BigStep

Projet MRSEI 2016

Construction de l'Espace Européen de la Recherche

Titre

Données massives sémantiques et spatio-temporelles pour les processus liés à l'environnement bâti

Résumé

Les acteurs de l'environnement bâti (concepteurs, gestionnaires techniques de patrimoine) font souvent face à des problèmes liés à l'accès et au partage de données, d'une part, et à l'intégration de volumes massifs de données provenant de sources hétérogènes, d'une autre part. Ces limites impactent directement le niveau d'efficacité du traitement et de l'analyse de ces données, et représentent des problèmes communs dans les domaines de l'architecture, l'ingénierie et la construction (AEC). Ainsi, les professionnels de l'environnement bâti ne s'appuient pas seulement sur des données relatives aux éléments de construction. Les bâtiments ne sont pas des systèmes isolés, mais ils évoluent dans un écosystème beaucoup plus large. Deux échelles de granularité doivent donc être considérées dont la dimension interconstruction telle que la ville et les ensembles urbains, et la dimension intraconstruction formée des éléments qui le composent, tels que les produits associés (e.g. éléments de chauffage, ventilation et air conditionné, matériaux utilisés pour les portes et les fenêtres, éléments domotiques) dont les capteurs intelligents sont aujourd’hui parties intégrantes (e.g. capteurs de température, qualité de l'air, capteur de luminosité, etc.). Cet écosystème implique un nombre grandissant de services et d’applications. Même en disposant d'accès à des données standardisées sur le bâti, l’intégration de différentes sources de données est requise si un organisme donné souhaite bénéficier d’un avantage concurrentiel dans le secteur. Par conséquent, une approche uniforme est requise pour modéliser les données et ainsi que les processus impliquant les différents niveaux de granularité, par exemple du niveau de la surveillance de capteurs temps-réel au niveau de la planification urbaine à long terme. L'objectif pluridisciplinaire qu'ambitionne ce projet est de proposer à la fois une infrastructure de traitement de données sémantiques, spatio-temporelles et massives. A cela s’ajoute un modèle de données et de processus pour une analyse spatio-temporelle qualitative en temps-réel des données sus-mentionnées. Pour le traitement de ces données, il est envisagé d’étudier une architecture à base d'architectures Lambda. La problématique spatio-temporelle se place à la fois au niveau des données elles-mêmes, mais également au niveau des capteurs et de leur contexte d’acquisition (bâtiment, cartographie urbaine ou régionale) pouvant évoluer également au cours du temps. Par conséquent, notre projet vise à répondre aux problématiques suivantes: a) fournir une architecture innovante pour optimiser les tâches de traitement de données sémantiques, spatio-temporelles et massives; b) implémenter des services répartis pour la fouille et l'analyse qualitative de données et processus, au service des acteurs de l'environnement bâti; c) permettre le traitement en temps-réel d'événements géospatiaux, en intégrant un grand nombre de flots de données capteurs et de données tierces. Le couplage du modèle de données et de l’architecture définie offre une analyse métier avec un référentiel orienté spatio-temporel (connaissances externes au bâtiment, cartographie, couplées à des connaissances internes à celui-ci, etc.). En intégrant des outils d’analyse, nous souhaitons offrir des services génériques visant à être spécialisés (Big Data as a Service) dans les domaines des bâtiments et villes intelligentes. Ce projet répond à des problématiques multi-secteurs (gestion géospatiale, modélisation de processus, analyse capteurs à plusieurs niveaux) et multi-frontières (administrations publiques, régulations européennes). Le but visé est de construire un consortium de partenaires publics et privés, pour répondre à l'appel à projets H2020 ICT-16-2017. Nous souhaitons étendre les résultats obtenus dans les projets EU FP7 City Pulse, SO-PC-Pro tout en respectant les directives définies dans EU FP6 INSPIRE.

Partenaires

  • TUE Eindhoven University of Technology
  • UGENT Ghent University SmartLab
  • iMinds iMinds
  • Insight Insight Centre for Data Analytics
  • i3mainz Institut für Raumbezogene Informations- und Messtechnik
  • ISEP Instituto Superior de Engenharia do Porto
  • LE2I Laboratoire Electronique Informatique et Image
  • Metasonic Metasonic
  • OEG-UPM Ontology Engineering Group

Programme ANR

Construction de l'Espace Européen de la Recherche (MRSEI) 2016

Référence projet

ANR-16-MRSE-0024

Coordinateur du projet

Monsieur Christophe CRUZ (Laboratoire Electronique Informatique et Image)