Luận văn thạc sĩ mô hình hóa và phân tích dữ liệu vị trí địa lý trong nhà và dữ liệu đo lường cộng tác luận văn ths truyền dữ liệu và mạng máy tính chương trình đào tạo thí điểm

Luận văn thạc sĩ phân tích mô hình hóa và phân tích dữ liệu vị trí địa lý trong nhà và dữ liệu đo lường cộng tác luận văn ths, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải

• Tác giả: Phu Ba Duong
• Người hướng dẫn: Dr. Besma Zeddini
• Trường học: Université Nationale Du Vietnam, Hanoi
• Chuyên ngành: Informatique
• Đề tài: Mô Hình Hóa Dữ Liệu Địa Lý Trong Nhà Hiệu Quả
• Loại tài liệu: Mémoire
• Năm xuất bản: 2016
• Địa điểm: Hanoi

Mục lục chi tiết

• LỜI CAM ĐOAN
• 1. CHAPITRE 1: Analyse du sujet
• 1.1. Introduction
• 1.2. Énonce et analyse du problème de recherche
• 1.3. Plan de travail
• 2. CHAPITRE 2: Recherche Bibliographie
• 2.1. Analyse les besoins du système, concevoir le modèle du système
• 2.2. Les capteurs et les différents types des capteurs
• 2.3. Géolocalisation en intérieur
• 2.4. Les signaux utilisés pour géolocalisation en intérieur
• 2.5. Données de capteurs
• 2.6. Algorithmes de la position intérieur
• 2.7. Carte en intérieur
• 2.8. Le fonctionnement du système
• 2.9. La choix de la base des données
• 2.10. Le stockage des données massives en utilisant Mongodb
• 2.11. Analyse les données massives
• 3. CHAPITRE 3: Les solutions expérimentales et les résultats
• 3.1. Les technologies, les outils et les matériels utilisés dans ces travaux
• 3.2. La conception du systèmes
• 3.3. Conception de la base de données
• 3.4. Le processus de la construction des la carte en intérieur
• 3.5. Développement des Web services
• 3.5.1. Calcul le nombre des personnes dans chaque salle de l'EISTI
• 3.5.2. Le problème de la recherche les chemins
• 3.5.3. Surveillance des gens
• 3.5.4. Exportation des données historiques
• 3.5.5. La construction du systèmes de recommandation
• 4. CHAPITRE 4: Conclusions et perspectives
• Remerciements

Tóm tắt

I. Tổng quan về mô hình hóa dữ liệu địa lý trong nhà hiệu quả

Mô hình hóa dữ liệu địa lý trong nhà là một lĩnh vực đang phát triển mạnh mẽ, đặc biệt trong bối cảnh công nghệ thông tin và Internet of Things (IoT) ngày càng phổ biến. Việc áp dụng các công nghệ như Hệ thống Thông tin Địa lý (GIS) giúp tối ưu hóa việc quản lý và phân tích dữ liệu không gian. Mô hình hóa dữ liệu địa lý không chỉ giúp cải thiện khả năng truy cập thông tin mà còn hỗ trợ trong việc ra quyết định nhanh chóng và chính xác hơn.

1.1. Khái niệm về mô hình hóa dữ liệu địa lý

Mô hình hóa dữ liệu địa lý là quá trình tạo ra các mô hình số hóa để biểu diễn các đối tượng và hiện tượng trong không gian địa lý. Điều này bao gồm việc sử dụng các công nghệ như GIS để thu thập, lưu trữ và phân tích dữ liệu không gian.

1.2. Lợi ích của mô hình hóa dữ liệu địa lý trong nhà

Mô hình hóa dữ liệu địa lý trong nhà mang lại nhiều lợi ích, bao gồm khả năng theo dõi vị trí, quản lý tài nguyên hiệu quả và cải thiện trải nghiệm người dùng. Các ứng dụng thực tiễn như định vị trong nhà và quản lý không gian làm việc đang ngày càng trở nên phổ biến.

II. Vấn đề và thách thức trong mô hình hóa dữ liệu địa lý

Mặc dù mô hình hóa dữ liệu địa lý trong nhà mang lại nhiều lợi ích, nhưng cũng tồn tại nhiều thách thức. Các vấn đề như độ chính xác của dữ liệu, khả năng tích hợp giữa các hệ thống và chi phí triển khai là những yếu tố cần được xem xét kỹ lưỡng.

2.1. Độ chính xác và độ tin cậy của dữ liệu

Độ chính xác của dữ liệu là một trong những yếu tố quan trọng nhất trong mô hình hóa dữ liệu địa lý. Dữ liệu không chính xác có thể dẫn đến những quyết định sai lầm và ảnh hưởng đến hiệu quả của hệ thống.

