Towards an efficient mobile and social sensing via Internet of Vehicles

Abstract

The ubiquity of smart phones and the popularity of social media heralds an era of mobile and social sensing and detection. This latter becomes a paradigm for collecting observations of physical phenomena, either directly from human observers or by crowdsourcing data measurement tasks using sensors in smart phones or various other portable devices (for example, Google Glass, Apple Watch and Fitbit devices). Thus, it is a massive amount of sensory and / or scattering data collection where humans can act as carriers of sensors (for example, carriers of GPS sensors that share location data), operators sensors (eg, take pictures and videos with smartphones), or as source of information (eg, share comments on social media). This emerging field faces new challenges in collecting, disseminating, merging and mining data, privacy and security, to name a few. On the other hand, as vehicles evolve from simple means of transport to intelligent entities with new detection and communication capabilities, they become active members of a smart city. The Internet of Vehicles (IoV) consists of vehicles that communicate with one another and with public networks via V2V (vehicle-to-vehicle), V2I (infrastructure vehicle) and V2P (pedestrian vehicle), which enables both the collection and sharing in real time of critical information on the state of the road network. The Social Internet of Things (SIoT) introduces social relations between objects, creating a social network where participants are not humans, but intelligent objects. In this thesis, we present new solutions to limit the spread of some widespread viral diseases and deal with some concerns. Based on the IoV paradigm, we conduct our research with a focus on high cost, limited geographic coverage, lack of privacy, and data quality. Specifically, the main contributions are, i) to improve sensing time and ensure large-scale geographic coverage, at a low cost, we propose a remote sensing based-IoV scheme to limit the spread of Covid-19; ii) a deep-learning-based crowd management scheme, namely DeepDist is introduced to control physical distancing violations among pedestrians and safety distancing among vehicles; iii) to enable monitoring of hard-to-reach areas thus ensure full coverage, and delete replicate data in sensing reports, we propose GUAVA, an efficient framework that uses ground vehicles assisted by flying vehicles for sensing tasks; iv) to increase identify exposed people to the virus in a simple and easy way, we propose TraceMe, a contact tracing framework, that relies on Mobile and Wireless Networks (MWNs) and Online Social Networks(ONS). The results obtained based on simulation, show the efficiency of the proposed schemes in terms of QoS metrics, in addition, to the ability to sense large-scale areas in a short time, which contributes to making timely decisions.

L’omniprésence des smartphones et la popularité des médias sociaux annoncent une ère de détection mobile et sociale. La détection mobile et sociale devient un paradigme pour la collecte d’observations de phénomènes physiques, soit directement auprès d’observateurs humains, soit en crowdsourcing des tâches de mesure de données à l’aide de capteurs des smartphones ou divers autres appareils portables (par exemple,Google Glass, Apple Watch et appareils Fitbit). Il s’agit donc d’une collecte massive de données sensorielles et/ou diffusantes où les humains peuvent agir comme porteurs de capteurs (par exemple, porteurs de capteurs GPS qui partagent des données de localisation), opérateurs de capteurs (par exemple, prendre des photos et des vidéos avec des smartphones), ou en tant que source d’information (par exemple, partager des commentaires sur les réseaux sociaux). Ce domaine émergent fait face à de nouveaux défis dans la collecte, la diffusion, la fusion et l’extraction de données, confidentialité et sécurité, pour en nommer quelques uns. D’autre part, avec l’évolution des véhicules, de simples moyens de transport à des entités intelligentes dotées de nouvelles capacités de détection et de communication, ils deviennent des membres actifs d’une ville intelligente. L’Internet des véhicules (IoV) est constitué de véhicules qui communiquent entre eux et avec les réseaux publics via V2V (véhicule à véhicule), V2I (véhicule d’infrastructure) et V2P (véhicule piéton), ce qui permet à la fois la collecte et le partage en temps réel d’information critique sur l’état du réseau routier. L’Internet social des objets (SIoT) introduit des relations sociales entre les objets, créant un réseau social où les participants ne sont pas des humains, mais des objets intelligents. Dans cette thèse, nous présentons de nouvelles solutions pour limiter la propagation de certaines maladies virales répandues et répondons à certaines préoccupations. En se basant sur le paradigme d’IoV, nous menons nos recherches en mettant l’accent sur le coût élevé, la couverture géographique limitée, le manque de confidentialité et la qualité des données. Plus précisément, les principales contributions sont les suivantes : i) pour améliorer le temps de détection et assurer une couverture géographique à grande échelle, à faible coût, nous proposons un schéma d’IoV basé sur la télédétection pour limiter la propagation du Covid-19 ; ii) un système de gestion des foules basé sur l’apprentissage profond, à savoir DeepDist, est introduit pour contrôler les violations de la Distanciation physique entre les piétons et la distance de sécurité entre les véhicules ; iii) pour permettre la surveillance des zones difficiles d’accès afin d’assurer une couverture complète et de supprimer les données en double dans les rapports de détection, nous proposons GUAVA, un framework efficace qui utilise des véhicules terrestres assistés par des véhicules volants pour les tâches de détection ; iv) pour augmenter l’identification des personnes exposées au virus de manière simple et facile, nous proposons TraceMe, un framework de traçage des contacts, qui s’appuie sur les réseaux mobiles et sans fil (MWN) et les réseaux sociaux en ligne (ONS). Les résultats obtenus sur la base de la simulation montrent l’efficacité des schémas proposés en terme de QoS, en plus de la capacité de détecter des zones à grande échelle en peu de temps, ce qui contribue à prendre des décisions en temps opportun.

