UNIVERSITÉ GASTON BERGER DE SAINT LOUIS
ÉCOLE DOCTORALE
Sciences et Technologie
THÈSE DE DOCTORAT
Spécialité Informatique
Présentée par
Dame Diongue
Pour obtenir le grade de
Docteur de l’Université Gaston Berger de Saint Louis
Optimisation distribuée de la durée de
vie dans les réseaux de capteurs sans fil
Thèse dirigée par Ousmane thiaré
soutenue le 13 juin 2014 devant le jury composé de :
Rapporteurs :
Jean Frédéric myoupo
Professeur
Université de Picardie Jules Verne (France)
Bernard pottier
Professeur
Université de Bretagne Occidentale (France)
Directeur :
Ousmane thiaré
Maître de Conférences
Université Gaston Berger (St Louis)
Président :
Cong Duc Pham
Professeur
Université de Pau (France)
Examinateurs :
Ibrahima niang
Maître de Conférences
Université Cheikh Anta DIOP (Dakar)
Cheikh sarr
Maître de Conférences
Université de Thiès
Maïssa mbaye
Maître Assistant
Université Gaston Berger (St Louis)
Invité :
Dédicaces
À mes parents ! À mon feu grand père maternel ! À toute ma famille
iii
Remerciements
Ouf c’est parti pour les remerciements ! on ne sait même plus par qui
commencé sans une considération subjective. Bref après un court instant de
réflexion, je plonge enfin ! !
J’adresse tout d’abord mes sincères remerciements à mon directeur de thèse M. Ousmane
THIARE, Maître de Conférences HDR, pour tout son soutien et ses conseils tout au long
de ce travail. C’est avec un très grand plaisir que j’entame cette partie, me permettant
de lui exprimer mes plus vifs remerciements, pour m’avoir encadré malgré les conditions
très difficiles, et pour sa générosité que j’estime beaucoup chez lui..
Je remercie M. Jean-Frederic MYOUPO, Professeur à l’Université de Picardie Jules
Verne (France), et M. Bernard POTTIER, Professeur à l’Université de Bretagne Occidentale (France), pour m’avoir fait l’honneur d’accepter de rapporter cette thèse, malgré
leurs calendriers très chargés.
Je tiens également à remercier M. Cong Duc PHAM, Professeur à l’Université de Pau
(France), M. Ibrahima NIANG, Maître de Conférences à l’Université Cheikh Anta DIOP
de Dakar, M. Cheikh SARR, Maître de Conférences à l’Université de Thiès, et M. Maïssa
MBAYE, Maître Assistant à l’Université Gaston Berger de Saint Louis, qui m’ont fait
l’honneur d’avoir accepté de faire partie du jury.
Mes remerciements vont naturellement à tous le PER de l’UFR SAT, des personnes
chaleureuses que j’ai côtoyées durant ces années et qui n’hésitent jamais à consacrer un
peu de leur temps aux gens qui frappent à leurs portes. Un grand merci aussi pour votre
confiance en ma personne pour les enseignements dispensés durant ces années. Je réserve
aussi de vifs remerciements à mes amis et collègues avec qui j’ai partagé des moments
agréables surtout avec les défis au terrain de football, entre autres. Je ne pourrais clore
ce lot sans citer explicitement Messieurs Mor NDONGO et Serigne Mamour DIOP. Ce
dernier, l’homme qui m’a accueilli à Saint Louis et à Pau (France), qui m’a initié aux outils
de simulations (OMNeT++ et Castalia) et qui a su être très disponible pour partager son
expérience avec moi.
Je remercie également mes amis de la promotion «LICINFO 2007» de l’Université Cheikh Anta DIOP de Dakar, en particulier M. Abdoukarim Dit Séga LY, qui m’a
convaincu par une longue discussion à choisir la formation Informatique au détriment de
la Physique Appliquée. Mes remerciements vont aussi à l’endroit de M. Mouhamadou
Lamine BA, qui m’a accueilli à bras ouverts durant mes deux passages à Paris (France).
iv
Ouf ! je t’ai beaucoup fatigué my boy.
Mes remerciements reviennent à l’endroit de M. Cong Duc PHAM, Professeur à l’Université de Pau (France) pour m’avoir invité dans son laboratoire. Grace à lui, j’ai eu a
échanger avec d’autres chercheurs mais surtout à faire mes premiers pas avec la programmation et les tests sur des nœuds capteurs sans fil réels. Je remercie au passage toutes les
personnes chaleureuses que j’ai connues durant ce séjour à Pau.