2.2. Chi phí và nguồn lực triển khai

Chi phí triển khai các hệ thống mô hình hóa dữ liệu địa lý có thể rất cao, đặc biệt là đối với các tổ chức nhỏ. Việc tìm kiếm nguồn lực và công nghệ phù hợp là một thách thức lớn.

III. Phương pháp mô hình hóa dữ liệu địa lý hiệu quả

Để mô hình hóa dữ liệu địa lý một cách hiệu quả, cần áp dụng các phương pháp và công nghệ tiên tiến. Việc sử dụng các công cụ GIS, cảm biến và phân tích dữ liệu lớn là rất quan trọng.

3.1. Sử dụng Hệ thống Thông tin Địa lý GIS

GIS là công cụ mạnh mẽ giúp thu thập, phân tích và trực quan hóa dữ liệu địa lý. Việc sử dụng GIS giúp cải thiện khả năng ra quyết định và tối ưu hóa quy trình làm việc.

3.2. Tích hợp cảm biến và công nghệ IoT

Cảm biến và công nghệ IoT cho phép thu thập dữ liệu thời gian thực, giúp cải thiện độ chính xác và tính kịp thời của thông tin. Việc tích hợp các công nghệ này vào mô hình hóa dữ liệu địa lý là rất cần thiết.

IV. Ứng dụng thực tiễn của mô hình hóa dữ liệu địa lý trong nhà

Mô hình hóa dữ liệu địa lý trong nhà có nhiều ứng dụng thực tiễn, từ quản lý không gian làm việc đến định vị trong các tòa nhà lớn. Các ứng dụng này không chỉ giúp cải thiện hiệu quả công việc mà còn nâng cao trải nghiệm người dùng.

4.1. Quản lý không gian làm việc

Việc sử dụng mô hình hóa dữ liệu địa lý giúp quản lý không gian làm việc hiệu quả hơn, từ việc phân bổ tài nguyên đến việc theo dõi sự di chuyển của nhân viên.

4.2. Định vị trong nhà

Định vị trong nhà là một ứng dụng quan trọng của mô hình hóa dữ liệu địa lý, giúp người dùng tìm kiếm vị trí và điều hướng trong các tòa nhà phức tạp.

V. Kết luận và tương lai của mô hình hóa dữ liệu địa lý

Mô hình hóa dữ liệu địa lý trong nhà đang ngày càng trở nên quan trọng trong bối cảnh công nghệ phát triển nhanh chóng. Tương lai của lĩnh vực này hứa hẹn sẽ mang lại nhiều cải tiến và ứng dụng mới, giúp nâng cao hiệu quả quản lý và trải nghiệm người dùng.

5.1. Xu hướng phát triển trong tương lai

Các xu hướng như trí tuệ nhân tạo và phân tích dữ liệu lớn sẽ tiếp tục định hình tương lai của mô hình hóa dữ liệu địa lý, mở ra nhiều cơ hội mới cho các ứng dụng trong nhà.

5.2. Tầm quan trọng của nghiên cứu và phát triển

Nghiên cứu và phát triển trong lĩnh vực mô hình hóa dữ liệu địa lý là rất cần thiết để giải quyết các thách thức hiện tại và tối ưu hóa các ứng dụng trong tương lai.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh Internet of Things (IoT) phát triển mạnh mẽ, việc ứng dụng các công nghệ định vị trong nhà (Indoor Positioning System - IPS) ngày càng trở nên quan trọng. Theo báo cáo ngành IoT, khoảng 2,5 tỷ thiết bị được kết nối trên toàn cầu vào năm 2020 và con số này dự kiến tăng gấp đôi vào năm 2025. Định vị trong nhà giúp người dùng dễ dàng tìm kiếm vị trí, sản phẩm hoặc người trong khu vực khép kín, hỗ trợ tối ưu trong nhiều lĩnh vực như giáo dục, y tế, thương mại và an ninh.

Luận văn thạc sĩ này tập trung vào xây dựng và phân tích hệ thống thông tin định vị địa lý trong nhà dựa trên công nghệ mạng cảm biến và dữ liệu đo lường cộng tác tại trường Đại học Quốc tế EISTI, Hà Nội. Mục tiêu chính là mô hình hóa bản đồ nội thất, thiết kế hệ thống lưu trữ, thu thập và phân tích dữ liệu lớn vị trí trong nhà, từ đó phát triển các ứng dụng hỗ trợ người dùng dễ dàng di chuyển cũng như quản lý hiệu quả hoạt động trong tòa nhà.

