Architecture de perception de contexte orientée service pour l'habitat communicant Vincent Ricquebourg1,2, David Menga2, Laurent Delahoche1, Bruno Marhic1, David Durand3, Christophe Logé3 1LTI, Avenue des Facultés le Bailly - 80000 Amiens (France) 2EDF R&D, 1 Avenue Charles de Gaule - 92141 Clamart (France) 3LaRIA, 33 rue Saint Leu - 80000 Amiens (France) Le 6 Septembre 2006

L’habitat communicant C’est… Une maison connectée vers l’extérieur Une maison équipée d’objets communicants Une maison confortable (chauffage, climatisation, éclairage) Une maison économe Une maison qui simplifie le quotidien (retour à la maison, départ, détente et loisirs) Une maison sûre (sûreté des biens, sûreté des individus) Une maison autonome (supervision, réactivité) La maison doit rendre des services à l’habitant

Services à l’habitant Exemples : Je pars de chez moi, la maison passe en mode minimal (extinction de l’éclairage, baisse du chauffage, baisse des volets,…) Je rentre chez moi, l’éclairage s’allume, mes emails sont diffusés sur ma TV,… L’éclairage intérieur s’adapte en fonction de la luminosité extérieure La maison doit percevoir la situation en cours Sensibilité au contexte afin de fournir le service le plus adapté à la situation en cours La maison fournit un service contextualisé

Prendre en compte le contexte dans l’habitat Différentes couches : Ref : Coutaz J., Crowley J., Dobson S., Garlan D. - « Context is key » -Commun. ACM, Vol. 48, No. 3. (March 05)

Plateforme logicielle OSGi SOA Spécification définie par l’OSGi Alliance, qui conceptualise une plateforme de déploiement de services administrable à distance.

Architecture de perception de contexte Modèle PCIA : 4 couches distinctes P : Perception Comment percevoir ? Utilisation de capteurs qui permettent de quantifier un phénomène physique → acquisition des données contextuelles C : Contexte Comment représenter le contexte ? Utilisation d’un modèle de contexte nourrit par les données contextuelles I : Inférence Comment définir une situation ? Utilisation d’un moteur d’inférence (raisonneur) A : Action Comment agir face à une situation ? Utilisation d’actionneurs qui permettent de modifier un phénomène physique P Environnement C I A

Architecture de perception de contexte Inférence OSGi Action Environnement

Architecture de perception de contexte Notre architecture de perception de contexte orientée services : OSGi

Architecture de perception de contexte Notre architecture de perception de contexte : Couche matérielle permettant de Percevoir un phénomène physique (capteurs) Modifier un phénomène physique (actionneurs)

Comment appréhender le contexte ? Notre architecture de perception de contexte : Couche événementielle permettant le transport des données capteurs/actionneurs Permet d’obtenir une couche harmonisée pour les capteurs/actionneurs

Le bus événementiel Utilisation d’un bus événementiel (publication/souscription) Bus événementiel pour faire transiter des événements simples Format des évènements émis : Valeur_Captée, Horodatage, Unitée_de_mesure, Incertitude_Mesure, Identifiant_Capteur, Identifiant_message Capteur 1 Bundle 1 Bus événementiel Capteur 2 Bundle 2

Exemple : EventAdmin sous OSGi Source : Didier Donsez

Comment appréhender le contexte ? Notre architecture de perception de contexte : L’ontologie permet de modéliser l’habitat à tout instant. A partir des données capteurs, le modèle de l’habitat se construit. Les règles permettent de raisonner à partir du contenu de l’ontologie (mécanisme d’inférence)

Ontologie : Définition En philosophie : C’est l'étude de l'être en tant qu'être, c'est-à-dire l'étude des propriétés générales de ce qui existe. En informatique : C’est un ensemble structuré de concepts. Les concepts sont organisés dans un graphe dont les relations peuvent être : des relations sémantiques ; des relations de composition et d'héritage (au sens objet) Une ontologie est la spécification d'une conceptualisation d'un domaine de connaissance Cette définition s'appuie sur deux dimensions : une ontologie est la conceptualisation d'un domaine, c'est-à-dire un choix quant à la manière de décrire un domaine. c'est par ailleurs la spécification de cette conceptualisation, c'est-à-dire sa description formelle.

