Problématique du devenir des données au Centre de Calcul de l'IN2P3 - Pascal ...
Réseaux et zones blanches étendues
1. Réseaux de collecte de données
pour les zones blanches étendues
Préparée PAR Djibrilla Incha Adamou
Dirigée & encadrée PAR Véronique Vèque
Co-encadrée PAR Alexandre Mouradian
Laboratoire des Signaux et Systèmes, France
Gif-sur-yvette, le 29 Novembre 2019
Soutenance de thèse
2. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Introduction
2
3. Zones blanches étendues
Vastes territoire de plusieurs milliers de km²
Très peu peuplées
Très peu d’infrastructures
Forêt Désert
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 3
4. Zones blanches étendues
Par rapport aux centres urbains Par rapports aux réseaux routiers
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020
[1] https://peteratwoodprojects.wordpress.com/world-infrastructure/
4
5. Zones blanches étendues
Ressources économiques et activités stratégiques
Besoin de collecte et d’analyse de données
Réseaux de capteurs sans fil: RCsF
(1) Monitoring de l’environnement (2) Prévention des incendies (3) Surveillance des pipelines
[2] S. R. Jino Ramson, « Applications of wireless sensor networks: A survey. (ICEEIMT), 2017.
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 5
6. Réseaux de capteurs sans fil RCsF pour les zones blanches
étendues
Couverture totale de la zone d’intérêt Zones de dizaines de milliers de km²
Quelques centaines de m² Activités éparses
Forte densité des capteurs Longue portée de communication
Bas débits Faible consommation d’énergie
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 6
Zones blanches étendues
7. Réseaux de capteurs sans fil
[3] Alos Augustin, « A study of lora: Long range & low power networks for the internet of things. » Sensors, 2016.
[4] Juha Petajajarvi, « On the coverage of LPWANs: range evaluation and channel attenuation model for LoRa technology », ITST2015
Microsystèmes électromécaniques
Perception de l’environnement
Communiquer et collaborer
Plusieurs technologies sans fil
Longue portée (supérieure à 10 km)
Comment utiliser les RCsF pour répondre au besoin d’infrastructure dans les ZBE
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 7
8. Plan
I. Introduction
II. Méthode bio-inspirée de déploiement
III. Méthode opportuniste de collecte de données
IV. Méthode multi-sauts de couverture et de collecte
V. Conclusion et perspectives
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 8
9. Hypothèses et définition du problème
II. Méthode bio-inspirée de déploiement
Zone d’intérêt: 32 400 km²
Ensemble de sources
Puits de données
Ensemble de positions de relais
Comment interconnecter toutes les sources au puits en utilisant un nombre
restreint de relais?
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 9
10. Modélisation du problème
Problème d’optimisation
Arbre couvrant minimal
Arbre minimal de Steiner
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
[5] Stefan VoB, « Steiner's problem in graphs: heuristic methods. » Discrete Applied Mathematics 40, 1992.
Problème NP-difficile
Solutions approchées par des
heuristiques
Pas de redondance de chemin
Nouvelle approche
II. Méthode bio-inspirée de déploiement
10
11. Physarum polycephalum
Organisme unicellulaire
Régions tempérées
Ni animal ni végétal ni champignon [6]
Myxomycètes Physaraceae= blob [7]
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
[6] CNRS-Centre de recherches sur la cognition animale (http://www.cnrs.fr/fr/le-blob-capable-dapprendre-et-de-transmettre-ses-apprentissages), 2016
[7] CNRS, https://www.youtube.com/watch?v=wjzEMIox_a8&t=977s, 2019
II. Méthode bio-inspirée de déploiement
11
12. Physarum polycephalum
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Le réseau ferroviaire du japon
[8] Atsushi Tero, Rules for Biologically Inspired Adaptive Network Design », Science VOL 327 22, 2010
[9] CNRS, https://www.youtube.com/watch?v=wjzEMIox_a8&t=977s, 2019
(1) Etat initial (2) Exploration (3) Etat optimisation
Processus d’optimisation basé sur la mécanique des fluides.
Même approche pour déployer efficacement les réseaux dans les ZBE.
II. Méthode bio-inspirée de déploiement
12
(4) Exemple de culture
13. Physarum Réseau
Corps du Physarum Graphe de communication G=(V, E)
Les dendrites L Les arêtes E, liens de communication
Epaisseur, D, des dendrites Capacité des liens
Points de croisements et nourritures N Les sommets V, capteurs et relais
Sources de nourriture Sources de données
Les nutriments I Flux d’information
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 13
Adaptation au concept de réseau
II. Méthode bio-inspirée de déploiement
14. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
[10] Charlie Brummitt, « A mathematical study of physarum polycephalum. » Technical report, American Mathematical Society, 2010.