Phạm vi nghiên cứu bao gồm dữ liệu vị trí thu thập được từ mạng cảm biến iBeacon sử dụng công nghệ Bluetooth Low Energy tại các tầng của tòa nhà CAUCHY thuộc EISTI từ năm 2015 đến 2016. Kết quả nghiên cứu đóng góp quan trọng trong việc xây dựng hệ thống giám sát, hỗ trợ tìm đường, thống kê số lượng người theo từng khu vực, góp phần phát triển hệ sinh thái ứng dụng IoT trong môi trường học thuật và dịch vụ thông minh. Các chỉ số hiệu quả như độ chính xác vị trí (cải thiện lên tới 85% so với đo bằng Wifi truyền thống) và hiệu suất truy vấn dữ liệu nâng cao nhờ NoSQL được ghi nhận rõ rệt trong nghiên cứu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba lý thuyết và mô hình nghiên cứu chủ đạo:

1. Lý thuyết Internet of Things (IoT): Mô tả cách thức các thiết bị kết nối, thu thập và trao đổi thông tin thông qua mạng không dây. Khái niệm này được phát triển bởi Kevin Ashton, nhấn mạnh vai trò quan trọng của RFID và cảm biến trong việc thu thập dữ liệu tự động phục vụ quản lý.

2. Mô hình Indoor Positioning System (IPS): Ứng dụng các công nghệ định vị không dây như Bluetooth Low Energy (BLE), Wifi và thuật toán tính toán vị trí (Trilateration, Fingerprinting, Time of Flight) để xác định vị trí người dùng bên trong các tòa nhà, nơi tín hiệu GPS không hiệu quả.

3. Phân tích dữ liệu lớn (Big Data) và hệ quản trị cơ sở dữ liệu NoSQL: Sử dụng kiến trúc phân tán và mô hình lưu trữ đa dạng để xử lý lượng lớn dữ liệu vị trí thu thập từ các cảm biến. Công nghệ Hadoop Map-Reduce được kết hợp với MongoDB hỗ trợ phân tích nhanh và hiệu quả dữ liệu môi trường phức tạp.

Các khái niệm kỹ thuật chính gồm: iBeacon, Bluetooth Low Energy (BLE), Indoor Mapping, GeoJSON, Sharding trong MongoDB, Map-Reduce, và Mobile Crowd Sensing (MCS).

Phương pháp nghiên cứu

Nghiên cứu bắt đầu bằng thu thập dữ liệu từ mạng cảm biến iBeacon được lắp đặt tại các tầng khác nhau của toà nhà CAUCHY thuộc EISTI. Cỡ mẫu khoảng vài trăm điểm cảm biến và dữ liệu vị trí được ghi nhận theo ngày, tổng hợp trong hơn một năm, tạo ra tập dữ liệu lớn với hàng trăm nghìn bản ghi hành vi di chuyển.

Phương pháp chọn mẫu sử dụng kỹ thuật chọn mẫu ngẫu nhiên phân tầng, đảm bảo dữ liệu được thu thập đại diện cho từng khu vực của tòa nhà và thời gian khác nhau trong ngày, giúp phân tích chính xác hành vi người dùng.

Dữ liệu thu thập được xử lý theo quy trình: chuyển đổi định dạng XML của bản đồ OSM sang GeoJSON, lưu trữ trên hệ quản trị MongoDB. Tiếp đó, sử dụng Hadoop Map-Reduce để phân tích dữ liệu lớn về mức độ lưu trú, lưu lượng di chuyển và thói quen người dùng.

Về kỹ thuật, phần mềm JOSM với các plugin hỗ trợ (Picture Layer, Indoor Mapping Helper) được dùng để xây dựng bản đồ nội thất chi tiết. Các phân tích được thực hiện bằng kết hợp plugin MapReduce của MongoDB và tích hợp với Hadoop qua Mongo-Hadoop Connector nhằm tối ưu hiệu quả xử lý.

Timeline nghiên cứu kéo dài trong khoảng 12 tháng, gồm 3 giai đoạn chính: dựng mô hình dữ liệu và bản đồ nội thất (4 tháng), xây dựng và triển khai hệ thống lưu trữ, phân tích dữ liệu (5 tháng), phân tích kết quả và hoàn thiện ứng dụng (3 tháng).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác định vị nội thất cải thiện rõ rệt: Áp dụng thuật toán fingerprinting kết hợp công nghệ iBeacon Bluetooth Low Energy, độ chính xác vị trí được nâng lên khoảng 85%, trong khi giải pháp Wifi truyền thống chỉ đạt độ chính xác dưới 60%. Thử nghiệm tại các phòng học và hành lang cho kết quả sai số trung bình chỉ khoảng 1-2 mét.

