Services pervasifs contextualités : modélisation et mise en uvre

Les systèmes pervasifs visent à intégrer des services fournis par des dispositifs répartis communicants. De tels environnements ont comme objectif d\u27optimiser l\u27interaction de l\u27utilisateur avec les dispositifs intégrés, par exemple en permettant à l\u27utilisateur d\u27accéder à l\u27ensemble des informations disponibles et en adaptant celles-ci aux conditions matérielles effectives (qualité de service réseau, caractéristiques du matériel de connexion). Cela impose aux applications d\u27adapter dynamiquement leur fonctionnement aux caractéristiques de l\u27environnement (notion de "contexte d\u27exécution"). Pour réaliser cette adaptation il est important de disposer dun mécanisme efficace de capture et gestion du contexte et dun mécanisme de raisonnement approprié. La gestion du contexte comprend la représentation, l\u27agrégation, l\u27interprétation, le stockage et le traitement des données contextuelles. Le raisonnement est le processus de déductions des nouveaux faits à partir des données contextuelles observées. Dans cette thèse, nous proposons un modèle sémantiquement riche pour la collaboration, la représentation et la gestion du contexte. Nous utilisons un modèle de représentation du contexte fondé sur une approche hybride utilisant des ontologies et des bases de données relationnelles (nommé modèle HCoM : Hybrid Context Management model). Le modèle HCoM utilise l\u27ontologie pour la modélisation et la gestion des métadonnées riches en sémantique du contexte, et le schéma de la base de données relationnelles pour la modélisation et la gestion des données brutes du contexte. Les deux sont liés à travers des relations sémantiques construits dans l\u27ontologie. La séparation des ces deux éléments de modélisation nous permet d\u27extraire, charger, partager et utiliser seulement les données du contexte relevant afin des limiter la quantité de données dans lespace de raisonnement. Les éléments constitutifs du modèle HCoM sont les données contextuelles brutes, lontologie et les règles de inférence. Ces éléments sont organisés dans un modèle que nous appelons EHRAM: Entité, Hiérarchie, Relation, Axiome et Métadonnée. EHRAM est mappé à un schéma de base de données relationnelle pour la représentation des données contextuelles et permet une représentation compatible avec les langages à bas de balises pour son ontologie et ses règles dinférence. Cette richesse de modélisation nous permet de sélectionner de manière efficace les informations contextuelles pertinentes et ainsi d\u27améliorer les performances du processus de raisonnement mis en oeuvre dans l\u27analyse du contexte d\u27exécution. Nous présentons également la plateforme logicielle d\u27intégration de services pervasifs que nous avons développée (nommé CoCA : Collaborative Context-Aware service Plateform). Cette plateforme s\u27appuie sur la méthodologie et les modèles de représentation et de gestion du contexte proposés dans la thèse. Elle permet une interaction "contextualisée" des services fournis par les dispositifs participants, offrant en particulier des mécanismes d\u27adaptation au contexte et de déclenchement proactif ou réactif de services en réponse à une évolution du contexte. Cette plateforme implémente le protocole JXTA dans ses composants de collaboration et utilise la librairie JENA pour le raisonnement (déclaration et interprétation des règles d\u27analyse du contexte). Des démonstrateurs ont été développés et testés illustrant l\u27utilisation de la plate-forme dans trois cas d\u27utilisation liés à des domaines applicatifs variés : les réseaux sociaux, l\u27hôpital intelligent, l\u27adaptation d\u27IHM au contexte. Les résultats obtenus illustrent la performance, la robustesse et l\u27extensibilité de l\u27approche proposée