Posts tagged "données"

Stream Analysis and Filtering for Reliability and Post-processing of Sensor Big data

Context Presentation

Anomaly detection in real fluid distribution applications is a difficult task, especially, when we seek to accurately detect different types of anomalies and possible sensor failures. Resolving this problem is increasingly important in building management and supervision applications for analysis and supervision. Our case study is based on a real context: sensor data from the SGE (Rangueil campus management and operation service in Toulouse).

We propose CoRP” Composition of Remarkable Points” a configurable approach based on pattern modelling, for the simultaneous detection of multiple anomalies. CoRP evaluates a set of patterns that are defined by users, in order to tag the remarkable points using labels, then detects among them the anomalies by composition of labels. CoRP is evaluated on real datasets of SGE and on state of the art datasets and is compared to classical approaches.

image044

Figure 1: « Anomaly Detection in Sensor Networks »

Scientific Goals

- Detect different types of anomalies observed in real deployment

- Improve the supervision of sensor networks

- Use learning methods for anomaly detection on static and continuous data

 

Keywords

neOCampus, Sensor Data, Univariate Time Series, Anomaly Detection, Pattern-based Method

Contacts

Ines.ben-kraiem@irit.frOlivier.teste@irit.fr, andre.peninou@irit.fr

Information modelling for the development of sustainable construction (MINDOC)

Context Presentation

In previous decades, environmental impact control through lifecycle analysis has become a hot topic in various fields. In some countries, such as France, the key figures for energy show that the building sector alone consumes around 45% of the energy produced each year. From this last observation emerged the idea to improve the methods hitherto employed in this field, in particular those related to the exchange of information between the various stakeholders involved throughout the lifecycle of a building. Information is particularly crucial for conducting various studies around the building; for instance, the assessment of the environmental impact of the latter. Concerning information exchange issues, the creation of open standards such as Industry Foundation Classes (IFC) or CityGML, but also semantic web technologies have been widely used to try to overcome it with some success elsewhere. Another striking issue is the heterogeneity between construction product databases. What would be particularly interesting is to know the environmental impact of a building at early phases of its lifecycle. However, there are a number of problems that still do not have solutions. This includes associating Building Information Modelling (BIM) and semantic web technologies with environmental databases to increase the flexibility needed to assess the building's environmental impact throughout its lifecycle.

image019

Figure 1: MINDOC methodology process

Scientific Goals

- Study how information exchange is made within experts during a building lifecycle in order to figure out interoperability gaps ;

- Fill some of the encountered gaps by mean of formalization of building information.

- Combined with the formalization of environmental data on construction products, the latter will enable the introduction of product data at an early stages of the building lifecycle.

Keywords

Knowledge Modeling & Semantic Reasoning - Merging Ontologies - Decision Support - Building Information Modeling (BIM) - Environmental Databases.

Contacts

justine-flore.tchouanguem-djuedja@enit.fr, Bernard.Kamsu-Foguem@enit.fr, camille.magniont@iut-tarbes.fr, mkarray@enit.fr, fabanda@brookes.ac.uk.

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

Interaction avec des Données Numériques Intégrées au Monde Physique : Application aux Maquettes d’Architecture

Les données sont aujourd’hui omniprésentes dans notre quotidien. Le projet neOCampus a pour but d’offrir de nouveaux services aux usagers d’un campus en exploitant des données de différentes natures (température, consommation, nombre de personnes, bruit, luminosité, etc.) et captées en continu dans toutes les salles du campus de l’Université. Toutefois une telle quantité de données est, pour l’utilisateur novice, complexe à analyser, comprendre et manipuler. Il est donc nécessaire de concevoir, d’implémenter et d’évaluer de nouvelles méthodes de visualisation et d’interaction avec ces données.

Ce projet explore l’apport potentiel de l’utilisation d’un support physique pour interagir avec ces données en entrée (contrôle et action de de l’utilisateur sur les données) et en sortie (rendu des données sur l’objet physique). En effet les données captées étant relatives à des bâtiments ou des dispositifs dans ces bâtiments, ancrer ces données dans un modèle physique représentant le lieu de collecte de la donnée doit permettre aux utilisateurs de mieux se projeter dans des données et donc de mieux les appréhender. On appelle cela la physicalisation interactive de données et l’on s’intéresse au développement de maquettes physiques interactives supports à l’exploration de données.

S5P5

Figure 1 : Visualisation de données de consommation énergétique sur des maquettes physiques

Objectifs scientifiques

Les objectifs de ce projet sont :

- Concevoir et développer un processus de construction d’une maquette physique interactive.

