA project  trials  provided the  opportunity to use  Smartdust devices  in a range  of transport prototype applications in the  TRACKSS and  the  EMMA  project.  It seems  that  the  opportunities of using  Smartdust as  part  of a connected world (collaboration with other sensors/platform) for future intelligent transportation system  are high.

In this  paper, one  of the  TRACKSS collaborations involving Smartdust and  Near-Infrared

Optical  Identification sensor  is presented.

The Near-Infrared Optical  Identification sensor  was developed by LIVIC-LCPC (France) and its purpose is to detect,  identify objects (i.e. vehicles  or roadside objects) and localize them  in the road  scene. It is composed of two parts:  an Emitter part  and  a Receiver part.  The Emitter, which is the active part, is a near-infrared LED-based lamp, which, thanks to an embedded controller, codes  an identifier (a number) using  a defined frame  protocol. The signal  is thus time-coded (blinking light) and  not space-coded. This enables important improvements with regard to  detection ranges and  robustness when compared to  traditional spatial-pattern- based  identification systems. The Receiver  is a high-frame-rate, low-resolution CCD camera, equipped with  an  IR-bandpass filter,  plus  a decoding algorithm. By attaching an  Emitter (with  its  unique  identifier) to  an  object  (such  as  a  road   sign),  the  Receiver  can  detect,

identify,  and   locate   it  on   the   road   scene.   Full   details   of  the   Near-Infrared  Optical

Identification sensor  can be found in (von Arnim,  2007 and 2008)

This  collaboration  was  implemented  using  the  support provided by  the  KSM  and  its executable platform, turning  the  Smartdust and  the  Near-Infrared Optical   Identification sensors into two collaborating KSSs. Among others,  this collaboration enables a more  robust Road Sign Recognition Application to be implemented, where one sensor’s capabilities can complement the  other’s  weaknesses. This  is based  on the  fact that  no individual sensor  is perfect: each has its own features and limitations. In this case, the Near-Infrared Optical Identification sensor has a very good range and localization features, but it relies on visual detection. This makes  it prone to errors  when objects may obstruct the view, or in inclement weather conditions. On  the  other  hand, the  Smartdust sensor  cannot  easily  determine the location  of  a  target   (since  it relies  on  radio  signal,  which  does  not  necessarily carry  the information on the detection direction), but the radio  signal  is free from  visual  impairment. By combining the  positive characteristics of these  two  sensors, we  have  developed a new system  that provides a more robust detection and  identification of objects on the road.

3.2.1 Cooperative road sign detection application

By attaching the Smartdust transmitter and the Near-Infrared Optical Identification sensor Emitter to a road  sign, suitably equipped vehicles  can detect,  identify, and  localize  the road sign ahead with  sufficient time  and  even  in poor  visibility. For this application, we equip a car with  a Near-Infrared Optical  Identification Receiver  (camera), a Smartdust device  (sitting on its base station), and a computer connected to these sensors, on which the applications controlling these  sensors are running. We also place  infrared Emitters and  Smartdust devices next to the sign on the side  of the road;  they  act as the broadcaster of signal  for representing the road signs. Figure 7 provides a diagrammatical representation of this set-up.

On the  on-board computer, both  sensors communicate using  TRACKSS’ KSM. Essentially, the KSM serves  a middleware that encapsulates a common communication protocol of these two  sensors, enabling them  to  exchange information in  a  straightforward and  uniform manner. This  collaboration combines the  long  detection-range capabilities of  the  Near- Infrared camera with  the visual-independence feature of the Smartdust in order to develop a more robust system  for road  sign detection.

In most  cases, the Near-Infrared camera picks  up  the signal  from  the infrared Emitter prior to the Smartdust base station picking the signal  from the Smartdust device  on the side of the road.  In  these  cases,  the  latter  provides a  confirmation of  the  detected road  sign  to  the former, hence increasing the confidence of the result.  In other  cases (for example, around the bend  or if there  is some  visual  impairment), the  Smartdust picks  up  the  road  sign  signal before  the camera. The system  will then  warn  the driver that  a road  sign is detected nearby, but we do not have 100% certainty until  this is confirmed by the camera.

