Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
Le crowdsensing mobile permet d’obtenir des données sur l’environnement à un coût relativement faible. De fait, les personnes peuvent collecter et partager des observations spatio-temporelles au moyen de capteurs intégrés dans les appareils intelligents comme les smartphones. En particulier, le crowdsensing opportuniste permet aux citoyens de détecter des phénomènes environnementaux à l’échelle urbaine grâce à une application dédiée s’exécutant en arrière plan. Cependant, le crowdsensing est confronté à différents défis : la pertinence des mesures fournies dépend de l’adéquation entre le contexte de détection et le phénomène analysé ; la collecte incontrôlée de données entraîne une faible qualité de détection ainsi qu’une forte consommation des ressources au niveau des appareils ; le crowdsensing à large échelle induit des coûts importants de communication, de calcul et financiers en raison de la dépendance au cloud pour le traitement des données brutes. Notre thèse vise à rendre le crowdsensing opportuniste comme un moyen fiable d’observation de l’environnement urbain. Pour ce faire, nous préconisons de favoriser la collecte et l’inférence du phénomène physique au plus proche de la source. À cet effet, notre recherche se concentre sur la définition d’un ensemble de protocoles complémentaires, qui mettent en œuvre un crowdsensing collaboratif entre les nœuds mobiles en combinant : L’inférence du contexte physique du crowdsensor, qui caractérise les données recueillies. Nous évaluons un contexte qui ne se limite par à une simple position géographique et nous introduisons une technique d’apprentissage du contexte qui s’effectue au niveau de l’appareil afin de pallier l’impact de l’hétérogénéité des crowdsensors sur la classification. Nous introduisons spécifiquement un algorithme hiérarchique pour l’inférence du contexte qui limite les interactions avec l’usager, tout en augmentant la précision de l’inférence. Le groupement contextuel des crowdsensors de manière à partager la charge et effectuer une captation ...