- Concevoir et étudier des techniques d’interaction sur maquette physique.

- Établir un environnement interactif pour augmenter une maquette physique.

Contacts

Florent.cabric@irit.fr, Marcos.serrano@irit.fr, Emmanuel.dubois@irit.fr

 

 

Exploration de données spatio-temporelles

Les données spatio-temporelles sont générées quotidiennement, que ce soit pour collecter la consommation énergétique d’un bâtiment ou tout simplement étudier la température des différentes salles de ce bâtiment. Face à des environnements de données aussi riches et complexes, il est important de définir ce qu’elles représentent. Ce type de données peut être décomposé en trois éléments clés : l’objet, qui est souvent l’entité clé, l’élément temporel, et le mouvement de cet objet dans l’espace à travers le temps. Les solutions explorées jusqu'ici pour manipuler ces données incluent généralement la souris 2D, les interfaces tangibles ou de l'interaction mid-air. Chacune d’entre elles présentent cependant des limitations ne permettant pas une manipulation optimale de ces données. Ainsi, il nous faut développer de nouveaux outils d’interactions pour faciliter l’exploration de ces données multidimensionnelles. Nous proposons donc une approche innovante couplant de l’interaction tangible, de la robotique et de la visualisation immersive pour faciliter ce processus.

S5P4S5P4BisS5P4ter

Figure 1 : Visualisation de données spatio-temporelles sur un parcours passant par les différents laboratoires partenaires de neOCampus

Objectifs scientifiques

Les objectifs du stage sont :

- D’élaborer une preuve de concept permettant d’interagir avec des données spatio-temporelles en combinant le concept de cube spatio-temporel et de robots tangibles

- De concevoir et développer un support d’interaction dynamique facilitant l’exploration et l’interprétation des données spatio-temporelles

Contacts

sabine.cassat@irit.fr, marcos.serrano@irit.fr, emmanuel.dubois@irit.fr

 

Refactorisation dynamique de mégadonnées pour l'optimisation des données de capteurs

Nous proposons un mécanisme qui permet de collecter et modéliser l'ensemble des données provenant des différents capteurs (température, humidité, luminosité, ...) disséminés sur le campus de l'université Paul Sabatier afin de faciliter l'exploitation, l'exploration et la visualisation des données. Ce mécanisme déverse les données dans une base MongoDB accessible via une API dédiée. Il permet d’intégrer des données hétérogènes de source et nature hétérogènes avec vélocité variable. De plus, notre mécanisme offre des facilités de transparence d’interrogation de données pour l’utilisateur. Les requêtes sont écrites à partir d’une connaissance minimale de la structure des données (un schéma existant). Le système de traitement de requêtes prend en compte automatiquement l’hétérogénéité structurelle des données réelles afin de retourner l’ensemble des résultats pertinents pour la requête même si le schéma des données est différent.

S5P3

Figure 1 : « Cycle de vie des données de capteur neOCampus »

Objectifs scientifiques

Les objectifs de la thèse sont :

- Modélisation et exploration des données big data produites par les capteurs de neOCampus.

- Développement des nouveaux modèles, méthodes et outils pour la refactorisation et l’exploration des données hétérogènes. 

- Etude des problèmes liés à l’intégration de données au niveau intra et/ou inter-systèmes NoSQL.

Contacts

hbenhama@irit.fr, canut@irit.fr, peninou@irit.fr, teste@irit.fr

 

AMAS4BigData : Analyse dynamique de grandes masses de données par Systèmes Multi-Agents Adaptatifs

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.

S5P2

Figure 1 : « Réseau de relations de dynamique entre les capteurs neOCampus »

Objectifs scientifiques

L’objectif de cette thèse est concevoir une intelligence artificielle collective afin :

 d’analyser en temps réel les grandes masses de  données du campus,

 s’adapter en continu aux changements dans les données (contenu et structure)

 en respectant la vie privée et l’anonymat des usagers.

Contacts

elhadi.belghache@irit.fr, pierre.glize@irit.fr, jean-pierre.george@irit.fr

 

Conception de techniques d’interaction pour l’exploration de données spatiales dans des environnements immersifs

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 spatialement distribuées est l’utilisation d’environnements immersifs. Ces environnements permettent à l’utilisateur de faire cohabiter des informations numériques ancrées géographiquement dans les environnements physiques. Ils améliorent la compréhension et l’exploration de données grâce à leurs capacités spatiales. 

Dans ce travail, nous proposons un nouveau paradigme d’interaction basé sur l’utilisation d’un dispositif à multiple degrés de libertés (DDL), supporté par le corps, pour interagir avec des visualisations immersives.

