Posts tagged "système"

Hybrid IoT: a Multi-Agent System for Persistent Data Accessibility in Smart Cities

Présentation du contexte

La réalité d'un campus intelligent ou plus généralement d'une ville intelligente passe par une observation régulière de l'environnement par des capteurs ad-hoc, afin d’agir dans l’environnement avec des dispositifs automatiques pour améliorer le bien-être des usagers. Ces capteurs permettent d’obtenir une connaissance des activités humaines et des conditions dans lesquelles ces activités sont menées, mais le déploiement d'un grand nombre de capteurs peut être coûteux. Les coûts sont principalement liés à l'installation, la maintenance et les infrastructures de capteurs dans les bâtiments existants. Pour ces raisons, l’objectif de cette thèse vise à réduire ces coûts en utilisant quotidiennement des milliers d’informations partielles et intermittentes provenant de smartphones des usagers du campus de l’Université Toulouse III Paul Sabatier. Ces traitements sont fondés sur une technologie d’Intelligence Artificielle par systèmes multi-agents coopératifs.

 

image011

Figure 1 : «On utilise les informations des dispositifs intermittents et mobiles pour fournir des estimations précises»

Objectifs scientifiques

- Apprendre à partir de données brutes, imprécises et intermittentes sans feedback.

- Fournir les informations en continu, même en l’absence de données de smartphone des usagers.

- Utiliser une approche hybride de l’Internet des objets qui mixe capteurs réels et capteurs virtuels.

Mots clés

Systèmes multi-agents auto-adaptatifs, fusion de données, apprentissage, smart campus

Contacts

Davide Andrea Guastella, Valérie Camps, Marie-Pierre Gleizes, {davide.guastella, camps, gleizes}@irit.fr

QuaLAS - eco-friendly Quality of Life in Ambient Sociotechnical systems

Context Presentation

The usual approach to ambient intelligence is an expert modeling of the devices present in the environment, describing what each does and what effect it will have. When seen as a dynamic and noisy complex systems, with the efficiency of devices changing and new devices appearing, this seems unrealistic. We propose a generic multi-agent (MAS) learning approach that can be deployed in any ambient environment and collectively self-models it. We illustrate the concept on the estimation of power consumption. The agents representing the devices adjust their estimations iteratively and in real time so as to result in a continuous collective problem solving. This approach will be extended to estimate the impact of each device on each comfort (noise, light, smell, heat...), making it possible for them to adjust their behaviour to satisfy the users in an integrative and systemic vision of an intelligent house we call QuaLAS: eco-friendly Quality of Life in Ambient Sociotechnical systems.

 

image009image010

 

 

Figure 1: « eco-friendly Quality of Life in Ambient Sociotechnical systems »

 

Scientific Goals

- multi-learning in a highly dynamic environment,

- conditions for scaling up,

- sensitivity to disturbances and noisy signals

- convergence speed

Keywords

neOCampus, file, presentation, innovation, ambient Intelligence multi-agent systems, complex systems, collective learning.

Contacts

fabrice.crasnier@irit.frmarie-pierre.gleizes@irit.fr - jean-pierre.george@irit.fr

 

Back to Top