Présentation du groupe

Bonjour, nous sommes 3 étudiants (REVEAU Mario, HERVE Grégoire et SCHERRER Mathieu) en Peip 2. Nous allons vous présenter notre Projet Tutoré intitulé Etude et prédiction de l’activité dans un logement qui a été encadré par M. PANNIER.

Contexte

En France, 44% de l’énergie est consommée par le secteur du bâtiment. En comparaison, le secteur des transports représente 31,3% de cette consommation. De plus, on lui attribue 27% des émissions de CO2 du pays en 2018. Ces observations montrent que le secteur du bâtiment représente un domaine clé de la transition écologique en France. En effet, depuis quelques années la France essaye de limiter l’impact de ce domaine sur l’environnement. Cela passe par la compréhension de l’occupation des bâtiments car elle a un grand impact sur la consommation énergétique de ceux-ci.

Présentation du projet

Premièrement, ce projet avait pour objectif de produire des graphiques afin de visualiser les données telles que le bruit, la température, l’humidité, la pression, le taux de CO2 et la consommation électrique dans un bâtiment sur une période donnée et en fonction de son occupation. Ensuite, à l’aide des grandeurs mesurées et des données fournies par les occupants, l’objectif était d’estimer la présence (ou l’absence) et l’activité des occupants en fonction de données enregistrées par des capteurs.

Déroulement du projet

La première étape de ce projet a été le choix des capteurs qui nous ont permis d’enregistrer les données. Nous avons choisi d’utiliser les “Capteurs de Qualité de l’Air Intérieur Intelligent” de la marque Netatmo. Ces capteurs mesurent l’humidité en pourcentage (%), la concentration de CO2 en parties par million (ppm), le bruit en décibels (dB), la température en degré Celsius (°C) ainsi que la pression en hectopascal (hPa). Une fois connectés au wifi, ils envoient les données enregistrées afin qu’elles soient conservées sur un serveur. Nous avons ensuite pu les télécharger au format csv afin de les exploiter.

Capteur Netatmo

Dans un premier temps, les capteurs ont été installés dans nos appartements ou maisons respectifs ainsi que chez M. PANNIER. Afin d’avoir un nombre important de mesures, ils y sont restés un mois. Durant ce temps de mesures, les habitants ont noté leurs activités afin de pouvoir faire correspondre les mesures et les activités.

Exemple de Tableau d’activité

Ensuite nous avons développé un outil de visualisation des données sous Python 3. Nous avons également développé des programmes de Machine-Learning capables de prédire la présence et l’activité des occupants à partir de données entrées par l’utilisateur.

Interface

Prédiction de la présence

Pour créer le modèle de Machine-Learning, nous avons du “apprendre” à notre ordinateur à détecter la présence ainsi qu’à détecter l’activité. Pour cela nous lui avons donné de nombreuses données enregistrées par les capteurs avec la solution (par exemple : il n’y a personne dans la pièce). Ensuite un algorithme lui a permis de reconnaitre les données de présence et d’absence (de même pour les activités). Et pour finir nous l’avons testé et optimisé afin qu’il donne des résultats avec la meilleure précision possible.

Conclusion

Nous avons tous apprécié ce projet autant sur la partie recherche que sur la partie programmation car cela nous a permis d’acquérir de nouvelles connaissances. Nous tenons à remercier notre tutrice M. PANNIER pour son aide ainsi que M.Vorger et M. Robillart d’avoir pris de leur temps pour répondre à nos questions et d’avoir apporté de l’intérêt à notre projet. Enfin, nous remercions plus généralement Polytech Angers pour l’achat des capteurs et l’ensemble des services mis à notre disposition pour le projet.