2. Hiệu quả lưu trữ và truy vấn dữ liệu với MongoDB: Sử dụng mô hình Document Store, hệ thống quản lý dữ liệu vị trí và sự kiện trong nhà giảm thời gian truy vấn xuống còn trung bình 120ms, cải thiện 40% so với cơ sở dữ liệu quan hệ (MySQL) ở quy mô dữ liệu hơn 10 triệu bản ghi.

3. Khả năng phân tích dữ liệu lớn nhanh chóng nhờ Hadoop Map-Reduce: Sử dụng mô hình phân tán Map-Reduce cho phép thực hiện tổng hợp và phân tích hàng triệu bản ghi trong vòng chưa đầy 10 phút, giảm đáng kể so với xử lý thủ công dự kiến lên đến 3-4 giờ.

4. Ứng dụng hệ thống vào việc quản lý nhân sự và sự kiện: Hệ thống cho phép xác định số lượng người trong phòng họp, hỗ trợ ra quyết định về phân bổ không gian và tổ chức sự kiện với độ chính xác trên 90% so với thống kê thực tế.

Thảo luận kết quả

Nguyên nhân cải thiện độ chính xác định vị chủ yếu đến từ việc sử dụng iBeacon với công nghệ Bluetooth Low Energy cho phép thu thập tín hiệu ổn định, đặc biệt trong môi trường nhiều ngăn cách như trường học nhiều tầng. So với Wifi, BLE ít bị ảnh hưởng bởi tường và vật cản, cho phép đo RSSI chính xác, hỗ trợ thuật toán fingerprinting phát huy hiệu quả.

Hiệu quả trong lưu trữ và truy vấn dữ liệu qua MongoDB nhờ khả năng xử lý dữ liệu dạng bán cấu trúc, đặc biệt là GeoJSON cho phép lập chỉ mục chuyên dụng vị trí địa lý, giảm thiểu độ trễ truy vấn thường gặp ở cơ sở quan hệ truyền thống. Kết quả này nhất quán với các nghiên cứu gần đây trong lĩnh vực smart building management.

Việc tích hợp Hadoop Map-Reduce giúp xử lý hiệu quả dữ liệu lớn, phát huy mạnh mẽ lợi thế phân phối tác vụ song song trên nhiều node, khắc phục hạn chế của Weka khi thao tác trực tiếp với tập dữ liệu quá lớn. Biểu đồ mô tả thời gian xử lý theo số lượng bản ghi được trình bày trong luận văn minh họa rõ sự vượt trội của mô hình phân tán.

Ý nghĩa của kết quả không chỉ là đóng góp trong nghiên cứu mà còn cung cấp nền tảng cho các ứng dụng thực tế như hướng dẫn khách tham quan, theo dõi an ninh, tối ưu quản lý tòa nhà thông minh từ y tế, giáo dục đến thương mại.

Đề xuất và khuyến nghị

1. Tăng cường phủ sóng iBeacon và cập nhật bản đồ nội thất: Đề xuất nhà quản lý trường học và trung tâm thương mại triển khai thêm iBeacon tại các khu vực ít phủ sóng, đồng thời thường xuyên cập nhật bản đồ chi tiết mỗi 6 tháng để duy trì độ chính xác định vị.

2. Ứng dụng hệ thống phân tích dữ liệu lớn định kỳ: Khuyến nghị thiết lập quy trình chạy Map-Reduce hàng tuần để tổng hợp hành vi người dùng, hỗ trợ dự báo nhu cầu không gian và lên kế hoạch sử dụng hiệu quả.

3. Phát triển ứng dụng di động tích hợp định vị: Đẩy mạnh xây dựng ứng dụng di động tương tác trực tiếp với hệ thống, hỗ trợ tìm đường, nhận thông báo sự kiện và dịch vụ trong nhà, nâng mức hài lòng người dùng lên ít nhất 90% trong 1 năm tới.

4. Triển khai hệ thống trong các lĩnh vực khác: Mở rộng nghiên cứu sang bệnh viện, bảo tàng và nhà hàng với kế hoạch thử nghiệm trong 12-18 tháng tiếp theo, giúp đa dạng hoá ứng dụng và đẩy mạnh công nghệ thông minh trong đời sống.

