Profil sémantique unifié et cloud computing pour les environnements intelligents

Abstract

L'intelligence ambiante (AmI) est un domaine scientifique qui concerne les environnements constitués d'appareils intelligents (capteurs et actionneurs) capables de connaître et de réagir à la présence de personnes. AmI doit fonctionner de manière simple et naturelle, en utilisant les données fournies par les capteurs, de manière à soutenir les activités et les tâches de la vie quotidienne des personnes. En raison des progrès de la technologie des capteurs, les capteurs sont devenus plus puissants, moins chers et de plus petite taille, stimulant ainsi les déploiements à grande échelle. De ce fait, nous avons aujourd'hui un grand nombre de capteurs déjà déployés et leur nombre devrait augmenter rapidement au cours de la prochaine décennie. Ces capteurs génèrent en permanence d’énormes quantités de données. Cependant, pour ajouter de la valeur aux données brutes des capteurs, nous devons les comprendre. La collecte, la modélisation, le raisonnement et la distribution du contexte en relation avec les données de capteurs jouent un rôle crucial. Les ontologies sont considérées comme un pilier essentiel de la gestion avancée de la situation dans divers domaines intelligents. Il joue un rôle essentiel dans la compréhension du contexte de l’utilisateur afin de déterminer la sécurité des personnes, l’identification de la situation et personnalisé le confort. Nous avons proposé une nouvelle ontologie générique de profils sensibles à la situation des utilisateurs (GUSP-Onto) pour une description sémantique de profils d’utilisateurs hétérogènes avec une gestion efficace de la situation des utilisateurs. Sur la base de l’ontologie de gestion de la situation des utilisateurs, une architecture à deux couches a été proposée. La première couche est utilisée pour réaliser un diagnostic de qualité des situations urgentes, y compris un Fog Computing intelligent optimisé avec une modélisation de profil sémantique offrant une gestion efficace des situations. La deuxième couche permet une analyse de situation plus détaillée pour les patients et des services enrichis et enrichis utilisant le Cloud Computing, offrant une bonne évolutivité. La plus innovante de cette architecture est les avantages potentiels de la représentation sémantique pour mener un raisonnement de connaissance des situations d’urgence et finalement réaliser un processus de sélection et d’adaptation de service précoce. Les résultats expérimentaux montrent une réponse temporelle réduite et une précision accrue de l'approche proposée.