FR3065824A1 - Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur - Google Patents

Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur Download PDF

Info

Publication number
FR3065824A1
FR3065824A1 FR1753713A FR1753713A FR3065824A1 FR 3065824 A1 FR3065824 A1 FR 3065824A1 FR 1753713 A FR1753713 A FR 1753713A FR 1753713 A FR1753713 A FR 1753713A FR 3065824 A1 FR3065824 A1 FR 3065824A1
Authority
FR
France
Prior art keywords
sensor
data
time period
acquired
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
FR1753713A
Other languages
English (en)
Inventor
Marc Berenguer
Aida Makni
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Orange SA
Original Assignee
Orange SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Orange SA filed Critical Orange SA
Priority to FR1753713A priority Critical patent/FR3065824A1/fr
Publication of FR3065824A1 publication Critical patent/FR3065824A1/fr
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/565—Conversion or adaptation of application format or content
    • H04L67/5651—Reducing the amount or size of exchanged application data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

Le procédé comprend : - une étape de stockage (E20) dans un espace de stockage, d'une image statistique de référence représentative de données précédemment acquises par un capteur sur une période temporelle prédéterminée ; - suite à au moins une étape de réception (E40) d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur la période temporelle prédéterminée et l'image statistique de référence : ○ une étape (E110) de mise à jour d'un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur ; ○ une étape (E130) de stockage dans l'espace de stockage, d'une valeur de la fonction bijective associée à l'étape de réception et calculée au moyen du modèle numérique ; ○ si la valeur calculée est supérieure à un seuil prédéterminé (E140) : • une étape (E150) de mise à jour de l'image statistique de référence stockée ; et • une étape (E160) de transmission de l'image statistique de référence mise à jour au capteur.