Two examples of graphical displays can be seen on Figure 8. The left one shows a symbolic representation of the road  sign and  the right  one show  an “augmented reality” view,  where the  road  sign  is drawn at  its  real  position on  the  image.  One  can  easily  understand the benefit   of   this   application  for   night-time  driver  assistance.  Further  details   of   this collaboration – along  with  details of several  other  collaborations – can be found in (Arief & von Arnim,  2008, von Arnim  et al, 2008).

3.2.2 Experimental results

The first major experimental result of this application is given by the fusion of identification information  from   two   different  sensors  with   different  technologies.  When   the   fusion

strategy is a confirmation of one sensor  by the other,  then  the limitations of each sensor  can be compensated.

Concerning the  detection range,  with  our  confirmation strategy (where the  target  must  be within range  to  be  simultaneously detected by  both  sensors), the  final  range  is  highly influenced by  the  range  of  either  sensor,  depending on  weather conditions. The  Near- Infrared Optical  Identification sensor  has a much  higher range  than  the Smartdust sensor  in its best-case  scenario (low-luminosity). On the contrary, in the worst-case scenario for Near- Infrared Optical  Identification sensor  (sunny weather), the  Smartdust usually has  greater range.  Another interesting observation is that the Near-Infrared Optical  Identification sensor performs better  when the vehicle is travelling at a high speed whereas Smartdust is better  at low speed. So to sum up, both sensors complement each other in their capabilities. Our applications do not need  a range  over hundreds of meters. The fused  sensors need  to be able to detect  a road  sign sufficiently early  to warn  the driver or start  an action,  at any speed up to 130km/h. The  ranges measured in both  scenarios are  sufficient. It is also  important to note  that  the  range  of the  Smartdust sensor  can  be easily  increased by chaining multiple Smartdust sensors in an ad-hoc  network ahead of the road  sign.  It is therefore possible for both sensors to have a comparable detection range.

From these detection range data, we can also derive information about the “distance-to-be- covered and  available-time before  passing the road  sign”.  This value  is very  much  affected by the speed of the vehicle;  Table 3 shows  the values  at two  different speeds: 50 km/h and

130 km/h. The road  sign  ID relates  to the identification number of the road  signs  – in this case: 7 (representing a danger sign), 9 (representing an end  of 50 km/h speed limit)  and  20 (representing a traffic light).

3.3 EMMA project

The EMMA  (Embedded Middleware in Mobility  Applications) project  (EMMA,  2007) had an overarching goal of utilising new embedded middleware to support the underlying logic and  communications required for future cooperating wireless objects  and  the  applications they may support in the automotive and road transport domains. The EMMA project was committed  to  deliver  a  middleware  platform  and  a  development  environment  which facilitates the design and implementation of embedded software for cooperative sensing objects.  The  ultimate aim  of  the  project  was  to  hide   the  complexity of  the  underlying

infrastructure whilst  providing open  interfaces to  3rd  parties enabling the  faster,  cost- efficient development of new cooperative sensing applications.

The EMMA network architecture can be considered at three levels (Figure 9): Within an automotive subsystem, at  a  vehicle  level  and  at  the  supra-vehicle level.  Recently,  many wireless micro sensor  network applications are being developed for a variety of applications including transport monitoring and  control.  However, there  are still numerous challenges to be overcome if wireless sensor  devices  are to communicate with  each other  in an intelligent, cost  effective  and  reliable  way.  The  EMMA  project  selected the  principle of  hierarchical Wireless  Co-operating objects  (WICOs).  The  number and  type  of  objects  present in  any given  WICO  hierarchy  may  vary  depending  on  the  prevailing  conditions  and  their availability; however  the  handling of  this  can  be  abstracted away   from  the  application developer by the middleware wherever possible.

