Réseaux de capteurs sans fil à faible coût pour la surveillance participative de la qualité de l'air

Low-cost wireless sensor networks in participatory air quality monitoring

• Auteur / Autrice : Mohamed Anis Fekih
• Direction : Walid Bechkit, Hervé Rivano
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 04/02/2022
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon
• Partenaire(s) de recherche : établissement opérateur d'inscription : Institut national des sciences appliquées (Lyon ; 1957-....)
• Partenaire(s) de recherche : Laboratoire : CITI - Centre d'Innovation en Télécommunications et Intégration de services (Lyon, INSA) - CITI Centre of Innovation in Telecommunications and Integration of services / CITI
• Partenaire(s) de recherche : Equipe de recherche : AGORA - AlGorithmes et Optimisation pour Réseaux Autonomes
• Jury : Président / Présidente : Alexandre Guitton
• Jury : Examinateurs / Examinatrices : Walid Bechkit, Hervé Rivano, Alexandre Guitton, Nathalie Mitton, Nicolas Montavont, Nathalie Redon
• Jury : Rapporteurs / Rapporteuses : Nathalie Mitton, Nicolas Montavont

Mots clés

Mots clés contrôlés

Réseaux de capteurs (technologie)

Observation participante

Air -- Qualité

Mots clés libres

Informatique

Qualité de l'air

Capteur

Surveillance

Réseau de capteurs sans fil

Surveillance environnementale

Microcapteur

Cartographie de la qualité de l'air

Mesure participative

Exploration de données

Computer science

Air quality

Sensor

Air quality Monitoring

Wireless Sensor Networks

Environmental monitoring

Micro Sensor

Air quality mapping

Participatory sensing

Data mining

Résumé

La mesure mobile par la foule (aussi appelé mobile crowdsensing) est un paradigme émergent et prometteur qui a attiré beaucoup d’attention ces dernières années, notamment dans le domaine de la surveillance de l’environnement. Couplé à la puissance des réseaux de capteurs sans fil (RCSF) à bas coût, il permet de tirer parti de la densité de la population pour collecter de nombreuses données dans de nombreuses applications, telles que la surveillance de la pollution de l’air et des îlots de chaleur urbains (ICU). En effet, la pollution de l’air et les ICUs sont parmi les principaux problèmes qui souffrent encore d’un manque de caractérisation en raison des limites des méthodes d’évaluation traditionnelles en termes de coût, de taille de réseau et de flexibilité. Le mobile crowdsensing et les RCSFs visent à combler cette lacune en permettant des déploiements à grande échelle afin d’améliorer la connaissance locale du phénomène, tout en impliquant les citoyens dans le processus de suivi de celui-ci. Dans cette thèse, nous considérons l’application de surveillance de la qualité de l’air avec une approche de crowdsensing mobile, tout en nous concentrant sur trois axes principaux : 1) la conception de systèmes de surveillance de la qualité de l’air participatifs et à faible coût ; 2) l’analyse de données denses issues de micro-capteurs à bas coût et leur apport à la cartographie fine de la qualité de l’air ; 3) la sélection des chemins des participants afin d’améliorer la connaissance du phénomène tout en prenant en compte différentes contraintes. À travers ce travail, nous souhaitons montrer le potentiel de l’utilisation de RCSF à faible coût couplé à la mesure participative dans la surveillance de la qualité de l’air. Dans cette optique, nous réalisons un travail expérimental poussé sur la conception d’un système participatif de surveillance de la qualité de l’air. Nous fournissons des recommandations d’ingénierie concernant la conception de plateformes de surveillance environnementale participative à faible coût. En outre, nous effectuons des tests de validation approfondis pour évaluer les performances de nos nœuds de capteurs. De plus, nous analysons les données collectées par nos capteurs et proposons un framework général qui permet de comparer différentes stratégies de régression et d’assimilation de données, à l’aide de simulations numériques et d’une estimation adéquate des covariances des erreurs de simulation et de mesure. Nous explorons également l’impact de la fréquence de mesure sur la consommation d’énergie et l’erreur de cartographie. Enfin, nous nous intéressons au problème de sélection de routes dans le cadre de la mesure participative et proposons deux nouvelles approches qui prennent en compte les contraintes des participants et les caractéristiques de la surveillance de la qualité de l’air à l’aide de RCSF à faible coût.

Mobile crowdsensing is an emerging and promising paradigm that has attracted much attention in recent years, especially for environmental monitoring. Coupled with the power of low-cost wireless sensor networks (WSN), it leverages population density to collect extensive data in many applications, such as air pollution and urban heat islands (UHI) monitoring. In fact, air pollution and UHI are one of the main problems that still suffer from a lack of characterization due to the limitations of traditional assessment methods employed in terms of cost, network size, and flexibility. Mobile crowdsensing and WSN aim at filling this gap by enabling large-scale deployments to improve the local knowledge of these phenomena on the one hand, while simultaneously involving the citizens in the process on the other hand. In this thesis, we mainly consider the air quality monitoring application with a mobile crowdsensing approach, while focusing on three main parts: 1) the design of low-cost participatory air quality monitoring systems; 2) the analysis of dense data from low-cost WSNs and their contribution to the fine-grained mapping of air quality; 3) the selection of the participants’ paths in order to improve the knowledge of the phenomenon while taking into account the constraints of travel distance and sensor errors. Through this work, we aim to show the potential of using low-cost WSN coupled with participatory sensing for air quality monitoring. In this vein, we carry out substantial experimental work on the design of a participatory air quality monitoring system from scratch. We provide engineering guidelines regarding the design of low-cost participatory environmental monitoring platforms. Moreover, we conduct extensive validation tests to evaluate the performance of our sensor nodes. In addition, we perform analysis on our sensors’ data and propose a general framework that allows the comparison of different regression and data assimilation strategies, based on numerical simulations and an adequate estimation of simulation and sensing error covariances. We also explore the impact of the sensing rate on the energy consumption and the mapping error. Furthermore, we tackle the problem of route selection in participatory sensing and propose two new approaches that take into account the participants’ constraints and the characteristics of air quality monitoring using low-cost WSN.