To enable high performance data management for sensor-based systems the system components in an architecture has to be tailored to the situation at hand. Therefore, each component has to handle a massive amount of data independently, and at the same time cooperate with other components within a system. To facilitate rapid data processing between components, a model detailing the flow of information and specifying internal component structures will assist in faster and more reliable system designs. This thesis presents a model for a scalable, safe, reliable and high performing system for managing sensor-based data. Based on the model a prototype is developed that can be used to handle a large amount of messages from various distributed sensors. The different components within the prototype are evaluated and their advantages and disadvantages are presented. The result merits the architecture of the prototype and validates the initial requirements of how it should operate to achieve high performance. By combining components with individual advantages, a system can be designed that allows a high amount of simultaneous data to be disaggregated into its respective category, processed to make the information usable and stored in a database for easy access to interested parties. / Om ett system som hanterar sensorbaserad data ska kunna prestera bra måste komponenterna som ingår i systemet vara skräddarsydda för att hantera olika situationer. Detta betyder att varje enskild komponent måste individuellt kunna hantera stora simultana datamängder, samtidigt som de måste samarbeta med de andra komponenterna i systemet. För att underlätta snabb bearbetning av data mellan komponenter kan en modell, som specificerar informationsflödet och interna strukturer hos komponenterna, assistera i skapande av snabbare och mer tillförlitliga systemarkitekturer. I denna uppsats presenteras en modell för skapande av skalbara, säkra, tillförlitliga och bra presterande system som hanterar sensor-baserad data. En prototyp utvecklas, baserad på modellen, som kan hantera en stor mängd meddelanden från distribuerade sensorer. De olika komponenterna som används i prototypen utvärderas och deras för- och nackdelar presenteras. Resultatet visar att arkitekturen hos prototypen fungerar enligt de initiala kraven om hur bra systemet ska prestera. Genom att kombinera individuella styrkor hos komponenterna kan ett system skapas som tillåter stora mängder data att bli fördelat enligt deras typ, behandlat för att få fram relevant information och lagrat i en databas för enkel tillgång.

Trötthet i trafiken är ett stort problem i samhället. Det är särskilt farligt att trött framföra tunga lastbilar i trafiken eftersom dessa fordon är stora och har ofta livsavgörande roller vid inblandning i trafikolyckor. För att angripa problemet har det i denna rapport studerats kring vilket sömnstadie som är lämpligast att vakna under, i syfte att vakna pigg och alert samt vilka typer av tekniker och metoder som är lämpliga för att portabelt kunna detektera Rapid-Eye-Movement. Tidigare arbeten och studier har gjorts som påvisar att uppväckning i REM-sömn är optimalt för att känna sig alert. De valda metoderna är baserade på varianter av väletablerade tekniker som används för identifiering av sömnsteg. Elektrookulografi används för att mäta ögonrörelser med hjälp av fyra elektroder som är placerade på huvudet. Kroppsrörelser upptäcks genom en accelerometer som fästs på armen. Pulsmätningar görs och används för att räkna ut pulsvariansen under sömnen. Målet är att skapa en prototyp som ska känna av när användaren är i REM-sömn och sedan väcka användaren. Detta arbete är uppdelat i två inbyggda system som görs mellan två olika examensarbeten. Resultatet blev tre sensorer som fungerar individuellt. På grund av tidsbrist och en längre felsökning blev prototypen inte färdigställd. Innan sensorerna kan tillämpas i en produkt krävs det att ytterligare tester genomförs under monitorering av en sömnspecialist. / Tiredness in traffic is a major problem in society. It is especially dangerous to drive heavy trucks when tired because these vehicles are large and often have vital roles when involved in traffic accidents. To address the problem, this degree project has studied which sleep stage is most appropriate to wake up during, in order to wake up sharp and alert, and what types of techniques and methods are suitable for portable detection of Rapid-Eye-Movement. Previous work and studies have been done which indicates that awakening during REM sleep is optimal for feeling alert. The chosen methods are based on variants of well-established techniques that are used to identify sleep stages. Electrooculography is used to measure eye movements using four electrodes placed on the head. Body movements are detected by an accelerometer attached to the arm. Pulse measurements are made and used to calculate the pulse variation during sleep. The goal is to create a prototype which will know when the user is in REM sleep and then wake the user up. This work is divided into two embedded systems that are made between two different degree projects. The result was three sensors that worked individually. Due to lack of time and a longer troubleshooting, the prototype was not completed. Before the sensors can be used in a product, additional tests are required under the supervision of a sleep specialist.