| Titre : |
Algorithme de prédiction de chemin par apprentissage et optimisation de ressources dans un environnement intelligent de mobilité : Application à une architecture de vidéosurveillance routière dans les “smart cities” |
| Type de document : |
texte imprimé |
| Auteurs : |
Papa Samour Diop, Auteur |
| Editeur : |
Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique |
| Année de publication : |
2020 |
| Importance : |
153 P. |
| Format : |
29 cm |
| Langues : |
Français (fre) |
| Mots-clés : |
algorithme apprentissage distribué bande Passante Consommation d'énergie energie optimisation prédiction trafic stockage de Données donnee transmission de données vidéosurveillance ville intelligente prédiction de chemin apprentissage optimisation de ressources environnement intelligent mobilité vidéosurveillance routière smart city |
| Résumé : |
Le nombre de systèmes de vidéosurveillance CCTV (Closed Circuit TeleVision) a
augmenté rapidement au cours de la dernière décennie. Les systèmes de
vidéosurveillance étant de gros consommateurs d'énergie, de stockage de données et de
bande passante, le problème de l'optimisation de ces ressources devient actuellement un
enjeu majeur dans le domaine de la recherche.
Pour aboutir à ces résultats dans nos travaux de recherche, nous avons proposé des
modèles mathématiques pour l'évaluation prédictive des temps de réponse des systèmes
de vidéosurveillance de la circulation routière. Leurs performances dépendent fortement
de la capacité à percevoir les unités mobiles (véhicules) dans un certain rayon via des
capteurs en réseau (caméras), puis à distinguer leurs trajectoires potentielles pour une
prise de décision ultérieure. La plupart des mesures et évaluations de la qualité de
service utilisées dans la bibliographie actuelle sont basées sur le matériel et ne tiennent
pas compte de l'influence d‟une architecture technique. Nous avons donc proposé une
décomposition des systèmes de vidéosurveillance basée sur un processus, afin d‟obtenir
des fonctions approchant la consommation temporelle de chacune des architectures
(centralisée, distribuée). L'intégration de ces composants nous a guidé vers des modèles
mathématiques génériques, validés par des expérimentations. La comparaison entre ces
modèles montre un temps de réponse nettement inférieur pour une architecture distribuée
par rapport à une architecture centralisée.
En nous basant sur ces résultats expérimentaux, nous avons proposé des modèles
mathématiques qui aboutissent à des fonctions logarithmiques, de puissance et linéaires,
pour l'évaluation prédictive des temps de réponse des systèmes de vidéosurveillance
dans les villes intelligentes. Le processus de décomposition des systèmes de
vidéosurveillance nous a permis d‟obtenir des approximations mathématiques de chaque
temps de traitement. L'intégration de ces composants nous a guidé vers des modèles
mathématiques génériques validés par l'expérimentation. Les mesures résultantes de
l'expérience ont été appliquées à des fonctions mathématiques, avant d'adopter le modèle
le plus précis entre les architectures distribuées et centralisées. La comparaison entre ces
architectures montre un temps de réponse beaucoup plus faible pour l'architecture
distribuée, notamment avec le coefficient de détermination des fonctions, qui valide
nos premiers résultats.
Pour l‟optimisation de la consommation énergétique dans les systèmes de
vidéosurveillance, nous avons analysé à l'aide de modèles mathématiques le bilan
énergétique pour une architecture qui met en oeuvre un algorithme prédictif de chemin
par apprentissage, qui réduit la consommation de l‟énergie électrique. Un système
expérimental a été conçu pour évaluer le modèle et des expériences ont été menées pour
démontrer la validité de notre approche. Les résultats des expériences montrent que le
modèle a non seulement amélioré de manière significative l‟optimisation des ressources,
mais aussi réduit la consommation d'énergie.
En outre, à l'aide de modèles mathématiques, nous avons évalué la consommation du
volume de stockage et de bande passante d'une architecture qui met en oeuvre notre
algorithme de prédiction de parcours par apprentissage, afin de réduire l‟utilisation des
ressources précitées. Cette méthode réduit considérablement le volume de données du
trafic ainsi que le débit de transmission du système de vidéosurveillance en temps réel.
