Indexation dans les bases de données capteurs temps réel: application à la surveillance de phénomènes environnementaux et de risques naturels

This thesis's aim is to provide the specialists in environmental phenomenon monitoring systems with a method for structuring, querying and fast accessing to spatio-temporal data in real time using various criteria, in particular spatial and temporal ones. More precisely, we focus on the indexing of an « in memory » database for masses of spatio-temporally referenced data with time constraints for the index updating and queries. The measurements collected by a sensor network must be indexed according to the source sensor and the date of measurement. Moreover, the most recent data are usually considered as more interesting, a specificity that is usually not featured in existing indexing systems. Three indexing solutions are proposed. They differ from the existing solutions by storing the data from sensors in dedicated substructures. “Access substructures” are used to link a query to a set of sensors. The first proposal, the PoTree, aims at « in-memory » indexing of spatio-temporal data issued from a network of fixed real time sensors. The second, the PasTree, aims at « in-memory » indexing of spatiotemporal data issued from a network of agile real time sensors, i. E. Of which the sensors have a restricted mobility. It allows for a multi-criterion access to the data, using spatial references or sensor identifiers. The last proposal, the Spatio-temporal Heat (StH) aims at « in-memory » indexing of spatio-temporal data issued from a network of agile real time sensors. The main innovation of this structure is the integration of a database saturation management by offering a mechanism allowing a progressive transfer of the data towards a warehouse; L'objectif de cette thèse est d’offrir aux spécialistes des systèmes de surveillance de phénomènes environnementaux une méthode de structuration, de recherche et d'accès rapide aux informations spatio-temporelles en temps-réel et sur différents critères, notamment spatiaux et temporels. Plus précisément, le problème qui nous concerne est celui de l'indexation dans une base de données en mémoire vive d'une masse de données référencées spatio-temporellement avec des contraintes de temps pour la mise à jour de l'index et pour l'exécution des requêtes. Les mesures collectées par un réseau de capteurs doivent être indexées en fonction du capteur dont elles sont issues et de la date de la mesure. De plus, les données les plus récentes doivent valorisées, ce qui n'est actuellement pas le cas pour les index existants. Trois solutions d'indexations sont proposées. Elles se distinguent des solutions existantes en regroupant les données issues des capteurs dans des sous-structures dédiées. Des sous-structures d'accès permettent d'identifier les capteurs concernés par une requête. La première proposition, le PoTree, vise à indexer en mémoire vive les données spatio-temporelles issues d'un réseau de capteurs temps-réel fixes. La seconde, le PasTree, vise à indexer en mémoire vive les données spatio-temporelles issues d'un réseau de capteurs temps-réels agiles. La dernière proposition se nomme le Spatio-temporal / Heat (StH) reprend les ambitions du PasTree et y ajoute la problématique de la gestion de la saturation de la base dès la conception de l’index. Il s’agit de la majeure contribution de cette thèse