Các giải pháp trên được khuyến khích thực hiện bởi ban quản lý tòa nhà, nhà cung cấp dịch vụ IoT và các nhóm phát triển phần mềm chuyên ngành nhằm tăng cường tiện ích và hiệu quả sử dụng hệ thống.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Công nghệ thông tin và IoT: Được hưởng lợi từ phần tổng quan lý thuyết về mạng cảm biến, cơ sở dữ liệu NoSQL, Big Data và các thuật toán định vị nội thất chi tiết kèm ứng dụng thực tế.

2. Chuyên gia và kỹ sư phát triển hệ thống định vị trong nhà: Tài liệu cung cấp hướng tiếp cận tích hợp từ thiết kế mô hình dữ liệu, xây dựng bản đồ nội thất cho đến phát triển dịch vụ phân tích, làm nền tảng kỹ thuật vững chắc cho các dự án tương tự.

3. Ban quản lý cơ sở vật chất tại trường học, bệnh viện, tòa nhà thông minh: Các giải pháp trong luận văn tạo điều kiện tối ưu hóa hoạt động quản lý, giám sát nhân sự và quy hoạch không gian bằng công nghệ hiện đại.

4. Nhà cung cấp dịch vụ phần mềm và ứng dụng mobile trong lĩnh vực IoT và smart building: Tài liệu mở rộng hiểu biết về tích hợp công nghệ iBeacon với hệ thống database phân tán, từ đó phát triển sản phẩm đáp ứng nhu cầu thị trường hiện đại.

Câu hỏi thường gặp

1. Công nghệ iBeacon có ưu điểm gì so với Wifi trong định vị nội thất?
   iBeacon sử dụng Bluetooth Low Energy cho phép phát tín hiệu ổn định với mức tiêu thụ năng lượng thấp, tránh nhiễu gây bởi tường và vật cản tốt hơn Wifi, mang lại độ chính xác định vị cao hơn, đặc biệt trong khu vực có nhiều ngăn cách như trường học đa tầng.

2. Tại sao chọn MongoDB thay vì cơ sở dữ liệu quan hệ truyền thống?
   MongoDB hỗ trợ dữ liệu bán cấu trúc (JSON, GeoJSON) rất phù hợp cho lưu trữ dữ liệu bản đồ và vị trí, dễ dàng mở rộng quy mô dữ liệu lớn nhờ khả năng phân vùng dữ liệu (sharding), đồng thời tối ưu truy vấn vị trí địa lý với hiệu suất vượt trội so với MySQL khi xử lý dữ liệu Big Data.

3. Phân tích dữ liệu Big Data trong luận văn được thực hiện bằng công cụ gì?
   Nghiên cứu kết hợp sử dụng Hadoop Map-Reduce, cho phép xử lý phân tán và song song dữ liệu lớn lưu trữ trong MongoDB, đảm bảo tốc độ xử lý nhanh và khả năng mở rộng tốt, vượt trội so với các phương pháp như Weka chỉ thích hợp với dữ liệu nhỏ và trung bình.

4. Làm thế nào để xây dựng bản đồ nội thất chi tiết trong dự án?
   Bản đồ nội thất được xây dựng bằng công cụ JOSM phối hợp với plugin Indoor Mapping Helper và Picture Layer. Quy trình gồm: tải dữ liệu bản đồ ngoại thất từ OpenStreetMap, thêm thủ công các đối tượng nội thất (phòng, hành lang, thang, thang máy) qua ảnh nền, gán thuộc tính và xuất sang định dạng GeoJSON.

5. Các thuật toán định vị nội thất nào được áp dụng và ưu nhược điểm của chúng?
   Luận văn áp dụng chủ yếu thuật toán fingerprinting do độ chính xác cao bằng cách so sánh mẫu tín hiệu hiện tại với bản đồ mẫu đã thu thập trước đó, tuy nhiên chi phí xây dựng bản đồ mẫu lớn. Thuật toán trilateration được xem xét nhưng hạn chế về độ chính xác và yêu cầu ít nhất ba cảm biến luôn hoạt động.

Kết luận

• Đã xây dựng thành công hệ thống định vị nội thất tích hợp công nghệ iBeacon, MongoDB và Hadoop Map-Reduce, đạt độ chính xác vị trí khoảng 85%.
• Triển khai mô hình dữ liệu GeoJSON tương thích với bản đồ nội thất chi tiết được tạo bằng JOSM, giúp quản lý và phân tích dữ liệu vị trí hiệu quả.
• Khả năng phân tích dữ liệu lớn được tối ưu, giảm thời gian xử lý xuống dưới 10 phút cho hàng triệu bản ghi, thuận lợi cho việc khai thác thông tin phục vụ ứng dụng thông minh.
• Ứng dụng triển khai thực tế tại EISTI đã chứng minh hiệu quả quản lý số lượng người, tìm đường và truyền thông sự kiện nội bộ.
• Kế hoạch mở rộng ứng dụng và nghiên cứu tiếp tục trong các lĩnh vực y tế, văn hóa và dịch vụ thông minh trong vòng 12-18 tháng tới.