𝑄𝑖𝑗 =
𝐷𝑖𝑗
𝐿𝑖𝑗
𝑝𝑖 − 𝑝𝑗
Loi de Poiseuille
𝐷𝑖𝑗
𝑛+1
− 𝐷𝑖𝑗
𝑛
𝛿𝑡
= 𝑓 𝑄𝑖𝑗
𝑛
− 𝑟𝐷𝑖𝑗
𝑛+1
Fonction d’adaptation de capacité
𝑓 Q =
𝑎𝑄 𝜇
1 + 𝑎𝑄 𝜇 𝜇, a >0
Fonction de flux
Loi de conservation
𝑖
𝑄𝑖,𝑠𝑜𝑢𝑟𝑐𝑒 = −𝐼;
𝑖
𝑄𝑖,𝑠𝑖𝑛𝑘 = 𝐼;
𝑖
𝑄𝑖,𝑗 = 0Phase 1
Phase 2
II. Méthode bio-inspirée de déploiement
Algorithme itératif de déploiement (PhysaNetA)
14
15. Les métriques de performances
Connectivité du réseau
Longueur totale du réseau TL
Nombre des relais RN
Tolérance aux fautes FT
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
SCENARIOS D’EVALUATION
Méthode pour comparer
CHINS: Cheapest INsertion
II. Méthode bio-inspirée de déploiement
15
16. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Résultats de l’algorithme
MST-CHINS-60/3000 relais, PhysaNetA-62/3000 relais, (µ, I) =(2,1)
PhysaNetA sélectionne les meilleurs relais à déployer.
Topologie en arbre comme CHINS proche de l’arbre minimal de Steiner.
Donne une indication sur la capacité des liens.
La topologie dépend de la combinaison des paramètres (µ, I)
II. Méthode bio-inspirée de déploiement
16
17. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 17
II. Méthode bio-inspirée de déploiement
Résultats de l’algorithme
PhysaNetA-65/3000 relais, (µ, I) =(2.5,1) PhysaNetA-68/3000 relais, (µ, I) =(3,1)
18. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 18
II. Méthode bio-inspirée de déploiement
La connectivité
19. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
MST-CHINS-60/3000 relais, (µ, I) =(2,1) PhysaNetA-96/3000 relais, (µ, I) =(3,1.8)
PhysaNetA crée des liens redondants
Robustesse face aux pannes des liens
II. Méthode bio-inspirée de déploiement
La robustesse du réseau
19
20. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Résultats de l’algorithme
Le paramétrage de I et µ
permet de trouver un
compromis entre la coût
de l’infrastructure et la
tolérance aux fautes.
II. Méthode bio-inspirée de déploiement
20
21. I. Introduction
II. Méthode bio-inspirée de déploiement
III. Méthode opportuniste de collecte de données
IV. Méthode multi-sauts de couverture et de collecte
V. Conclusion et perspectives
Plan
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 21
22. Problèmes de collecte de données dans les zones
blanches étendues
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Réseaux de capteurs sans fils (RCSF) et LPWANs
RCsF sensible au changement de topologie
Impossibilité d’avoir un seul réseau connexe
Stations de base & Puits mobiles (collecteurs de données)
[11] W. Wen, “Energy efficient data collection scheme in mobile wireless sensor networks,” WAINA , Taipei, Mar. 2017.
[12] Mathur, R., “Data collection using miniature aerial vehicles in wireless sensor networks,” IET Wireless Sensor Systems , vol. 6, no. 1, pp. 17–25, Feb. 2016
III. Méthode opportuniste de collecte de données
22
23. Scenario 1
consommation d’énergie
Delai de collecte
Scenario 2
Sélection des points de Rendez-vous
Calcul de trajectoire
[13] A. Kaswan, Energy efficient path selection for mobile sink and data gathering in wireless sensor networks, International Journal of Electronics and Communications
[14] M. Mozaffari, A Tutorial on UAVs for Wireless Networks: Applications, Challenges, and Open Problems, IEEE Communications Surveys & Tutorials, 2019
[15] M. Mozaffari, Mobile Unmanned Aerial Vehicles (UAVs) for Energy-Efficient Internet of Things Communications, IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS, 2017
Principes de collecte avec des puits mobiles
23
III. Méthode opportuniste de collecte de données
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020
24. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Bus
Types des collecteurs mobiles
Moto
Ballons
SatellitesDrones
[16] M. Mozaffari, A Tutorial on UAVs for Wireless Networks: Applications, Challenges, and Open Problems, IEEE Communications Surveys & Tutorials, 2019
[17] A. Kaswan, Energy efficient path selection for mobile sink and data gathering in wireless sensor networks, International Journal of Electronics and Communications
III. Méthode opportuniste de collecte de données
24
25. Vols commerciaux
Données de navigation
Communication de type LoRa
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Utilisation des avions de ligne
Avantages
Accessibilité
Assez d’énergie
III. Méthode opportuniste de collecte de données
Puits de
données
25
26. Modèle de communication
Technologie radio LoRa
Etalement de spectre (modulation)
Facteur d’étalement (7 à 12)
Compromis portée/débit
Jusqu’à 30 km (théorique)
Débits de 0.3 à 21 kbits/s
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
[18] Semtech Corporation, LoRa Modem Design Guide, 2013.
