Posts from 2017-07

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

Les fluides sont des éléments indispensables au bon fonctionnement d’un campus. Sur le campus de Rangueil, l’eau, l’air comprimé, l’électricité, le gaz et le chauffage sont autant de fluides consommés pour différents objectifs. Les consommations de ces fluides sont mesurées grâce aux capteurs situés au niveau de chaque bâtiment.

Dans le cadre du projet neOCampus, l’Université Paul Sabatier vise à contrôler leurs consommations et donc de diminuer leurs factures. Afin de pouvoir contrôler ces consommations, il est nécessaire de pouvoir visualiser les différentes données pour l’ensemble des bâtiments. Cette visualisation est nécessaire pour l’économe de flux de l’Université Paul Sabatier chargé de minimiser les consommations énergétiques.

Objectifs scientifiques

Dans le cadre de ce stage, l’objectif principal était de mettre en pratique les connaissances acquises tout au long de ma formation dans le domaine Informatique ou d’en découvrir davantage et d’utiliser les nouvelles technologies permettant de faire des interfaces graphiques. Le second objectif était de faire des recherches sur les différentes technologies permettant lire, d’écrire et d’analyser une quantité importante de données (sous format .csv) et de faire un comparatif afin de choisir la technologie la mieux adaptée.

Contacts

- Evergiste Mutoni (IRIT) : evergiste.mutoni@irit.fr

- Mathieu Raynal (IRIT) : mathieu.raynal@irit.fr

Le campus intelligent ou la ville intelligente par le biais de ses capteurs fixes et mobiles (capteurs ambiants, objets intelligents et connectés) génère très rapidement de grandes masses de données liées à l’activité de ses usagers et de ses processus internes. Ces masses de données représentent une mine d’informations pertinentes pour mieux comprendre l’activité du campus et ainsi le gérer plus intelligemment dans le but d’assurer l’équilibre entre confort des usagers et empreinte écologique minimale.

Objectifs scientifiques

Ce projet vise à explorer et à concevoir un système basé sur la technologie des Systèmes Multi-Agents Adaptatifs (AMAS) afin d’analyser en temps réel les grandes masses de données du campus sous forme de flux et s’adapter en continu aux changements dans les données (contenu et structure) tout en respectant la vie privée et l’anonymat des usagers.

Cette analyse se concrétise dans un premier temps par la découverte et l’apprentissage de relations dynamiques entre les données (capteurs), grâce à une étude de corrélations de dynamiques (comportements similaires). Ces relations peuvent être simples (causalité, influence, association) ou complexes (catalyse/suppression, inhibition/activation, chaînage).

Contacts

- Elhadi Belghache (IRIT) : elhadi.belghache@irit.fr

- Jean-Pierre Georgé (IRIT) : jean-pierre.george@irit.fr

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

- Pierre Glize (IRIT) : pierre.glize@irit.fr

Certaines salles du bâtiment U4, dont le “CampusFab” sont équipées d’une multitude de capteurs permettant d’en mesurer la température, l’humidité, la luminosité, le taux de CO2 et la présence. Elles possèdent également des actionneurs qui offrent la possibilité d’agir sur les dispositifs connectés (volets, chauffage et éclairage). Les capteurs fournissent des données en temps réel qui sont centralisées et archivées au sein d’un serveur web connecté à Internet. Grâce à une API, il est possible d’accéder en temps réel aux données recueillies. Ces données peuvent être téléchargées de manière automatisée, via une grande variété de langage de programmation, de façon à être intégrées aux applications développées par les équipes en lien avec le projet neOCampus.

Objectifs scientifiques

L’objectif initial du projet OSM To 3D était de visualiser en 3D une carte issue d’OpenStreetMap. Ce sujet propose d’afficher en temps réel les données issues des capteurs disposés dans les salles du bâtiment U4. Un système d’alerte automatique permet de signaler les anomalies (haute température, forte luminosité etc...). Cela permettra d’être averti au plus vite en cas de conditions extrêmes (hautes températures, forte luminosité) et de pouvoir réagir manuellement via l’application ou de manière automatique grâce à une IA programmée pour assurer le confort des utilisateurs.

