Contexte de l'inventtion

La pollution atmosphérique est un problème majeur qui menace notre planète. Il a plusieurs effets néfastes sur la santé humaine et l’écosystème en général. En fait, il a été démontré que l'exposition à la pollution atmosphérique réduit l'espérance de vie de 20 mois en moyenne dans le monde et de 18 mois en Afrique du Nord et au Moyen-Orient. Le système respiratoire est le premier à être endommagé car les polluants, en particulier les particules fines (PMs) pénètrent le corps par les voies respiratoires et peuvent déclencher des poussées d’asthme.

Cependant, les citoyens, et surtout les personnes souffrant de problèmes respiratoires ne sont généralement pas conscientes des problèmes causés par la pollution atmosphérique et ne sont pas informés de la répartition spatiale de la qualité de l'air, ni les activités pouvant l’impacter et ainsi impacté leurs santés. Cela est particulièrement vrai dans les pays à revenu faible ou intermédiaire.

Art antérieur et problème technique

Capturer la variabilité spatiale de la pollution atmosphérique dans les villes nécessite un déploiement dense de stations de surveillance de la qualité de l'air comme dans FR2749684A1. Ces derniers permettent des mesures précises de la pollution atmosphérique. Cependant, le déploiement et la maintenance d’un grand nombre de ces stations de surveillance de l’air sont très coûteux et difficile à maintenir, ce qui cause une grande perte de données. Dans des travaux antérieurs, de nombreuses méthodes ont était utilisée face à ces défis. Par exemple, certains de ces travaux se rapportent à un système informatique d’interpolation spatiale et\ou temporelle qui consiste à Futilisation de plusieurs capteurs répartis dans une zone géographique, le système envois des alertes lorsque les valeurs de pollution mesurée dépassent les normes. Cependant, ce système utilise connue méthode d’interpolation le krigeage ; un .modèle de prédiction linéaire.

En 2020, la société FindAir a défini une méthode d’alerte précoce de concentration de polluants atmosphérique en se basent sur les données météorologique et F altitude des points de mesures. Cette fois ci, cette méthode ce base sur une méthode d’apprentissage automatique nommé « Multiple Linear Regression », ceci est diffèrent de la première approche, mais c’est encore une fois basé sur une méthode linéaire. Cependant, la distribution des polluants dans l'atmosphère n’est pas linéaire. FindAir System est un ensemble d'outils de coopération entre le patient et le médecin qui améliore chaque consultation à distance. Les données collectées par le patient sont partagées avec le médecin, afin qu'ils puissent travailler ensemble pour de meilleurs soins. D’autre études récentes ont montré que les modèles non linéaires surpassent considérablement les modèles linéaires en matière de prévision de la qualité de l’air, en particulier dans les zones urbaines.

La société Cohero Health a utilisé les mêmes paramètres et a aussi inclus les données météorologiques pour prévoir les niveaux de polluants et de particules, niais en utilisant une méthode d’apprentissage automatique non-linéaire populaire, prenant en charge la régression vectorielle (SVR), les résultats ont été prometteurs et on largement dépasser les résultats obtenus par la régression linéaire. Dans le même cadre Cohero Health ont conçu un inhaler Bluetooth et des spiromètres de pointe connectés à une application mobile capables de mesurer et d’enregistrer à la fois la prise médicamenteuse et la. fonction pulmonaire des patients dans leur vie quotidienne. Le dispositif est connecté à une application téléphonique qui collecte des informations sur la température, l’humidité, le taux de pollen et la pollution. Cependant, les données collectées sur la pollution urbaine ne sont pas crédibles vu qu’ils sont basé sur des données satellitaires qui ont généralement une faible résolution spatiale et qui ne sont souvent pas disponible sur plusieurs zones. Cette application manque aussi la disponibilité des prévisions de la qualité de l’air et les prévisions météorologiques qui peuvent être très utilise pour aider le patient a planifié ses journées bien en avance.

KR101206704B1 a pu répondre à cette problématique en suggérant un procéder qui permet de fournir des informations au personnes asthmatique en considérant les facteurs météorologiques et de pollution de l’air, mais ceci en se basent sur une méthode de prédiction linéaire encore une fois. Plusieurs d’autres facteurs peuvent favoriser une incidence plus élevée d’asthme comme les activités journalières et les endroits visiter par le patient.