Description

© N° de publication : 3 065 824 (à n’utiliser que pour les commandes de reproduction)
©) N° d’enregistrement national : 17 53713 ® RÉPUBLIQUE FRANÇAISE
INSTITUT NATIONAL DE LA PROPRIÉTÉ INDUSTRIELLE
COURBEVOIE
©) Int Cl8 : G 06 F17/40 (2017.01), G 06 F 17/18, A 61 B 5/00
DEMANDE DE BREVET D'INVENTION A1
©) Date de dépôt : 27.04.17. (30) Priorité : ©) Demandeur(s) : ORANGE Société anonyme — FR.
©) Inventeur(s) : BERENGUER MARC et MAKNI AIDA.
@) Date de mise à la disposition du public de la demande : 02.11.18 Bulletin 18/44.
(56) Liste des documents cités dans le rapport de recherche préliminaire : Se reporter à la fin du présent fascicule
(© Références à d’autres documents nationaux apparentés : ©) Titulaire(s) : ORANGE Société anonyme.
©) Demande(s) d’extension : @) Mandataire(s) : CABINET BEAU DE LOMENIE.
PROCEDE DE TRAITEMENT PAR UN DISPOSITIF DE SUPERVISION DE DONNEES ACQUISES ET TRANSMISES PAR UN CAPTEUR.
FR 3 065 824 - A1 (op) Le procédé comprend:
- une étape de stockage (E20) dans un espace de stockage, d'une image statistique de référence représentative de données précédemment acquises par un capteur sur une période temporelle prédéterminée;
- suite à au moins une étape de réception (E40) d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur la période temporelle prédéterminée et l'image statistique de référence:
O une étape (E 110) de mise à jour d'un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur;
O une étape (E130) de stockage dans l'espace de stockage, d'une valeur de la fonction bijective associée à l'étape de réception et calculée au moyen du modèle numérique;
O si la valeur calculée est supérieure à un seuil prédéterminé (E140) :
une étape (E 150) de mise à jour de l'image statistique de référence stockée; et une étape (E 160) de transmission de l'image statistique de référence mise à jour au capteur.
Figure FR3065824A1_D0001
Figure FR3065824A1_D0002
Arrière-plan de l'invention
L'invention se rapporte au domaine général du traitement de l'information.
Elle concerne plus particulièrement le traitement et notamment le stockage de données issues de capteurs, tels que par exemple des capteurs utilisés dans des systèmes domotiques, ou encore des capteurs d'activité portés par des utilisateurs, etc.
De très nombreux systèmes aujourd'hui utilisent des données collectées et transmises par des capteurs répartis dans un environnement, portés par un utilisateur, etc. Ces capteurs sont utilisés pour mesurer différentes informations, comme par exemple la température d'une pièce, des données inertielles représentatives de l'activité d'une personne, ou encore détecter une présence, l'état d'un dispositif (ex. état ouvert ou fermé d'un dispositif motorisé), etc.
Les données collectées par de tels capteurs sont en général transmises par celui-ci à un dispositif ou système de supervision capable, à partir des données collectées, de les analyser, et de commander le cas échéant certaines actions en réponse à cette analyse, comme par exemple, la levée d'une alerte, une mise en forme des données pour les présenter à l'utilisateur porteur du capteur, etc. Aucune limitation n'est attachée ici à la nature des capteurs considérés ni à la nature des actions commandées suite à l'analyse des données remontées par ces capteurs.
La transmission des données entre le capteur et le dispositif de supervision est en général effectuée au moyen d'une liaison radio ou d'un réseau de télécommunications, par exemple de type Bluetooth, WiFi, réseau de téléphonie mobile (3G, 4G, 5G, etc.), etc. Certains capteurs (ex. accéléromètres, capteurs de lumière, etc.) effectuent des mesures en continu, ou tout du moins à des instants très rapprochés, de sorte que la transmission des données collectées vers le dispositif de supervision nécessite une bande passante importante et peut entraîner parfois une congestion du réseau.
Pour limiter les transmissions vers le dispositif de supervision, les capteurs peuvent être munis de mémoires dans lesquelles sont enregistrées les données capturées, le contenu des mémoires étant alors transmis à des instants prédéterminés (ex. périodiquement) vers le dispositif de supervision. Le document WO 2016/097633 propose une solution permettant en outre de limiter la quantité de données transmises par un capteur au dispositif de supervision (et a fortiori, la quantité de données devant être stockées par le capteur entre chaque transmission au dispositif de supervision) basée sur l'utilisation au niveau du capteur d'un modèle de prédiction des données acquises par celui-ci. Conformément à la solution proposée, quand un capteur acquiert une nouvelle donnée, il la compare à une valeur prédite par le modèle de prédiction. Si la donnée acquise présente un écart avec la valeur prédite supérieur à un seuil prédéterminé, elle est transmise par le capteur vers le dispositif de supervision. Ainsi, de cette sorte, seules les données ne correspondant pas aux prédictions qui en sont faites sont transmises au dispositif de supervision. La solution proposée dans le document WO 2016/097633 permet donc de réduire considérablement la quantité de données à transmettre vers le dispositif de supervision et d'économiser la bande passante du réseau reliant le capteur au dispositif de supervision.
Objet et résumé de l'invention
L'invention concerne une solution alternative à la solution décrite dans le document
WO 2016/097633 qui permet de réduire encore davantage la quantité de données stockée au niveau du dispositif de supervision.
Plus précisément, l'invention propose un procédé de traitement par un dispositif de supervision de données collectées et transmises par un capteur, ledit procédé de traitement comprenant :
— une étape de stockage, dans un espace de stockage, d'une image statistique de référence représentative de données précédemment acquises par le capteur sur une période temporelle prédéterminée ;
— suite à au moins une étape de réception d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur ladite période temporelle prédéterminée et l'image statistique de référence :
o une étape de mise à jour d'un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur ;
o une étape de stockage, dans l'espace de stockage, d'une valeur de la fonction bijective associée à l'étape de réception et calculée au moyen du modèle numérique ; et o si la valeur calculée est supérieure à un seuil prédéterminé :
• une étape de mise à jour de l'image statistique de référence stockée dans l'espace de stockage ; et • une étape de transmission de l'image statistique de référence mise à jour au capteur.
Corrélativement, l'invention vise un dispositif de supervision de données acquises et transmises par un capteur, ce dispositif comprenant :
— un espace de stockage d'une image statistique de référence représentative de données précédemment acquises par le capteur sur une période temporelle prédéterminée ; et — une pluralité de modules activés à au moins une étape de réception d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur la période temporelle prédéterminée et l'image statistique de référence, cette pluralité de modules comprenant :
o un module de mise à jour, configuré pour mettre à jour un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur ;
o un module de calcul, configuré pour calculer en utilisant le modèle numérique, une valeur de la fonction bijective associée à l'étape de réception, ce module de calcul étant en outre configuré pour stocker la valeur calculée dans l'espace de stockage ;
o un module de comparaison de la valeur calculée par le module de calcul avec un seuil prédéterminé ; et o un module de mise à jour de l'image statistique de référence stockée dans l'espace de stockage et un module de transmission de l'image statistique de référence mise à jour au capteur, activés si la valeur calculée est supérieure au seuil prédéterminé.
A titre illustratif, on peut envisager par exemple un capteur comprenant un module d'acquisition de données inertielles (ex. d'accélérations et/ou de vitesses) tel qu'un accéléromètre ou un gyroscope (ce capteur pouvant être embarqué dans un téléphone intelligent tel un smartphone ou dans tout autre objet connecté comme par exemple une montre), et un dispositif de supervision configuré pour analyser et surveiller, à partir des données inertielles collectées par le capteur, l'activité d'un utilisateur portant ce capteur sur la période temporelle prédéterminée.
Selon un autre exemple illustratif, le capteur peut être un capteur de température placé dans une pièce d'une maison, le dispositif de supervision surveillant la température de cette pièce sur une période temporelle prédéterminée.
La fonction des informations de différence dont l'évolution temporelle est en quelque sorte prédite au moyen du modèle numérique peut être de différentes natures. Il peut s'agir d'une fonction scalaire comme d'une fonction vectorielle (auquel cas la valeur calculée au moyen du modèle numérique est un vecteur comprenant plusieurs composantes), discrète ou continue.
Par exemple, cette fonction peut être tout simplement une fonction identité vectorielle (on s'intéresse dès lors via le modèle numérique à l'évolution dans le temps des informations de différence remontées par le capteur) ou elle peut être choisie en relation avec les paramètres surveillés par le dispositif de supervision à partir des données acquises par le capteur. Elle doit être bijective de sorte à ne pas perdre d'information par rapport aux informations de différence transmises par le capteur et permettre à partir du modèle numérique et de l'image statistique de référence stockés, la reconstruction des données acquises par le capteur pour une exploitation ultérieure de ces données.
On note que le modèle numérique peut modéliser l'évolution temporelle des informations de différence sur plusieurs périodes temporelles. Le modèle numérique peut le cas échéant fournir un valeur unique pour la période temporelle envisagée ou une valeur vectorielle dont les composantes correspondent à des informations de différence correspondant à des instants différents de la période temporelle envisagée. Mais il est également possible d'envisager conformément à l'invention un modèle numérique plus global (i.e. plus complet) qui permet de modéliser l'évolution temporelle des informations de différence à la fois sur plusieurs périodes temporelles et au sein de la période temporelle envisagée. Un tel modèle numérique global est une fonction scalaire du temps (i.e. elle fournit une unique valeur en sortie en fonction de l'instant considéré) qui permet de limiter encore davantage la quantité de données stockées au niveau du dispositif de supervision.
L'invention propose ainsi un procédé innovant utilisant au niveau du dispositif de supervision, un modèle numérique prédisant l'évolution temporelle des différences remontées par le capteur (ou d'une fonction bijective de ces différences) à deux fins :
— d'une part, pour limiter la quantité d'informations transmise par le capteur au dispositif de supervision qui ne transmet plus que des différences constatées par rapport à une image de référence au lieu de l'ensemble des données qu'il a acquises (ce qui permet d'améliorer notamment l'autonomie du capteur outre les autres avantages déjà cités) ; et — d'autre part, pour limiter la quantité de données issues de ces informations qui doit être stockée au niveau du dispositif de supervision pour lui permettre de remplir son rôle de supervision.
En effet, conformément à l'invention, ne sont stockées au niveau du dispositif de supervision qu'une unique image statistique de référence, et une pluralité de valeurs calculées au moyen du modèle numérique (ces valeurs pouvant être vectorielles) qui permettent à tout moment de reconstruire une image des données collectées (i.e. acquises) par le capteur. Ces valeurs caractérisent en effet les dérives constatées par le capteur par rapport à l'image de référence stockée conjointement par le capteur et le dispositif de supervision, et permettent avantageusement de retrouver les données acquises par le capteur.