Je tiens aussi à exprimer toute ma gratitude à mon frère Abdou Kâ DIONGUE, qui
m’a accompagné à tous les niveaux depuis mes débuts au Lycée Maba Diakhou BA de
Nioro du Rip. Il a su toujours, Ah ben presque ! répondre présent à mes appels. Pour tout
dire, merci grand ! ! :-)
À présent, je reprends le souffle et adresse mes sincères remerciements à ma seconde
famille, Monsieur Gorgui NDAO qui avait accepté d’accueillir une personne inconnue chez
lui et qui, grace à sa générosité, a fini par s’intégrer au vrai sens du terme. Merci encore
pour les prières et bref pour tout.
Je tiens particulièrement à remercier des amis que je ne pourrais pas me passer de
les citer nommément, je veux dire «Biggest» de son vrai nom M. Samba SIDIBE, mon
nouveau tuteur à Dakar, a qui je souhaite bonne chance pour la thèse qu’il vient de
démarrer. Mes remerciements vont à M. Ousseynou DIOP, à qui je souhaite une excellente
carrière au sein de la Gendarmerie Nationale Sénégalaise.
J’espère n’avoir oublié personne ! Sinon j’espère qu’ils comprendront que l’émotion
d’avoir terminé ce travail m’a étouffé l’esprit.
Mes vifs remerciements à mes parents, mes frères et soeurs, mes oncles et tantes,
mes cousins et cousines, pour leur soutien et leur prière, surtout durant mon cursus
universitaire à Dakar et à Saint Louis. Je tiens à exprimer toute ma gratitude à ma très
chère et douce maman qui n’a jamais cessé de m’encourager pour que j’aille jusqu’au
bout. Merci encore maman pour ta patience et surtout pour tes conseils qui ont toujours
attisé ma force mentale et mon courage. Un grand merci à mon papa, qui a donné de tout
son possible pour protéger sa famille, merci et merci ! Je ne saurais terminer cette section
sans adresser mes vifs remerciements à mon très cher grand père maternel, mon guide,
mon idole, je veux nommer
Feu Serigne Al Hassane Salame. Que la paix règne sur
toi «mame» et sur toute ta famille.
À tous ceux qui m’ont aidé de près ou de loin, merci.
Résumé
Les récentes avancées technologies ont permis l’émergence de nouveaux types de réseaux
sans fil autonomes, les réseaux de capteurs sans fil (RdCSF). Ils sont constitués d’un
grand nombre de nœuds peu onéreux et ayant la capacité de collecter et communiquer
des données physiques et cela quelque soit la position géographique des zones étudiées.
Ils offrent aujourd’hui une variété de domaines d’applications allant de la surveillance
environnementale et militaire à la domotique. Cependant, ces réseaux font face à de
nombreux défis souvent liés aux contraintes intrinsèques des nœuds capteurs.
Dans cette thèse, nous avons proposé un modèle, Sentinel, qui se base sur la distribution de probabilité de Weibull. L’originalité de notre modèle est qu’il permet un calcul
du temps de veille et une mise à jour distribuée du taux de sondage tout en prenant en
considération l’usure des nœuds dans le temps. Nous avons poursuivi cette lancée en proposant ALARM, une solution d’ordonnancement adaptatif qui utilise Sentinel. ALARM
permet, afin de mieux exploiter la redondance, de sélectionner un sous ensemble de sentinelles pour assurer la surveillance puis mettre les nœuds redondants en mode veille. Ces
derniers doivent se réveiller par moment afin de détecter et maintenir la topologie.
Deux variantes de la solution ALARM, ont été proposées dans la suite de notre travail ;
une solution de maintien de la connectivité des sentinelles et une autre qui repose sur
un ordonnancement hybride. La solution de contrôle de topologie est en quelque sorte
une amélioration de ALARM avec une mesure de la qualité du lien entre les sentinelles.
Cela permet de maintenir une route pouvant atteindre la station de base. L’hybridation
consiste à combiner deux techniques d’ordonnancement, aléatoire et adaptatif. Ainsi, nous
avons ajouté une phase d’initialisation permettant une disponibilité des sentinelles dès le
déploiement.
Enfin, nous avons procédé à une validation par simulation avec les outils OMNeT++
et Castalia.
