Sur la radionavigation dans les villes intelligentes du futur - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Thèse Année : 2015

On The Navigation In Smart Cities Of The Future

Sur la radionavigation dans les villes intelligentes du futur

Roudy Dagher

Résumé

With the development of the internet of things, the number of communicating objects is rapidly increasing especially with the emergence of the ``Smart City'' concept. As in the case of WiFi access points, many of these objects would operate at fixed and known positions. Such information is made available in the Cloud under the Big Data paradigm, thus leading to the so called geo-referencing of the nodes. In such a context, we pose the problem of opportunistic vehicular radio-localization by means of neighborhood discovery and signal processing of received neighboring signals. We propose a novel approach for vehicle self-localization as a contribution to the field of intelligent transportation systems. The proposed solution is opportunistic, passive and non-intrusive regarding the network operations and deployed applications. The thesis defends a localization system that seamlessly integrates with a standard communication stack and covers two layers : physical and link. At physical level, we use an antenna array for collecting and processing the received signals for both identification and localization. As soon as a packet is detected at MAC layer, the corresponding signals are exploited to localize the source with respect to the vehicle body frame. By using the source identifier, its position in the external (or global) frame is looked up in a database that was previously built off-line and made accessible locally or remotely. By assuming that the vehicle orientation is known, the position of the vehicle is then estimated using basis change equations.
Avec l'essor de l'internet des objets, le nombre d'objets communicants dans nos villes est en pleine croissance, et notamment avec l'émergence du concept des ``Villes Intelligentes''. A l'instar des points d'accès Wifi, beaucoup de ces objets sont placés à des positions initialement connues, et pouvant être partagées dans le "Cloud" dans une démarche "BigData"; on parle alors de géo-référencement. Dans ce contexte, nous posons le problème de la radiolocalisation véhiculaire opportuniste basée sur la découverte de voisinage et l'exploitation des signaux reçus. Nous proposons une approche novatrice pour l'auto-localisation véhiculaire dans le domaine des systèmes de transport intelligents. La méthode proposée est opportuniste, passive et non-intrusive vis-a-vis des réseaux et des applications. La thèse défendue propose un système de localisation qui s'intègre aisément dans une pile de communication standard et qui s'étend sur deux niveaux protocolaires : couche physique et couche de liaison. Au niveau physique, nous utilisons un réseau d'antennes pour collecter les signaux à des fins d'identification et de localisation. Dès qu'un paquet est détecté au niveau MAC, les signaux physiques correspondants sont exploités pour estimer la position de l'émetteur dans le référentiel du véhicule. En utilisant l'identifiant de l’émetteur, on peut retrouver sa position dans un référentiel externe (ou global) depuis une base de données construite hors ligne et accessible localement ou à distance. En connaissant l'orientation du véhicule, la position du véhicule dans le référentiel externe peut être ensuite estimée par changement de base.
Fichier principal
Vignette du fichier
RD_these 2015_final.pdf (4.27 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01235715 , version 1 (30-11-2015)

Identifiants

  • HAL Id : tel-01235715 , version 1

Citer

Roudy Dagher. Sur la radionavigation dans les villes intelligentes du futur : Le cas des réseaux de capteurs sans fils. Informatique ubiquitaire. Université Lille 1 - Sciences et Technologies, 2015. Français. ⟨NNT : ⟩. ⟨tel-01235715⟩

Collections

INRIA INRIA2
351 Consultations
493 Téléchargements

Partager

Gmail Facebook X LinkedIn More