L05 - Services aux capteurs

On s’intéresse ici à la possibilité d’obtenir de nouveaux services en se basant sur les capacités accrues des capteurs apprenants et auto-adaptatifs, ainsi que sur la coopération et l’expérience acquise au sein de la suite de capteurs. Les capteurs intégrés en tant que suite de capteurs vont permettre la création de nouveaux modes qui n’auraient pu exister autrement. L’utilisation des paramètres primaires des capteurs va permettre l’émergence de nouveaux modes et permettre le contrôle continu des performances et des évolutions de chaque capteur par leur constitution en suite de capteurs.

Cet axe se décompose en trois thèmes dont la description est détaillée ci-après :

T01 - Gestion de l’Information Capteurs

Grace à ces nouvelles méthodes et ces nouveaux moyens il sera tout d’abord possible d’accéder à des prédictions des performances techniques. Ces prédictions sont cruciales car elles permettent d’optimiser les temps d’analyse voire d’impacter les trajectoires pour permettre un meilleur recueil d’informations quant à la situation.

Cette méthode va permettre la qualification des différents capteurs en fonction notamment de l’impact de l’environnement. Dans le même ordre d’idées, il est envisageable de faire des réallocations dynamiques des tâches entre capteurs. Les métriques étant dynamiquement évaluées, le capteur le plus optimal pourra devenir prépondérant et l’opérateur sera informé de l’efficacité respective des différents capteurs de la suite.

La coopération au sein de la suite de capteurs permet d’accéder à des modes nouveaux, obtenus par ces méthodes de concaténation des données des différents capteurs de la suite.

A  ces  nouveaux  modes  pourront  s’ajouter  la  Détection  de  zones  d’intérêt,  la détection de comportements  particuliers, ceci de façon automatique pour  alléger la charge de travail de la supervision, les compressions intelligentes de données ou de connaissances permettront de s’affranchir de la nécessité de transmettre la totalité des données via les communications. Ceci permettra aussi de hiérarchiser les données à fournir à la supervision en fonction de la criticité et de la charge de travail de celle-ci. Les données étant de plus en plus nombreuses, il faut les prioriser pour ne pas surcharger l’opérateur. De ce fait la gestion des ressources capteurs va devenir primordiale pour qualifier les détections au niveau de la suite de capteurs.

  1. 1- Détection de zones d’intérêt, reconnaissance automatique
  2. 2- Compression intelligente de données et de connaissances
    Comment s’affranchir de la nécessité de transmettre la totalité des données sur la liaison de données ?
  1. 3- Priorisation des informations à transmettre et contrôle du « mur de l’information »
    Comment hiérarchiser les données à fournir à l’opérateur en fonction de la criticité et de la charge de travail de l’opérateur ?
  1. 4- Adaptation des informations transmises au besoin
    Comment adapter dynamiquement le flux d’informations transmises ?

T02 - Gestion des Services Capteur(s)

On s’intéresse ici à l’optimisation de l’utilisation des ressources (dans le temps et dans l’espace), à l’amélioration des performances collectives des capteurs (association de plusieurs capteurs pour réaliser différentes opérations) et ainsi valoriser la suite de capteurs.

  1. 1- Optimisation multi-contraintes des ressources capteurs
  2. 2- Superposition dynamique de services capteur et gestion des conflits
  3. 3- Qualité de Service prévisionnelle

T03 - Acceptabilité de l’information capteurs

L’opérateur sera confronté à une suite de capteurs dont les résultats seront évolutifs et non déterministes. L’acceptation de cette évolutivité va provoquer une défiance et il faut proposer des moyens pour rassurer l’opérateur et éviter qu’il soit perturbé.

L’acceptabilité passe entre autres par la confiance dans les résultats fournis, une garantie de visibilité sur le fonctionnement et une acceptation de la capacité des capteurs apprenant.

Le retour d’expérience et la restitution des données et des apprentissages sont une part importante de cette crédibilisation de l’évolution de l’apprentissage et du niveau de confiance, donc de l’acceptabilité de ce capteur par l’opérateur.

  1. 1- Niveaux de traitement possibles et nature des informations résultantes.
  2. 2- Facteurs humains, confiance dans les résultats fournis, besoin de visibilité sur le fonctionnement
  3. 3- Mixité entre informations brutes et informations synthétiques
    Comment faire accepter des informations d’abstraction plus élevées, comment encadrer l’évolution ?