Mots
gie,
clés
:
Optimisation
Réseaux
de
de
la
capteurs
durée
de
sans
vie,
fil,
Conservation
Ordonnancement
de
l’énerdistribué
Abstract
Recent advances in communication technology have enable the emergency of new types
of wireless networks, Wireless Sensor Networks (WSN). A WSN consists of a huge number of tiny and low cost devices with sensing and communication capabilities. They are
emerging recently as a key solution to monitor remote environments and concern a wide
range of applications from the environmental and military surveillance to home automation. However, these networks cope with many challenges often related to the intrinsic
constraints of sensor nodes.
We firstly, in this thesis, proposed the Sentinel scheme based on the Weibull probabilistic distribution. The originality of Sentinel, is that it permits a fully distributed
node sleep time computation and probe rate update while taking into consideration the
probability of failure over time. We continued in the same vein by proposing ALARM,
an adaptive sleep scheduling algorithm based on Sentinel model. ALARM permits us to
better exploit the network’s redundancy by selecting a minimum subset of sentinel nodes
maintained active while putting the rest into sleep mode for energy conservation. The
redundant nodes are subject to wake up at times to detect and maintain the topology.
We then proposed two variants of ALARM, a first one for connectivity maintenance
between sentry nodes and another based on scheduling techniques hybridation. The
connectivity maintenance solution is an improvement of ALARM using link quality measurement between sentry nodes upon the second step of probing phase. This connectivity
check permits to ensure a better path toward the base station. The hybrid scheduling solution consists of adding an initialization phase with random scheduling before the adaptive
one. This permits us to early stand sentries after the deployment.
Finally, we validated our propositions by simulation using Castalia under OMNeT++.
Keywords
vation,
:
Lifetime
Wireless
sensor
optimization,
networks,
Energy
Distributed
conserscheduling
Table des matières
1 Introduction générale
1
2 Généralités sur les réseaux de capteurs sans fil
5
2.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2
Concepts et caractéristiques des réseaux de capteurs sans fil . . . . . . . .
7
2.2.1
Anatomie d’un nœud capteur sans fil . . . . . . . . . . . . . . . . .
7
2.2.2
Architectures des réseaux de capteurs sans fil . . . . . . . . . . . .
8
2.2.3
Caractéristiques des réseaux de capteurs sans fil . . . . . . . . . .
10
Applications des réseaux de capteurs sans fil . . . . . . . . . . . . . . . . .
12
2.3.1
L’agriculture de pointe . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.3.2
Applications dans le domaine militaire
. . . . . . . . . . . . . . .
13
2.3.3
La télémédecine
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3.4
Surveillance de l’environnement . . . . . . . . . . . . . . . . . . . .
15
2.3.5
Habitats et villes intelligentes . . . . . . . . . . . . . . . . . . . . .
17
2.3.6
Applications dans l’industrie . . . . . . . . . . . . . . . . . . . . .
19
Les défis et problématiques dans les réseaux de capteurs sans fil . . . . . .
19
2.4.1
L’efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.4.2
Le déploiement . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
2.4.3
La robustesse ou tolérance aux pannes . . . . . . . . . . . . . . . .
20
2.4.4
Routage et agrégation de données
. . . . . . . . . . . . . . . . . .
21
2.4.5
La sécurité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
2.3
2.4
2.5
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3 État de l’art
21
23
3.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.2
La consommation d’énergie d’un nœud capteur sans fil . . . . . . . . . . .
24
3.3
Facteurs de surconsommation d’énergie
. . . . . . . . . . . . . . . . . . .
25
3.4
Notion de durée de vie dans les réseaux de capteurs sans fil . . . . . . . .
26
3.5
Conservation de l’énergie dans les réseaux de capteurs sans fil . . . . . . .
29
3.5.1
Approches basées sur le «Duty Cycling» . . . . . . . . . . . . . . .
29
3.5.2
Approches orientées données . . . . . . . . . . . . . . . . . . . . .
32
3.5.3
Approches basées sur la mobilité . . . . . . . . . . . . . . . . . . .
37
viii
3.6
Table des matières
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
4 Sentinel : un modèle probabiliste basé sur la distribution de Weibull
41
4.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.2
Modèle de probabilité pour l’étude de la durée de vie . . . . . . . . . . . .
42
4.2.1
La distribution exponentielle . . . . . . . . . . . . . . . . . . . . .
