Crowdsensing
Le Crowdsensing, traduit littéralement par "détection en foule" et connu sous le nom de "Mesures participatives", est un nouveau paradigme de mesures, basé sur la puissance de divers dispositifs et capteurs mobiles. Il est utilisé pour acquérir des connaissances locales à travers des capteurs performants intégrés dans ces dispositifs, au moment où les individus les utilisent pour partager leurs données en public, et d'en extraire des informations pour mesurer et cartographier les phénomènes d'intérêt commun[1].
Les données récoltées via ces capteurs intéressent les acteurs travaillant dans différents domaines et secteurs d’activités comme les scientifiques, les géographes, les informaticiens, les sociologues, les économistes, les sismologues, et les commerciaux.
Les applications du Crowdsensing sont très attractives pour les institutions et les entreprises, car elles peuvent leur fournir des informations décisives et de qualité, sans investissements coûteux ni campagne de mesures de grande envergure.
Principe de fonctionnement[modifier]
La réalisation et la réussite d'un projet de Crowdsensing se basent sur 4 phases essentielles explicitées ci-dessous:
- Phase 1 : Définition des objectifs
Dans cette phase, l’entité voulant faire du crowdsensing doit bien identifier et définir son sujet. Cela consiste à définir le phénomène étudié, définir les critères essentiels ainsi que les unités statistiques étudiées et les dimensions du projet, planifier le projet, prévoir l’utilisation opérationnelles des informations extraites et des modèles produits, spécifier les résultats attendus. Cette étape conditionne en partie le choix des outils et capteurs qui seront utilisées, et permet aussi aux analystes de bien choisir la méthode d'exploitation des données.
- Phase 2 : Choix des capteurs
Cette phase se base principalement sur les critères dégagés lors de la première phase. Elle consiste à choisir des outils fiables, réputés et convenables tels les Smartphones, les systèmes de collecte de données notamment des capteurs installés chez les participants. Ces capteurs vont pouvoir détecter toutes les informations nécessaires à l’expérience du Crowdsensing tout en respectant des contraintes comme l’anonymat dans certains cas. Il faut également anticiper les contraintes liées aux outils choisis comme la consommation de l’énergie pour les appareils électriques, les problèmes d’accès aux serveurs de stockage et les crédits téléphoniques également.
- Phase 3 : Collecte d’informations
Après avoir installé et diffusé les capteurs, il vient maintenant l’étape de la collecte des données. En principe, chaque capteur ayant accès aux serveurs d’organisation envoie systématiquement, ou sur demande de l’utilisateur, les données collectées (Ex : La qualité de l'air, la température ambiante…). Généralement, ces données contiennent l’adresse exacte des capteurs, obtenue à l’aide du GPS ou la géo localisation GSM dans le cas des appareils mobiles. Puis, l’organisation utilise des outils ETL – Extract, Transfrom, Load (Ex : Pentaho Data Integration, IBM InfoSphere DataStage …) qui gèrent toutes les étapes de la collecte et de la préparation des données. Ces outils aident aussi à résoudre le problème d’hétérogénéité des systèmes de gestion de données dans le cas où les données sont stockées dans des systèmes de natures différentes, sous des formats différents, ou selon des structures différentes.
- Phase 4 : Exploration de données (Data Mining)
Les organisations font donc appel à des analystes ou des statisticiens analystes pour bien exploiter ces données, ces derniers appliquent des techniques qui varient en fonction de la nature des données et du type d’étude que l’organisation souhaite entreprendre. On distingue parmi ces méthodes :
- Les méthodes utilisant les techniques de classification et de segmentation.
- Les méthodes utilisant des principes d'arbres de décision assez proches des techniques de classification.
- Les méthodes fondées sur des principes et des règles d'associations ou d'analogies.
- Les méthodes exploitant les capacités d'apprentissage des réseaux de neurones.
- Les algorithmes génétiques.
- Algorithmes de classification bayesienne, séries chronologiques, régression linéaire...
Types et catégories du Crowdsensing[modifier]
On peut distinguer le Crowdsensing selon 2 aspects principaux[2] :
- La participation de l’utilisateur
- Le type de phénomène mesuré
Concernant la participation de l’utilisateur, on peut distinguer 2 catégories :
- Le Crowdsensing participatif ou les utilisateurs des capteurs vont envoyer régulièrement des informations au serveur.
