Notre maison intelligente LIARA

Grâce à un appui de la Fondation Canadienne pour l’Innovation (FCI) et en se basant sur l’étude de conception des maisons intelligentes détaillée dans la section précédente, Le Laboratoire d’Intelligence Ambiante pour la Reconnaissance d’Activités LIARA a pu être construit en intégrant les récentes avancées technologiques. Situé au troisième étage du pavillon principal de l’Université du Québec À Chicoutimi (UQAC), le LIARA est une maison de 100 mètres carrés dotée d’une centaine de senseurs et d’effecteurs. Il est conçu selon une stratégie qui vise à ne pas observer directement l’occupant de la maison, mais plutôt observer les changements dans son environnement pour préserver son intimité. Pour cette raison, les caméras ne figurent pas parmi les différents types de senseurs utilisés comme les contacts électromagnétiques, les tapis de pression, les capteurs infrarouges, les capteurs de lumière, différents capteurs de température, un analyseur de puissance intelligent, les capteurs à ultrasons et plusieurs Tags avec huit antennes RFID. Au LIARA, différents types d’effecteurs sont installés comme des Haut-parleurs IP, des lumières et des diodes électroluminescentes (DEL), un cinéma maison, une télévision à écran plat HD et un Ipad Apple. Pour avoir une idée plus précise sur le LIARA, la Figure 5-2, affichée dans la page suivante, présente différentes parties de cette maison intelligente. L’image principale de cette Figure montre la cuisine où trois antennes RFID captent les signaux envoyés par les Tags RFID installés sur les différents objets comme celui installé sur la tasse de l’image en bas à gauche. Toutes les mesures des senseurs sont envoyées à l’ordinateur central, affiché en haut à droite de la Figure, qui est un Dell serveur lames qui commande le traitement de ces informations. Le Ipad installé sur le réfrigérateur a plusieurs utilisations : tester les

équipements, contrôler les expériences menées au LIARA en permettant de les sauvegarder, les rejouer, etc. il peut-être aussi utilisé comme effecteur en jouant une vidéo d’aide quand la personne assistée est dans la cuisine. Les autres images de la Figure 4-2 montrent la salle à manger, une petite bibliothèque en avant de la salle de bain et une télévision HD contrôlée par un système de contrôle multimédia (AMX) qui contrôle aussi le lecteur de DVD et les Haut-parleurs IP.

Figure 5-2. Le LIARA

5.2.1 L’architecture du système de senseurs au LIARA

L’architecture du système de senseurs au LIARA est une architecture centralisée où tous les senseurs sont passifs et ne font qu’envoyer toutes leurs mesures à l’ordinateur central. Lors de sa conception, l’équipe du LIARA a opté pour une solution assez robuste pour supporter son utilisation quotidienne et intensive. Le choix du matériel était une étape très délicate parce qu’il devait répondre à trois critères très importants : une qualité

industrielle pour des mesures précises et une durée de vie assez longue qui minimisera la maintenance, un coût aussi faible que possible et une installation assez facile pour que la transformation de la maison de la personne à assister en une maison intelligente semblable au LIARA soit abordable et facile. De plus, pour éviter que le système de senseurs tombe en panne, les senseurs sont divisés en plusieurs groupes, comme schématisés dans la Figure 5-3, ce qui permet à certains groupes de fonctionner tandis que les autres sont bloqués à cause d’un ou plusieurs problèmes.

Figure 5-3. L'architecture du système de senseurs

Chaque groupe est relié à un automate APAX-5570 qui a pour rôle de collecter les mesures des différents groupes, en temps réel, et de les envoyer à une base de données sur le serveur. L’utilisation de l’automate a pour avantage de pallier les problèmes reliés aux incompatibilités de communication entre les différentes normes adoptées par les fabricants des senseurs.

5.2.2 Le logiciel au LIARA

Comme expliquée dans la section précédente, une couche logicielle est programmée pour la transformation des données brutes reçues de l’automate à des

Senseurs

Senseurs

données utilisables par les applications de haut niveau. La Figure 5-4 montre la conception de cette couche logicielle au sein du LIARA.

Figure 5-4. La couche logicielle au LIARA

La base de données principale enregistre les données reçues de l’automate. Ensuite, la couche logicielle recopie et transforme certaines données pour qu’elles deviennent homogènes créant ainsi une deuxième base de données que nous appelons base de données pour l’intelligence artificielle (BDIA). Cette couche comporte plusieurs paramètres modifiables pour mieux s’adapter aux différentes expériences menées au LIARA. Elle permet l’intégration de plusieurs modules pour la personnalisation de la transformation des données, ce qui permet aux étudiants et aux chercheurs de modifier l’architecture et le contenu de la BDIA. Elle permet aussi de sauvegarder les expériences et de les rejouer en transférant les données sauvegardées dans la BD de scénario à la BDIA. En fin, les approches proposées travaillent directement sur la BDIA sans avoir à

Application de maison intelligente

Applications de FD Algorithmes de reconnaissance Identification des erreurs Applications tierces Module supplémentaire Module supplémentaire BD de scénarios BD de IA BD centrale Paramètres

se préoccuper de l’hétérogénéité et de la complexité des données éliminées par la couche logicielle.

Afin de faciliter les tests au LIARA, un logiciel de visualisation a été intégré à la couche logicielle. La Figure 5-5 représente différentes captures d’écran de ce logiciel.

Figure 5-5. Différentes captures d'écran du logiciel de visualisation

Ce logiciel permet de visualiser toute la maison intelligente ou juste des parties. Il affiche aussi l’état (actif ou inactif) de certains senseurs booléens comme les capteurs infrarouges et les capteurs de lumière. Il permet aussi d’estimer les positions des objets sur lesquels des Tags RFID sont installés ainsi que la position de l’occupant de la maison. Cet affichage est d’une utilité intéressante parce qu’il permet de suivre graphiquement les expériences menées au LIARA, ce qui facilite la détection et la compréhension des raisons des erreurs rencontrées au cours des expériences.