S5P1

Figure 1 : Utilisation d’une souris à plusieurs degrés de libertés sur le corps (support) pour l’interaction avec une visualisation immersive.

Objectifs scientifiques

Les objectifs de ce travail sont :

 La réalisation d’un espace de conception pour le paradigme d’interaction proposé.

 L’évaluation de la stabilité du support d’interaction et du dispositif à multiple DDL.

 

Contacts

houssem.saidi@irit.fr, marcos.serrano@irit.fr, emmanuel.dubois@irit.fr

 

Les services écosystémiques liés à la quantité d’eau sur le campus de Toulouse 3

L’eau est une ressource naturelle limitée avec de nombreux usages et enjeux à toutes les échelles de territoire. Le campus UT3 peut servir de petit bassin-versant semi-anthropisé pour tester à échelle locale des scénarii d’offre et de demande de cette ressource. Les espaces naturels apportent des bénéfices ou services écosystémiques (SE) qui aident à la disponibilité et la régulation de cette ressource et ainsi participent au maintien du bien-être économique et social d’un territoire (De Groot et al., 2002). L’IPBES (Internationnal Platform for Biodiversity and Ecosystem Services) conclut en 2018 sur l’importance de démonstration des bénéfices retirés par le maintien d’espaces naturels fonctionnels. Les SE en relation avec la quantité d’eau sont les services d’approvisionnement et de régulation. L’état des lieux sur le campus de l’UT3 de ces SE permet de 1. mesurer quelle est la contribution naturelle dans la disponibilité de cette ressource ; 2. démontrer comment les espaces naturels participent à la régulation des flux d’eau pendant un orage et en période de sécheresse. Cette approche soulève des questions dont les réponses seront testées sur notre campus : Comment évaluer ces SE à l’échelle de notre campus ? Comment ces connaissances sont-elles utiles pour la gestion de l’eau à cette échelle ? Nos résultats représentent-t-ils un support utile pour des discussions collectives permettant d’aborder des questions concrètes de gestion de l’eau ? Pour aborder ce sujet, nous avons souhaité ouvrir un espace de dialogue et de concertation avec la constitution du groupe néÔCampus en parallèle des recherches menées sur l’état des lieux des flux et SE de l’eau. Apres la présentation de l’état actuel, la diversité des acteurs concernés par l’usage de l’eau et la gestion des milieux naturels du campus (UT3, SGE, Associations d’étudiants, ..) seront sollicités pour recueillir l’ensemble des scénario de gestion possibles sur le campus faces aux enjeux a venir tels que le changemnt climatiques. Les outils d’estimation des  des SE seront utilisés pour positionner ces scénarios dans un triptyque de valeurs économiques, environnementale et sociétales. 

S4P3

Fig 1 : Valeurs des flux d’eau estimées pour l’année 2018 en (103 m3) et (103 €) à l’échelel du campus ( 1 Km2)

Objectifs                                                                     

 Etablir un état des lieux de la ressource en eau sur le campus, ses usages et les services naturels associés 

 créer un espace de dialogues avec les différents acteurs de l’eau 

 Tester de nouveaux scénarios de gestion intégrée de la ressource en eau 

Contacts

gregoiregualchierotti@gmail.com, sylvia.becerra@get.omp.eu, magali.gerino@univ-tlse3.fr

 

Towards a better LoRaWAN connectivity for all end-devices

gateway-LoRaWAN-Ecolab_oct19lorawan_oct19

In an ever growing demand for connected objects (e.g SmartGardens, connected flowers, connected hives etc), neOCampus has extended its LoRaWAN infrastructure with the addition of a new industrial-grade LoRaWAN gateway. Bought by the Ecolab laboratory, it will get soon installed on its rooftop. This new gateway will address the downlink issue end-devices are facing. Actually, while the LoRa radio technology enables a 15km line-of-sight (LOS) range for data upload, an end-device will hardly get its downlink data from such a range! Hence, this additional gateway will greatly increases the downlink capability for most of our end-devices allowing a broader range of use-cases :) What a federated LoRaWAN infrastructure is useful for ? It means that neOCampus will be able to delegate end-devices management on a per-project basis to some local/remote managers. Through the https://lorawan.univ-tlse3.fr, these managers will be able to declare end-devices that will get recognized by all of our gateways. Moreover, it will also gives them the opportunity to finely tune their data flow through a broad range of data end-points like MQTT, HTTP sink etc

Contacts

neOCampus technical staff : neocampus-tech_at _irit.fr

 

Back to Top