- Le Crowdsensing opportuniste où l’envoi des informations au serveur est automatique et la participation de l’utilisateur est minime.
Concernant le type du phénomène mesuré, on peut distinguer 3 catégories :
- Le Crowdsensing environnemental dont le but est de mesurer des phénomènes de la nature comme le niveau d’eau, la pollution de l’air, etc.
- Le Crowdsensing d'infrastructure utilisé pour mesurer les conditions du trafic routier par exemple, cet exemple sera développé plus en détail dans la suite de l'article.
- Le Crowdsensing social qui consiste dans la mesure des données autour de la vie sociale des utilisateurs.
| Participation de l'utilisateur à la mesure | Type du phénomène mesuré |
|---|---|
|
|
Le crowdsensing et les objets connectés[modifier]
Les objets connectés ou IOT (Internet of things) est la technologie de base dans l'application du principe de MCS, tel les smartphones, les tablettes ou smartwatchs. Ce sont des appareils de mesure puissants connectés en permanence et équipés de plusieurs capteurs et d'une grande capacité de stockage de données. Ils permettent aussi de transmettre sans fil les résultats de mesure via internet ou bien le Cloud (en) Tech Blown, « IoT Lab », sur Internet Of Things (IoT) : The Future ?, (consulté le 23 octobre 2015).
En 2015, ¾ de la population mondiale possède des smartphones et des tablettes, ces derniers disposent de capteurs offrant une grande masse d’informations, ce qui en fait des téléphones mobiles les dispositifs les plus répondus pour réaliser du crowdsensing.
Les capteurs des téléphones mobiles détiennent le monopole des capteurs dans le monde. Ces capteurs peuvent réaliser une multitude de fonctionnalités, concrètement :
- Prise de photos.
- Capture de sons.
- Détection de mouvements.
- Mesure de la pression atmosphérique.
- Capture des vibrations.
- Localisation par GPS.
Les Types de capteurs utilisés[modifier]
Le crowdsensing est basé principalement sur les capteurs utilisés. Ces derniers varient en fonction de la nature du problème étudié. Le développement technologique assure la diversité et l’évolution des capteurs qui se répartissent sous différentes catégories.
Parmi les capteurs la plus utilisés dans la plupart des sujets de crowdsensing, on trouve :
- Le gyroscope : qui donne la position angulaire de son référentiel (selon 1, 2 ou 3 axes) par rapport à un référentiel Galiléen (ou inertiel).
- Le magnétomètre servant à mesurer le champ magnétique et il est principalement utilisés dans le cadre d’études géologiques et la détection d’anomalies magnétiques ou d’objets ferreux…
- photo-détecteur « Ambient light sensor » : un capteur de luminosité, il transforme la lumière qu'il absorbe en une grandeur mesurable généralement un courant électrique ou une tension électrique.
- Capteur de proximité « Proximity sensor » : permet de détecter les changements de distance entre les objets et le capteur lui-même.
- le G-sensorou l’accéléromètre : permet de mesurer l'accélération linéaire d’un objet fixe ou mobile.
- GPS qui est le système de géo localisation américain, permettant de déterminer la position exacte du capteur.
Généralement, ces capteurs se trouvent principalement dans les Smartphones, et ils sont manipulés par les individus qui acceptent de participer à l’étude.
Principes à respecter lors de réalisation d'une application crowdsensing[modifier]
Toute opération Crowdsensing, nécessite l'application et des principes suivants :
- Motivation (Incitation : Offre faite au participants en échange de sa participation à la recherche) et sensibilisation des participants.
- Accord des utilisateurs participants.
- Confiance et privatisation des données fournis.
- Exploitation rentable et efficace des données.
- Durée de l'opération pour plus de précision dans les résultats.
Contraintes du MCS (Mobile Crowdsensing)[modifier]
Le crowdsensing permet d'extraire des mesures couvrant des surfaces étendues et à moindre coût, mais nécessite la participation d'utilisateurs.