L'invention permet par conséquent de ne stocker au niveau du dispositif de supervision qu'un nombre limité d'éléments par rapport à la quantité de données réellement acquise par le capteur. Il est ainsi possible de réduire drastiquement au niveau du dispositif de supervision la taille de l'espace de stockage nécessaire à la supervision sans perdre pour autant d'information sur les données collectées par le capteur.
On note que conformément à l'invention, l'image statistique de référence reste la même tant qu'un critère de mise à jour n'est pas vérifié. Plus précisément, et comme mentionné précédemment, le modèle numérique mis à jour par le dispositif de supervision à chaque réception d'informations de différence du capteur lui permet d'identifier aisément lorsque l'image statistique de référence sur laquelle s'appuie le capteur pour décider si une donnée mesurée par celui-ci doit être ou non notifiée au dispositif de supervision, est devenue « inadaptée » dans le sens où elle ne représente plus de façon pertinente les données mesurées par le capteur et ne permet plus de limiter substantiellement les informations transmises par le capteur à destination du dispositif de supervision. Dans ce cas, conformément à l'invention, l'image statistique de référence est mise à jour, et seule l'image mise à jour est conservée dans l'espace de stockage du dispositif de supervision (i.e. l'image mise à jour obtenue remplace l'image précédemment stockée). Ceci permet de réduire encore davantage la quantité de mémoire requise au niveau du dispositif de supervision.
Pour déterminer si l'image statistique de référence doit être mise à jour, l'invention propose de comparer la valeur calculée au moyen du modèle numérique avec un seuil prédéterminé. Il s'agit par le biais de cette comparaison d'identifier si les dérives constatées par le capteur des données qu'il acquiert par rapport à l'image de référence ne deviennent pas trop importantes, traduisant une désuétude de l'image de référence (celle-ci n'est plus représentative des données acquises par le capteur).
Comme mentionné précédemment, suivant la fonction et le type de modèle numérique considérés, la valeur calculée au moyen du modèle numérique peut être scalaire ou vectorielle. Il s'ensuit que la comparaison par rapport à un seuil déclenchant ou non la mise à jour de l'image de référence peut consister soit en une comparaison d'une valeur scalaire avec un unique seuil, soit en une pluralité de comparaisons individuelles de tout ou partie des composantes d'une valeur vectorielle avec un seuil respectif, ce seuil pouvant être choisi identique pour toutes les composantes (par exemple si celles-ci sont destinées à évoluer de la même façon d'après le modèle numérique) ou varier d'une composante à l'autre.
Au vu de ce qui précède, l'invention vise aussi corrélativement, un procédé de transmission par un capteur à un dispositif de supervision, le procédé de transmission comprenant, pour au moins une donnée acquise par le capteur sur une période temporelle prédéterminée :
— une étape d'évaluation d'un indicateur de différence entre ladite au moins une donnée acquise et une image statistique de référence représentative de données précédemment acquises par le capteur sur la période temporelle prédéterminée ; et — une étape de transmission dudit indicateur de différence au dispositif de supervision, déclenchée si cet indicateur de différence reflète une différence avec l'image statistique de référence.
L'invention concerne également un capteur comprenant :
— un module d'acquisition de données ; et — une pluralité de modules, activés pour au moins une donnée acquise par le module d'acquisition sur une période temporelle prédéterminée, comprenant :
o un module d'évaluation d'un indicateur de différence entre ladite au moins une donnée acquise et une image statistique de référence représentative de données précédemment acquises par le module d'acquisition sur ladite période temporelle prédéterminée ; et o un module de transmission dudit indicateur de différence à un dispositif de supervision, activé si ledit indicateur de différence reflète une différence avec l'image statistique de référence.
Le procédé de transmission et le capteur selon l'invention permettent de limiter les quantités d'informations transmises vers le dispositif de supervision, et le cas échéant, lorsqu'un réseau de télécommunications est utilisé entre le capteur et le dispositif de supervision pour la transmission de ces informations, de limiter l'utilisation des ressources de ce réseau. En outre, l'autonomie du capteur est améliorée par cette transmission réduite d'informations vers le dispositif de supervision.
Dans un mode particulier de réalisation, l'étape de mise à jour de l'image statistique de référence comprend :
— une étape de reconstruction, à partir de l'image statistique de référence et d'un nombre prédéfini de valeurs calculées stockées dans l'espace de stockage, d'ensemble de données acquises par le capteur sur ladite période temporelle prédéterminée ;
— une étape d'évaluation d'une image statistique des ensembles de données reconstruits ; ladite image statistique de référence étant mise à jour en utilisant l'image statistique évaluée.
Le nombre prédéfini de valeurs considérées pour mettre à jour l'image statistique de référence peut être paramétré. Il correspond à une durée jugée suffisante pour constituer une image statistique représentative des données collectées par le capteur. Il convient de noter que cette mise à jour constitue une « simple » évolution de l'image statistique de référence de sorte qu'il est possible, à partir des valeurs calculées au moyen du modèle numérique et stockées, de retrouver une estimation des données collectées par le capteur à tout moment.
Ainsi, dans un mode particulier de réalisation, le procédé comprend en outre :
— une étape de reconstruction, à partir de l'image statistique de référence et d'une valeur calculée stockées dans l'espace de stockage, d'un ensemble de données précédemment acquises par le capteur sur la période temporelle prédéterminée ; et — une étape de transmission de l'ensemble de données précédemment acquises reconstruit pour traitement.
Dans un autre mode de réalisation, le procédé comprend en outre suite à l'étape de réception :
— une étape de construction, à partir de l'image statistique de référence stockée dans l'espace de stockage et de ladite au moins une information transmise par le capteur, d'un ensemble de données acquises par le capteur sur la période temporelle prédéterminée ; et — une étape de transmission de l'ensemble de données acquises construit pour traitement.
L'invention permet, à chaque réception d'informations de différence transmises par le capteur, de reconstituer l'image des données collectées par celui-ci à partir de l'image statistique de référence (il suffit de lui ajouter les informations de différence transmises par le capteur). L'image des données collectées peut alors être exploitée et analysée par le dispositif de supervision ou par un autre dispositif relié à ce dernier.
Dans un mode particulier de réalisation, le procédé de traitement comprend en outre une première phase préliminaire d'apprentissage avant l'étape de stockage de l'image statistique de référence comprenant :
— une étape de réception, pendant une première période dite d'apprentissage prédéterminée, de données acquises par le capteur ;
— une étape de détermination de l'image statistique de référence à partir des données reçues pendant ladite première période temporelle d'apprentissage ; et — une étape de transmission de l'image statistique de référence au capteur.
Corrélativement, le procédé de transmission comprend en outre :
— une étape de transmission au dispositif de supervision de données acquises par le capteur pendant une période temporelle dite d'apprentissage prédéterminée ; et — à l'issue de ladite période temporelle d'apprentissage, une étape de réception en provenance du dispositif de supervision de l'image statistique de référence.
La première phase préliminaire d'apprentissage permet au dispositif de supervision de construire l'image statistique de référence qui servira conjointement au capteur et au dispositif de supervision. La première période temporelle d'apprentissage est choisie de sorte à obtenir une image statistique représentant de manière fiable les données acquises par le capteur sur la période temporelle prédéterminée. Cette image étant construite par le dispositif de supervision puis transmise au capteur, il est possible d'utiliser un capteur ayant des capacités de traitement réduites.
Dans un autre mode de réalisation, le procédé de traitement comprend en outre une seconde phase préliminaire d'apprentissage comprenant :
— une étape de réception, pendant une seconde période d'apprentissage prédéterminée, d'informations transmises par le capteur reflétant des différences entre des données acquises par le capteur sur ladite période temporelle prédéterminée et l'image statistique de référence ; et — une étape de détermination, à partir des informations transmises par le capteur reçues pendant la seconde période d'apprentissage, du modèle numérique caractérisant l'évolution temporelle de la fonction des informations transmises par le capteur,
Cette seconde phase d'apprentissage est utilisée par le dispositif de supervision pour construire le modèle numérique caractérisant (prédisant) l'évolution temporelle de la fonction des informations transmises par le capteur. Sa durée est fixée de sorte à pouvoir construire un modèle fiable. Suivant le contexte envisagé, certains paramètres peuvent avoir une évolution cyclique de sorte que la seconde phase d'apprentissage peut être limitée à l'apparition d'un tel cycle. Il convient par ailleurs de noter que conformément à l'invention, l'apprentissage du modèle numérique est continu puisque ce modèle est mis à jour sur la base de chaque information de différence transmise par le capteur, ce qui permet d'améliorer sa représentativité.
Dans un mode particulier de réalisation, tout ou partie des étapes du procédé de traitement et/ou du procédé de transmission sont déterminées par des instructions de programmes d'ordinateurs.
En conséquence, l'invention vise aussi un programme d'ordinateur sur un support d'informations, ce programme étant susceptible d'être mis en œuvre dans un dispositif de supervision, d'un capteur ou plus généralement dans un ordinateur, ce programme comportant des instructions adaptées à la mise en œuvre des étapes d’un procédé de traitement ou d'un procédé de transmission tel que décrit ci-dessus.
Ce programme peut utiliser n'importe quel langage de programmation, et être sous la forme de code source, code objet, ou de code intermédiaire entre code source et code objet, tel que dans une forme partiellement compilée, ou dans n'importe quelle autre forme souhaitable.
L'invention vise aussi un support d'informations ou d'enregistrement lisible par un ordinateur, et comportant des instructions d'un programme d’ordinateur tel que mentionné cidessus.
Le support d'informations ou d'enregistrement peut être n'importe quelle entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, par exemple un CD ROM ou une ROM de circuit microélectronique, ou encore un moyen d'enregistrement magnétique, par exemple une disquette (floppy dise) ou un disque dur.
D'autre part, le support d'informations ou d'enregistrement peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens. Le programme selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.
Alternativement, le support d'informations ou d'enregistrement peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.
L'invention vise également un système de supervision de données collectées par un capteur comprenant ;
— un capteur selon l'invention ; et — un dispositif de supervision selon l'invention.
Le système de supervision bénéficie des mêmes avantages cités précédemment que le dispositif de supervision, le capteur, le procédé de traitement et le procédé de transmission selon l'invention.
On peut également envisager, dans d'autres modes de réalisation, que le procédé de traitement, le procédé de transmission, le dispositif de supervision, le capteur et le système de supervision selon l'invention présentent en combinaison tout ou partie des caractéristiques précitées.
