Centre de documentation
scientifique

Towards synthetic sensing for smart cities : a machine/deep learning-based approach / Faraz Malik Awan (2022)  

Public Titre : Towards synthetic sensing for smart cities : a machine/deep learning-based approach Type de document : Thèse/HDR Auteurs : Faraz Malik Awan, Auteur ; Noël Crespi, Directeur de thèse ; Roberto Minerva, Directeur de thèse Editeur : Courcouronnes : Télécom SudParis Année de publication : 2022 Importance : 106 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l’Institut Polytechnique de Paris préparée à Telecom SudParis, Spécialité Informatique Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Intelligence artificielle [Termes IGN] analyse comparative [Termes IGN] apprentissage automatique [Termes IGN] apprentissage profond [Termes IGN] classification par arbre de décision [Termes IGN] classification par forêts d'arbres décisionnels [Termes IGN] classification par Perceptron multicouche [Termes IGN] Espagne [Termes IGN] parking [Termes IGN] plus proche voisin, algorithme du [Termes IGN] pollution acoustique [Termes IGN] pollution atmosphérique [Termes IGN] réseau neuronal récurrent [Termes IGN] système de transport intelligent [Termes IGN] trafic routier [Termes IGN] ville intelligente Index. décimale : THESE Thèses et HDR Résumé : (auteur) We worked on one of the most significant research directions in Smart City, i.e., Intelligent Transportation System (ITS). ITS encapsulates several domains, such as electronic vehicles notification systems, traffic information, smart parking, and environment. However, in this thesis, we target two of its important domains; i) Smart Parking, and ii) Road Traffic. We started our research with Smart Parking use case. Performing literature review, we realized that different Machine Learning (ML) and Deep Learning (DL) approaches have been used for smart parking solutions. In most of these proposed approaches, enclosed parking areas were targeted with different feature sets to predict the "occupancy rate" in parking areas. It inspired us to conduct a comparative analysis to answer following questions; Given the parking prediction use case, how do the traditional ML models perform as compared to complex DL models? Provided big data, can less complex, traditional ML models outperform complex DL models? How well these models can perform to predict the availability of the individual on-street parking spots rather than predicting the overall occupancy rate of an enclosed parking area. To answer these questions, we choose five well-known classical ML algorithms (K-Nearest Neighbours, Random Forest, Decision Tree) and DL algorithm (Multilayer Perceptron). To take our investigation into depth, we train Ensemble Learning Model, in which we combine all the above-mentioned ML and DL models. A huge parking dataset of city of Santander, Spain, has been used which consists of around 25 million records. We also propose to recommend available parking spots based on the current location of the driver. Moving forward with our research goals, we performed literature review on road traffic and found road traffic associated with air pollution and noise pollution often. However, to the best of our knowledge, air pollution & noise pollution have never been use d in traffic prediction problem. In this part of our research, firstly we used air pollution (CO, NO, NO2, NOx, and O3) along with the atmospheric variables, such as wind speed, wind direction, temperature, and pressure to improve the traffic forecasting in the city of Madrid. This successful experiment motivated us to extend our investigation to another factor, which is also strongly correlated with road traffic i.e., noise pollution. Hence, as an extension of our previous work, in this part of our research, we use noise pollution to improve the traffic prediction in the city of Madrid. Note de contenu : 1- Introduction 2- Parking space prediction using classical ML and deep learning models 3- Road traffic prediction improvement using air pollution and atmospheric data 4- Using noise pollution to improve traffic prediction 5- Conclusion and future work Numéro de notice : 20025 Affiliation des auteurs : non IGN Thématique : INFORMATIQUE/URBANISME Nature : Thèse française Note de thèse : Thèse de Doctorat : Informatique : Telecom SudParis : 2022 Organisme de stage : SAMOVAR DOI : sans En ligne : https://tel.hal.science/tel-03722891/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101825

DIGUE : Détection d’Interférences GNSS pour U.a.v autonomE / Victor Truong (2020)  

Public Titre : DIGUE : Détection d’Interférences GNSS pour U.a.v autonomE Type de document : Thèse/HDR Auteurs : Victor Truong, Auteur ; Nel Samama, Directeur de thèse ; Alexandre Vervisch-Picois, Directeur de thèse Editeur : Courcouronnes : Télécom SudParis Année de publication : 2020 Importance : 125 p. Format : 21 x 30 cm Note générale : bibliographie Thèse de doctorat de l'Institut Polytechnique de Paris préparée à Télécom SudParis, Spécialité : Signal, Images, Automatique et robotique Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement du signal [Termes IGN] brouillage [Termes IGN] constellation GNSS [Termes IGN] décalage d'horloge [Termes IGN] détection de leurrage [Termes IGN] drone [Termes IGN] erreur systématique interfréquence d'horloge [Termes IGN] interférence [Termes IGN] leurrage [Termes IGN] récepteur GNSS Index. décimale : THESE Thèses et HDR Résumé : (auteur) La présente étude s'inscrit dans le domaine des interférences GNSS, en particulier les interférences de leurrage. Le leurrage consiste à induire une fausse position à un récepteur, c'est-à-dire une position différente de celle où il localisé. Cette étude consiste à proposer une approche de détection d'interférences de leurrage pour drone autonome utilisant les données directement issues des récepteurs. En réalisant un état de l'art des méthodes de détection de leurrage, le contrôle du biais d'horloge est apparu comme une approche potentielle. Une modélisation numérique d'une attaque de leurrage sur un récepteur a mis en évidence que le biais d'horloge présente des sauts lorsqu'il passe de la constellation GNSS à la constellation du leurre. En reproduisant cette attaque sur des récepteurs commerciaux utilisant de vrais signaux, le biais d'horloge présente des sauts plus importants que prévus par le modèle, et dans certains cas sur la dérive du biais également. Ces sauts ont été observés sur différents scénarios d'attaque plus ou moins subtiles, cependant l'amplitude de ces sauts semble aléatoire.Pour aller plus loin que la simple détection de leurrage, une approche utilisant une formation de drones communicants a été proposée dans le but de faire une estimation de la localisation du leurre. Cette méthode est basée sur un protocole de déplacement permettant à la formation de délimiter une zone de l'espace où le leurre est supposé être localisé. Le protocole actuel n'est pas encore complètement abouti mais il offre déjà une base prometteuse.L'étude du comportement du biais d'horloge a permis de mettre en évidence son intérêt dans une stratégie de détection de leurrage GNSS. A partir de ce constat, de futurs travaux pourront être menés sur le développement et l'implémentation sur un drone volant d'un algorithme de détection basé sur le contrôle du biais d'horloge. L'étude de l'utilisation d'une formation de drone pour la localisation d'un leurre a permis de poser les bases d'une solution prometteuse. De futurs travaux peuvent être menés afin de compléter le protocole de déplacement et de valider son efficacité face à différents types de leurres. Note de contenu : Introduction I- Etat de l'art II- Etude de l'influence du leurrage sur l'horloge d'un récepteur GNSS III- Etude d'une approche de localisation de leurre par l'utilisation d'une formation de drones IV- Bilan des travaux de la thèse Numéro de notice : 28447 Affiliation des auteurs : non IGN Thématique : POSITIONNEMENT Nature : Thèse française Note de thèse : Thèse de Doctorat : Signal, Images, Automatique et robotique : Télécom SudParis : 2020 Organisme de stage : Laboratoire TIPIC-SAMOVAR DOI : sans En ligne : https://tel.archives-ouvertes.fr/tel-03045956/document Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98926