It was necessary to find suitable technologies to support and coordinate WICOs at all three levels. Given this wide  variety of sensor  technology available and  in common use, a popular approach  to  manage  the  growing  complexity  of  a  typical  development  is  to  create  a malleable interface often called  termed middleware. Middleware has been around for many years in different forms. “Middleware” in the loosest terms covers a wide variety of system integration schemes.

Evaluation  of  many  middleware  technologies  has  often  reached  the  conclusion  that middleware is a large and  complex system,  requiring careful  coupling to, and  tuning for, the specified application domain (EMMA,  2007). As  a result  there  is a need  to  identify and develop a middleware system optimised for the challenges present in the intelligent transportation domain. A differentiating factor between current middleware models and  the proposed EMMA  system  is  the  need  to  operate on  multiple  different  platforms, with substantially different resources available.

Current middleware technology is typified by systems designed to run in non-real time, resource rich environments, such as large business information systems. A typical traffic infrastructure  or  automotive  application  runs  in  a  real-time  environment  with  strictly limited resources, distributed across many control units, themselves incorporating multiple dissimilar sensors (Hadim and Mohamed, 2006, Katramados et al, 2008).

EMMA  middleware is capable  of integrating systems for transportation application using large powerful fully featured PowerPC based FPGA technology (Xilinx ML403) which uses Qplus operating systems, as  well  as  compact, battery-powered  Smartdust devices  which uses  NanoQplus operating systems. An additional capability of the  EMMA  middleware is the   ability   to   handle   dynamic,   ad-hoc   networks.   These   are   a   natural   result   of communications between moving vehicle-based environments and  infrastructure systems with  finite static coverage. It must  be possible to handle the potential changes to the network composition whilst  insulating the  application developer from  the  technical challenges that this involves

The core part  of the middleware is independent from the operating system  and  platform it is running on. This part  provides several  functions to the application through the middleware API. Since the  different platforms vary  strongly in resources like  memory size,  energy or CPU speed, not all functions will be provided on all platforms. The OS independent part, therefore, has to be modular. The adapters also include conversions for the APIs of different communication technologies, e.g. ZigBee or CAN. Each communication technology uses, for example, a different addressing scheme that has to be hidden from the EMMA applications. Therefore, the middleware defines an independent addressing.

The  EMMA  middleware is designed in  a modular fashion.  The  communication adapters form the interface between the communication module and  the actual  hardware drivers. The communication module has a generic  part  and  two  specialised parts  for message and  data- centric  communication  (Yang  &  Wang,  2007).  The  detailed  description  of  each  of  the modules is provided below.

Security  is  also  an  integral part  of  any  ITS application which  can  be  achieved with  the combination of three  core components, namely authentication, encryption and  mechanisms for  access  control.  The  EMMA  middleware provided both  conceptual support for  pre- distributed  symmetric  keys  and  conceptual  support  for  symmetric  encryption  but  no support for access control mechanism. Another FP7 funded PECES (PECES, 2009) project (a follow-up project of the EMMA project) is currently developing a complete security suite for pervasive computing applications including transport domain. The PECES project security suite make use of existing encryption protocols and standards to ensure the authenticity of devices,  to  exchange  encryption  key  between  communicating  devices  and  to  provide appropriate access control  mechanisms to limit information sharing in and  between devices. More  detail  information about   PECES  project  security concepts can  be  found in  PECES project Secure Middleware Specification deliverable (Handte et al, 2010).

The  security  module  in  the  EMMA  middleware  provides  management  of  keys  and encryption and  decryption function. The  actual  functions that  perform encryption and decryption have to be provided by the application developers but the EMMA middleware provide  mechanisms  for  calling  them  at  the  right  time.  Before  a  received  message  is delivered to the application, the security module is called to decrypt the message using the provided key and decryption function. Conversely, it is also called before handing over the message to the communication layer for sending.

