Posts from 2017

La plupart des systèmes du monde réel sont des systèmes complexes. Ces systèmes sont caractérisés par des comportements non-linéaires et souvent non-prévisibles. Les systèmes ambiants, les réseaux, les milieux dans lesquels évoluent des robots ou des humains, sont tous des systèmes complexes. Mieux comprendre la dynamique de tels systèmes est donc un enjeu important, et cela peut passer par l’utilisation de simulations numériques. Cependant, la conception d’un modèle réaliste pour la simulation est difficile, dispendieux et sa validation peut prendre beaucoup de temps.

Objectifs scientifiques

Notre approche propose d’exploiter les données issues de l’observation du système complexe pour en générer automatiquement un modèle. Ces grandes masses de données sont les entrées d’un système multi-agent auto-adaptatif qui découvre automatiquement des corrélations simulant la dynamique complexe du système réel. Nous avons nommé ce système AMOEBA, pour Agnostic MOdEl Builder by self-Adaptation. AMOEBA est capable de généraliser, à fin de proposer des corrélations entre les données en entrée même dans des situations inédites. AMOEBA est également capable de s’auto-observer, permettant ainsi de détecter la présence de données inutiles, ou l’absence de données nécessaires à un bon apprentissage.

Contacts

- Julien Nigon (IRIT) : julien.nigon@irit.fr

- Marie-Pierre Gleizes (IRIT) : marie-pierre.gleizes@irit.fr

- Frédéric Migeon frederic.migeon@irit.fr

De nos jours, la minimisation de la facture énergétique et les enjeux environnementaux rendent indispensable une prise en compte des aspects énergétiques dans la planification des tâches, aussi bien dans les applications traditionnelles que dans les nouvelles problématiques associées au bâtiment ou à la ville intelligente, à la mobilité. Le positionnement dans le temps et les choix d’allocations de ressources aux tâches consommatrices et/ou productrices d’énergie a en effet un fort impact sur ces productions et consommations, et sur leurs coûts. Depuis quelques années, des recherches sont menées pour répondre à ces besoins mais les méthodes proposées sont généralement limitées à une application particulière. Le but de ce projet est de proposer un modèle générique des contraintes et objectifs énergétiques dans les problèmes d’ordonnancement.

Objectifs scientifiques

Les modèles peuvent faire appel à des fonctions non linéaires, par exemple pour les rendements, et doivent représenter des ressources énergétiques hétérogènes (avec ou sans capacité de stockage, renouvelables ou non renouvelables, prise en compte de la dynamique, …). Les méthodes proposées doivent tenir compte du caractère hétérogène des contraintes présentes et sont basées sur des méthodes de décomposition mathématiques faisant intervenir différents paradigmes d’optimisation combinatoire, adaptés aux différents sous-problèmes : programmation linéaire en nombres entiers, programmation par contraintes, algorithme de lot-sizing. Les méthodes proposées seront validées sur les plateformes de gestion intelligente d’énergie présentes sur le campus.