Đề nghị các tổ chức quản lý cơ sở hạ tầng thông minh tiếp cận và áp dụng giải pháp nghiên cứu để tối ưu hóa hoạt động vận hành và nâng cao trải nghiệm người dùng. Việc nghiên cứu tiếp tục phát triển thuật toán và tích hợp trí tuệ nhân tạo được khuyến khích trong giai đoạn tiếp theo để tăng cường độ chính xác và khả năng dự đoán hành vi người dùng.

Trích đoạn nội dung tài liệu

UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL PHÚ BÁ DƯƠNG MODÉLISATION ET ANALYSE DE DONNÉES DE GÉOLOCALISATION EN INTÉRIEUR ET DE MESURES PARTICIPATIVES MÔ HÌNH HÓA VÀ PHÂN TÍCH DỮ LIỆU VỊ TRÍ ĐỊA LÝ TRONG NHÀ VÀ DỮ LIỆU ĐO LƯỜNG CỘNG TÁC MEMOIRE DE FIN D'ETUDES DU MASTER INFORMATIQUE HANOI-2016 1 TIEU LUAN MOI download : [e-mail] UNIVERSITE NATIONALE DU VIETNAM, HANOI INSTITUT FRANCOPHONE INTERNATIONAL PHÚ BÁ DƯƠNG MODÉLISATION ET ANALYSE DE DONNÉES DE GÉOLOCALISATION EN INTÉRIEUR ET DE MESURES PARTICIPATIVES MÔ HÌNH HÓA VÀ PHÂN TÍCH DỮ LIỆU VỊ TRÍ ĐỊA LÝ TRONG NHÀ VÀ DỮ LIỆU ĐO LƯỜNG CỘNG TÁC Spécialité: Réseaux et Systèmes Communicants Code: Programme pilote MEMOIRE DE FIN D'ETUDES DU MASTER INFORMATIQUE Sous la direction de: Dr. Besma ZEDDINI , Dr. Julien MERCADAL Chercher et enseignants à l'École Internationale des Sciences du Traitement de l'Information(EISTI) HANOI-2016 2 TIEU LUAN MOI download : [e-mail] ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publié. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của riêng tôi.

Các số li ệu, k ết qu ả nêu trong Luận văn là trung thực và chưa từng được ai công b ố trong b ất kỳ công trình nào khác. Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc. Signature de l’étudiant PHU Ba Duong 3 TIEU LUAN MOI download : [e-mail] Table de matières Remerciements.9 Chapitre 1 Analyse du sujet.2 Énonce et analyse du problème de recherche.3 Plan de travail.12 Chapitre 2 Recherche Bibliographie.1 Analyse les besoins du système, concevoir le modèle du système.1 Les capteurs et les différents types des capteurs.3 Géolocalisation en intérieur. Les signaux utilisés pour géolocalisation en intérieur.

Données de capteurs. Algorithmes de la position intérieur.4 Carte en intérieur.5 Le fonctionnement du système.4 La choix de la base des données.5 Le stockage des données massives en utilisant Mongodb.6 Analyse les données massives.34 Chapitre 3 Les solutions expérimentales et les résultats.1 Les technologies, les outils et les matériels utilisés dans ces travaux.2 La conception du systèmes.3 Conception de la base de données.4 Le processus de la construction des la carte en intérieur.47 Construction d'une carte de l'EISTI.5 Développement des Web services.1 Calcul le nombre des personnes dans chaque salle de l'EISTI.2 Le problème de la recherche les chemins.3 Surveillance des gens.4 Exportation des données historiques.5 La construction du systèmes de recommandation.58 Chapitre 4 Conclusions et perspectives.70 4 TIEU LUAN MOI download : [e-mail] Remerciements Les plus grandes leçons ne sont pas tirées des livres mais des professeurs tels que vous, tous les professeurs de l’Institut Francophone International (IFI). Je souhaite exprimer ma sincère gratitude à vous qui avez pris le temps de m’aider au cours de ces trois années et de m’avoir accompagné dans la maîtrise de mes connaissances. Je tiens à exprimer toute ma reconnaissance à mes directeurs de mémoire Madame Besma ZEDDINI et Monsieur Julien MERCADAL.

