Abstract:
Avec le développement de l'Internet des Objets, un volume massif de
données hétérogènes contenant, généralement, des imperfections telles que
l'incertitude, le conflit, l'imprécision,... est généré dans un laps de temps
rapide, ce qui rend la prise de décision un des sérieux défis futurs. A l'effet
de le relever, notre travail a été orienté vers la fusion d'informations dans
le contexte de l'IoT qui convoite en l'obtention d'informations précises et
efficaces assurant une meilleure prise de décision. Le processus de fusion
d'informations se fait à travers plusieurs formalismes à savoir probabiliste,
fonctions de croyance ou encore sous ensembles flous et possibiliste, et le
choix d'une de ces méthodes peut dépendre du phénomène utilisé, du type
d'informations, de leur nature,etc.
Dans notre recherche, nous nous sommes intéressé au problème de risques
d'inondation dans différentes régions attendu qu'il est l'un des désastres
climatiques récents auquel le monde fait face. Causés, généralement, par
plusieurs facteurs :le redressement et le reprofilage des cours d'eau, le drainage
des milieux humides, le déboisement, les changements climatiques, ...,
les risques d'inondation augmentent de plus en plus et répondre à de tels
flots reste une tâche complexe qui nécessite une compréhension multidisciplinaire
des sciences de la terre et du génie civil. De ce fait, une amélioration
de l'opérateur de fusion moyenne flou en introduisant la notion de conflit
(M3PC), basée sur l'IoT pour l'agrégation des données (niveau d'eau, taux
de pluie et vitesse du vent de chaque région. Une région peut-être un barrage,
rivière, digue,etc.) entrantes de divers capteurs a été proposée. Au
préalable de l'application de cet opérateur, un groupement des données de
chaque capteur pour chaque région ainsi que leur mise en échelle devront
être fait. Les expériences examinent qu'il offre des résultats optimaux reflètant
la réalité en tirant parti des insuffisances des opérateurs transnationaux
de fusion de données floue. Il prédit prestement, en temps réel, le risque
d'inondation et nous permet de cette façon d'alerter les gens et de prendre
la décision afin de régler ce problème en intervenant une équipe spécialisée
lors d'atteinte du danger.
