Réalisations

SANDMAN: a Multi-Agent System for Anomaly Detection in Smart Buildings

Context Presentation

The number of sensors in buildings is constantly increasing, thanks to more accessible costs and the obvious interest of their use for optimized management. In this thesis we are interested in the use of data from these sensors to detect anomalies in buildings. These data, which are very numerous, can be of unknown and heterogeneous types.An anomaly is defined as unexpected and undesirable behaviour in a system and may depend on the context. In order to be able to deploy an anomaly detection system as widely as possible, it is necessary to create a decision support tool for energy experts. To address these issues, a system based on cooperative multi-agent systems implementing AMAS theory is being developed that allows anomalies to be detected by supervised learning. The anomaly detection system must take advantage of the feedback from one or more experts who label certain instances as anomalies or non-anomalies. These feedback are used for learning. The system we develop allows the addition or removal of new sensors without interrupting the detection of anomalies.

image016

 

The system classifies situations

 

Scientific Goals

- Improve energy efficiency

- Detect anomalies in real time

- Learn continuously from the expert feedback

Keywords

Multi-Agent Systems, Smart Buildings, Internet of Things, Supervised Learning, Anomaly Detection

Contacts

Maxime.houssin@irit.fr

 

 

Embedded Multi Gas Sensors for Monitoring Indoor Air Quality

Context Presentation

The measurement of indoor air quality is important for health protection against chemical and gaseous pollutants ... The indoor air can contain many pollutants such as CO, CO2, NO2 and VOCs. These pollutants exist in differents materials and products that can be used in housing (furniture, cleaners ...), but can be also comming from human activities or outside source. In this case, the detection, measurement and monitoring of these gazeuse contaminants is necessary.In view of its high performance and low cost, the innovative gas multi-sensor based on metal oxides semiconductors for analyzing and controlling indoor air quality is a good alternative to electrochemical and infrared sensors. This project is currently in progress in LAAS in collaboration with the LCC and Laplace and as part of a thesis funded by neOCampus and the Occitanie region. This thesis focuses on the characterization of multiple MOX-based gas sensors and integrates these multi-sensors in electronic card to achieve a connected object to control the indoor air quality in offices and classrooms in University Paul Sabatier in Toulouse

 

S1P8

  Figure 1 : « MOX gas Multi-sensors»

 

 

Scientific Goals

The gas multi-sensor is a microsystem composed by four sensors on a microchip, realized to detect target gases. The scientific objective of this thesis is to characterize new nanomaterials (SnO2, CuO, ZnO, WO3 ...) designed by the LCC by using an exprimental set-up and to define an operating protocol by trying differents operationg modes.

Keywords

Multi-sensors,  MOS, Indoor Air Quality, Smart building, neOCampus

Contacts

aymen.sendi@laas.fr

menini@laas.fr

pierre.fau@lcc-toulouse.fr

katia.fajerwerg@univ-tlse3.fr

myrtil.kahn@lcc-toulouse.fr

vincent.bley@laplace.univ-tlse.fr

 

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

 

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

 

BiodiverCity, l’application de géolocalisation de la biodiversité sur les campus

L’application BiodiverCity est née de la collaboration du laboratoire ECOLAB (UMR 5245) et de l’IRIT (UMR 5505). L’objectif était de proposer un outil numérique qui pourrait être pris facilement en main par le grand public afin d’inciter tous les usagers à réaliser des observations géolocalisées de la biodiversité sur leur campus. Ce projet s’est rapidement associé au dispositif national d’observatoires participatifs Inventaire Fac’ (www.inventairefac.com). 

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.

S4P6

Figure 1 : « Densité d’observation et tracé des trames vertes et bleues sur le campus de Paul Sabatier, Toulouse 3 »

 

Objectifs scientifiques

 

Les objectifs de BiodiverCity sont :

➢ Localiser pour pouvoir ensuite cartographier précisément la biodiversité sur le campus

➢ Sensibiliser les usagers grâce à une démarche participative et pédagogique

➢ Améliorer la qualité de vie sur le campus en préservant son cadre naturel et sa richesse biologique

Mots clés

biodiversité, application, environnement, sciences participatives, localisation

 

Contacts

 

 

application.biodivercity@gmail.com, magali.gerino@univ-tlse3.fr, georges.da-costa@irit.fr 

 

 

Back to Top