Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

THÈSE DE DOCTORAT DE L’ÉTABLISSEMENT UNIVERSITÉ BOURGOGNE FRANCHE-COMTÉ PRÉPARÉ

THÈSE DE DOCTORAT DE L’ÉTABLISSEMENT UNIVERSITÉ BOURGOGNE FRANCHE-COMTÉ PRÉPARÉE À L’UNIVERSITÉ DE FRANCHE-COMTÉ École doctorale n°37 Sciences Pour l’Ingénieur et Microtechniques Doctorat d’Informatique par GABY BOU TAYEH Internet des Objets et Intelligence Artificielle pour les Pompiers de Demain Thèse présentée et soutenue à Belfort, le 8 juillet 2020 Composition du Jury : MITTON NATHALIE Directrice de recherche à l’Inria Lille Rapporteur MOKDAD LYNDA Professeur à l’Université Paris-Est Val de Marne Rapporteur CHRÉTIEN STÉPHANE Professeur à l’Université Lyon 2 Examinateur GUYEUX CHRISTOPHE Professeur à l’Université de Franche-Comté Examinateur DEMERJIAN JACQUES Professeur à l’Université Libanaise Invité BAHI JACQUES Professeur à l’Université de Franche-Comté Directeur de thèse MAKHOUL ABDALLAH Professeur à l’Université de Franche-Comté Directeur de thèse THÈSE DE DOCTORAT DE L’ÉTABLISSEMENT UNIVERSITÉ BOURGOGNE FRANCHE-COMTÉ PRÉPARÉE À L’UNIVERSITÉ DE FRANCHE-COMTÉ École doctorale n°37 Sciences Pour l’Ingénieur et Microtechniques Doctorat d’Informatique par GABY BOU TAYEH Towards Smart Fireﬁghting Using The Internet of Things and Machine Learning Thèse présentée et soutenue à Belfort, le 8 juillet 2020 Composition du Jury : MITTON NATHALIE Directrice de recherche à l’Inria Lille Rapporteur MOKDAD LYNDA Professeur à l’Université Paris-Est Val de Marne Rapporteur CHRÉTIEN STÉPHANE Professeur à l’Université Lyon 2 Examinateur GUYEUX CHRISTOPHE Professeur à l’Université de Franche-Comté Examinateur DEMERJIAN JACQUES Professeur à l’Université Libanaise Invité BAHI JACQUES Professeur à l’Université de Franche-Comté Directeur de thèse MAKHOUL ABDALLAH Professeur à l’Université de Franche-Comté Directeur de thèse ABSTRACT Towards Smart Fireﬁghting Using The Internet of Things and Machine Learning Gaby Bou Tayeh University of Bourgogne Franche Comté, 2020 Supervisors: Abdallah Makhoul and Jacques Bahi The Internet of Things (IoT) is the ability for “things” that contains embedded technolo- gies to sense, communicate, interact, and collaborate with other things, thus creating a network of physical objects. These connected devices are meant to constantly log and communicate data to an end-user. Once, the data has been collected, it could be ana- lyzed to extract extremely useful information. IoT is taking connectivity beyond laptops and smartphones towards connected cars, smart homes, smart industries, connected wearables, smart cities, and connected healthcare. Fireﬁghters are now operating in an ever-increasing sensor-rich environment that is creat- ing vast amounts of potentially useful data. The comprehensive ability to collect, analyze and process this data is opening new possibilities for the ﬁre service to perform work tasks in a highly effective and efﬁcient manner either during pre-ﬁre, trans-ﬁre (i.e. during the event), and post-ﬁre stages. This dissertation global objective is to propose solutions that effectively use the available sensor technology, the means to communicate that data, the knowledge base and algorithms to most process the data, convert it into signiﬁcant knowledge/beneﬁcial decision tools, and effectively communicate the information to those who need it, on the ﬁre ground and elsewhere. The ﬁrst objective was to focus our efforts on the sensor devices which are the source of the valuable data. The most challenging problem is how to ensure a sufﬁcient opera- tional lifetime for these tiny devices that have very limited energy available for consump- tion. Based on the fact that the sensing, transmission, and processing are the governing energy-consuming activities of the sensor devices we worked on reducing these activities. We ﬁrst proposed a novel data transmission reduction algorithm, our approach learns the moving trend of the collected data after a brief observation period. Then it uses this knowl- edge to build a prediction model on the sensor node that is able to forecast future mea- iii iv surements. The latter, does not transmit any measurement to the destination (Sink) as long as its corresponding prediction is considered accurate. Having built the same predic- tion model simultaneously with the sensor node, the Sink produces the same predictions. Since packet loss is a common problem in Wireless Sensor Networks (WSNs) we cou- pled this transmission reduction algorithm with a technique that detects missing packets, ensures synchronization during occasional re-adjustment of the prediction model, and reconstructs all the missing data. Adding an additional adaptive sampling layer on the previously described transmission reduction algorithm is then proposed. If no signiﬁcant variations in collected data over a certain period of time are recorded, the sensing sam- pling rate is reduced without compromising the quality of the reported information. Lastly, we developed a centralized data reduction algorithm for cluster-based sensor networks. This latter, periodically analyses the data reported by its member nodes and adjust their sampling/transmission rates