Contacts

- Janik Rannou (LAAS) : jrannou@laas.fr

- Sandra U-Ngueveu (LAAS) : ngueveu@laas.fr

- Christian Artigues (LAAS) : artigues@laas.fr

De nos jours, le nuage (cloud en anglais) devient indispensable pour utiliser les services informatiques, mais tous ces services en ligne ont un impact sur notre économie et notre environnement. L’utilisation de centres de calcul est devenue incontournable pour le traitement de l’information et le stockage à grande échelle (Big Data). Cependant, de tels systèmes distribués sont énergivores, et ont une influence directe sur l’environnement et leur coût de fonctionnement. Afin de diminuer l’empreinte écologique et la facture électrique, l’utilisation d’énergie renouvelable est adoptée. Cependant, l’intégration des énergies renouvelables dans de tels systèmes est complexe en raison de leur forte dépendance à l’environnement naturel. Effectivement, le rendement de production énergétique dépend essentiellement, de la météo, de la saisonnalité et des horaires de production. Par exemple, les panneaux solaires ne produise pas d’énergie la nuit, ou lorsqu’un nuage cache le soleil, et ils possèdent un rendement plus faible lorsque les températures sont fortes. Par contre, les éoliennes peuvent produire le jour comme la nuit mais dépendent de l’intensité du vent ainsi que de leur emplacement géographique. Afin d’améliorer l’efficacité des centres de calcul, de nombreux travaux ont utilisé le stockage d’énergie. Cette forme de stockage peut être considérée comme un cas de sécurité lié au mauvais rendement de telles sources renouvelables. L’utilisation de différentes sources d’énergie introduit une nouvelle problématique liée à leur complémentarité. Pour cela la création de réseau intelligent permet d’introduire une meilleure intégrité des flux énergétiques, et permet la communication entre les différents systèmes : producteur d’énergie, et utilisateur d’énergie.

Objectifs scientifiques

L’objectif de cette modélisation, en réseau intelligent, est l’optimisation des ressources photovoltaïques afin de diminuer l’empreinte écologique. Ces travaux tendent à rendre une charge de travail d’un centre de calcul modulable, c’est à dire, assurer sa compatibilité avec une production solaire et de surcroit tendre vers un centre de calcul auto-suffisant, dépendant le moins possible d’énergie fossile. Cette thèse aborde la problématique sur l’utilisation des énergies renouvelables dans un centre de calcul.

Contacts

- Inès de Courchelle (IRIT-LAAS) : ines.de-courchelle@irit.fr

- Thierry Monteil (LAAS) : monteil@laas.fr

- Georges Da Costa (IRIT) : georges.da-costa@irit.fr

- Yann Labit (LAAS) : ylabit@laas.fr

- Tom Guérout (LAAS) : tguerout@laas.fr

Le SGE (Service Gestion Exploitation), de la Chancellerie des Universités à Toulouse, gère les données liées aux différentes installations en termes de fluides (énergie, eau, air comprimé) sur différents campus. Deux systèmes de gestion de ces données cohabitent, demandant des tâches lourdes et complexes de manipulations et d’extractions des données de différentes sources qui représentent environ 10000 points de comptage. Un des principaux problèmes est l’accès à un historique des données pour effectuer des comparaisons et des analyses. A ce jour, le système n’offre pas une gestion de l’historique supérieure à 6 mois et ne permet pas de croiser facilement des données de plusieurs capteurs/compteurs. C’est dans cette optique que le SGE a exprimé son besoin de mettre en place un système d’intégration des données complexes et volumineuses issues de ses systèmes de supervision METASYS et PcVue qui englobent les données opérationnelles du SGE ainsi que les historiques: une optique qui a pour but d’améliorer de façon significative le suivi du fonctionnement des capteurs/compteurs pour les exploitants et de bénéficier d’un processus de prise de décision qui facilite davantage les analyses et les comparaisons des données capteurs/compteurs selon différents critères et des selon plusieurs axes d’analyse.

Objectifs scientifiques

-Apporter des solutions pour la modélisation, le stockage et l’exploration des données générées par les capteurs/compteurs afin de pouvoir répondre à la variété des besoins et exigences d’accès et d’analyses des utilisateurs.

-Proposer une solution d’intégration de données dans une source unique et non volatile.

-Piloter la performance durable.

Notre ambition est de répondre aux besoins du SGE en utilisant les technologies liées aux bases de données, aux entreposages de données et à l’informatique décisionnelle. A ce jour, nous sommes arrivés à mettre en place une solution d’intégration des données dans une base de données SQL Server et notre objectif final est de mettre en place une solution BigData pour gérer le grand volume de données de son historique sur 10 ans.