Pourquoi une ontologie ? Dans notre cas, on va se servir d’une ontologie pour modéliser notre connaissance envers la maison communicante (individu, objets communicants,…) et ce qui est perçu Décrit de manière formelle les concepts Représentation sous forme de classes Les relations entre les classes A partir de règles d’inférence, on va pouvoir raisonner sur les données contextuelles perçues dans l’environnement. Fournir le service approprié

Le mécanisme d’inférence L’inférence est une opération logique par laquelle on admet une proposition en vertu de sa liaison avec d’autres propositions déjà tenues pour vraies. Nous utilisons SWRL qui est un langage d’ontologie intégrant un langage de règles (OWL+RuleML). OWL est langage de modélisation pour les ontologies (standard du W3C) Je sais ceci Inférence Que cela me suggère-t-il ? Je sais cela

Hiérarchie OWL des classes pour l’habitat communicant

Relations entre les classes Propriétés Entre objets ou d’un objet vers une donnée Transitives, inverses, etc.

Les règles d’inférence 1 - A chaînage arrière Ensemble de règles à chaînage arrière qui définit ce qu’est une maison occupée et une maison inoccupée. La première partie précise les conditions nécessaires et suffisantes pour définir ce qu’est une maison occupée. Une maison occupée doit contenir au moins une personne. La seconde partie définit ce qu’est une maison inoccupée. Une maison inoccupée est le complément d’une maison occupée.

Exemple de règles à chaînage arrière 2 1

Les règles 2 - A chaînage avant

Formation d’une ontologie Outil pour faire abstraction de la complexité du langage : Protégé développé par Stanford Unicode URI XML + NS + xmlschema RDF + rdfschema Ontology vocabulary Self- desc. doc. Data Logic Proof Rules Trust OWL RuleML

Pourquoi une ontologie ? Les + Abstraction de haut niveau sémantique Représentation du contexte Possibilité de faire de l’intelligence artificielle La notion d’inférence à partir de règles. L’ouverture des langages de description d’ontologies permet d’étendre les descriptions Ajout de nouvelles connaissances Représentation s’appuyant sur des standards XML, RDF, OWL, RuleML

Pourquoi une ontologie ? Les - Nécessite une puissance de calcul assez importante Temps de calcul incompatibles avec du Temps Réel Attention aux incohérences dans le modèle

Les services rendus Services C/C Services composites Service ontologie Notre architecture de perception de contexte : Services C/C Services qui nécessitent peu d’intelligence Services composites Services qui agrégent un ensemble de données Service ontologie Chargé de faire le pont entre le bus événementiel et l'ontologie Service contextuel Services qui sont rendus à l’habitant et qui sont adaptés au contexte (Appel des secours en cas de chute, ...)

Intégration d’UPnP Universal Plug and Play Les actionneurs sont des objets UPnP. Lors de l’ajout d’un nouvel objet UPnP, un nouvel individu est créé dans l’ontologie Lors du retrait d’un objet UPnP, l’individu correspondant est supprimé de l’ontologie Lors de la modification de l’état d’un objet UPnP, son nouvel état est transmis à l’ontologie Utilisation d’un bus événementiel

Expérimentation Mise en place du scénario « je m’en vais, je reviens » Je suis dans ma maison, j’allume des lampes. Je m’en vais. La maison se souvient de l’état des objets. Lorsque je reviens, la maison me fournit à nouveau l’état des objets. Utilisation de capteurs de mouvements Utilisation de matériels X10 pour la commande de prises électriques Découpage d’une pièce en sous-zones (zone entrée, …) Mise en place du second scénario « je me déplace dans l’habitat » En fonction de ma position dans la maison, j’obtiens un service. Utilisation de capteurs de mouvements et de matériels X10 Découpage d’une pièce en sous-zones

Déroulement logiciel

Constat Limites Solutions envisagées Temps de traitement lié au raisonneur (ressources machines trop faibles) La technologie utilisée (X10) fournit des résultats aléatoires. Solutions envisagées Déport du raisonneur Solutions alternatives à l’ontologie ??? Technologie plus robuste (Konnex, BACnet, LonWorks ?)

Perspectives Etoffer l'ontologie Intégration Ontologie & Interaction multimodale Dans telle situation, j’utilise telle modalité Détection de contextes plus complexes Utilisation de signatures particulières Détection d’un changement de contexte Extraction des caractéristiques de l’environnement à partir des données sensorielles Utilisation de capteurs complémentaires : caméra omnidirectionnelle et télémétre laser Problème de dérives capteurs Prise en compte du conflit entre les sources de données pour détecter les erreurs

Prétraitement sémantique Perspectives Service fusion Prétraitement sémantique PC déporté

Conclusion L'architecture semble robuste Résultats cohérents Nécessité de passer à l'échelle Passer sur du matériel embarqué plus performant Utilisation de technologies hétérogènes Gros travail d'intégration (Ontologie, capteurs, OSGi, Java, UPnP) Vaste chantier !!

Merci ! Vincent.ricquebourg@u-picardie.fr