Trois obstacles aux applications de crowdsensing ont été identifiés par Xiao (laboratoire en Alabama, états unis) et sont décrits ci-dessous[3]:
Hétérogénéité du matériel utilisé[modifier]
Le logiciel mis au point doit être compatible à la version du téléphone de l'utilisateur désireux de participer, la charge imposée aux utilisateurs et la bande passante nécessaire.
L'hétérogénéité du matériel utilisé peut être facilement surmontée par la création d'une application compatible à plusieurs types d'appareils, et les exigences de bande passante peuvent être minimisés en utilisant la compression ou en utilisant une transmission WiFi à la place de la communication cellulaire comme dans le cas du crowdsensing pour les véhicules décrit précédemment dans l'article.
Exigence d'interaction avec l'application crowdsensing[modifier]
Il s'est avéré que les gens ne participent à une expérience de crowdsensing que si le temps et l'effort qui leur est demandé pour cette opération est minime (par exemple, indiquer l'activité en cours), sans oublier que ces applications consomment beaucoup d'énergie (activations des multiples capteurs) et poussent l'utilisateur a charger son téléphone plus souvent. Dans le crowdsensing, il est possible de minimiser la charge imposée à l'utilisateur en effectuant une analyse en ligne des données fournies par les capteurs disponibles sur le smartphone.
L'aspect énergétique et consommation de batterie[modifier]
L'accéléromètre nécessite une puissance très faible, tandis que le GPS nécessite une grande puissance. En effectuant une analyse en continu des valeurs fournies par les capteurs de faible puissance, tels que l'accéléromètre, et la force du signal du réseau cellulaire reçu, nous avons été en mesure de détecter les moments dans lequel il est nécessaire d'activer les capteurs de forte puissance, comme le GPS. La méthode proposée peut être facilement étendue pour activer ou désactiver d'autres capteurs, comme le microphone pour surveiller le niveau de bruit. Ça aussi permet d'identifier les mouvements du corps[4].
Motivations des participants (Incentives en anglais)[modifier]
La réussite de l’opération crowdsensing est généralement basée sur une politique d’encouragement des participants. Chaque membre de la foule reçoit une offre qui le pousse à entreprendre les tâches qui lui ont été confiés jusqu’au bout.
Cette motivation peut se présenter sous forme matérielle, elle est calculée via une fonction de coût, tout en prenant en compte plusieurs aspects, tels que le nombre de participants, la qualité des agents participants et l'état d'avancement de l'exécution de la tâche[5].
Types d'incitations[modifier]
- Plate: Incitation équivalente pour tous les participants
Motivation des participants- Incitation = B/|A|
- tel que : B est le budget consacré au projet et |A| le nombre de participants dans une région S.
- Incitation = B/|A|
- Localisation/mobilité: Dans le cadre d'un projet Crowdsensing de détection de température ambiante par exemple, si un participant couvre une plus grande surface que les autres participants, ou s'il atteint des zones que d'autres participants n'ont pas pu atteindre, il aura à plus d'avantage en matière d'incitations.
- Qualité du périphérique: Les participants ayant des appareils mobiles plus performants en matière de capteurs, de capacité de mémoire et de précision, bénéficient de plus d'avantages.
- Comportemental: Les participants ayant déjà eu des expériences réussites sont convoqués pour participer à d'autres projets de crowdsensing avec plus d'avantages qu'auparavant.
Mécanisme basé sur le principe All-pay auction
Des questions sont proposées aux participants qui sont classés aléatoirement. En fonction de l’efficacité et le taux de données fournies, les participants sont classés par ordre décroissant, afin de récompenser le gagnant occupant la première place.
Méthodes de Protection de la vie privée des utilisateurs[modifier]
Plusieurs méthodes ont été mise au point afin de motiver les participants et de récupérer le maximum de données intéressantes sans, toutefois, avoir à récompenser tous les utilisateurs d'une plateforme de Crowdsensing. En élaborant des méthodes efficaces on arrive à maximiser la qualité, la quantité de données et la durée de réception aux moindres coûts possibles pour la structure ayant pour projet de développer un projet de Crowdsensing.
Le crowdsensing soulève le problème de confidentialité des données, le risque étant que les utilisateurs d'applications de crowdsensing ne contrôlent ni la nature ni la sécurité des données transférées. Par exemple, le microphone peut enregistrer non seulement les bruits des autres voitures, mais aussi les voix des passagers dans les voitures.
