Enrichissement de données capteurs du Campus de Jussieu

Enrichissement de données capteurs du Campus de Jussieu Sujet recherche avec implantation. Bernd Amann ([email protected]) Mohamed­Amine Baazizi (Mohamed­[email protected]) Les objets intelligents sont des composants permettant d’observer, de collecter et d'échanger les données produites par l’environnement naturelle, l’activité humaine individuelle et sociale, les processus industriels etc. (mobilité de personnes, consommation de ressources, processus industriels etc). L'exploitation intelligente (smart) de ces données ouvre des opportunités importante pour analyser et améliorer ces processus mais pose des nouveaux défis “Big Data” liés au volume, la variété et la dynamique (vélocité) des données. Une étape de traitement importante concerne l’intégration de données “brutes” produites par les capteurs avec des données contextuelles [6] (environnementales [8], géographiques, temporelles, sociales, administratives, sémantiques [7]) afin de pouvoir détecter des évènements complexes, extraire des informations utiles et prendre des décisions. Un des moyens d'y parvenir est d'utiliser les sources de données ouvertes (Web de Données, Linked Open Data, Web Sémantique) qui fournissent des informations précieuses publiées par des acteurs publiques (état, villes, ministères), institutionnelles (universités, INSEE, Météo France) ou privées (EDF). L'équipe BD du LIP6 collabore avec l’Institut Fraunhofer dans le cadre du projet EBITA pour développer une solution d'aide à la réduction de consommation de ressources (énergie électrique, eau) sur le campus de Jussieu. Ce projet vise à analyser les données produites par plusieurs milliers de capteurs et de tirer profit de diverses méta­données mises à disposition (ex. l'occupation des salles, l'inventaire du matériel) pour identifier les endroits à forte consommation. Un premier prototype permet pour l'instant de gérer les mesures produites par les capteurs et d'afficher des statistiques brutes de consommation de ressources. Le logiciel s'appuie sur Postgres [3] pour le stockage des mesures et sur ElasticSearch [2] pour l'analyse et la visualisation des informations. Le travail demandé consiste à 1. établir une état de l’art sur les modèles et applications d’enrichissement de données capteurs 2. identifier, modéliser et collecter des données contextuelles pour ensuite les intégrer avec les données capteurs déjà collectées 3. proposer et réaliser des extensions du modèle d’analyse pour produire des informations (statistiques, indicateurs) sur la consommation de ressources 4. évaluer les performances de la nouvelle plate­forme. Pré­requis ●
●
●
Modélisation et interrogation de données relationnelles (SQL). Notions des modélisation de données sur le web (XML, RDF, SPARQL) Esprit d'analyse et bonnes compétences en programmation. Bibliographie [1] An Internet of Things Framework for Smart Energy in Buildings: Designs, Prototype, and Experiments, Jianli , Raj Jain et al., 2015 [2] https://www.elastic.co/fr/ [3] http://www.postgresql.org/ [4] Conroy, K., & Roantree, M. (2010, January). Enrichment of raw sensor data to enable high­level queries. In ​
Database and Expert Systems Applications ​
(pp. 462­469). Springer Berlin Heidelberg. [5] Compton, M., Henson, C. A., Lefort, L., Neuhaus, H., & Sheth, A. P. (2009). A Survey of the Semantic Specification of Sensors. ​
CEUR Workshop Proceedings, 522,​
17­32. [6] Perera, C., Zaslavsky, A., Christen, P., & Georgakopoulos, D. (2014). Context aware computing for the internet of things: A survey. ​
Communications Surveys & Tutorials, IEEE,​
16​
(1), 414­454. [7] Barnaghi, P., Wang, W., Henson, C., & Taylor, K. (2012). Semantics for the Internet of Things: early progress and back to the future. ​
International Journal on Semantic Web and Information Systems (IJSWIS)​
, ​
8​
(1), 1­21. [8] Devaraju, A., & Kauppinen, T. (2012). Sensors tell more than they sense: Modeling and reasoning about sensor observations for understanding weather events. ​
International Journal of Sensors Wireless Communications and Control​
, ​
2​
(1), 14­26.