L’asthme est une maladie souvent chronique. Avec la prise de traitement régulier, celte maladie peut être contrôler niais pas guérie définitivement. Les médicaments facilitent la respiration en augmentant l’ouverture des bronches et en réduisant l’inflammation. Toutefois, Lors des changements climatiques et des épisodes de pollution intense, les crises d’asthme sont plus fréquentes et plus graves. Pendant ces périodes, les médecins proposent plusieurs conseils à leurs patients ; comme se renseigner sur la qualité de l’air dans leur région, limiter les déplacements sur les grands axes routiers, éviter les activités physiques à l’extérieur, et adapter leurs horaires de sorties. Quand le patient est identifié assez, tôt, qu’il est suivi régulièrement et qu ’il a toutes les informations nécessaires sur son entourage, l’asthme peut être contrôler par le patient lui-même et pourra avoir beaucoup moins d’impact sur sa vie quotidienne.

Un autre défi à relever lors de la prévision de la qualité de l’air, est les paramètres à inclure lors de la prévision, certes les données météorologiques impacte énormément la distribution de la pollution, mais il existe plusieurs d’autres facteurs influençant révolution spatiale et en fonction de temps des polluants.

Solution technique

Notre travail ne se Limite pas uniquement aux données météorologiques et géographiques liées au capteur en lui-même, mais aussi aux données géographiques entourant ce capteur, ceci comprend des données qui pourraient être soit une source directe soit un facteur d'impact. Les données recueillies représentent les sources naturelles, mobiles et fixes et des facteurs impactant liée au comportement humain et aux traditions ou habitudes caractérisant une région. L’invention a pour objet une méthode d’alerte pour les patients asthmatiques et ce par la détection et l’identification intelligente des évènements perturbants pouvant impacter leurs santés respiratoires (Figure.!). L’invention est caractérisée par :

Ladite méthode commence par V identification d’une zone d’étude, dans notre cas on commence par la ville de Rabat, Maroc.

L’ implantation des capteurs se fait par le biais d’une série de nœuds distribuer sur toute la zone d’études. Les nœuds de capteurs sont fixe et mobile, certains de ces nœuds sont installer dans les maisons des patients, les autres sont distribuer sur toute la ville.

Ces patients sont souvent des volontaires qui cherche à mieux contrôler leur état respiratoire, ou des patients sélectionner par leurs médecins traitent.

Le capteur est installé dans la fenêtre des maisons pour pouvoir capturer la pollution au voisinage.

Les nœuds mobiles sont utilisés pour collecter des données lors des déplacements des patients, ceci permet d’étudier la pollution qu’ils subissent.

Le capteur mesure la. pollution atmosphérique ainsi que les données météorologiques. Les données mesurer sont envoyées en temps réel a un serveur.

Ladite méthode collecte les données spatiales par une méthode d’abstraction basées sur « Google Maps et OSM » et les systèmes d’informations géographiques (Figure 3 et Figure 4). Ses données spatiales désignent les informations liées à des objets ou éléments présents dans l’espace géographique où est basée le patient.

Ses données représentent des routes, des montagnes, des étendues d’eau ou même des magasins, menuisier, restaurants, vendeurs de rues ... et tout ce qui peut impacter le patient.

Ladite détection des événements perturbateurs et impactant de l’état respiratoire du patient se fait par le biais d’un algorithme de détection approprié.

Ladite identification intelligente des sources et éléments nocif pour le patient est faite par le biais d’un modèle de classification d’intelligence artificielle.

Ladite méthode traite les données collectées décrivant l’entourage des patients afin de communiquer des informations et proposer des conseils et recommandations au patient. Ladite méthode traite les données collectées décrivant l’entourage des patients afin de communiquer des informations au médecin et l’aider dans la prise de décision.

Ladite méthode incorpore plusieurs modèles de prédiction spatio-temporel non linéaire pour la prédiction de la pollution atmosphérique.

Ces modèles non linéaires sont crédibles et beaucoup meilleurs que les modèles linéaires car il arrive à capturer la relation entre les concentrations des polluants et les éléments impactant. A savoir ; « Support Vector Marchine for Regression », « Random Forest » et Deep Learning.

Les prédictions vont ainsi aider le patient pour la planification future et l’aider à éviter des complications liées à ce propos.

Ladite méthode propose une plateforme pour le patient et son médecin, ladite plateforme permet au patient de voir la météo a l’instant même et la prédiction pour les jours à venir, pareil pour la pollution atmosphérique.

En référence à la figure 2. ladite plateforme lui permet d’entrer ses symptômes et décrire son malaise, et envoyer ses derniers à son médecin qui aura la main sur toutes les données nécessaires pour comprendre son état et l’aider à le contrôler.