Brève description des dessins
D'autres caractéristiques et avantages de la présente invention ressortiront de la description faite ci-dessous, en référence aux dessins annexés qui en illustrent un exemple de réalisation dépourvu de tout caractère limitatif. Sur les figures :
— la figure 1 représente, de façon schématique, un système de supervision conforme à l'invention, dans un mode particulier de réalisation ;
— la figure 2 représente différents modules fonctionnels d'un capteur conforme à l'invention du système de supervision de la figure 1, dans un mode particulier de réalisation ;
— la figure 3 représente différents modules fonctionnels d'un dispositif de supervision conforme à l'invention appartenant au système de supen/ision de la figure 1, dans un mode particulier de réalisation ;
— la figure 4 représente les principales étapes d'un procédé de traitement selon l'invention dans un mode particulier de réalisation dans lequel il est mis en œuvre par le dispositif de supervision de la figure 3 ;
— la figure 5 illustre les principales étapes du procédé de transmission selon l'invention dans un mode particulier de réalisation dans lequel il est mis en œuvre par le dispositif de supervision de la figure 2 ; et — la figure 6 illustre un exemple de modèle numérique global pouvant être utilisé par le dispositif de supervision de la figure 3.
Description détaillée de l'invention
La figure 1 représente, dans son environnement, un système 1 de supervision conforme à l’invention, dans un mode particulier de réalisation.
Dans l'exemple illustré à la figure 1, on s'intéresse à la supervision par le système 1 de l'activité physique d'un utilisateur U au moyen de données inertielles (accélérations, vitesses, positions, etc.) remontées par un ou plusieurs capteurs d'activité 2, conformes à l'invention, et destiné(s) à être porté(s) par l'utilisateur U. Par souci de simplification, on considère ici un unique capteur d'activité 2, ce capteur d'activité 2 comprenant un module d'acquisition (mesure) de données 2A de type accéléromètre.
Bien entendu, cet exemple n'est donné qu'à titre illustratif, et l'invention s'applique dans d'autres contextes, à la supervision d'autres paramètres (ex. température, présence, etc.) dans d'autres environnements, en utilisant d'autres types de capteurs (ex. capteur de température, gyroscope, capteur magnétique, etc.). Aucune limitation n'est attachée à la nature des capteurs ni à leur nombre.
On note par ailleurs que les capteurs peuvent être des capteurs élémentaires (munis principalement d'un module d'acquisition ou de mesure de données) intégrés dans des dispositifs plus complexes, comme par exemple un téléphone intelligent ou smartphone, et utiliser des interfaces ou certains moyens mis à disposition par ces dispositifs (ex. interface réseau, mémoire, etc.). Dans un tel cas de figure, le dispositif plus complexe intégrant le capteur élémentaire est considéré comme un capteur au sens de l'invention.
Conformément à l'invention, le système 1 comprend :
— le capteur 2 destiné à être porté par l'utilisateur U et apte à collecter des données inertielles d'accélération lorsqu'il est porté par l'utilisateur U ; et — un dispositif de supervision 3 de données collectées et transmises par le capteur 2, conforme à l'invention.
Dans le mode de réalisation décrit ici, le capteur 2 a l'architecture matérielle d'un ordinateur. Il comprend notamment, outre l'accéléromètre 2A, un processeur 2B, une mémoire vive 2C, une mémoire morte 2D, une mémoire flash non volatile 2E ainsi qu'une interface réseau 2F lui permettant de communiquer avec le dispositif de supervision 3 via un réseau de télécommunications NW pour lui transmettre notamment les données qu'il a collectées. Aucune limitation n'est attachée à la nature du réseau de télécommunications NW. Il peut s'agir d'un réseau WiFi, Ethernet, Bluetooth, ou d'un réseau mobile (ex. 3G, 4G, ou 5G), etc.
Conformément à l'invention, pour limiter la quantité de données transmises par le capteur 2 au dispositif de supervision 3, le capteur 2 ne transmet au dispositif de supervision 3 que des informations représentatives de différences (dérives) constatées entre les données collectées par le capteur via son module d'acquisition 2A et une image statistique de référence notée REF. Cette image statistique de référence REF est un modèle numérique représentatif des données précédemment collectées par le capteur 2 sur une période temporelle notée T prédéterminée. Il peut s'agir par exemple d'une fonction numérique donnant à différents instants de la période temporelle T une valeur représentative des données (accélérations ici) précédemment collectées par le capteur 2 à cet instant.
Dans le mode de réalisation décrit ici, l'image statistique de référence REF est déterminée par le dispositif de supervision 3 au cours d'une première phase d'apprentissage, comme détaillé davantage ultérieurement, et fournie par le dispositif de supervision 3 au capteur 2 via le réseau de télécommunications NW. Elle est stockée ici par le capteur 2 dans sa mémoire non volatile 2E.
La mémoire morte 2D du capteur 2 constitue un support d'enregistrement ou d'informations conforme à l'invention, lisible par le processeur 2B et sur lequel est enregistré ici un programme d'ordinateur conforme à l'invention définissant des modules fonctionnels du capteur 2. Ces modules fonctionnels s'appuient sur et/ou commandent les éléments matériels 2A-2F du capteur 2. Ils comprennent notamment ici, comme illustré à la figure 2 :
— un calculateur 4, configuré pour évaluer, pour chaque donnée acquise par le capteur 2, un indicateur de différence entre les données acquises par le capteur 2 et l'image statistique de référence REF stockée dans la mémoire non volatile 2E ;
— un module de comparaison 5, configuré pour comparer l'indicateur de différence évalué par le calculateur 4 avec un seuil prédéterminé THR-CAPT et déterminer si l'indicateur de différence évalué reflète une différence avec l'image statistique de référence ; et — un module de transmission 6, commandant l'interface réseau 2F, et configuré pour envoyer vers ie dispositif de supervision 3 les indicateurs de différence supérieurs au seuil prédéterminé THR-CAPT.
Les fonctions de ces modules sont décrites plus en détail ultérieurement.
Dans le mode de réalisation décrit ici, le dispositif de supervision 3 est un serveur informatique disposant de l'architecture matérielle d'un ordinateur. Il comprend notamment un processeur 3A, une mémoire vive 3B, une mémoire morte 3C, une mémoire flash non volatile 3D dans laquelle se trouve stockée l'image statistique de référence REF, ainsi qu'une interface réseau 3E lui permettant de communiquer notamment avec le capteur 2 via le réseau de télécommunications NW.
La mémoire morte 3C du dispositif de supervision 3 constitue un support d'enregistrement conforme à l'invention, lisible par le processeur 3A et sur lequel est enregistré ici un programme d'ordinateur PROG conforme à l'invention.
Le programme d'ordinateur PROG définit des modules fonctionnels (logiciels), configurés pour traiter les données acquises et transmises par le capteur 2, et plus précisément pour mettre en œuvre les étapes du procédé de traitement selon l'invention. Ces modules fonctionnels s'appuient sur et/ou commandent les éléments matériels 3A-3E du dispositif de supervision. Ils comprennent notamment ici, comme illustré sur la figure 3, une pluralité de modules, activés à chaque réception d'au moins une information transmise par le capteur 2 reflétant une différence constatée par le capteur 2 (via son calculateur et son module de comparaison) entre les données acquises par l'accéléromètre 2A sur la période temporelle T et l'image statistique de référence REF stockée dans la mémoire non volatile 2E du capteur 2 (espace de stockage au sens de l'invention), et comprenant :
— un module de mise à jour 7, configuré pour mettre à jour un modèle numérique MOD caractérisant une évolution d'une fonction f bijective des informations transmises par le capteur 2 à chaque réception. Aucune limitation n'est attachée à la fonction bijective f qui peut être aussi bien scalaire que vectorielle, discrète que continue ;
— un module de calcul 8, configuré pour calculer en utilisant le modèle numérique MOD, à chaque réception d'informations de différence une valeur de la fonction bijective f correspondant à cette réception, et pour stocker la valeur ainsi calculée dans la mémoire non volatile 3D du dispositif de supervision 3 ;
— un module de comparaison 9 de la valeur calculée par le module de calcul 8 avec un seuil prédéterminé THR-SUP. On note que la valeur calculée par le module de calcul 8 peut être un vecteur comprenant une pluralité de composantes (lorsque le modèle numérique MOD est une fonction vectorielle). Dans ce cas, soit le seuil THR-SUP est composé d'une unique valeur, et le module de comparaison 9 est configuré pour comparer chacune des composantes de la valeur calculée à cette unique valeur ; soit le seuil THR-SUP est lui-même un vecteur composé d'une pluralité de composantes (ex. autant de composantes qu'en comprend la valeur calculée par le module de calcul 8), auquel cas le module de comparaison 9 est configuré pour comparer tout ou partie des composantes de la valeur calculée à la composante correspondante du seuil THR-SUP ;
— un module de mise à jour 10 de l'image statistique de référence REF stockée dans la mémoire non volatile 3D et un module de transmission 11 de l'image statistique de référence mise à jour au capteur, activés si la valeur calculée par le module de calcul 8 est considérée par le module de comparaison 9 comme étant supérieure au seuil THR-SUP. Par « supérieure au seuil » on entend, si la valeur prédite et le seuil sont vectoriels, que tout ou partie (ex. au moins une) des composantes de la valeur calculée par le module de calcul 8 sont supérieures aux seuils correspondants du vecteur THR-SUP.
Dans le mode de réalisation décrit ici, le programme d'ordinateur 3 définit également :
— un module 12 de (re)construction d'ensembles de données acquises par le capteur 2 ; et — un module 13 d'analyse des ensembles de données construits par le module 12 pour superviser l'activité de l'utilisateur U.
Les fonctions des différents modules précités du dispositif de supervision 3 ainsi que des modules fonctionnels du capteur 2 sont décrites plus en détail maintenant, en référence respectivement aux étapes du procédé de traitement et du procédé de transmission selon l'invention.
La figure 4 représente les principales étapes d'un procédé de traitement selon l'invention dans un mode particulier de réalisation dans lequel il est mis en œuvre par le dispositif de supervision 3 pour traiter des données (inertielles dans l'exemple envisagé) collectées par le capteur d'activité 2 porté par l'utilisateur U. La figure 5 illustre les étapes du procédé de transmission selon l'invention mis en œuvre par le capteur d'activité 2.
Dans le mode de réalisation décrit ici, le procédé de traitement et le procédé de transmission débutent par une première phase d'apprentissage PI (étapes E10 sur la figure 4 et F10 sur la figure 5) durant laquelle le capteur d'activité 2, via son accéiéromètre 2A, mesure en continu ou à différents instants programmés sur une période temporelle prédéterminée T (par exemple T = 24h) des données inertielles d'accélération relatives à l'utilisateur U, et transmet ces mesures associées à leurs instants d'acquisition (données acquises au sens de l'invention) au dispositif de supervision 3 via le réseau NW.
Durant cette première phase d'apprentissage PI, le capteur d'activité 2 est configuré pour envoyer au dispositif de supervision 3 toutes les données qu'il acquiert via son accéiéromètre
2A. Cette phase d'apprentissage est mise en œuvre pendant une durée limitée appelée première période d'apprentissage et notée Tlearnl, par exemple Tlearnl = 15 jours. La durée Tlearnl est choisie de sorte à permettre l'acquisition d'une quantité suffisante de données pour extraire une image statistique fiable (i.e. représentative) des données collectées par le capteur 2, cette image étant destinée à être utilisée comme image statistique de référence REF par le capteur 2 et par le dispositif de supervision 3.