43
4.2.2
La distribution de Weibull . . . . . . . . . . . . . . . . . . . . . . .
44
Le modèle Sentinel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
4.3.1
Prolongation de la durée de vie avec le modèle Sentinel . . . . . .
45
4.3.2
Description des états d’un nœud Sentinel . . . . . . . . . . . . . .
47
4.3
4.4
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 Méthode d’ordonnancement basée sur l’approche Sentinel
48
51
5.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.2
Ordonnancement des activités des nœuds . . . . . . . . . . . . . . . . . .
53
5.2.1
Terminologies utilisées . . . . . . . . . . . . . . . . . . . . . . . . .
54
5.2.2
Gestion efficace de la redondance . . . . . . . . . . . . . . . . . . .
55
5.2.3
Contrôle des conflits de surveillance des sentinelles . . . . . . . . .
56
Gestion efficiente de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . .
58
5.3.1
Méthode de calcul distribuée du temps de veille . . . . . . . . . . .
58
5.3.2
Ajustement dynamique des paramètres des nœuds . . . . . . . . .
60
Évaluation de performances . . . . . . . . . . . . . . . . . . . . . . . . . .
61
5.4.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . .
61
5.4.2
Efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . . .
62
5.4.3
Gestion des messages de contrôle . . . . . . . . . . . . . . . . . . .
64
5.3
5.4
5.5
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6 Solution de maintenance des topologies dynamiques
66
69
6.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
6.2
Problème de la maintenance dans les RdCSFs . . . . . . . . . . . . . . . .
70
6.2.1
Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
70
6.2.2
État de l’art
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
71
Auto-maintenance de la topologie basée sur le contrôle du lien . . . . . . .
73
6.3.1
Auto-adaptation des nœuds redondants . . . . . . . . . . . . . . .
73
6.3.2
L’adaptation du lien des sentinelles . . . . . . . . . . . . . . . . . .
74
Simulations et résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77
6.3
6.4
Table des matières
ix
6.4.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . .
77
6.4.2
Résultats et discussions . . . . . . . . . . . . . . . . . . . . . . . .
77
6.5
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7 Algorithme d’ordonnancement hybride pour les RCSFs
79
81
7.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
82
7.2
Méthode d’ordonnancement hybride . . . . . . . . . . . . . . . . . . . . .
83
7.2.1
Phase d’initialisation . . . . . . . . . . . . . . . . . . . . . . . . . .
85
7.2.2
Phase de stabilisation . . . . . . . . . . . . . . . . . . . . . . . . .
86
Analyse et évaluation de performance . . . . . . . . . . . . . . . . . . . .
88
7.3.1
Modèle et paramètres de simulation . . . . . . . . . . . . . . . . .
88
7.3.2
Efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . . .
89
7.3
7.4
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8 Conclusion et perspectives
92
93
8.1
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
93
8.2
Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
A Outils de simulation
97
A.1 OMNeT++ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
A.1.1 Architecture
97
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
A.1.2 Le langage NED . . . . . . . . . . . . . . . . . . . . . . . . . . . .
98
A.2 Castalia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
99
A.2.1 Caractéristiques de Castalia . . . . . . . . . . . . . . . . . . . . . .
99
A.2.2 Modélisation du média de transmission
. . . . . . . . . . . . . . . 100
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Table des figures
2.1
Anatomie d’un nœud capteur . . . . . . . . . . . . . . . . . . . . . . . . .
8
2.2
Architecture générale d’un réseau de capteurs sans fil . . . . . . . . . . . .
9
2.3
Les différentes architectures des réseaux de capteurs sans fil . . . . . . . .
11
2.4
Mosaïque des applications des réseaux de capteurs sans fil [Rawat 2013] .
12
2.5
Méthodes d’irrigation moderne utilisant les RCSF
13
2.6
Applications des réseaux de capteurs sans fil (BANs) dans la télé-médecine
15
2.7
Détection des feux de forêt grâce aux réseaux de capteurs sans fil . . . . .
17
2.8
Smart parking dans la ville de Nice, France . . . . . . . . . . . . . . . . .
18
3.1
Les approches de bases pour la conservation de l’énergie dans les RCSFs .
29
3.2
L’approche du «duty cycling» dans les RCSFs . . . . . . . . . . . . . . . .
30
3.3
Partitionnement par ensembles couvrants et par clusters dans les RCSFs .
31
3.4
Approche de conservation d’énergie orientée données . . . . . . . . . . . .
