Fusion d'Informations dans le contexte de l'IoT

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.