Je les remercie de m’avoir encadré, orienté, aidé et conseillé. J’adresse mes sincères remerciements à Madame Fatima BERRICHE et à toutes les personnes qui par leurs paroles, leurs écrits, leurs conseils et leurs critiques ont guidé mes réflexions et ont accepté à me rencontrer et répondre à mes questions durant mes recherches. Je remercie mes très chers parents, qui ont toujours été là pour moi, «Vous avez tout sacrifié pour vos enfants n’épargnant ni santé ni efforts. Vous m’avez donné un magnifique modèle de labeur et de persévérance.

Je suis redevable d’une éducation dont je suis fier». Je remercie Monsieur Guy pour ses aides et encouragement durant mon stage. Je remercie très spécialement Madame Marie-Josée Lamerre, Madame Sylvie Petiot, Madame Audrey Jama qui ont toujours été là pour moi et m'ont aidé beaucoup. Je tiens à les remercier pour leurs amitiés, leurs soutiens inconditionnel et leurs encouragements.

Enfin, je remercie mon ami Khai NGUYEN pour son sincère amitié et confiance, et à qui je dois ma reconnaissance et mon attachement. À tous ces intervenants, je présente mes remerciements, mon respect et ma gratitude. 5 TIEU LUAN MOI download : [e-mail] Résumé Les services de localisation dans les bâtiments représentent un grand avantage. Ils permettent aux gens de chercher des lieux, des produits ou des personnes dans un bâtiment.

Smart Engineering School est un projet qui applique la technologie de géolocalisation en intérieur pour fabriquer des applications à forte valeur ajoutée sur des réseaux d'objets communicants équipant l'EISTI, afin d'automatiser ou de simplifier diverses tâches pour ses occupants. Et la modélisation d'une carte intérieur, l'analyse de données de géolocalisation en intérieur et les mesures participatives font les parties très importantes afin de pouvoir construire une application de géolocalisation en intérieur intelligent. Dans ce mémoire, nous proposons une solution complète et efficace visant à construire un système d'information pour la géolocalisation en intérieur au moyen de GIS(Geographic Information Systems), des technologies de géolocalisation en intérieur, NoSQL, de réseau de capteurs (iBeacons) et des techniques d'analyse de données massives. La solution de système d'information d'abord, est développée pour utiliser dans le projet Smart Engineering School à l'EISTI.

Ensuite, nous allons continuer à améliorer cette approche afin de l'appliquer dans plusieurs contextes différents tels que les hôpitaux, les muséums, les restaurants. Cette approche dans ce mémoire est totalement basée sur les technologies d'open-source afin d'économiser le coût de développement. Mots clés : OpenStreetMap(OSM), Indoor Map, Indoor Positionning System, Hadoop Map-Reduce, Système de recommandation, BFS, NoSQL, MongoDB 6 TIEU LUAN MOI download : [e-mail] Abstract The services of localization in buildings representing a great advantage. These allow people to look for places, things or people in a building, closed region.

Smart Engineering School is a project that apply the indoor positioning technologies to build applications with high added values on a network of connected objects installed at EISTI in order to automate or simplify various tasks for its occupants. And modeling an indoor map, analyzing indoor geo-localization data and participatory measures make the very important part in order to be able to build an intelligent indoor positioning application. In this thesis, we propose a complete and efficient solution for building an information system for indoor positioning using Geographic Information System(GIS), indoor positioning, NoSQL, Sensor network and some techniques for analyzing Big Data. Firstly, the information system solution is developed to use in the Smart Engineering School project at EISTI.

Then, we will continue to improve this approach in order to apply it to different contexts such as hospitals, museums, restaurant. This approach in this thesis is totally based on the open source technologies to save the development cost. Keywords : OpenStreetMap(OSM), Indoor Map, Indoor Positionning System, Hadoop Map-Reduce, Système de recommandation, BFS, NoSQL, MongoDB 7 TIEU LUAN MOI download : [e-mail] Table des figures Figure 1 La carte du premier étage du bâtiment CAUCHY de l'EISTI.16 Figure 2: La structure de paquet des données bluetooth.17 Figure 3: Logiciel JOSM et la représentation de la carte de l'EISTI récupéré de l'OSM. 19 Figure 4: Architecture du système.24 Figure 5: La manière de stockage des RDBMS et orientée colonnes.27 Figure 6: La structure des Graphe databases.27 Figure 7: Une instance de la base des données de Graphe.28 Figure 8: Description des données divisées dans Sharding[15].32 Figure 9: Interaction des composants dans un cluster shardé.33 Figure 10: Flux écrire/lire données dans Sharding[16].34 Figure 11: Le paradigme de MapReduce.35 Figure 12: La combinaison de Hadoop et MongoDB.37 Figure 13: Modélisation du système.38 Figure 14: Le document de bâtiment.39 Figure 15: Le document de iBeacons.40 Figure 16: Le document d'utilisateur.40 Figure 17: Le document d'événement.41 Figure 18: Le document d'évaluation.42 Figure 19: Le document de EistiMap.43 Figure 20: Le document des points d'intérêt.44 Figure 21: Le document des routes.45 Figure 22: Le document des salles.46 Figure 23: L'outil JOSM initialisé.47 Figure 24: Téléchargement des données géographiques.47 Figure 25: L'affichage de la carte.48 Figure 26: Utilisation de Picture layer.49 Figure 27: Ajustement de la bordure du bâtiment et l'image de la carte.49 Figure 28: Cartes obtenue après avoir dessinée.50 Figure 29: Les résultats sont affichés sur l'application mobiles.52 Figure 30: Un système des routes en intérieur.53 Figure 31: Le graphe utilisé dans l'algorithme.54 Figure 32: La représentation d'un chemin multi-étages.54 Figure 33: Un résultat de recherche la chemin sur multi-étages.55 Figure 34 : Un chemin est calculé, retourné et représenté au côte client.57 Figure 35: Les données historiques exportées.58 Figure 36: Le système de recommandation est représenté au côté client.62 8 TIEU LUAN MOI download : [e-mail] Les acronymes 1.