[19] Brunilde GIRARDET . « Trafic Aérien : Détermination optimale et globale des trajectoires d’avions en présence de vent ». 2014
Modèle de Mobilité
Open Flights : 68 000 routes, 4 000 aéroports
Route= ensemble de balises au sol
III. Méthode opportuniste de collecte de données
Utilisation des avions de ligne
26
27. Fenêtre de communication Evaluation
Taux de couverture
Fenêtre de communication
Données collectées
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Temps de contact Avion/capteur
Intersection demi-sphère/droite
𝑿 𝒕 − 𝑪 𝒙
𝟐 + 𝒀 𝒕 − 𝑪 𝒚
𝟐
+ 𝒁 𝒕 − 𝑪 𝒛
𝟐 = 𝒅 𝟐
𝑐𝑣 =
𝑖∈𝑁
𝐷𝑅𝑖. 𝐶𝑊𝑖
𝐶𝑇𝑖 = 𝐶𝑉𝑖.
𝑁𝐴
𝑂 𝑑
Débit moyen
III. Méthode opportuniste de collecte de données
Utilisation des avions de ligne
27
28. Scénario
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Le Sahara est la zone blanche étendue considérée
Lignes commerciales qui enjambent ce désert
Zone d’intérêt: 40 000 km²
III. Méthode opportuniste de collecte de données
Evaluation
28
29. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 29
III. Méthode opportuniste de collecte de données
Evaluation
Fenêtre de communication
LoRa SF=7 et altitude de 9km
Fenêtre de communication
Impacte des paramètres LoRa
30. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues 30
III. Méthode opportuniste de collecte de données
Evaluation
Impact de la vitesse sur les performances
Temps et volume de données
31. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
La couverture augmente avec SF au détriment du débit
SF=7 SF=10
III. Méthode opportuniste de collecte de données
Evaluation
31
32. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
4. Evaluation
III. Méthode opportuniste de collecte de données
L’utilisation des vols engendre un
délai
Le délai dépend de la fréquence des
vols
Réseaux Tolérants aux délais DTN
Conviennent aux applications dans
les zones blanches étendues
III. Méthode opportuniste de collecte de données
32
33. I. Introduction
II. Méthode bio-inspirée de déploiement
III. Méthode opportuniste de collecte de données
IV. Méthode multi-sauts de couverture et de collecte
V. Conclusion et perspectives
Plan
Réseaux de collecte de données pour les zones blanches étendues1er janvier 2020 33
34. Problème de déploiement
Méthode bio-inspirée basée sur le
Physarum
Couverture réseau de tous les points
d’intérêt
Connectivité du réseau
Redondance et tolérance aux fautes
Problème de collecte
Etude de faisabilité pour l’utilisation
des vols commerciaux
Fenêtre de communication
Volume de données collectées
Débit moyen
Débit en fonction du délai
1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Synthèse
V. Conclusion
34
35. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Trouver une bonne relation entre les
paramètres et la redondance désirée
Protocole de routage multi-chemins
pour les RCsF basé sur la capacité des
liens.
Mécanisme de réduction d’énergie lors
de la collecte multi-sauts dans les RCsF
Effet doppler dû à la vitesse des avions
sur les communication LoRa
Mécanisme de télé-réveil et de la
synchronisation avion/capteur
Perspectives
V. Conclusion
35
36. 1er janvier 2020 Réseaux de collecte de données pour les zones blanches étendues
Merci pour votre aimable attention
Conférences avec comité de lecture
Djibrilla Incha Adamou, Alexandre Mouradian and Véronique Vèque, A Bio-Inspired Deployment Method for Data
Collection Networks in Wide White Areas, IEEE International Symposium on Personal, Indoor and Mobile Radio
Communications (PIMRC), Bologna 2018.
Djibrilla Incha Adamou and Alexandre Mouradian and Véronique Vèque, Déploiement de réseau de collecte de
données dans les zones blanches étendues, CoRes/Algotel, Narbonne 2019.
Djibrilla Incha Adamou and Alexandre Mouradian and Véronique Vèque, Towards the Use of Commercial Flights for
Data Collection in Wide White Area Networks, IEEE International Conference on Wireless and Mobile Computing,
Networking and Communications (WiMob), Barcelona 2019.
Communications nationales
Djibrilla Incha Adamou and Alexandre Mouradian and Véronique Vèque, Commercial Flights as Opportunistic Mobile
Sinks for Data Collection in Wide White Area Networks, Journées thématiques GDR RSD ResCom Low-Power Wide Area
Networks (LPWAN), Lyon 2019
Djibrilla Incha Adamou and Alexandre Mouradian and Véronique Vèque, Méthodes de déploiement de réseau de
Collecte de données dans les zones blanches étendues, Journées non-thématiques RESCOM, Toulouse 2018.
36