33
4.1
Évolution du temps de veille des nœuds en fonction du temps . . . . . . .
45
4.2
Évolution du taux de sondage d’un nœud donné en fonction du temps . .
46
4.3
Transition des états d’un nœud sentinel . . . . . . . . . . . . . . . . . . .
47
5.1
Redondance totale ou complète (a) et redondance partielle (b) . . . . . .
56
5.2
Sondage du voisinage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
5.3
Un cas de figure pour illustrer le conflit de couverture entre deux nœuds
. . . . . . . . . . . . .
sentinelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
5.4
Énergie moyenne consommée avec différentes valeurs de β . . . . . . . . .
63
5.5
Énergie moyenne consommée : ALARM vs. PEAS . . . . . . . . . . . . .
63
5.6
Messages envoyés par un nœud sonde vs. messages effectivement reçus par
une sentinelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.7
Messages envoyés vs. réponses reçues par un nœud sonde . . . . . . . . . .
65
6.1
Perte et apparition de trous de couverture dans les RCSFs . . . . . . . . .
72
6.2
Maintenance de la topologie grâce à la redondance dans les RCSFs . . . .
74
6.3
Cliché du réseau à un temps t donné . . . . . . . . . . . . . . . . . . . . .
77
6.4
Énergie moyenne consommée pour différentes valeurs de β . . . . . . . . .
78
6.5
‘Énergie moyenne consommée avec et sans contrôle du lien . . . . . . . . .
79
xii
Table des figures
7.1
Diagramme d’états de l’algorithme d’ordonnancement hybride . . . . . . .
84
7.2
Algorithme d’ordonnancement hybride . . . . . . . . . . . . . . . . . . . .
87
7.3
Énergie moyenne consommée en fonction de la taille du réseau durant la
phase d’initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4
Énergie moyenne consommée en fonction de la taille du réseau avec différentes puissances de transmission . . . . . . . . . . . . . . . . . . . . . . .
7.5
90
91
Énergie moyenne consommée en fonction de la taille du réseau avec différents modèles d’interférence . . . . . . . . . . . . . . . . . . . . . . . . . .
91
Liste des tableaux
5.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
6.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . .
76
7.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . . . . .
89
Liste des Algorithmes
1
Activity withdrawal : algorithme pour la levée des conflits de couverture .
58
2
Algorithme de maintenance de la topologie utilisant les nœuds redondants.
75
3
Algorithme de maintenance de la topologie utilisant les sentinelles (ajustement de la connectivité entre les sentinelles) . . . . . . . . . . . . . . . . .
76
4
Génération d’un jeton aléatoire . . . . . . . . . . . . . . . . . . . . . . . .
85
5
Vérification de la valeur tirée . . . . . . . . . . . . . . . . . . . . . . . . .
86
Chapitre 1
Introduction générale
Le commencement de toutes les sciences, c’est
l’étonnement de ce que les choses sont ce qu’elles sont.
Aristote - Extrait de la métaphysique
Durant ces dernières décennies, des avancées fulgurantes notées dans les domaines de
l’électronique numérique, de la micro-électronique et de l’électro-mécanique ont permis un
essor sans commune mesure des réseaux de capteurs sans fil [Akyildiz 2002]. Ces réseaux
sont devenus aujourd’hui une technologie clef et sont présents dans notre quotidien ; d’où
le terme très en vogue ces derniers temps, l’Internet des objets ou Internet of Things (IoT).
Les réseaux de capteurs sans fil sont d’une importance particulière, quand un très grand
nombre de nœuds doivent être déployés dans des zones qui étaient pendant longtemps
une problématique du point de vue de l’accessibilité. Par exemple des zones volcaniques
et des environnements radio-actifs où l’accès est très difficile voire impossible, les réseaux
de capteurs sans fil, ont permis à l’homme de pouvoir explorer aujourd’hui toutes ces
zones et de les analyser de près. Les dangers récurrents et la difficulté d’accès, font que
le déploiement aléatoire (largage par avion) demeure la seule alternative pour explorer de
tels environnements.