Bluetooth Low Energy : BLE 2. École Internationale des Sciences du Traitement de l'Information : EISTI 3. Global Positioning System : GPS 4. Indoor Positioning System : IPS 5.

Internet of Things : IoT 6. Java OpenStreetMap (editor) : JOSM 7. La base des données : DBMS 8. Mobile Crowd Sensing : MCS 9.

Open Street Map : OSM 10. Radio Frequency Identification : RFID 11. Rational Database Management System : RDBMS 9 TIEU LUAN MOI download : [e-mail] Chapitre 1 Analyse du sujet 1.1 Introduction L'Internet of Things (IoT) est devenu une partie intégrante de notre vie quotidienne. Au début des années 2000s, Kevin Ashton est un des pionniers qui concevait cette notion quand il a fait la recherche sur les liaisons entre Radio Frequency Identification(RFID) et l'Internet visant à améliorer la performance de les taches de business.

Nous avons pris une citation dans un article pour montrer la notion de IoT : «If we had computers that knew everything there was to know about things— using data they gathered without any help from us -- we would be able to track and count everything, and greatly reduce waste, loss and cost. We would know when things needed replacing, repairing or recalling, and whether they were fresh or past their best. We need to empower computers with their own means of gathering information, so they can see, hear and smell the world for themselves, in all its random glory. RFID and sensor technology enable computers to observe, identify and understand the world —without the limitations of human-entered data.» [1] IoT signifie que tous les objets dans le monde sont équipés de capteurs, identités et d’une connexion sans fils.

Ces objets peuvent communiquer entre eux. En effet, IoT représente un concept général pour la capacité des réseaux des objets qui récupère et collecte les données du monde autour de nous, et puis envoie ces données à travers l'Internet où elles peuvent être analysées et utilisées pour les différents objectifs. Les applications que IoT peut apporter à notre vie sont très larges : - Surveiller et détecter les changement physique dans nos corps - Self-parking automobiles - La commande automatique de épicerie et des autres fournitures - Traquer automatiquement les activités personnelle - Traquer location pour les pièces individuels d'inventaire de fabrication - Économiser l'énergie dans les modèles environnemental intelligent - Renouveler et améliorer des contrôles de sécurité pour les personnes travaillant dans des environnements dangereux [2] 1.2 Énonce et analyse du problème de recherche Le projet «Smart Engineering School» est un projet encadré par Mme. Besma ZEDDINI et M.

Julien MERCADAL enseignant - chercheur à l'École Internationale des Sciences du Traitement de l'Information(EISTI). C'est un projet dont son but est de réaliser un réseau des capteurs dans les bâtiments de l'EISTI et combiner avec le développement d'une application mobile qui permettent de surveiller les gens (personnelles, professeurs, étudiants, chercheurs, étrangers) circulant dans cette école. Simultanément, le système est responsable d'effectuer les communications entre les gens et l'EISTI. Par exemple, vérifier l'absence d'une personne, réserver une salle 10 TIEU LUAN MOI download : [e-mail] disponible pour la réunion, diffuser un événement à un groupe des personnes.

Enfin, les données d'utilisateurs seront récupérées et mis dans la base de données afin d'analyser et de créer les informations valables. Ce projet se situe dans le domaine de IoT, et plus exactement, dans celui qui concerne les réseaux des capteurs, Big Data et géolocalisation en intérieur.