In the road infrastructure domain, the scalability of the EMMA middleware allows it to be embedded in a variety of platforms from  tiny  Smartdust sensors to traffic  control  systems. By developing these devices using a common middleware based platform, the individual Smartdust devices  can be configured as Wireless  Cooperating Objects (WICOs). This WICO based   sensor   network allows  the  system   to  be  flexibly  configured to  take  advantage of changing  conditions,  for  example  with  transitory  sensors  joining  or  leaving  the  fixed network  as  appropriate.  The  EMMA  middleware  provides  a  whole  new  range  of opportunities for  exchanging data  amongst different vehicle  sensors, subsystems and  the

engine.  Numerous applications are  continuously being  developed aiming to  improve the safety  and  enhance the driving experience. However, often  such  systems are isolated from the  rest  of the  vehicle  and  their  sensor  information cannot  be  reused. As  a solution, the EMMA middleware transforms such  sensors to cooperating objects, giving  the opportunity to develop new data  fusion  applications.

3.3.1 Vehicle to infrastructure application

Applications were  developed in  order to demonstrate the  benefits  of the  middleware for giving  priority to emergency vehicles.  For the infrastructure level application, an emergency vehicle (ambulance, fire engine  or police car, etc) are equipped with  a Smartdust WICO (or a MicaZ mote  installed with  the EMMA middleware) which  broadcast a beacon  message if it is on an emergency situation. For example, in a busy intersection controlled by traffic lights, emergency vehicles  are  detected and  given  priority by  regulating the  state  of the  traffic lights (Figure 12).

communication mechanisms (publish/subscribe) and  other  time periods the traffic regulator needs  in order to guarantee safety first. The traffic regulator has been programmed to attend to the trigger signal provided by the mote activating an emergency control sequence. The demonstration has successfully carried out real road  environment in Valencia,  Spain.

An  inter-hierarchical application, integrating all three  levels  that  developed in the  project: the automotive subsystem, the car level and the supra-car level, was also developed to demonstrate how heterogeneity issues  can be solved  in wireless sensor  networks developing EMMA  middleware. In  this  application demonstration,  inter-hierarchical collaboration of the WICOs developed on the project  consisted in transforming the information provided by the  vehicles  at both  engine  level  (cylinder pressure and  oil pressure sensors are  based  on TelosB platform) and  vehicle  level  (GPS, Vehicle  dynamic and  Radar  sensors are based  on Xilinx ML 403 platform (Katramados et al, 2008) ) into specific traffic control actions at infrastructure (to Smartdust WICO) level. In the infrastructure, a Smartdust WICO was connected to a portable VMS to display the information sent by the engine  level and  vehicle level sensors. The inter-hierarchical application scenario is explained in Figure 13 with the EMMA middleware components.

The above  application scenarios were  implemented and  tested with  the EMMA middleware. This was  used  as a test  bed  to check  the  correct  operation of EMMA  approach for wireless sensor  networks. It is worth mentioning that  wireless pervasive computing applications for

ITS can be developed using  the  EMMA  middleware but  validation of such  scenarios would require an extensive use of cooperative transport systems which is out of scope of the EMMA project. The EMMA middleware aims to provide an efficient platform to develop embedded applications for future intelligent transportation systems. The big advantage is that the EMMA approach is completely open to any systems and easily adapt to different applications.

3.3.2 Experimental results

Several  set of experiments have  been  carried out  with  the  EMMA  middleware to evaluate possible use  of  Smartdust WICO  in  the  supra-vehicle level  as  well  as  engine   level  and vehicle  level  application. These  experiments intend to evaluate the  use  of wireless sensors with  the  EMMA  Middleware for  the  proposed application scenarios at  three  different hierarchical levels.  The  engine  level  and  vehicle  level  sensors are  static  networks and experiments showed satisfactory results for the application. The following section provides some  experiments of the  vehicle  to  infrastructure  scenario. Two  Smartdust WICOs  were used  and  the first WICO was  programmed with  the EMMA Send  message component and this  WICO  transmitted a  packet  for  every,  500ms  and  1000ms.  The  second WICO  was programmed with the EMMA receive message component and connected to the MIB520 programming board which  in turn  was connected to a Laptop computer.