Contacts

- Dorian Roques (IRIT) : dorian.roques@irit.fr

- Cédric Sanza (IRIT) : cedric.sanza@irit.fr

Née de la collaboration entre deux laboratoires en 2015 : UMR EcoLab et UMR IRIT, dans le cadre de l’opération neOCampus, l’application BiodiverCity devient un outil de Sciences Participatives en collaboration avec le dispositif Inventaire Fac’ (www.inventairefac.com) d’observatoire participatif de la biodiversité sur les campus français. Son but : optimiser la collecte et le partage de données naturalistes, grâce à un outil numérique facile d’utilisation et accessible à tous.

A l’heure actuelle, il apparaît plus que jamais primordial de conserver l’ensemble de la biodiversité vivante de nos régions, dans les milieux naturels comme dans les villes. Les campus universitaires se révèlent être des sites privilégiés pour mettre en œuvre des approches novatrices en matière de gestion de la biodiversité, notamment par le biais des inventaires. L’enjeu est donc de mobiliser ce potentiel pour améliorer la qualité de vie sur le campus tout en préservant la richesse biologique de nos espaces urbains.

Son usage est a la portée de tous : il suffit d’ouvrir BiodiverCity et de s’en servir pour prendre en photo un organisme, végétal ou animal, observé au détour d’une balade sur le campus, puis de remplir un rapide questionnaire permettant de réaliser une première description de l’individu. Ensuite, l’application s’occupe de tout : elle sauvegarde automatiquement la date et l’heure de la prise de vue, la photographie, les résultats du questionnaire et surtout la localisation de l’observation grâce aux coordonnées GPS du smartphone utilisé. L’ensemble de ces données est finalement envoyé a Inventaire Fac’ et dans la base de données de l’application.

Objectifs scientifiques

- Aide à la localisation de la biodiversité sur le campus : connaitre le positionnement dans le temps et dans l’espace de la biodiversité => visualisation d’une carte des observations.

- Mise en place de plans de gestion et de conservation des habitats naturels du campus, tracer la trame verte et bleu à l’échelle locale.

- Sensibilisation les usagers du campus par les sciences participatives : prise de conscience de la biodiversité présente sur un campus et participation active à un projet.

- Amélioration de la qualité de vie et du bien-être de tous sur les campus par l’ensemble des services rendus tels que la régulation de la température, des flux d’eau et de la qualité de l’air.

Contacts

- Léa Medous (EcoLab-IRIT) :  application.biodivercity@gmail.com

- Magali Gerino (EcoLab) : magali.gerino@univ-tlse3.fr 

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

Nous vivons dans un environnement qui regorge de systèmes artificiels dont le but est de nous assister dans notre quotidien. Toutes ces applications sont développées afin de servir un but précis défini avant leur conception. Cependant, il est impossible de prévoir à l’avance toutes les interactions qu’elles auront avec leur environnement. De plus, ces systèmes sont plongés dans un monde dynamique dans lequel divers dispositifs peuvent apparaître et disparaître. Face à ces besoins, il est légitime de penser que dans un futur proche, nous ne serons plus en mesure de concevoir et programmer tous ces systèmes, ils devront alors apprendre à être utiles de façon autonome et réactive.

Aujourd’hui, pour qu’un système puisse apprendre une tâche ou un service, il a besoin qu’un oracle lui dise ce qu’il est pertinent de retenir, on parle d’apprentissage par démonstrations. Cet apprentissage par démonstrations peut se traduire par une personne qui pilote un robot pour lui montrer une tâche à effectuer. Qu’en est-il si le système se retrouve dans une situation qu’il ne connaît pas ou s’il n’y a personne pour faire cette démonstration ?

Objectifs scientifiques

Ce stage a pour but d’aller au-delà de cet apprentissage par démonstrations et concevoir des méthodes d’auto-apprentissage utilisant seulement les actions et perceptions d’un système afin d’en apprendre un modèle de contrôle. C’est-à-dire de doter un système de capacités d’auto-observation lui permettant d’apprendre quelles conséquences ont ses actions sur ses perceptions sans faire d’hypothèses sur la nature de celles-ci. Ce modèle lui permettra alors d’évoluer dans la représentation qu’il a de son environnement, autrement dit de ses perceptions.