Les réseaux de capteurs sans fil sont constitués de plusieurs nœuds, minuscules
(quelques cm3 ), capables de s’auto-organiser et de s’auto-configurer sans une infrastructure fixe ou d’intervention directe de l’homme. Un nœud capteur sans fil est essentiellement composé d’une unité de traitement et de stockage, d’une unité de communication
(la radio), d’une unité de capture pouvant comprendre un ou plusieurs capteurs intégrés
et d’une unité d’énergie généralement équipée de deux (02) piles AA. Nous pouvons aussi
retrouver d’autres modules optionnels (selon les cas d’application et les besoins) tels qu’un
mobile permettant de faire le nœud ou de réorienter ses composantes (antenne, capteurs,
etc.) et une unité de géolocalisation (GPS) pour recueillir la position géographique de ce
dernier à travers la zone de déploiement.
2
Chapitre 1. Introduction générale
Les réseaux de capteurs sans fil offrent aujourd’hui une panoplie d’applications allant
de la surveillance au téléguidage dans les champs de bataille, en passant par la détection
et la surveillance biomédicale, la surveillance environnementale, le suivi de la production industrielle et très récemment avec les espaces intelligents (villa, ville, ou immeuble
intelligents) [Chinrungrueng 2007, Hefeeda 2009, Oliveira 2011, Lee 2009, Rawat 2013,
Santos 2012, Tay 2009]. Selon la nature des applications, les réseaux sont structurés suivant une architecture soit plate soit hiérarchique. Cependant, quelle que soit l’architecture
adoptée, les nœuds collaborent entre eux pour recueillir des données puis les retransmettre
vers la station de base pour une exploitation (l’aide à la décision).
Les réseaux de capteurs sans fil sont caractérisés par leur capacité à s’auto-organiser
et collecter de façon coopérative des données relativement à un phénomène physique et
de les communiquer à une station de base. Cependant, ils sont sujets à de nombreuses
contraintes telles que l’énergie très limitée, la portée des transmissions, ouverture du média
de communications, etc. Ces contraintes, en particulier l’énergie, font que ces réseaux
font face à de nombreux défis tels que l’efficacité énergétique, le routage, l’agrégation des
données, etc. L’énergie constitue la ressource la plus critique car le fonctionnement de
tous les modules et celui du nœud même en dépendent donc étroitement liée à la durée
de vie du réseau. De ce fait, la mise en œuvre de bonnes politiques de gestion de l’énergie
(efficace et efficiente) demeure une question très discutée par les chercheurs. Ce qui fait de
la conservation d’énergie l’un des critères de performance les plus convoités des solutions
destinées aux réseaux de capteurs sans fil.
Étant donné que ces réseaux sont souvent déployés avec un nombre excédentaire de
nœuds, une solution très astucieuse consiste à exploiter cette redondance afin de maximiser
la longévité du réseau. Sans une bonne gestion, la redondance peut s’avérer très négative
sur la consommation de l’énergie et par conséquent sur la durée de vie du réseau de manière
générale. Ainsi, l’ordonnancement d’activité (duty cycling) est l’une des techniques les
plus utilisées pour tirer le meilleur de la densité du réseau. L’objectif de cette thèse est
de mettre en œuvre une solution permettant de maximiser la durée de vie des réseaux
de capteurs sans fil. Pour cela, nous proposons une solution d’ordonnancement basée sur
un modèle probabiliste, Sentinel. Le modèle Sentinel est inspiré du principe de la garde
dans les espaces militaires. Il permet de sélectionner un sous-ensemble minimal de nœuds
qui vont assurer la surveillance pendant que les autres sont en mode d’économie d’énergie
afin de préserver leur batterie.
Ainsi, en ce qui concerne la gestion des réveils des nœuds redondants, nous utilisons
3
la distribution de Weibull grâce à sa fonction de survie. Le choix de cette distribution
est guidé par le fait qu’elle est très adaptée et très utilisée pour l’étude de la fiabilité des
composants électroniques et permet de prendre en considération l’usure de ces derniers.
La suite de cette thèse est structurée autour de sept (07) chapitres avec celui-ci à titre
introductif.
Le second chapitre présente les notions générales sur les réseaux de capteurs sans
fil en commençant par l’anatomie et les caractéristiques d’un nœud capteur sans fil. Ce
chapitre permet également de faire une mosaïque des applications avant de passer en revue
les défis et les problématiques de recherche les importants qui font que cette technologie
est d’actualité aussi bien dans le milieu universitaire qu’industriel.
Ensuite nous abordons dans le troisième chapitre l’état de l’art sur les techniques
de conservation d’énergie. Mais avant cela, nous présentons les différentes sources de
consommation d’énergie et les composants d’un nœud capteur qui y sont impliqués. Ce
chapitre nous permet aussi de discuter sur les différentes sources de surconsommation
et de la notion de durée de vie avec ses définitions que l’on retrouve souvent dans la
littérature.