Open space experiment

This experiment was  carried-out on the Exhibition Park,  a large  grassy  area  to the north of the  Newcastle University. Each  scenario, 100 packets were  sent  and  those  packets were received. Both WICOs were placed at 1m above  the ground. The WICOs power level was set to  maximum level.  Each  scenario repeated  three  times  and  calculations were  performed offline  to  determine how  many  messages were  lost  at  each  distance and  average values reported in Figure  14.

Urban environment experiment

This experiment was carried-out on the Claremont Road, a busy road near to the Newcastle University. Each  scenario, 100 packets were  sent  and  those  packets were  received. Both WICOs were  placed at 1m above  the ground. The WICOs power level was set to maximum level.  Each  scenario  repeated  three  times  and  calculations  were  performed  offline  to determine how  many  messages were  lost at each  distance and  average values  reported in Figure  15.

Mobile environment experiment

This experiment was carried-out on the Claremont Road  up to 40mph  and  at the Motorway near  to the Newcastle airport for higher speeds. The first Smartdust WICO was  placed on a road  side  stand 1m from  the  ground and  the  second Smartdust WICO  was  placed on the middle of the dashboard of a vehicle. The Smartdust WICO at the vehicle sent message periodically which  was  received by the Smartdust at the road  side.  Each scenario repeated three  times  and  calculations were  performed offline to determine how  many  messages were lost at each distance and  average values  reported in Figure  16.

The open space experiment and urban environment experiment show that packets can be received  without  any  packet  lost  up  to  45m  distance.  The  percentage  of  packets  lost increases above  45m  distance in  both  cases.  In  the  mobile  environment experiment, the received packets decrease with  the  speed increases as the  WICO  is in range  for a shorter period of time.  This  means  that  communication time  window decreases with  the  vehicle speed. At the 70mph  speed, The WICO in the roadside received 5 and  11 packets for sending intervals 1000ms, 500ms respectively. And  interestingly, there  was no packets lost were seen between the first packet and the last packet received. The mobile environment experiment demonstrated   that    Smartdust   WICO    can    be   used    with    the    EMMA    middleware

communication  methods  between  a  fixed  infrastructure  WICO  and  also  fast  moving vehicle-based WICO  applications. This  is  an  important  finding which   proves that  the ZigBee  Smartdust WICO  do  not  suffer  from  any  Doppler effects  at  normal motorway (70mph)  speeds.  It  shows  that  the  EMMA  middleware  communication  functionality works  well even the vehicle travelling at 70mph.

4. Discussion

This   chapter  has   summarised  the   research  undertaken  at   Newcastle  University  to investigate the use of Smartdust devices  for Intelligent Transportation System  Applications. The costs of building and  maintaining the infrastructure could  be amortised over many  such services  delivered by  Smartdust based  wireless sensor  networks. Research  to  deliver this concept of connected mobile devices and infrastructure leads to the opportunity to consider realistically for the first time a fully connected Intelligent Transport System for the future.

Research is currently focused on filling in the knowledge and technology gaps in pervasive, mobile  ad-hoc  wireless  systems  for  a  range  of  transport  applications. Mobile  wireless systems are  beginning to  be  proven as  a  future tool  that  will  enable   the  joining  up  of vehicles, individuals and infrastructure into a single ‘connected’ intelligent infrastructure system. Embedding this technology in infrastructure – such as environmental sensors in lampposts,  embedded  in  vehicles  and  infrastructure,  in  goods,  and  even  connecting individuals through their  Smartphones, or even bespoke wearable wireless interfaces – offer potential for a more all-seeing, all knowing ITS infrastructure. If for example, vehicles are continually in wireless communication with the infrastructure, new paradigms for traffic monitoring and  control  could  be  considered, road  space  allocated more  efficiently and incidents dealt with in an optimum way. If vulnerable users have such wireless devices, the infrastructure could  warn   vehicles  to  slow  down and  the  drivers to  be  more  vigilant –