A l'issue de la première période d'apprentissage Tiearnl, le dispositif de supervision 3 via ici son module de mise à jour 7, détermine à partir de l'ensemble des données transmises par le capteur 2 sur la période d'apprentissage Tiearnl, une image statistique de référence REF modélisant les données précédemment collectées par le capteur 2 sur la période temporelle T. L'image statistique de référence REF fournit à divers instants pris sur la période temporelle T, une estimation des valeurs des données acquises par le capteur 2 à ces instants.
Cette image statistique de référence est déterminée par exemple en réalisant une moyenne des données collectées (acquises) pendant la première phase d'apprentissage Pl par le capteur 2 sur chaque période temporelle T considérée pendant la première période d'apprentissage Tiearnl. A titre illustratif, dans l'exemple considéré précédemment, la moyenne est calculée sur 15 ensembles de valeurs (on suppose qu'un ensemble de valeurs est remonté chaque jour par le capteur 2 au dispositif de supervision 3), chaque ensemble de valeurs comprenant une pluralité de valeurs acquises sur la période temporelle T. Par exemple pour T=24h, on peut envisager 24 valeurs dans chaque ensemble de valeurs, une valeur distincte pour chaque heure de la journée. En variante, plusieurs valeurs peuvent être remontées par le capteur dans une même journée pour une même tranche horaire d'une heure.
En référence à cet exemple illustratif, le module de mise à jour 7 calcule ici pour chaque heure de la période temporelle T (i.e. chaque heure de la journée), la moyenne et l'écarttype des données remontées par le capteur 2 sur la première période d'apprentissage Tiearnl et correspondant à cette heure ainsi que la moyenne et l'écart-type des différents instants d'acquisition de ces données compris dans cette heure. Il obtient 24 points correspondant respectivement aux 24 heures de la journée, chaque point noté P étant associé à un couple de valeurs (Χ,Υ), X désignant la composante temporelle de P (égale à la moyenne des instants d'acquisition +/- l'écart-type des instants d'acquisition) et Y désignant la composante en amplitude de P (égale à la moyenne des données mesurées par le capteur +/- l'écart-type de ces données mesurées). L'image de référence REF est donnée par l'ensemble des valeurs moyennes des points P=(X/Y) ainsi obtenus, reliés entre eux pour obtenir une courbe continue. Autour de cette courbe de référence est défini une sorte de couloir de tolérance dont les limites sont données respectivement par les valeurs moyennes des points moins les écarts-types et par les valeurs moyennes des points plus les écarts-types.
Bien entendu, cet exemple n'est donné qu'à titre illustratif et d'autres fonctions mathématiques et statistiques peuvent être envisagées pour modéliser et représenter les données collectées par le capteur 2 sur la période de temps T et déterminer l'image statistique de référence
REF.
Ainsi selon une variante de réalisation, l'image de référence REF peut être obtenue en appliquant une fonction prédéterminée désignée par g sur les points P obtenus, auquel cas ladite fonction g devra être prise en compte par le capteur 2 pour déterminer à partir des données qu'il a acquises si celles-ci doivent être transmises ou non au dispositif de supervision 3.
Selon une autre variante, le dispositif de supervision 3 peut considérer une fonction prédéterminée, telle qu'une gaussienne ou une fonction polynomiale, dont les paramètres (écarttype et moyenne dans le cas d'une gaussienne, coefficients du polynôme dans le cas de la fonction polynomiale) sont déterminés par régression à partir des données acquises et transmises par le capteur 2. La façon dont le dispositif de supervision 3 détermine l'image de référence REF peut dépendre notamment du contexte d'application de l'invention, certaines fonctions pouvant être plus pertinentes suivant le contexte envisagé.
Une fois déterminée, l'image statistique de référence REF est stockée par le dispositif de supervision 3 dans sa mémoire non volatile 3D (étape E20). Elle est par ailleurs transmise par le dispositif de supervision 3, via son module de transmission 11 et son interface réseau 3E, au capteur 2 (étape E30). Le capteur 2 reçoit l'image statistique de référence REF (étape F20) et la stocke dans sa mémoire non volatile 2E (étape F30).
Dès lors, le capteur 2 peut utiliser l'image statistique de référence REF stockée dans sa mémoire non volatile 2E pour réduire la quantité de données qu'il envoie vers le dispositif de supervision 3, et n'envoyer vers celui-cî que des informations reflétant une différence constatée par le capteur 2 entre les données qu'il acquiert sur la période temporelle T et l'image statistique de référence.
Plus précisément, dans le mode de réalisation décrit ici, pour chaque donnée inertielle acquise par son accéléromètre 2A à un instant t de la période temporelle T (étape F40), le capteur 2, par l'intermédiaire de son calculateur 4, calcule un indicateur de différence entre la valeur de cette donnée et la valeur de la donnée correspondante fournie (ou estimée) par l'image statistique de référence REF (c'est-à-dire la valeur correspondant au même instant d'acquisition sur la période temporelle T, donnée par l'image statistique de référence REF (ou éventuellement interpolée à partir des valeurs disponibles de l'image statistique de référence REF)) (étape F50). Dans l'exemple de l'image de référence REF décrit précédemment, la valeur de la donnée correspondante fournie par l'image statistique de référence REF utilisée par le calculateur 4 est la valeur moyenne donnée par la courbe formée en reliant les valeurs moyennes des points P (ou une valeur interpolée à partir des valeurs moyennes disponibles de l'image de référence REF). L'indicateur de différence est par exemple ici la valeur absolue de la soustraction entre les deux valeurs considérées.
Puis le capteur 2, par l'intermédiaire de son module de comparaison 5, compare l'indicateur de différence ainsi calculé pour chaque donnée acquise avec un seuil déterminé THRCAPT (étape test F60). Le seuil THR-CAPT est un nombre réel positif qui peut être prédéterminé (seuil paramétrable). En variante, dans l'exemple illustratif envisagé ci-dessus pour l'image statistique de référence REF, il peut être déterminé à partir des écarts-types calculés pour chacun des points P : en d'autres mots, le capteur 2 vérifie via son module de comparaison 5 si l'indicateur de différence entre la valeur d'une donnée acquise par l'accéléromètre 2A et la valeur de l'amplitude du point correspondant de l'image de référence REF est contenu dans la marge définie par l'écart-type associé à ce point.
Si l'indicateur de différence est supérieur au seuil THR-CAPT (réponse oui à l'étape test F60), le capteur 2 stocke cet indicateur de différence dans sa mémoire non volatile 2E avec l'instant d'acquisition associé sur la période temporelle T (étape F70). Puis, à l'issue de la période temporelle T, il transmet, par l'intermédiaire de son module de transmission 6 et de son interface réseau 2F, les indicateurs de différence stockés (donc supérieurs au seuil THR-CAPT) pour l'ensemble des données acquises sur la période temporelle T au dispositif de supervision 3 (étape F80).
On note que le capteur 2 peut être configuré pour envoyer les indicateurs de différence stockés dès qu'ils ont été calculés et détectés supérieurs au seuil THR-CAPT, ou à l'issue d'une période prédéterminée comme décrit ci-dessus, telle que par exemple à l'issue de chaque période temporelle T.
Si l'indicateur de différence est inférieur ou égal au seuil THR-CAPT (réponse non à l'étape test F60), le capteur 2 supprime l'indicateur de différence calculé (i.e. il ne le stocke pas en mémoire) et ne transmet aucune information vers le dispositif de supervision 3 (étape F90).
Dans un autre mode de réalisation, les données acquises par le capteur 2 sur la période temporelle T sont comparées à l'image statistique de référence au moyen d'un test de Khi2 par exemple permettant de valider l'adéquation d'une série de données à un modèle (l'image statistique de référence REF).
Dans un autre mode de réalisation encore, on peut envisager de considérer comme indicateur de différence, une valeur issue d'une étude statistique prenant en compte plusieurs mesures du capteur 2, etc.
Les étapes F40 à F90 sont reproduites ici pour chaque nouvelle donnée inertielle acquise (mesurée) par l'accéléromètre du capteur 2.
Les indicateurs de différence transmis par le capteur 2 au dispositif de supervision 3 constituent des informations reflétant une différence entre une donnée acquise par le capteur 2 et l'image statistique de référence REF au sens de l'invention (aussi appelées informations de différence dans la description).
Sur réception à un instant noté t d'un ou de plusieurs indicateurs de différence en provenance du capteur 2 correspondant à une période temporelle T (étape de réception E40), le dispositif de supervision 3, par l'intermédiaire de son module de construction 12, construit, à partir de l'image statistique de référence REF, une image des données acquises par le capteur 2 sur la période temporelle T (étape E50). L'image ainsi construite correspond à un ensemble de données inertielles acquises par le capteur 2 sur la période temporelle T et est obtenue en ajoutant les indicateurs de différence reçus du capteur 2 aux amplitudes des points de l'image statistique de référence REF stockée dans la mémoire non volatile 3D du dispositif de supervision 3.
L'ensemble de données obtenu par le module de construction 12 est fourni au module d'analyse 13 du dispositif de supervision 3 pour traitement (étape E60). Le traitement réalisé par le module d'analyse 13 ici consiste en une analyse de l'activité de l'utilisateur U à partir des données inertielles obtenues, connue en soi et non décrite ici.
Par ailleurs, le dispositif de supervision 3, par l'intermédiaire de son module de mise à jour 7, évalue (étape E100) ou réévalue (i.e. met à jour) un modèle numérique MOD caractérisant l'évolution temporelle d'une fonction bijective f des indicateurs de différence reçus du capteur 2 (étape El 10).
Le modèle MOD est un modèle numérique « prédictif » modélisant l'évolution dans le temps d'une fonction mathématique bijective f calculée sur les informations de différence transmises par le capteur 2 pour chaque période temporelle T. Aucune limitation n'est attachée à la fonction mathématique f considérée dès que celle-ci est bijective : la fonction f peut être scalaire (i.e. prenant en entrée une ou plusieurs variables et délivrant une unique variable de sortie) ou vectorielle (prenant en entrée plusieurs variables et délivrant plusieurs variables en sortie), à valeurs discrètes ou continues. Elle est préférentiellement choisie en fonction du contexte d'application de l'invention et des paramètres surveillés par le dispositif de supervision 3 à partir des données acquises par le capteur 2.
Par souci de simplification, on s'intéresse ici, à titre illustratif, à une fonction f vectorielle identité, qui laisse en l'état les indicateurs de différence transmis par le capteur 2 pour chaque période temporelle T. Le modèle numérique MOD déterminé par le module de mise à jour 7 est donc un modèle visant à caractériser l'évolution temporelle des dérives constatées par le capteur 2 des données acquises sur la durée temporelle T par rapport à l'image de référence REF.
Dans le mode de réalisation décrit ici, le module de mise à jour 7 du dispositif de supervision 3 met à profit une deuxième phase préliminaire dite d'apprentissage P2 (réponse oui à l'étape test E70) pour déterminer le modèle numérique MOD caractérisant l'évolution temporelle de la fonction f (étape E100).
