Projet de recherche doctoral numero :8133

Description

Date depot: 6 avril 2021
Titre: Bringing social sensors to the IoT for enhanced accuracy and resource-efficiency
Directrice de thèse: Valérie ISSARNY (Non relevant)
Encadrante : Françoise SAILHAN (CEDRIC)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Non defini

Resumé: La prolifération de nouveaux capteurs intégrés à nos appareils mobiles de tous les jours, à la périphérie de l'internet, alimente l'évolution de l'Internet des Objets (IdO). Les données fournies par les applications de détection, y compris les applications mobiles de crowdsensing, contiennent des informations sur l'environnement physique et social -de l'échelle personnelle à urbaine-- et concernent les activités et l'environnement de l'utilisateur. En pratique, les capteurs physiques ne sont pas destinés à fonctionner individuellement et seuls : les données fournies sont inutilisables si elles ne sont pas d'abord évaluées, fusionnées, contextualisées, classées et, surtout, enrichies. De ce point de vue, un défi technique croissant réside dans l'intégration efficace de données sociales, multi-sources et multimodales. Dans ce contexte, le « social sensing » est apparu comme un paradigme puissant, qui consiste à collecter des données auprès des utilisateurs ou de leurs appareils en leur nom. Il s'agit notamment de tirer parti de la contribution aux médias sociaux, ce qui implique d'inclure des utilisateurs dans les boucles de détection-analyse-contrôle afin d'interpréter, observer, caractériser pleinement et signaler un spectre plus large d'événements que ne le fait un capteur physique. La valeur ajoutée du « social sensing » pour l'IdO est importante. Non seulement il contribue potentiellement à limiter la représentation erronée de la réalité physique, il peut aussi aider à collectivement construire des services urbains plus « intelligents ». Cependant, cela soulève différents défis, parmi lesquels : (i) Améliorer efficacement la précision des informations collectées tout en garantissant l'efficacité énergétique du système ; (ii) Garantir la fiabilité du système du point de vue des consommateurs et des fournisseurs de données, ces derniers supposant le respect de leur vie privée. Cela nécessite une solution middleware distribuée basée sur la notion groupe, dont le développement - de la conception à la mise en œuvre du prototype et à l'évaluation - est l’objet de ce projet de recherche doctoral.

Résumé dans une autre langue: The proliferation of new sensors embedded in everyday mobile devices at the edge of the Internet is fueling the evolution of the Internet of Things (IoT). The data provided by sensing applications, including mobile crowdsensing apps, contains insights about the physical and social environment --spanning the personal and urban scales--, and concerns user’s activities and environment. In practice, physical sensors are not intended to operate individually and on their own: contributed data are unusable unless first assessed, fused, contextualized, classified and more importantly, enriched. From this perspective, a growing technical challenge lies in effectively integrating multi-source, multi-modal, social data. In that context, social sensing has emerged as a powerful paradigm, which lies in data collection from humans or their devices on their behalf. This includes in particular leveraging contribution to social media, which involves including humans in the sensing-analysis-control loops to interpret, observe, fully characterize, and report a broader spectrum of events than does a physical sensor. The added value of social sensing to the IoT is significant. Not only this potentially contributes to limit the misrepresentation of physical reality; it may also collectively help building smarter urban services. However, this raises tremendous challenges among which: Effectively enhancing the accuracy of the “sensed” information while guaranteeing the energy-efficiency of the system; Guaranteeing the trustworthiness of the system from the standpoint of both the data consumers and providers, the latter assuming privacy preservation. This calls for a distributed group-based middleware solution whose development –from design to prototype implementation and evaluation- is the focus of the PhD.