Nous débutons à travers le quatrième chapitre, sur la partie concernant notre contribution sur cette thèse. Nous présentons dans ce chapitre le modèle Sentinel sur lequel
nous nous appuyons pour la maximisation de la durée de vie. Sentinel, est un modèle
probabiliste basé sur la distribution de Weibull. Et c’est cela qui nous a amené à faire
une présentation de cette dernière avant d’aborder la description des différents états d’un
nœud capteur fonctionnant avec ce modèle.
Dans le chapitre cinq, nous présentons ALARM, une solution d’ordonnancement basée
sur le modèle Sentinel. La première partie de ce chapitre est destinée aux terminologies
et méthodes utilisées pour gérer les nœuds. Nous y présentons le principe utilisé pour
sélectionner les sous-ensembles de nœuds sentinelles ainsi que la gestion des nœuds redondants. Nous avons bouclé ce chapitre par une validation par simulation de notre solution
ALARM avec d’importantes performances sur le plan de l’efficacité énergétique.
Le chapitre six constitue notre troisième contribution dans cette thèse. Dans ce chapitre, nous analysons le problème de la maintenance de topologie dans les réseaux de
capteurs sans fil. Nous proposons une amélioration de ALARM avec un mécanisme d’autoadaptation de lien afin de garantir une bonne connectivité entre les nœuds sentinelles.
La deuxième partie de ce chapitre est destinée à expliquer comment nous avons assuré
l’intégration du contrôle du lien mais aussi la mise à jour de la topologie avant de terminer
4
Chapitre 1. Introduction générale
avec l’évaluation de l’impact sur la consommation moyenne énergétique.
Notre dernier élément de contribution dans cette thèse est consacré, dans le chapitre
sept, à l’hybridation de la solution ALARM avec la technique d’ordonnancement aléatoire.
Nous avons proposé à travers ce chapitre une solution d’ordonnancement hybride combinant la technique adaptative à celle hybride. Cette solution est essentiellement composée
de deux grandes phases : la phase d’initialisation et celle de stabilisation. Nous avons
comparé par simulation les résultats de la solution hybride à ceux de ALARM et nous
avons constaté une nette amélioration du point de vue de la consommation d’énergie.
Finalement le chapitre huit conclue ce travail et rappelle les différentes contributions
que nous avons pu élaborer tout le long de cette thèse. Ce chapitre présente également
nos perspectives par rapport à ce travail. Ces perspectives se dégagent en deux étapes ;
celles à court terme et les autres que nous nous projetons de réaliser dans le moyen voire
le long terme.
En annexe, nous présentons l’environnement de simulation que nous avons utilisée
pour évaluer les performances de nos contributions mais aussi de les comparer avec les
solutions existant dans la littérature.
Chapitre 2
Généralités sur les réseaux de
capteurs sans fil
La science ne doit pas être un plaisir égoïste : ceux
qui ont la chance de pouvoir se consacrer aux études
scientifiques doivent-être aussi les premiers à mettre leurs
connaissances au service de l’humanité
Paul Lafargue - Souvenirs sur Marx, P. Lafargue et Wilhem Liebnknecht, Editions de Sandre, 2008
Sommaire
2.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
2.2
Concepts et caractéristiques des réseaux de capteurs sans fil . .
7
2.3
2.4
2.2.1
Anatomie d’un nœud capteur sans fil . . . . . . . . . . . . . . . . . .
7
2.2.2
Architectures des réseaux de capteurs sans fil . . . . . . . . . . . . .
8
2.2.3
Caractéristiques des réseaux de capteurs sans fil . . . . . . . . . . .
10
Applications des réseaux de capteurs sans fil . . . . . . . . . . . .
12
2.3.1
L’agriculture de pointe . . . . . . . . . . . . . . . . . . . . . . . . . .
12
2.3.2
Applications dans le domaine militaire
. . . . . . . . . . . . . . . .
13
2.3.3
La télémédecine
. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
2.3.4
Surveillance de l’environnement . . . . . . . . . . . . . . . . . . . . .
15
2.3.5
Habitats et villes intelligentes . . . . . . . . . . . . . . . . . . . . . .
17
2.3.6
Applications dans l’industrie . . . . . . . . . . . . . . . . . . . . . .
