Un middleware pour la gestion de la sensibilité au contexte dans les systèmes de l’Internet des Objets

Abstract

L’intégration du paradigme de l’Internet des objets (IdO) dans les services Web et le cloud computing nous permet de gérer des milliers de capteurs conjointement avec leurs données. À cet égard, le modèle "détection en tant que service" (Sensing as a Service) a récemment émergé. Les données générées par ces capteurs peuvent être réutilisées par différents utilisateurs et applications à l’aide des solutions middleware IdO. En fait, l’énorme nombre de capteurs disponibles dans l’environnement IdO, les ressources limitées et le facteur coût rendent impossible de collecter les données de tous les capteurs disponibles. Dans cette situation, le défi crucial est de savoir comment rechercher et sélectionner efficacement les meilleurs capteurs en fonction des besoins des utilisateurs dans un délai raisonnable. Notre objectif est de proposer une méthode efficace et sensible au contexte, pour rechercher et sélectionner les meilleurs capteurs afin d’aider les utilisateurs à acquérir les informations souhaitées. Dans ce travail, nous proposons une méthode sensible au contexte adaptable aux différents middlewares IdO. La méthode proposée permet de réduire considérablement le temps de recherche et de sélection de capteurs. Nous exploitons la puissance de l’opérateur Skyline dynamique dans le domaine de la prise de décision multicritères, pour réduire l’espace de recherche. Le but est d’améliorer l’efficacité de la sensibilité au contexte et de sélectionner les meilleurs capteurs selon les besoins des utilisateurs. L’architecture adoptée dans cette proposition est composée de plusieurs passerelles réparties dans le réseau et connectées à un serveur. Les capteurs sont connectés aux passerelles gérant chacune son propre réseau local. Les passerelles doivent également répondre localement aux requêtes des utilisateurs. Par la suite, le serveur regroupera les résultats de toutes les passerelles et donnera la réponse finale. De plus, notre système permet de classer les capteurs sélectionnés par l’opérateur Skyline dynamique en fonction des exigences et des poids imposés par l’utilisateur. Pour classer les différents capteurs Skyline sélectionnés, nous utilisons la distance euclidienne. L’expérimentation montre l’efficacité de notre méthode par rapport à celles existantes.