Optimization of sensor deployment in smart buildings
Optimisation du déploiement de capteurs dans les bâtiments intelligents
Résumé
Smart buildings heavily rely on the integration of wireless sensor networks (WSNs) to maintain optimal functionality and operational efficiency. Any sensor failure directly affects the performance of these buildings. The effectiveness of WSNs depends on the network topology derived from the deployment process, which calculates the position of each sensor node in the building. An optimal WSN topology aims to maximize coverage and minimize deployment costs while ensuring connectivity.This thesis proposes an automated approach for deploying WSNs in smart buildings. It begins by extracting building data from Building Information Modeling (BIM), allowing precise modeling of the building's layout and structural characteristics. Moreover, the deployment of WSN is modeled as a multi-objective constrained combinatorial problem. Two hybrid approaches are proposed: one based on a single-objective metaheuristic with an aggregated objective function, and another adopting a multi-objective approach. These approaches are based on classical metaheuristics and aim to compute sensor topologies that optimize coverage and cost. They fully consider all building obstacles and their impact on sensor signals to produce interconnected topologies. A method for estimating sensor detection areas using fully convolutional networks is proposed to improve the accuracy of coverage calculation by considering obstacles. A dataset of various indoor architectures was created, measuring signal strength using a RayTracer simulator. The proposed approaches have been tested and demonstrated their effectiveness and scalability, outperforming existing methods, particularly for medium to large-sized buildings.
Les bâtiments intelligents dépendent fortement de l’intégration de réseaux de capteurs sans fil (RCSF) pour maintenir une fonctionnalité optimale et une efficacité opérationnelle. Toute défaillance des capteurs affecte directement les performances des bâtiments. L’efficacité du RCSF repose sur la topologie du réseau dérivée du processus de déploiement. Ce processus calcule la position de chaque nœud capteur dans le bâtiment. Une topologie optimale du RCSF vise à maximiser la couverture et à minimiser les coûts de déploiement sous contrainte de connectivité.Cette thèse propose une approche automatisée pour le déploiement de RCSF dans les bâtiments intelligents. Elle commence par extraire les données des bâtiments à partir du Building Information Modeling (BIM), ce qui permet de modéliser précisément la disposition et les caractéristiques structurelles du bâtiment. Le déploiement est ensuite traité comme un problème combinatoire multi-objectif, avec deux approches hybrides proposées basées sur des métaheuristiques : une mono-objectif et une multi-objectif. Ces approches optimisent la couverture et le coût en prenant en compte les obstacles dans le bâtiment. Une méthode d'estimation des zones de détection des capteurs utilisant des réseaux entièrement convolutionnels est proposée pour améliorer la précision du calcul de la couverture en considérant les obstacles. Un dataset de diverses architectures indoor a été créé, mesurant la force des signaux à l'aide d'un simulateur RayTracer. Les approches proposées ont été testées et ont démontré leur efficacité et leur scalabilité, surpassant les méthodes existantes, particulièrement pour les bâtiments de taille moyenne à grande.
Mots clés
| Origine | Version validée par le jury (STAR) |
|---|