19
Les défis et problématiques dans les réseaux de capteurs sans fil
19
2.4.1
L’efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . . .
19
2.4.2
Le déploiement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
2.4.3
La robustesse ou tolérance aux pannes . . . . . . . . . . . . . . . . .
20
2.4.4
Routage et agrégation de données
21
. . . . . . . . . . . . . . . . . . .
6
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
2.4.5
2.5
2.1
La sécurité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
21
Introduction
Les récentes avancées technologiques dans les domaines de la micro-électronique et de
l’électromécanique ont catalysé, durant ces dernières décennies, l’émergence de nouvelle
génération de réseaux tels que les réseaux WiMAX, les réseaux de capteurs sans fil, etc.
Les réseaux de capteurs sans fil, sont aujourd’hui une technologie qui vient à la rescousse
de l’humanité pour leur permettre l’exploration d’environnements qui sont restés pendant
très longtemps inaccessibles par l’homme. Le concept de réseau de capteurs sans fil peut
se résumer à la simple équation suivante :
Capture+T raitement+T ransmission = U ne multitude d0 applications possibles. (2.1)
Ainsi, un réseau de capteurs est généralement constitué d’une multitude de nœuds dits
«capteurs» par abus de langage. Un nœud capteur sans fil, est un composant miniaturisé
à faible coût, embarqué avec plusieurs modules de base tels que les unités d’énergie, de
communication, de traitement et de capture. La nature des environnements étudiés et
les coûts souvent très faibles de ces composants, font que les réseaux de capteurs sont
en général déployés avec une forte densité de nœuds capteurs. Étant donné que les zones
d’études sont souvent difficilement accessibles, les nœuds doivent, après déploiement, être
capables de s’auto-configurer et s’auto-organiser afin de mener à bien les tâches qui leur
sont assignées. Un réseau de capteurs a en général pour objet de recueillir des informations
pour l’étude et l’aide à la décision sur un phénomène physique et la tâche assignée aux
nœuds consiste (selon l’équation 2.1) à collecter des données relativement au phénomène
physique étudié puis les transmettre vers une station de base (BS).
La souplesse qu’offre cette technologie, notamment du point de vue du déploiement,
fait qu’elle est aujourd’hui présente dans notre quotidien. Les domaines d’application sont
multiples allant de la surveillance environnementale à l’assistance médicale. Elle est très
utilisée dans le domaine de l’environnement pour la prévention des catastrophes naturelles
(secousses sismiques, volcans, etc.) mais aussi pour les prévisions climatologique. Nous
pouvons même retrouver cette technologie au-delà de la prévention et de la prévision,
dans nos domiciles (domotique), pour l’assistance personnelle qui fait qu’aujourd’hui on
parle de l’Internet des objets (Internet of things).
2.2. Concepts et caractéristiques des réseaux de capteurs sans fil
7
Cependant, ces réseaux font face à de nombreux défis notamment la conservation
de l’énergie vue que la survie d’un nœud est étroitement liée à sa réserve énergétique.
Cette contrainte influe souvent l’organisation du réseau. Outre la gestion de l’énergie,
les concepteurs de solutions dédiées aux réseaux de capteurs sans fil, font face aussi à
d’autres défis tels que le routage, l’agrégation des données, l’acquisition, la sécurité, le
déploiement, et même tout récemment l’auto-destruction des nœuds survivants après une
opération donnée.
2.2
Concepts et caractéristiques des réseaux de capteurs
sans fil
Les récentes avancées dans les domaines de la micro-électromécanique, de l’électronique numérique et des communications sans fil ont permi un développement fulgurant
des réseaux de capteurs sans fil. Un réseau de capteurs sans fil est composé de minuscules systèmes micro-électroniques à faible coût mais aussi à faibles capacités (ressources)
appelés nœuds capteurs.
2.2.1
Anatomie d’un nœud capteur sans fil
Un nœud capteur sans fil est un micro-dispositif capable d’observer un phénomène physique, de recueillir des informations relatives au phénomène observé et de les transmettre
vers une unité de traitement via des liaisons radio [Akyildiz 2002]. Il est généralement
composé de quatre unités de base (cf. Fig. 2.1) :
— l’unité d’acquisition : elle est composée en général de la composante de capture et
d’un convertisseur analogique-numérique (ADC). La composante de capture peut,
elle aussi être composée d’un ou de plusieurs capteurs. