Proposition d’une architecture basée sur l’intelligence artificielle pour le contrôle de congestion dans l’internet des objets

Abstract

De nos jours, nous assistons de plus en plus à un développement des objets connectés sous plusieurs formes. Pour une variété d’applications, une grande masse de données est générée lors des communications entre objets. Il devient alors difficile de mettre en place des protocoles de communications résistants à la congestion. L’intelligence artificielle vient en application pour relever ces défis de congestion dans l’IoT par le biais de techniques d’algorithmes d’apprentissage supervisé et non supervisée qui peuvent permettre d’extraire, de classifier, de prédire afin de prendre de bonnes décisions notamment la réduction du temps de transfert des données. Avec l’expansion anarchique de certaines villes les rendant incapables de faire face à l'augmentation du nombre des véhicules, il devient alors difficile de circuler sans embouteillage et les congestions deviennent inévitables tout comme dans l’IoT. Aujourd’hui, des travaux de recherche basés sur l’IoT se développent afin d’apporter des réponses face au phénomène de congestion dans la circulation urbaine. Dans la littérature scientifique, plusieurs travaux de recherche utilisent des techniques basées sur un apprentissage supervisé, non supervisé ou même profond. KMeans est une technique de classification des données en cluster souvent utilisée pour la résolution de congestion. Dans ce mémoire, nous l’utilisons dans un contexte d’une architecture de cinq couche en vue de pouvoir la combiner avec les réseaux de neurones centroïdes pour une classification plus efficace. C’est ainsi que nous mettons en œuvre KMeans dans notre architecture à cinq niveaux pour prédire des congestions liées aux voies de circulation à travers des sources de données mises à disposition. Nous avons fait une implémentation avec un distributeur de python d’anaconda et les résultats obtenus pourraient permettre aux décideurs d’une région, d’une ville ou de n’importe quelle agglomération de prendre des décisions idoines face à une problématique de congestion.