Thèse de doctorat : utilisation des smartphones pour détecter les anomalies environnementales

L'Ecole doctorale : Sciences et Technologies de l'Information et de la Communication et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux présentent l’AVIS DE SOUTENANCE de Monsieur Van Khang NGUYEN Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l'Université Paris-Saclay, préparé à Télécom SudParis en : Réseaux, information et communications

« Détection et agrégation d'anomalies dans les données issues des capteurs placés dans des smartphones »

le MARDI 17 DÉCEMBRE 2019 à 14h30 - salle A003 à Télécom SudParis 9 rue Charles Fourier - 91000 Évry

Membres du jury :

• M. Eric RENAULT, Professeur, ESIEE, FRANCE - Directeur de thèse
• Mme Selma BOUMERDASSI, Maître de Conférences, CNAM, FRANCE - Rapporteur
  
• M. Hacène FOUCHAL, Professeur, Université de Reims, FRANCE - Rapporteur
  
• M. Viet Hai HA, Maître de Conférences, Université de Hué, Vietnam, VIET NAM - CoDirecteur de thèse
  
• Mme Thi Mai Trang NGUYEN, Maître de Conférences, Université Pierre et Marie Curie, FRANCE - Examinatrice
  
• Mme Véronique VÈQUE, Professeure, CentraleSupélec, FRANCE - Examinatrice

Résumé :

Aujourd'hui, les smartphones sont devenus extrêmement populaires et équipés de nombreux capteurs tels qu'une caméra, un microphone, un capteur GPS, un accéléromètre, un magnétomètre, etc. Les utilisateurs de smartphones se connectent de plus en plus souvent à l'Internet. Par conséquent, il existe de nombreuses recherches sur les systèmes de capteurs à base de smartphones dans de nombreux domaines d'application. Nos recherches visent à construire un système de capteurs à base de smartphones pour détecter les anomalies environnementales. Nous avons développé un tel système et améliorons les composants principaux: méthode de détection des anomalies par le smartphone et méthode de synthèse des données issues des anomalies au centre de calcul.

Pour les méthodes de détection des anomalies, nous nous appuyons sur les recherches actuelles de détection des anomalies routières. En fait, une méthode efficace, économe en énergie et répondant bien à différents types d'environnements et périphériques est nécessaire. Par conséquent, nous avons proposé une méthode de détection des anomalies basée sur le test des valeurs aberrantes en statistique. Les algorithmes améliorés ont une faible complexité et utilisent moins de mémoire.

Nos expériences sur des données réelles montrent que nos méthodes s'adaptent bien aux conditions différentes dans le cas de la détection d'anomalies routières. L'agrégation des données des anomalies n'a pas fait l'objet de beaucoup de travaux. Les recherches actuelles ne s’arrêtent qu'à des méthodes de regroupement simples basées sur la distance. Nous avons donc construit une méthode d'intégration des données permettant de trouver plus précisément l'emplacement de ces anomalies.

Nous avons développé deux algorithmes. Le premier réalise une mise en cluster simple et fonctionne de manière cumulative. Cet algorithme décompose les données afin d’accroître la vitesse et la précision pour la localisation des anomalies. Le second permet de trouver des anomalies en se basant sur la recherche des modes de densité de probabilité. Nous avons également proposé un moyen d'attribuer une pondération aux emplacements trouvés pour évaluer la fiabilité. Notre expérience de simulation a confirmé l'efficacité de cet algorithme.