indeed wireless devices  attached to children could  for example warn  drivers that  children are playing out on the street,  just around the corner  and  to reduce speed now.  Such devices could  help  with  security and  safety  of individuals, be used  on airline  boarding cards  and other  tickets,  and  even  be  used  to  verify  HOV  (high  occupancy vehicles)  or  blue  badge entitlement. When  such  a  system  is  also  connected to  say,  a  vehicle’s  CAN-bus, then information  on  driving  style,  strange  driving  behaviour  (say  where  there  is  a  badly maintained stretch  of road  or object  in the  road,  could  be detected from  the  CAN  data  – allowing mitigating and  maintenance actions  to be automatically triggered).

Many  of  these  devices   can  carry  payloads such  as  sensors, and  the  idea  of  monitoring pollution with these devices in a pervasive way is beginning to be researched by Newcastle University (with pervasive wireless environmental sensors being attached to lampposts). However if  these  devices  become  small  and  cheap  enough (as  is  the  future vision  for Smartdust) then one could  image that we each carry our personal exposure meter.  Moreover with  ‘extreme’ sensor  design, wireless pollution sensors could  be fitted  in engine  manifolds and  exhaust pipes  to allow  the actual  pollution generated by a vehicle  to be measured and maybe  adjustments to driving style or engine  management systems can be advised or made to  mitigate some  of  the  pollution effects  (early  prototypes are  being  developed at  the university  at  the  moment).  If  future  ‘carbon  allowances’  are  to  be  considered  in  the connected car, the pollution the car generates will also need  to be measured and  monitored

–  as  proposed in  the  Smart  Market   Protocols  project  where auction and   trading-based carbon  allowances have been considered.

Significant research is required to fully realise the potential of such wireless systems, not just on  the  transport application side,  but  challenges to reduce the  size  of these  devices  from

‘smart-lumps’ to ‘Smartdust’ is critical as size, cost and  power consumption of these  devices will  dictate whether  the  devices   will  become   pervasive  in  the  transport  domain. This requires  detailed  work  on  antennae  design,  an  investigation  as  to  which  is  the  most appropriate  communications  frequency,  802.11x,  the  influence  of  CALM,  Wi-Fi  and probably the most important challenge being battery power requirements (using power scavenging or other  techniques).

The final key area of research which  is still embryonic is in low-cost  and robust sensor  design – much work is on-going but  uncoordinated in the transport domain. The robustness and dependability of  mobile  sensor  devices,  suitable communications protocols and  e-science techniques to deal  with  the  data  are crucial.  Also important is the  issue  of privacy and  data protection in a potentially all-seeing, all-knowing connected world, which rise the question of how much  information we want,  need and what  level of intrusion are we willing  to bear.

5. Conclusion

It is clear that the next generation of vehicles will be required to have increased safety, lower emissions  and  more  entertainment  with  higher  performance  than  those  of  today. The innovations in wireless sensor devices and digital electronics will enable novel automotive applications  which  will  become  very  common  in  future  ITS.  The  challenges  such  as integrating  heterogeneous  devices   for   specific   ITS   application  can   be   achieved  by developing technologies such as in the TRACKSS and  the EMMA projects.

This chapter has presented research projects that has been undertaken to investigate the suitability of using  Smartdust and  ZigBee technology for the intelligent systems applications. A selection of the applications and experiments carried out to systematically characterise the Smartdust technology in the road domain were presented here. The ability to communicate between vehicle and roadside illustrates that Smartdust will enable efficient and discrete communications between vehicle and roadside infrastructure – as the unit cost of Smartdust devices  will continue to go down – this is a significant contribution to the ITS domain.