Un autre objectif de ce sujet de recherche est la généricité, les méthodes d’auto-apprentissage devront pouvoir s’appliquer à n’importe quel système doté d’actions et de perceptions. Enfin, le dernier objectif est le passage à l’échelle, cet auto-apprentissage doit pouvoir s’adapter à de grandes quantités d’actions et de perceptions.

Contacts

- Bruno Dato (IRIT) : bruno.dato@irit.fr

- Nicolas Verstaevel (IRIT) : nicolas.verstaevel@irit.fr 

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

De nos jours, le secteur du bâtiment est le premier secteur consommateur d’énergie en France, représentant près de 45% de la consommation finale d’énergie ainsi que 18% des émissions totales de gaz à effet de serre. Ainsi il a été identifié comme un poste clef pour réaliser des économies d’énergie et diminuer drastiquement les émissions de CO2. De plus, un intérêt croissant sur le confort et la qualité de l’air intérieur s’est développé depuis plusieurs années. Ces différents critères seront par ailleurs pris en compte dans la future Règlementation Bâtiment Responsable 2020. Dans ce contexte, les matériaux biosourcés apparaissent comme une solution possible. Le béton de chanvre est l’un de ces matériaux : il nécessite moins d’énergie grise, s’appuie sur des ressources renouvelables et permet le stockage du carbone pendant la durée de vie du bâtiment. Le béton de chanvre, utilisé comme matériau de remplissage de paroi, dispose de bonnes propriétés isolantes et hygrothermiques, permettant des gains énergétiques ainsi que la régulation de l’environnement intérieur.

Objectifs scientifiques

- Caractérisation thermique et hydrique de blocs préfabriqués en béton de chanvre en évaluant les dépendances en teneur en eau et en température.

- Modélisation des transferts couplés de chaleur et d’humidité.

- Validation expérimentale à l’échelle de la paroi.

Contacts

- Billy Seng (PHASE-LMDC) : billy.seng@univ-tlse3.fr

- Camille Magniont (LMDC) : camille.magniont@iut-tlse3.fr

- Sandra Spagnol (PHASE) : sandra.spagnol@univ-tlse3.fr 

- Sylvie Lorente (LMDC) : lorente@insa-toulouse.fr 

La mesure de la qualité de l’air intérieur est importante pour la protection de la santé contre les polluants chimiques, gazeux... En effet, l’air intérieur peut contenir plusieurs polluants tels que les CO, CO2, COVs. Ces polluants existent dans plusieurs matériaux et produits utilisables dans les logements (les meubles, nettoyants...), mais peuvent aussi être issus des activités humaines. Dans ce cas, la détection, la mesure et la surveillance de ces polluants sont nécessaires. Au vue de ses performances élevées et son faible coût, le multi-capteur de gaz innovant pour l’analyse de la qualité d’air intérieur est une bonne alternative aux capteurs électrochimiques et infrarouges. Ce projet est en cours de réalisation au sein du Laas en collaboration avec le LCC et Laplace dans le cadre du projet collaboratif universitaire (neOCampus). Ce stage porte essentiellement sur la caractérisation d’un multi-capteurs de gaz à base MOX afin de contrôler la qualité de l’air intérieur dans les bureaux et les salles d’enseignements.

Objectifs scientifiques

Le multi-capteurs de gaz est un micro-système composé, de quatre capteurs sur une micro puce, destiné à détecter des gaz cibles. L’objectif scientifique de ce stage est de caractériser de nouveaux nanomatériaux (SnO2, CuO, ZnO) conçus par le LCC, et de comparer leurs performances avec quelques capteurs commerciaux. Pour cela, on utilise un banc de caractérisation afin de déterminer un protocole de test et d’analyse des données en choisissant un profil optimal de détection. Les étapes de ce stage se résument comme suit :

- Préparation des échantillons: découpage de wafer, collage des puces sur des boîtiers, bondings, dépôt des MOX.

- Phases de test débutant par le recuit pour enlever les solvants, puis l’application des différents profils de température et l’injection des différents gaz avec différentes concentrations.

- Récupération et analyse des données mesurées.

Contacts

- Aymen Sendi (LAAS) : aymen.sendi@laas.fr 

- Philippe Menini (LAAS) : menini@laas.fr

- Pierre Fau (LCC) : pierre.fau@lcc-toulouse.fr