Plus spécifiquement ici, pendant toute la durée notée Tlearn2 de la deuxième phase d'apprentissage P2 (réponse oui à l'étape test E90), le module de mise à jour 7 stocke dans une matrice M, dans sa mémoire non volatile 3D, les indicateurs de différence transmis par le capteur 2 (étape E80). La matrice M a ici un nombre de lignes dépendant de la durée Tlearn2 de la deuxième phase d'apprentissage P2 (par exemple 15 lignes si Tlearn2=15 jours, soit une ligne par jour) et un nombre de colonnes correspondant au nombre d'indicateurs de référence remontés sur la période temporelle T, c'est-à-dire ici chaque jour (une pour chaque tranche horaire considérée sur la période temporelle T, autrement dit la matrice M dispose ici de 24 colonnes si un indicateur de référence est susceptible d'être remonté à chaque heure de la période temporelle T de durée 24h).
On note que le dispositif de supervision 3 est libre de ne pas prendre en compte (i.e. de ne pas stocker) un indicateur de différence remonté par le capteur 2 qu'il considère comme étant trop faible au regard d'un critère prédéterminé (ex. inférieur à un seuil prédéterminé), et d'associer dans sa mémoire non volatile 3D à ia composante correspondante de la matrice M une valeur nulle.
On note que si la fonction f est différente de la fonction identité, le dispositif de supervision 3 calcule pour chaque période temporelle T considérée durant la deuxième phase d'apprentissage P2, la valeur de la fonction f évaluée à partir des informations de différence transmises par le capteur 2 pour cette période temporelle T. Puis il stocke dans sa mémoire non volatile 3D, les valeurs de la fonction f ainsi calculées sur la deuxième phase d'apprentissage pour chaque période temporelle T.
A l'issue de la deuxième période d'apprentissage (réponse non à l'étape test E90), le module de mise à jour 7 du dispositif de supervision 3 utilise les valeurs stockées dans sa mémoire non volatile 3D pour déterminer le modèle numérique MOD (étape E100). Il stocke le modèle numérique MOD ainsi déterminé dans sa mémoire vive 3C.
Dans l'exemple illustratif décrit ci-dessus (exemple d'une fonction f vectorielle identité), le modèle numérique MOD caractérise pour chaque tranche horaire associée à une colonne de la matrice M l'évolution temporelle des indicateurs de différence remontés par le capteur 2 pour cette tranche horaire. Plus particulièrement ici, le module de mise à jour 7 détermine pour chaque colonne de la matrice M obtenue à l'issue de la deuxième phase d'apprentissage P2, les paramètres d'une fonction prédéfinie, par exemple les coefficients d'une fonction polynomiale d'un ordre déterminé ou prédéterminé, qui permet de caractériser l'évolution temporelle sur la colonne considérée des indicateurs de différence. Le modèle prédictif MOD est constitué des fonctions ainsi déterminées sur chaque tranche horaire, c'est-à-dire pour chaque colonne de la matrice M.
On note que les coefficients de cette fonction polynomiale peuvent varier en fonction de divers facteurs, comme notamment du capteur 2 utilisé, et dans le cas présent d'un capteur d'activité, de l'utilisateur portant ce capteur. Le modèle prédictif MOD est donc auto-adaptatif afin de s'adapter à chaque contexte d'utilisation de l'invention. En outre, il évolue via un apprentissage continu mis en œuvre par le module de mise à jour 7 au-delà de la deuxième phase préliminaire d'apprentissage P2.
En variante, on peut envisager que le module de mise à jour 7 détermine à partir de la matrice M un modèle numérique global MOD qui caractérise l'évolution des indicateurs de différence à la fois sur la période d'apprentissage et sur la période temporelle T. Il peut à cet effet réaliser en premier lieu une analyse statistique de l'évolution temporelle par colonne des indicateurs de différence (ex. calcul de valeurs statistiques par colonne telles que d'une moyenne et/ou d'un écart-type des indicateurs sur la colonne), puis à partir du résultat de cette première analyse, réaliser une seconde analyse statistique permettant de déduire l'évolution sur la période temporelle T des valeurs statistiques déterminées lors de la première analyse. Le modèle numérique MOD ainsi obtenu est une fonction scalaire du temps. La figure 6 illustre un exemple d'un tel modèle de prédiction MOD.
Une méthode équivalente à celle qui vient d'être décrite pour déterminer le modèle numérique MOD peut être mise en œuvre par le module de mise à jour 7 si une fonction f autre qu'une fonction vectorielle identité est considérée par le dispositif de supervision 3.
En outre, d'autres types de modèles numériques peuvent être déterminés par le module de mise à jour 7, comme par exemple un modèle d'auto-régression linéaire dont l'ordre optimal est déterminé par le module de mise à jour 7 à partir des valeurs de l'indicateur de différence reportées dans la matrice M, ou un modèle de régression linéaire dont les paramètres sont déterminés en utilisant une méthode des moindres carrés appliquées aux valeurs de l'indicateur de différence reportées dans la matrice M, etc.
A l'issue de la deuxième période d'apprentissage P2 (réponse non à l'étape test E70), le module de mise à jour 7 utilise les informations de différence transmises par le capteur 2 pour mettre à jour le modèle numérique MOD évalué lors de la deuxième phase préliminaire d'apprentissage P2 et stocké dans la mémoire vive 3C du dispositif de supervision 3 (étape E110), selon des techniques de mises à jour et d'apprentissage continu connues en soi.
Dans le cas d'une fonction f quelconque (différente de l'identité), le module de mise à jour 7 évalue pour chaque période temporelle T la fonction f correspondant aux informations de différence transmises par le capteur sur cette période, et utilise ensuite la valeur de la fonction f obtenue pour réévaluer (i.e. mettre à jour) le modèle numérique MOD.
Puis le module de calcul 8 du dispositif de supervision 3 calcule au moyen du modèle numérique MOD stocké dans sa mémoire vive 3C, une valeur (dite calculée et notée MOD(t)) qu'il associe à l'étape de réception E40, à l'instant t, des informations de différence transmises par le capteur 2 (étape E120). Dans l'exemple illustratif envisagé d'une fonction f prise égale à l'identité et d'un modèle numérique MOD prédisant une évolution temporelle de la fonction f par tranche horaire de la période temporelle T, la valeur calculée MOD(t) par le module de calcul 8 comprend plusieurs composantes, et plus particulièrement 24 composantes, une pour chaque heure de la période temporelle T de 24h.
La valeur MOD(t) ainsi déterminée est stockée par le module de prédiction 8 dans la mémoire non volatile 3D du dispositif de supervision 3 (étape E130).
Puis le module de comparaison 9 du dispositif de supervision 3 compare la valeur MOD(t) calculée par le module de calcul 8 à un seuil THR-SUP (étape test E140). Si la fonction f est une fonction vectorielle et la valeur calculée MOD(t) comprend une pluralité de composantes comme dans l'exemple illustratif considéré, cette étape de comparaison consiste en une pluralité de comparaisons de tout ou partie des composantes de la valeur calculée MOD(t) avec un ou plusieurs seuils (i.e. THR-SUP peut être un vecteur définissant une pluralité de seuils, autant par exemple que de composantes dans la valeur calculée MOD(t)).
Si la valeur MOD(t) est supérieure au seuil THR-SUP (réponse oui à l'étape test E140) (ou dans le cas d'une valeur vectorielle, si tout ou partie (par exemple au moins une) des composantes de MOD(t) sont supérieures aux seuils auxquels elles sont comparées), il est déterminé par le dispositif de supervision 3 que l'image statistique de référence REF est trop différente des données acquises par le capteur 2, c'est-à-dire qu'elle ne donne pas une image suffisamment représentative de données acquises par le capteur 2 et qu'elle doit être mise à jour (étape E150). Le seuil THR-SUP dépend bien entendu du type de données capturées par le capteur 2 et de la supervision envisagée, autrement dit du contexte d'application de l'invention.
A cet effet, dans le mode de réalisation décrit ici, le module de mise à jour 10 de l'image statistique de référence REF active dans un premier temps le module de reconstruction 12 pour reconstruire, à partir de l'image statistique de référence REF stockée dans la mémoire non volatile 3D et d'un nombre entier prédéfini N de valeurs de la fonction f précédemment calculées au moyen du modèle numérique MOD et stockées dans la mémoire non volatile 3D, N images des données acquises précédemment par le capteur 2 sur N périodes temporelles de durée T. Chaque image reconstruite sur une période temporelle T est un ensemble de données reflétant une estimation des données acquises par le capteur 2 sur cette période temporelle T.
En effet, les N valeurs calculées de la fonction f au moyen du modèle numérique MOD et stockées dans la mémoire non volatile 3D du dispositif de supervision 3 sont représentatives par définition des informations de différence remontées par le capteur 2 au dispositif de supervision 3 (et déterminées par celui-ci à partir de l'image de référence REF). Par conséquent à partir des valeurs de la fonction f stockées et du modèle numérique MOD, le module de reconstruction 12 peut accéder en inversant les N valeurs de la fonction f à partir du modèle numérique MOD, à N ensembles d'informations de différence à l'origine correspondant aux N valeurs de la fonction f stockées. Puis en ajoutant les N ensembles d'informations de différence obtenus à l'image de référence REF, le module de reconstruction 12 obtient N images reconstruites représentatives des données acquises précédemment par le capteur 2 sur N périodes temporelles de durée T.
Une image statistique des N images ainsi reconstruites est ensuite évaluée par le module de mise à jour 10 (par exemple en moyennant les images obtenues, ou via toute autre fonction mathématique ou statistique). Le nombre N est choisi de sorte à obtenir une image statistique fiable. Il peut correspondre par exemple à une durée d'acquisition de données par le capteur 2 similaire à la première durée d'apprentissage Tlearnl.
L'image statistique obtenue est utilisée comme mise à jour de l'image de référence stockée dans la mémoire non volatile 3D. On note qu'elle vient remplacer l'image stockée à l'étape E20 par le dispositif de supervision dans sa mémoire non volatile 3D et est désormais utilisée comme nouvelle image statistique de référence REF. Il convient de noter que la nouvelle image statistique de référence REF est une évolution de l'image statistique de référence REF précédemment stockée et utilisée, il n'y a pas à proprement parler de discontinuité entre les images. Lors de sa mise à jour dans la mémoire non volatile 3D, la nouvelle image statistique de référence REF est stockée en association avec un indice temporel indiquant l'instant de sa mise à jour.
L'image REF ainsi mise à jour est ensuite transmise par le module de transmission 11 du dispositif de supervision 3 via son interface réseau 3E au capteur 2 (étape E160).
Le capteur 2 remplace l'image statistique de référence stockée dans sa mémoire non volatile 2E par l'image REF mise à jour reçue du dispositif de supervision 3 (étape test F100 et étape de mémorisation Fl 10).
Dès lors, c'est cette nouvelle image de référence REF mise à jour qui est utilisée par le capteur 2 pour déterminer les informations à transmettre vers le dispositif de supervision 3.
Dans un mode particulier de réalisation, cette mise à jour de l'image de référence REF est suivie d'une mise à jour par le module de mise à jour 7 du dispositif de supervision 3 du modèle numérique MOD, de façon similaire à ce qui a été fait durant la deuxième phase d'apprentissage. Cette mise à jour s'appuie préférentiellement sur le même type de modèle numérique, seul les paramètres du modèle numérique sont susceptibles d'évoluer.
On note que grâce à l'invention, à tout moment, le dispositif de supervision 3 est en mesure de reconstruire, via son module de reconstruction 12, l'image des données acquises par le capteur 2 sur une période temporelle de durée T à partir des éléments stockés dans sa mémoire non volatile 3D, à savoir à partir de l'image statistique de référence REF courante, de l'instant de mise à jour de l'image de référence REF, du modèle numérique MOD et des valeurs de la fonction f calculées au moyen du modèle numérique MOD stockés dans la mémoire non volatile 3D. L'image ainsi reconstruite peut ensuite être transmise au module de supervision 13 pour traitement.