Contacts

- Inès Ben Kraiem (IRIT) : Ines.Ben-Kraiem@irit.fr

- Olivier Teste (IRIT) : Olivier.Teste@irit.fr

- André Péninou (IRIT) : andre.peninou@irit.fr

- Hervé Cros (SGE) : herve.cros@ac-toulouse.fr

Ce travail fait partie de la poursuite de l’étude d’optimisation énergétique du bâtiment ADREAM au LAAS-CNRS. L’objectif de cette thèse est l’optimisation du bilan Consommation/Production avec un focus sur la consommation électrique CVC (Chauffage, Ventilation, Climatisation). La performance énergétique du bâtiment ADREAM dépend de deux volets, un volet de production d’énergie (production d’énergie électrique par les PV, et production d’énergie thermique par son système géothermique), et un volet de consommation d’énergie qui correspond aux consommations électriques liées aux systèmes CVC, les équipements électroniques et l’éclairage. La démarche de ce travail a pour but la gestion intelligente de l’énergie électrique d’un réseau futé. Ce réseau futé est la plateforme ADREAM, qui comporte plusieurs sources et systèmes d’énergie en interaction constante. Dans cette plateforme multidisciplinaire on trouve un système géothermique liée à des PACs (Pompes à chaleur) qui servent à produire du chaud ou du froid pour le bâtiment. ADREAM comporte aussi un système de ventilation liée à un puits canadien, et une grande surface des PV (panneaux photovoltaïques) pour la production d’électricité (soit pour autoconsommation, soit pour redistribution au réseau électrique du LAAS). Ainsi, afin que le réseau puisse fonctionner d’une façon plus intelligente et efficace, plusieurs modèles précis sont développés. La calibration des modèles est réalisée selon les données existantes, récupérables par un système de supervision. Une fois qu’un modèle est calibré, des simulations sont lancées pour la prédiction de la consommation électrique en vue d’une amélioration de la régulation des systèmes.

Contacts

- PAPAS Ilias (LAAS-CNRS) : ipapas@laas.fr

- ESTIBALS Bruno (LAAS-CNRS) : bestibal@laas.fr

- ALONSO Corinne (LAAS-CNRS) : alonsoc@laas.fr

Le projet neOCampus vise à offrir de nouveaux services aux usagers du campus de l’université Paul Sabatier tout en réduisant l’empreinte écologique du campus. Ces deux objectifs passent par l’installation de capteurs sur le campus de l’université ainsi que le développement d’un environnement permettant la visualisation interactive des données géolocalisées fournies par ces capteurs. Une des approches favorisant la visualisation de données multidimensionnelles est l’utilisation de plusieurs écrans (environnements multi-écrans). Ces environnements offrent plusieurs avantages : ils améliorent l’interaction avec les données multidimensionnelles en distribuant les informations sur plusieurs écrans. Ils renforcent le travail en groupe et étendent l’espace d’interaction. Cependant, l’interaction avec ce type d’environnement est complexe et les outils utilisés pour interagir avec un seul écran y sont inadaptés. Ceci met en évidence la nécessité de concevoir de nouvelles techniques/Dispositifs d’interaction, adaptées aux environnements multi-écrans (EME) et permettant de profiter pleinement des avantages qu’ils offrent. Nous proposons TDome, une souris semi-sphérique à plusieurs degrés de libertés (DOF) augmentée d’un écran tactile. TDome, à travers un ensemble de techniques basées sur ses multiples DOF et conçues spécifiquement pour les EME, permet de répondre à leurs besoins.

Objectifs scientifiques

Design et conception de techniques/dispositifs d’interaction exploitant les facilités offertes par les environnements multi-écrans dans l’interaction avec des données multidimensionnelles et permettant :

• La visualisation des données sous différents niveaux de détail souhaités selon l’utilisation.

• Une prise en charge de la grande quantité de données fournies par des environnements tels que le campus de l’université Paul Sabatier.