according to their level of correlation with each other. With the help of the ﬁre brigade of the department of Doubs, we successfully attained our second objective which is the development of a ﬁreﬁghter 2.0 system prototype. This latter consisted of a smart-watch for heart rate and movement monitoring and two sensor devices, one for localization and the other for environmental data sensing. Lastly, a web application for real-time visualization of the transmitted data is integrated into the system. The latter was validated throughout small-scale experiments. In addition, our proposed energy management algorithms were implemented on the real devices composing the system and their energy consumption was analyzed. The third objective was to use sensory and non-sensory data to help in decision making. We ﬁrst studied and compare different recent clustering algorithms for massive IoT data. The aim was to use the obtained results in order to determine the best clustering strategy for our network and develop an indoor localisation system. Second, we investigated the possibility of predicting the number of future interventions by training Machine Learning methods on data-set aggregated from multiple sources. The latter contained information on all interventions that have taken place in the department of Doubs in France since the year 2012, meteorological data, trafﬁc data, and other information. The aim was to help the ﬁre brigade to better manage their human and mobile resources according to the anticipated number of interventions. Keywords: Wireless Sensor Networks, Internet of Things, Machine Learning, Energy Management, Lora, LoraWan, Remote Monitoring, Fire Fighters. RÉSUMÉ L ’Internet des objets (IoT) est l’extension de la connectivité Internet dans des appareils physiques et des objets quotidiens. Ces derniers sont équipés d’éléments actifs qui les rend capable de collecter, traiter, et transmettre des données. Ces dispositifs connectés sont destinés à enregistrer et à communiquer en permanence des données à un utilisa- teur ﬁnal. Une fois les données collectées, elles peuvent être analysées pour en extraire des informations extrêmement utiles. Les pompiers travaillent actuellement dans un environnement de plus en plus riche en capteurs qui génère de grandes quantités de données potentiellement utiles. La capac- ité globale de collecte, d’analyse et de traitement de ces données ouvre de possibilités d’amélioration du quotidien des sapeurs-pompiers. L ’objectif global de cette thèse est de proposer des solutions qui exploitent cette nouvelle technologie de capteurs et de communication à faible coût, ainsi que des algorithmes de traitement de données, pour les convertir en connaissances signiﬁcatives/outils de décision, et communiquer efﬁcace- ment les informations à ceux qui en ont besoin, sur les lieux d’intervention ou ailleurs. Le premier objectif était de développer des solutions algorithmiques pour la gestion d’énergie des dispositifs IoT qui ont une source énergétique limitée aﬁn de maximiser la durée de vie du réseau. En premier lieu, nous avons proposé un nouvel algorithme de réduction de la transmission des données. Notre approche est basée sur un modèle de prédiction dual, qui est capable de prédire des mesures futures. Ce dernier, exécuté à la fois par les capteurs et la station de base (Sink), permet au dispositif IoT de ne plus transmettre les mesures collectées vers la station tant que leurs prédictions correspon- dantes sont correctes. Le Sink ayant construit le même model il reproduit alors toutes les données non transmises. Finalement, le Sink et le dispositif IoT mettront à jour systéma- tiquement le model de prédiction en fonctions de nouvelles estimations réelles. Comme la perte de paquets pendant la transmission est un problème courant dans les réseaux de capteurs sans ﬁl (WSN), nous avons couplé cet algorithme de réduction de la trans- mission à une technique qui détecte les paquets manquants. Notre proposition assure la synchronisation de la mise à jour occasionnel du modèle de prédiction et intègre un modèle de reconstruction de données dans le cas de perte de messages. L ’ajout d’une couche d’échantillonnage adaptative supplémentaire sur l’algorithme de réduction de la transmission décrit précédemment est ensuite proposée. Il s’agit d’adapter la fréquence de la collecte de données en fonction de leur variation. Si aucune variation signiﬁca- v vi tive des données collectées sur une certaine période de temps n’est enregistrée, le taux d’échantillonnage sera réduit tout en garantissant l’intégrité de l’information. De plus, nous avons développé un algorithme centralisé de gestion d’activité des dispositifs IoT. Cette approche permet à un Cluster-Head (CH) d’analyser périodiquement les données communiquées par ses nœuds membres et ajuste leurs taux d’échantillonnage et de transmission en fonction de la corrélation spatio-temporelle intra et inter nœuds. D’un autre côté, notre deuxième objectif de cette était le développement d’un prototype réel et un système IoT déployé et dédié aux sapeurs-pompiers. Ce système a été réalisé en partenariat uploads/Litterature/ these-a-bou-tayeh-gaby-2020.pdf