Claims (13)

  1. REVENDICATIONS
    1. Procédé de traitement par un dispositif de supervision (3) de données acquises et transmises par un capteur, ledit procédé de traitement comprenant :
    — une étape de stockage (E20), dans un espace de stockage, d'une image statistique de référence (REF) représentative de données précédemment acquises par le capteur sur une période temporelle prédéterminée ;
    — suite à au moins une étape de réception (E40) d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur ladite période temporelle prédéterminée et l'image statistique de référence :
    o une étape (E110) de mise à jour d'un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur ;
    o une étape (E130) de stockage dans ledit espace de stockage, d'une valeur de ladite fonction bijective associée à ladite étape de réception et calculée au moyen du modèle numérique ; et o si la valeur calculée est supérieure à un seuil prédéterminé (E140) :
    • une étape (E150) de mise à jour de l'image statistique de référence stockée dans ledit espace de stockage ; et • une étape (E160) de transmission de l'image statistique de référence mise à jour au capteur.
  2. 2. Procédé de traitement selon la revendication 1 dans lequel l'étape (E150) de mise à jour de l'image statistique de référence comprend ;
    — une étape de reconstruction, à partir de l'image statistique de référence et d'un nombre prédéfini de valeurs calculées stockées dans l'espace de stockage, d'ensemble de données acquises par le capteur sur ladite période temporelle prédéterminée ;
    — une étape d'évaluation d'une image statistique des ensembles de données reconstruits ; ladite image statistique de référence étant mise à jour en utilisant l'image statistique évaluée.
  3. 3. Procédé de traitement selon la revendication 1 ou 2 comprenant en outre, suite à ladite étape de réception ;
    — une étape de construction (E50), à partir de l'image statistique de référence stockée dans l'espace de stockage et de ladite au moins une information transmise par le capteur, d'un ensemble de données acquises par le capteur sur ladite période temporelle prédéterminée ; et — une étape de transmission (E60) de l'ensemble de données acquises construit pour traitement.
  4. 4. Procédé de traitement selon l'une quelconque des revendications 1 à 3 comprenant en outre :
    — une étape de reconstruction, à partir de l'image statistique de référence et d'une valeur calculée stockée dans l'espace de stockage, d'un ensemble de données précédemment acquises ou dérivé de données précédemment acquises par le capteur sur ladite période temporelle prédéterminée ; et — une étape de transmission de l'ensemble de données précédemment acquises reconstruit pour traitement.
  5. 5. Procédé de traitement selon l'une quelconque des revendications 1 à 4 comprenant en outre une première phase préliminaire d'apprentissage (Pl) avant l'étape de stockage de l'image statistique de référence comprenant :
    — une étape de réception, pendant une première période dite d'apprentissage prédéterminée (Pl), de données acquises par le capteur ;
    — une étape de détermination (E10) de l'image statistique de référence à partir des données reçues pendant ladite première période temporelle d'apprentissage ; et — une étape de transmission (E30) de l'image statistique de référence au capteur.
  6. 6. Procédé de traitement selon l'une quelconque des revendications 1 à 5 comprenant en outre une seconde phase préliminaire d'apprentissage (P2) comprenant :
    — une étape de réception (E80), pendant une seconde période d'apprentissage prédéterminée, d'informations transmises par le capteur reflétant des différences entre des données acquises par le capteur sur ladite période temporelle prédéterminée et l'image statistique de référence ; et — une étape de détermination (E100), à partir des informations transmises par le capteur reçues pendant la seconde période d'apprentissage, du modèle numérique (MOD) caractérisant l'évolution temporelle de la fonction bijective des informations transmises par le capteur.
  7. 7. Procédé de transmission par un capteur (2) à un dispositif de supervision (3), le procédé de transmission comprenant, pour au moins une donnée acquise par le capteur sur une période temporelle prédéterminée :
    — une étape d'évaluation (F50) d'un indicateur de différence entre ladite au moins une donnée acquise et une image statistique de référence représentative de données précédemment acquises par le capteur sur ladite période temporelle prédéterminée ; et — une étape de transmission (F80) dudit indicateur de différence au dispositif de supervision, déclenchée si ledit indicateur de différence reflète une différence avec l'image statistique de référence.
  8. 8. Procédé de transmission selon la revendication 7 comprenant en outre :
    — une étape de transmission (F10) au dispositif de supervision de données acquises par le capteur pendant une période temporelle dite d'apprentissage prédéterminée (Pl) ; et — à l'issue de ladite période temporelle d'apprentissage, une étape de réception (F20) en provenance du dispositif de supervision de l'image statistique de référence.
  9. 9. Programme d'ordinateur (PROG) comportant des instructions pour l'exécution des étapes du procédé de traitement selon l'une quelconque des revendications 1 à 6 ou du procédé de transmission selon l'une quelconque des revendications 7 ou 8 lorsque ledit programme est exécuté par un ordinateur.
  10. 10. Support d'enregistrement lisible par un ordinateur sur lequel est enregistré un programme d'ordinateur selon la revendication 9.
  11. 11. Dispositif de supervision (3) de données acquises et transmises par un capteur (2), ledit dispositif comprenant :
    — un espace de stockage (3D) d'une image statistique de référence (REF) représentative de données précédemment acquises par le capteur sur une période temporelle prédéterminée ; et — une pluralité de modules activés suite à au moins une étape de réception d'au moins une information transmise par le capteur reflétant une différence entre au moins une donnée acquise par le capteur sur ladite période temporelle prédéterminée et l'image statistique de référence, ladite pluralité de modules comprenant :
    o un module de mise à jour (7), configuré pour mettre à jour un modèle numérique caractérisant une évolution temporelle d'une fonction bijective des informations transmises par le capteur ;
    o un module de calcul (8), configuré pour calculer en utilisant le modèle numérique, une valeur de la fonction bijective associée à ladite étape de réception et calculée au moyen du modèle numérique, ledit module de calcul étant configuré pour stocker la valeur calculée dans l'espace de stockage ;
    o un module de comparaison (9) de la valeur calculée par le module de calcul avec un seuil prédéterminé (THR-SUP) ; et o un module de mise à jour (10) de l'image statistique de référence stockée dans l'espace de stockage et un module de transmission (11) de l'image statistique de référence mise à jour au capteur, activés si la valeur calculée est supérieure au seuil prédéterminé.
  12. 12. Capteur (2) comprenant :
    — un module (2A) d'acquisition de données ; et — une pluralité de modules, activés pour au moins une donnée acquise par le module d'acquisition sur une période temporelle prédéterminée, comprenant :
    o un module d'évaluation (4) d'un indicateur de différence entre ladite au moins une 5 donnée acquise et une image statistique de référence représentative de données précédemment acquises par le module d'acquisition sur ladite période temporelle prédéterminée ; et o un module de transmission (6) dudit indicateur de différence à un dispositif de supervision, activé si ledit indicateur de différence reflète une différence avec l'image
    10 statistique de référence.
  13. 13. Système de supervision (1) de données collectées par un capteur comprenant :
    — un capteur (2) selon la revendication 12 ; et — un dispositif de supervision (3) selon la revendication 11.
    1/3
FR1753713A 2017-04-27 2017-04-27 Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur Withdrawn FR3065824A1 (fr)