Contacts

- Houssem Saidi (IRIT) : houssem.saidi@irit.fr

- Marcos Serrano (IRIT) : marcos.serrano@irit.fr

- Emmanuel Dubois (IRIT) : emmanuel.dubois@irit.fr

Cette thèse a pour objectif d’apporter des solutions dynamiques pour la modélisation et l’exploration des données Big Data produites par des capteurs installés sur le campus de l’université Paul Sabatier dans le cadre du projet neOCampus. Les données générées par des capteurs de neOCampus possèdent les caractéristiques majeures des 4V (volume, variété, vélocité, véracité) inhérentes aux mégadonnées (« Big Data »). Le nombre de capteurs déployés en croissance constante produit un volume de données de plus en plus important. Les phénomènes mesurés sont multiples et de nature hétérogène: environnement (températures, luminosité, hydrométrie...), consommation de fluides (électricité,chauffage,...), capteurs d’états (position des ouvrants,...) et de présences (caméras, capteurs de passages,...). Ils engendrent une grande variété d’informations hétérogènes produites à des rythmes temporels de vélocité variable. Enfin, la véracité des données n’est pas toujours assurée ; des défauts de calibrage, des pannes sur les capteurs sont autant de causes à l’absence de données, ou pire, à la dégradation de la qualité des données brutes produites.

Objectifs scientifiques

L’objectif de la thèse est de développer de nouveaux modèles, méthodes et outils permettant la refactorisation et l’exploration des données hétérogènes produites par les capteurs de neOCampus. Si les systèmes NoSQL apportent des caractéristiques intéressantes au problème de stockage des mégadonnées, ces systèmes impliquent une dépendance entre le modèle de stockage et les traitements. Cet aspect est accentué dans des contextes où les traitements à réaliser (requêtes utilisateurs) ne sont pas connues lors de la production des données, et des contextes ou les besoins de traitement des utilisateurs varient dans le temps. Dans ce cadre, le but de la refactorisation est d’adapter (modifier) les différentes structures des données en fonction des traitements demandés. Nous allons étudier les problèmes de migration pyhsique d’une manière efficace des données stockées dans un système NoSQL distribué en clusters vers un autre système réputé mieux adapté aux traitements ciblés. Nous allons étudier aussi les problématiques dites intra-système NoSQL qui consiste à réorganiser automatiquement les données au sein du même système, avec ou sans duplication, de manière matérialisée ou virtualisée, tout en garantissant la cohérence des données. Actuellement, nous avons proposé un premier prototype intra-système dédié pour les systèmes NoSQL orientées documents qui gère des problèmes d’hétérogénéité structurelles. Avec ces mécanismes nous allons en particulier explorer la problématique de structuration de données tout en minimisant les coûts de traitements induits par les processus de traitements distribués « Map » / « Reduce ». Nous allons valider ces résultats scientifiques au travers de la réalisation d’un prototype logiciel servant de preuve de concept. Pour ce faire, nous allons employer des jeux de données synthétiques et des jeux de données réels produits par les capteurs de neOCampus.

Contacts

- Hamdi Ben Hamadou (IRIT) : hbenhama@irit.fr

- Olivier Teste (IRIT) : teste@irit.fr

- André Péninou (IRIT) : peninou@irit.fr

- Marie-Françoise Canut (IRIT) : canut@irit.fr

Une architecture de réseau CCN est une approche alternative fondée sur un principe selon lequel un réseau de communication devrait permettre à un utilisateur de se concentrer sur les données dont il a besoin, plutôt que d’avoir à faire référence à un emplacement physique spécifique, d’où ces données doivent être récupérées. Elle permet la mise en cache des contenus pour réduire la congestion et améliorer le délai d’acheminement.

La durée de vie du contenu n’est pas prise en compte dans la dernière version de Content-Centric-Networking. Ainsi, dans ce travail, nous nous attachons à l’intégrer dans une architecture CCN pour les réseaux de capteurs et à montrer la pertinence de son exploitation.

Objectifs scientifiques

Nos objectifs de recherche sont multiples :

- Intégrer la notion de fraîcheur des données pour réaliser la satisfaction des utilisateurs.

- Comparer des approches réactives et proactives pour la mise à jour des contenus dans les caches.

- Réduire la consommation d’énergie des capteurs et maximiser la durée de vie du réseau.

- Optimiser le placement des contenus afin d’améliorer les performances du réseau.

Contacts

- Ghada JABER (IRIT-LAAS) : ghada.jaber@irit.fr

- Rahim KACIMI (IRIT) : kacimi@irit.fr

- Thierry GAYRAUD (LAAS) : gayraud@laas.fr

L’intelligence que nous souhaitons apporter au Campus du futur exige de fournir à ses bâtiments une perception de son activité interne. En effet, l’optimisation des ressources énergétiques nécessite une caractérisation des activités des usagers afin que le bâtiment puisse s’y adapter automatiquement. L’activité humaine étant sujet à plusieurs niveaux d’interprétation nos travaux se focalisent sur l’extraction des trajets des personnes présentes, sa composante la plus élémentaire.

Objectifs scientifiques

La caractérisation de l’activité des usagers, en terme de déplacements, exploite des données extraites de caméras et de microphones disséminés dans une pièce, ces derniers formant ainsi un réseau épars de capteurs hétérogènes. Nous cherchons alors à extraire de ces données une signature audiovisuelle et une localisation grossière des personnes transitant dans le réseau. Tout en préservant la vie privée de l’individu, la signature doit être discriminante, afin de distinguer les personnes entre elles, et compacte, afin d’optimiser les temps de traitement et permettre au bâtiment de s’auto-adapter. Eu égard à ces contraintes, les caractéristiques que nous modélisons sont le timbre de la voix du locuteur, et son apparence en terme de distribution colorimétrique.

Ces deux modalités ne présentant aucune corrélation, deux signatures, une vidéo et une audio seront générées séparément. La fusion de ces signature est alors traitée comme un problème de mise en correspondance d’observations audio et vidéo, dont les détections correspondantes sont cohérentes et compatibles spatialement.

Contacts

- François-Xavier Decroix (IRIT-LAAS) : decroix@irit.fr

- Julien Pinquier (IRIT) : pinquier@irit.fr

- Frédéric Lerasle (LAAS) : lerasle@laas.fr

- Isabelle Ferrané (IRIT) : ferrane@irit.fr

Les maquettes s’inscrivent dans de nombreux contextes comme illustrer un bâtiment en cours de construction (architecture), tester l’acoustique (salle de concert) ou aider des visiteurs à visualiser leur trajet, trouver un magasin (aéroport, centre commerciaux).

La maquette neOCampus regroupe plusieurs contextes, permettant à la fois à l’utilisateur de se représenter en 3D le bâtiment, les étages, les salles. Mais aussi de pouvoir sélectionner un capteur d’une salle, consulter ses relevés présents ou passés, ou bien le comparer à un autre. Cependant, ces différentes maquettes ne sont pas interactives. La mise en place de techniques d’interaction et de retours visuels spécifiques à la maquette physique est donc nécessaire pour pouvoir naviguer et manipuler ces différentes données.

Objectifs scientifiques

Pour répondre à ces différents besoins, il est important d’établir, d’explorer puis d’expérimenter l’espace de conception de techniques pour interagir avec une maquette physique. Nous nous sommes aussi intéressés à l’affichage d’informations sur cette maquette selon 3 critères : l’animation, la position et la forme. Ces retours visuels se portent sur deux cas d’utilisation : la sélection d’un capteur ainsi que la navigation entre deux capteurs.

Contacts

- Florent Cabric (IRIT) : florent.cabric@irit.fr

- Marcos Serrano (IRIT) : marcos.serrano@irit.fr

- Emmanuel Dubois (IRIT) : emmanuel.dubois@irit.fr