La conception des applications crowdsensing exige donc aux à leur créateurs un équilibre entre la protection de données et l’efficacité de leur application en termes de rentabilité.
Il existe trois principales approches sur des solutions de protéger la vie privée des utilisateurs de plateformes de Cowdsensing explicitées ci-dessous:
- Anonymisation
L'anonymisation consiste dans la simple suppression des informations d'identification comme les noms et les adresses, mais cela ne suffit pas pour garantir l'anonymat. Par exemple, lors de la collecte des données de localisation. Dans le contexte de l'anonymisation, l'utilité des données et la confidentialité des données sont contradictoires. En conséquence, l'anonymisation des données permet d'améliorer la protection de la vie privée, mais diminue l'utilité des données.
- Cryptage de données
En cryptant les données soumises par les utilisateurs, des tiers non autorisés ne seront pas en mesure d'utiliser les données personnelles des participants, même si elles acquièrent l'accès aux données chiffrées car elle ceux qui voudront utiliser ces données n'auront pas la méthode ou l'algorithme permettant de décrypter ces données.
- Perturbations des données
Une perturbation de données se réfère à l'ajout de bruit au capteur de données immédiatement après que les données soient transférées. Par exemple, la micro-agrégation qui consiste à remplacer un domaine spécifique d'une valeur globale. Grâce à cette méthode les données présentées par les particuliers ne sont plus identifiables.
Exemples et domaines d'utilisation[modifier]
Plusieurs applications ont été conçus pour être utilisées sur un téléphone mobile en tant que plate-forme (exemple: APISense, plate-forme réalisé par l'équipe de recherche SPIRALS) de mesure et de collecte d'informations, par exemple:InriaInnovation, « APISENSE® - Crowd-sensing made easy! », sur https://www.youtube.com (consulté le 14 décembre 2016)
- Waze est une application fournissant des informations sur le Trafic en temps réel grâce à la participation de ses utilisateurs, un utilisateur peut par exemple signaler un accident ou bien un danger, ou tout autre évènement ou information rencontrés sur la route, pouvant être intéressants pour l’ensemble d’utilisateur de cette application destinée pour un intérêt commun. On peut classer cette application parmi 2 catégorie : le Crowdsensing participatif vu que c'est l'utilisateur qui va saisir les informations, dans ce cas l'utilisateur joue le rôle de capteur, elle rentre aussi dans la catégorie d'infrastructure car elle est destinée au trafic routier.
- Nericell est une solution développé par Microsoft, cette solution permet aux utilisateurs d’envoyer automatiquement les données du Trafic routier via les capteurs du smartphones (accéléromètre, GPS, Micro…), par exemple le micro peut être utilisé pour détecter des bruits de Klaxon. Sachant qu’il suffit d’activer l’application afin qu’elle remplit ses fonctionnalités, on peut la classer parmi 2 catégories qui sont : le Crowdsensing opportuniste et d’infrastructure.
- HealthAware C’est une application visant à étudier le phénomène d’obésité, elle collecte les données grâce à l’accéléromètre afin de mesurer l’activité physique quotidienne des utilisateurs.
- CommonSense qui est une application dédiée à l’observation de la pollution atmosphérique, elle récolte les données GPS et les données fournis par un capteur externe mesurant la qualité de l’air ambiant.
- NoiseTube dont le principe est l’utilisation direct des microphones des dispositifs mobiles pour mesurer la pollution sonore en milieu urbain.
- EmotionSense est une application dédiée à l’observation de la pollution atmosphérique, elle récolte les données GPS et les données fournis par un capteur externe mesurant la qualité de l’air ambiant.
Le Crowdsensing dans les véhicules[modifier]
Le crowdsensing ne concerne pas que les téléphones mobiles mais aussi les véhicules, ces derniers devront être équipés de capteurs et d’objets connectés capables de rassembler un nombre considérable d’informations sur la route (embouteillage, conditions de circulations, accidents, routes barrées, travaux, conditions climatiques…).
Une fois que les informations sont acquises par l’ensemble des capteurs des véhicules elles peuvent être stockées sur le Cloud, ces véhicules peuvent ainsi communiquer entre eux et échanger toutes sortes d’informations permettant d’anticiper des problèmes sur la route.
La communication entre les véhicules est appelée V2V (vehicle-to-vehicle en anglais) et est aussi connue sous le nom de VANET (Vehicular Ad-Hoc Netword) dont le principe consiste à fournir des communications au sein d’un groupe de véhicules à portée les uns des autres, et certain spots appelés équipement de la route[6],[7].
La transmission des données entre les véhicules et les points de transmission est réalisée avec la technologie WIFI (ou Wlan). Le schéma suivant nous donne une idée général sur le crowdsensing concernant les véhicules.
Estimation des conditions de la route[modifier]
Le crowdsensing peut être utilisé pour estimer les conditions d’une route choisis. En effet, dans une étude élaborée par des chercheurs du laboratoire de recherche Higashino. Les chercheurs ont conçu un algorithme de reconnaissance de l'état des routes en utilisant des capteurs inertiels, composés des accéléromètres et des gyroscopes, placés dans les chaussures des individus, « shoe-mounted inertial sensor ». Ceci est basé sur le faite que les pieds sont la partie la plus réfléchissante de l’état des routes. Grâce à ces capteurs, les chercheurs arrivent à collecter des informations sur l’etat des routes, tels l’angle d’inclinaison du sol, les types des graviers, etc…. Les informations collectées sont utilisées dans le but de réaliser des systèmes pratiques de navigation piétonne destinés aux gens qui ne peuvent pas marcher sur un chemin avec des bosses et des pentes raides, etc…
Avantages du Crowdsensing[modifier]
Le Crowdsensing permet à de grandes structures d’économiser des ressources financières importantes, car l’utilisateur intermédiaire qui envoie les données du Crowdsensing n’est pas toujours payé ou du moins, ce n’est pas comparable à ce que l’entreprise aurait pu dépenser pour avoir le même type de données en ayant recours à d’autres solutions à part le Crowdsensing.
À part les gratifications, les utilisateurs peuvent voir beaucoup d’autres avantages à utiliser le Crowdsensing, comme la protection de l’environnement, éviter un accident de voiture, prévention contre les mauvaises nourritures… Il faudra noter que les applications de Crowdsensing ne nécessitent pas un grand effort des utilisateurs, des fois l’utilisateur n’a qu’à activer l’application.
Notes et références[modifier]
- ↑ (en) Raghu K. Ganti, Fan Ye et Hui Lei, « Mobile Crowdsensing: Current State and Future Challenges », Communications Magazine, IEEE, (lire en ligne).
- ↑ (en) Daniel Dimov, « State of the Art and Privacy Aspects », General Security, IEEE, (lire en ligne).
- ↑ (en) Paweł Foremski, Michał Gorawski, Krzysztof Grochla et and Konrad Polys, « Energy-Efficient Crowdsensing of Human Mobility and Signal Levels in Cellular Networks », ncbi, (lire en ligne).
- ↑ (en) Sotiris E. Nikoletseas, « Wireless Energy Recharge Protocols for Mobile Crowdsensing in IoT Systems », Computer Technology Institute and Press ”Diophantus” (CTI) and University of Patras, Greece, (lire en ligne).
- ↑ (en) Jiajun Sun et Huadong Ma, « Behavior-Based Online Incentive Mechanism for Crowd Sensing with Budget Constraints », researchgate, (lire en ligne).
- ↑ (en) Gene Tsudik et Karim El Defrawy, « Security and Privacy in Location-based MANETs/VANETs », sur http://www.ics.uci.edu (consulté le 2 janvier 2016).
- ↑ (en) Peyman Talebifard Ganti et Victor C.M. Leung, « Towards a content-centric approach to crowd-sensing in vehicular clouds », ScienceDirect, IEEE, (lire en ligne).
Articles connexes[modifier]
Liens externes[modifier]
Erreur Lua dans Module:Catégorisation_badges à la ligne 170 : attempt to index field 'wikibase' (a nil value).Erreur Lua dans Module:Suivi_des_biographies à la ligne 189 : attempt to index field 'wikibase' (a nil value).
Cet Article wiki "Crowdsensing" est issu de Wikipedia. La liste de ses auteurs peut être visible dans ses historiques.