Priority Applications (1)

Application Number Priority Date Filing Date Title
FR1753713A FR3065824A1 (fr) 2017-04-27 2017-04-27 Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1753713A FR3065824A1 (fr) 2017-04-27 2017-04-27 Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur
FR1753713 2017-04-27

Publications (1)

Publication Number Publication Date
FR3065824A1 true FR3065824A1 (fr) 2018-11-02

Family

ID=59253740

Family Applications (1)

Application Number Title Priority Date Filing Date
FR1753713A Withdrawn FR3065824A1 (fr) 2017-04-27 2017-04-27 Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur

Country Status (1)

Country Link
FR (1) FR3065824A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016097633A1 (fr) * 2014-12-19 2016-06-23 Orange Procédé de transmission de données issues d'un capteur

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016097633A1 (fr) * 2014-12-19 2016-06-23 Orange Procédé de transmission de données issues d'un capteur

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MING LI ET AL: "PRESTO", IEEE / ACM TRANSACTIONS ON NETWORKING, IEEE / ACM, NEW YORK, NY, US, vol. 17, no. 4, 1 August 2009 (2009-08-01), pages 1256 - 1269, XP058250243, ISSN: 1063-6692, DOI: 10.1109/TNET.2008.2006818 *

Similar Documents

Publication Publication Date Title
EP3234802B1 (fr) Procédé de transmission de données issues d'un capteur
FR3053491A1 (fr) Procede et dispositif de surveillance de la securite d'un systeme d'information
CA2954700A1 (fr) Procede d'adhesion a une grappe de dispositifs electroniques communiquant via un reseau sans fil, dispositif electronique mettant en oeuvre ledit procede, et systeme associes
FR3084181A1 (fr) Procede de coordination d'une pluralite de serveurs de gestion d'equipements
EP3799047A1 (fr) Dispositif, système et procédé d'identification d'une scène à partir d'une séquence ordonnée de sons captés dans un environnement
FR3065824A1 (fr) Procede de traitement par un dispositif de supervision de donnees acquises et transmises par un capteur
FR3010200A1 (fr) Procede et dispositif de normalisation de valeurs de parametres de fonctionnement d'un moteur d'aeronef
EP3406082B1 (fr) Procede de diffusion d'un contenu multimedia mesurant l'attention d'un utilisateur
WO2016092218A1 (fr) Moyens pour déterminer un niveau de pertinence d'une ressource dans un système de traitement d'informations
WO2022117976A1 (fr) Procédé d'entraînement d'un réseau de neurones artificiels pour identifier un usage numérique, et système associé
EP1575328A1 (fr) Procédé et dispositif de localisation d'un terminal dans un réseau local sans fil
EP2996036A1 (fr) Procédé de surveillance d'une architecture applicative comportant une pluralité de services
EP3543904A1 (fr) Procédé de contrôle de détection de scènes et appareil correspondant
WO2014063879A1 (fr) Procede permettant a un systeme de surveillance du reseau d'evaluer de facon non intrusive le ressenti utilisateur lors du chargement d'une page web
CN116629386B (zh) 模型训练方法及装置
WO2018109407A1 (fr) Procédé et dispositif de mise à jour
WO2023241896A1 (fr) Détection d'anomalies pour la maintenance applicative de dispositifs
EP3560147B1 (fr) Automatisation des échanges entre objets communicants
EP3767474B1 (fr) Procédé d'analyse de consommation de ressource d'une infrastructure informatique, alerte et dimensionnement
EP3891623A1 (fr) Procédé d'évaluation de l'activité corporelle d'un utilisateur
US11182460B2 (en) Lost detection for paired mobile devices
WO2016066921A1 (fr) Prédiction d'événement dans un système d'entités connectées
FR3103611A1 (fr) Procédé et dispositif de suivi de l’activité d’une personne en perte d'autonomie
EP3476110B1 (fr) Procédé et dispositif de traitement d'un objet multimédia
FR3140958A1 (fr) Procédé de détection d’anomalie dans une série temporelle observée de valeurs d’une grandeur physique représentative des performances d’un système.

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20181102

ST Notification of lapse

Effective date: 20191206