Analyse du trafic véhiculaire à partir de traces des capteurs Bluetooth
Auteur / Autrice : | Safa Boudabous |
Direction : | Houda Labiod, Stephan Clémençon |
Type : | Thèse de doctorat |
Discipline(s) : | Informatique, données, IA |
Date : | Soutenance le 08/09/2021 |
Etablissement(s) : | Institut polytechnique de Paris |
Ecole(s) doctorale(s) : | École doctorale de l'Institut polytechnique de Paris |
Partenaire(s) de recherche : | Etablissement opérateur d'inscription : Télécom Paris (Palaiseau, Essonne ; 1878-....) |
Laboratoire : Laboratoire Traitement et communication de l'information (Paris ; 2003-....) | |
Jury : | Président / Présidente : Hossam Afifi |
Examinateurs / Examinatrices : Houda Labiod, Stephan Clémençon, Hossam Afifi, Thierry Artières, Fabrice Guillemin, Julian Pedro Garbiso, Nicolas Baskiotis, Mahdi Zargayouna | |
Rapporteurs / Rapporteuses : Thierry Artières, Fabrice Guillemin |
Mots clés
Mots clés contrôlés
Résumé
L’essor rapide des véhicules connectés dans le marché de l’industrie automobile a suscité l’intérêt de la communauté scientifique pour étudier de plus près la possibilité d’exploiter les traces de communication pour améliorer les systèmes de gestion de trafic. Dans le cadre de cette thèse, nous nous intéressons à l’utilisation des données issues de capteurs Bluetooth à balayage passif. Ces capteurs représentent une alternative à faible coût et à faible impact pour la collecte de mesures concernant le trafic véhiculaire et sont adaptés à un déploiement dense à large échelle à savoir dans un milieu urbain. En revanche, le processus de détection des capteurs Bluetooth est susceptible d'introduire du biais et des incertitudes dans le calcul des indicateurs relatifs au trafic véhiculaire. Dans cette thèse, nous nous sommes intéressés à l’amélioration de la précision des mesures de trafic dérivées: le flux de trafic et la vitesse de déplacement. La première partie de notre thèse porte sur la quantification de flux de trafic véhiculaire à partir des données Bluetooth. Nous adoptons une approche orientée données en se basant sur les modèles d’apprentissage statistiques. D'abord, nous considérons le problème d'estimation du flux de trafic au niveau d'un seul capteur puis à l'échelle d'un réseau de capteurs. Nous introduisons également le problème de transfert d'apprentissage nécessaire pour limiter le besoin d’acquisition de données d’apprentissage labellisées à chaque déploiement. Dans une deuxième partie, nous nous concentrons sur le problème de l’estimation de vitesse moyenne de déplacement. Nous proposons un algorithme qui explore les données collectées sur la qualité de signal reçu pour améliorer le processus d’appariement et pondérer les contributions des vitesses des véhicules dans le calcul de la vitesse moyenne. Une autre partie des travaux de thèse a été dédiée à la définition et l’implémentation d’un framework de simulation de balayage Bluetooth pour des applications véhiculaires. Le simulateur est utilisé pour analyser et identifier les facteurs impactant la capacité des capteurs de détecter les appareils Bluetooth actifs dans son voisinage mais aussi pour complémenter les données des expérimentations par la génération de datasets d’apprentissage synthétiques.