Mécanismes d’interopérabilité pour les applications industrielles de l’Internet des Objets et la Ville Intelligente

Interoperation mechanism for Industrial internet of things. Applications and smart city

• Auteur / Autrice : Kim-Hung Le
• Direction : Christian Bonnet, Paolo Papotti
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 01/04/2019
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : Institut EURECOM (Sophia-Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Marcelo Dias De Amorim
• Jury : Examinateurs / Examinatrices : François Hamon
• Jury : Rapporteur / Rapporteuse : Karine Bennis-Zeitouni, Walid Dabbous

Mots clés

Mots clés contrôlés

Interconnexion de réseaux (télécommunications)

Villes intelligentes

Internet des objets

Mots clés libres

Internet des objets

IdO

Interopérabilité

Fiabilité

Ville intelligente

Device virtuel

Applications industrielles

Internet of things

IoT

Interoperability

Reliability

Smart city

Anomaly detection

Résumé

Avec l’essor rapide d’internet et des objets connectés, l’internet des objets (IoT) est considéré comme une révolution positive impactant la vie courante. L’intégration des solutions IoT et du cloud, nommées cloud based IoT, s’avère alors crucial pour traiter cet enjeu. Il reste toutefois 2 défis pour le cloud based IoT: l’interopérabilité et la fiabilité. Dans cette thèse, notre objectif principal est de traiter les problématiques d’interopérabilité et de fiabilité induites par les déploiements à grande échelle. Les solutions proposées couvrent la plupart des couches de l'architecture IoT : les architectures, les modèles et les algorithmes. Au niveau de la communication, nous introduisons le concept de connecteur générique pour interopérer les sources de données IoT hétérogènes. Nous proposons ensuite un algorithme de détection des erreurs et des points de rupture dans l’historique des données, basé sur de l’apprentissage automatisé pour améliorer la fiabilité des données. Pour maximiser la valeur d’usage métier de ces données nettoyées, et les rendre plus interopérables, nous introduisons le concept de « device virtuel » qui permet de transformer les données avec des opérateurs programmables. De plus, nous fournissons un nouveau langage descriptif, qui décrit sémantiquement des groupes de données. Pour assurer la fiabilité de l'appareil, nous proposons un algorithme qui minimise la consommation d'énergie en estimant en temps réel la fréquence optimale de collecte des données. L’efficacité de ces concepts a pu être vérifiée sur la plateforme IoT (basée sur le cloud), d’une start up.

With the rapid growth of Internet technologies as well as the explosion of connected objects, Internet of Things (IoT) is considered an Internet revolution that positively affects several life aspects. The integration of IoT solutions and cloud computing, namely cloud-based IoT, is a crucial concept to meet these demands. However, two major challenges of the cloud-based IoT are interoperability and reliability. In this thesis, our main objective is to deal with the interoperability and reliability issues that arise from large-scale deployment. The proposed solutions spread over architectures, models, and algorithms, ultimately covering most of the layers of the IoT architecture. At the communication layer, we introduce a method to interoperate heterogeneous IoT connections by using a connector concept. We then propose an error and change point detection algorithm powered by active learning to enhance IoT data reliability. To maximize usable knowledge and business value from this cleaned data and make it more interoperable, we introduce a virtual sensor framework that simplifies creating and configuring virtual sensors with programmable operators. Furthermore, we provide a novel descriptive language, which semantically describes groups of Things. To ensure the device reliability, we propose an algorithm that minimizes energy consumption by real-time estimating the optimal data collection frequency. The efficiency of our proposals has been practically demonstrated in a cloud-based IoT platform of a start-up company.