إن انتشار الهواتف الذكية في كل مكان وشعبية وسائل التواصل الاجتماعي يبشر بعصر من الكشف المحمول والاجتماعي. حيث اصبح الاكتشاف المحمول والاجتماعي نموذجاً لجمع ملاحظات الظواهر الفيز يائية ، إما مباشرة عن طر يق مراقبين بشريين أو عن طر يق التعهيد الجماعي لمهام قياس البيانات باستخدام أجهزة الاستشعار في الهواتف الذكية أو العديد من الاجهزة المحمولة الاخرى(على سبيل المثال: نظارة غوغل ، ساعة ابل و وبالتالي ، جمع قدر هائل من البيانات الحسية و / أو المتشتتة حيث يمكن للبشر العمل كناقل ،(Fibit أجهزة لمشاركة بياناتالموقع( ، أو مشغل مستشعر GPS لأجهزة الاستشعار )على سبيل المثال ، ناقل لأجهزة الاستشعار (على سبيل المثال ، التقاط الصور ومقاطع الفيديو باستخدام الهواتف الذكية) ، أو كمصدر للمعلومات (على سبيل المثال ، مشاركة التعليقات على وسائل التواصل الاجتماعي). يواجه هذا المجال الناشئ تحديات جديدة في جمع ونشر ودمج وتعدين البيانات ؛ الموثوقية والخصوصية والأمن، على سبيل المثال لا الحصر . من ناحية أخرى ، مع تطور المركبات من وسائل نقل بسيطة إلى كيانات ذكية ذات قدرات اكتشاف واتصالات جديدة ، فأصبحت من مركبات قادرة على التواصل مع بعضها البعض (IoV) أعضاء نشطة في المدينة الذكية. تتكون إنترنت المركبات مركبة الى مشاة) ) V2P مركبة الى بنية تحتية) و ) V2I ، ( مركبة إلى مركبة ) V2V ومع الشبكات العامة عبر ، والتي تتيح كل من جمع ومشاركة المعلومات الهامة في الوقت الحقيقي عن حالة شبكة الطرق. يقدم إنترنت العلاقات الاجتماعية بين الكيانات، مما يؤدي إلى إنشاء شبكة اجتماعية حيث لا (SIoT) الأشياء الاجتماعي يكون المشاركون بشراً ، بل كائنات ذكية. نقدم في هذه الرسالة حلولا جًديدة للحد من انتشار بعض الأمراض نجري بحثنا مع التركيز على التكلفة ، IoV الفيروسية المنتشرة والتعامل مع بعض المخاوف. استنادًا إلى نموذج العالية والتغطية الجغرافية المحدودة ونقص الخصوصية وجودة البيانات. على وجه التحديد ، المساهمات الرئيسية IoV هي: 1) تحسين وقت الاستشعار وضمان تغطية جغرافية واسعة النطاق ، بتكلفة منخفضة ، نقترح مخطط 2) نظام إدارة الحشود القائم على التعلم العميق ، وهو ؛ Covid- القائم على الاستشعار عن بعد للحد من انتشار 19 الذي تم تقديمه للتحكم في انتهاكات التباعد الجسدي بين المشاة والمسافة الآمنة بين المركبات ؛ DeepDist برنامج 3) لتمكين مراقبة المناطق التي يصعب الوصول إليها ، وبالتالي ضمان التغطية الكاملة ، وحذف البيانات المكررة في وهو إطار فعال يستخدم المركبات الأرضية بمساعدة المركبات الطائرة لمهام ، GUAVA تقارير الاستشعار ، نقترح وهو ،TraceMe الاستشعار. 4) لز يادة التعرف على الأشخاصالمعرضين للفيروس بطر يقة بسيطة وسهلة ، نقترح والشبكات الاجتماعية (MWN) إطار عمل لتتبع جهات الاتصال ، يعتمد على شبكات المحمول واللاسلكية النتائج التي تم الحصول عليها بالاعتماد على المحاكاة ، تظهر كفاءة المخططات المقترحة من (OSN) عبر الإنترنت حيث مقاييس جودة الخدمة ، بالإضافة إلى القدرة على استشعار مناطق واسعة النطاق في وقت قصير ، مما يساهم في اتخاذ القرارات في الوقت المناسب.