Un système expérimental a été conçu pour évaluer la méthode et des expériences ont été
menées pour en démontrer la validité. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=441 |
Algorithme de prédiction de chemin par apprentissage et optimisation de ressources dans un environnement intelligent de mobilité : Application à une architecture de vidéosurveillance routière dans les “smart cities” [texte imprimé] / Papa Samour Diop, Auteur . - Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique, 2020 . - 153 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
algorithme apprentissage distribué bande Passante Consommation d'énergie energie optimisation prédiction trafic stockage de Données donnee transmission de données vidéosurveillance ville intelligente prédiction de chemin apprentissage optimisation de ressources environnement intelligent mobilité vidéosurveillance routière smart city |
| Résumé : |
Le nombre de systèmes de vidéosurveillance CCTV (Closed Circuit TeleVision) a
augmenté rapidement au cours de la dernière décennie. Les systèmes de
vidéosurveillance étant de gros consommateurs d'énergie, de stockage de données et de
bande passante, le problème de l'optimisation de ces ressources devient actuellement un
enjeu majeur dans le domaine de la recherche.
Pour aboutir à ces résultats dans nos travaux de recherche, nous avons proposé des
modèles mathématiques pour l'évaluation prédictive des temps de réponse des systèmes
de vidéosurveillance de la circulation routière. Leurs performances dépendent fortement
de la capacité à percevoir les unités mobiles (véhicules) dans un certain rayon via des
capteurs en réseau (caméras), puis à distinguer leurs trajectoires potentielles pour une
prise de décision ultérieure. La plupart des mesures et évaluations de la qualité de
service utilisées dans la bibliographie actuelle sont basées sur le matériel et ne tiennent
pas compte de l'influence d‟une architecture technique. Nous avons donc proposé une
décomposition des systèmes de vidéosurveillance basée sur un processus, afin d‟obtenir
des fonctions approchant la consommation temporelle de chacune des architectures
(centralisée, distribuée). L'intégration de ces composants nous a guidé vers des modèles
mathématiques génériques, validés par des expérimentations. La comparaison entre ces
modèles montre un temps de réponse nettement inférieur pour une architecture distribuée
par rapport à une architecture centralisée.
En nous basant sur ces résultats expérimentaux, nous avons proposé des modèles
mathématiques qui aboutissent à des fonctions logarithmiques, de puissance et linéaires,
pour l'évaluation prédictive des temps de réponse des systèmes de vidéosurveillance
dans les villes intelligentes. Le processus de décomposition des systèmes de
vidéosurveillance nous a permis d‟obtenir des approximations mathématiques de chaque
temps de traitement. L'intégration de ces composants nous a guidé vers des modèles
mathématiques génériques validés par l'expérimentation. Les mesures résultantes de
l'expérience ont été appliquées à des fonctions mathématiques, avant d'adopter le modèle
le plus précis entre les architectures distribuées et centralisées. La comparaison entre ces
architectures montre un temps de réponse beaucoup plus faible pour l'architecture
distribuée, notamment avec le coefficient de détermination des fonctions, qui valide
nos premiers résultats.
Pour l‟optimisation de la consommation énergétique dans les systèmes de
vidéosurveillance, nous avons analysé à l'aide de modèles mathématiques le bilan
énergétique pour une architecture qui met en oeuvre un algorithme prédictif de chemin
par apprentissage, qui réduit la consommation de l‟énergie électrique. Un système
expérimental a été conçu pour évaluer le modèle et des expériences ont été menées pour
démontrer la validité de notre approche. Les résultats des expériences montrent que le
modèle a non seulement amélioré de manière significative l‟optimisation des ressources,
mais aussi réduit la consommation d'énergie.
En outre, à l'aide de modèles mathématiques, nous avons évalué la consommation du
volume de stockage et de bande passante d'une architecture qui met en oeuvre notre
algorithme de prédiction de parcours par apprentissage, afin de réduire l‟utilisation des
ressources précitées. Cette méthode réduit considérablement le volume de données du
trafic ainsi que le débit de transmission du système de vidéosurveillance en temps réel.
Un système expérimental a été conçu pour évaluer la méthode et des expériences ont été
menées pour en démontrer la validité. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=441 |
|  |
Accueil
Affiner la rechercheAlgorithme de prédiction de chemin par apprentissage et optimisation de ressources dans un environnement intelligent de mobilité : Application à une architecture de vidéosurveillance routière dans les “smart cities” / Papa Samour Diop (2020)
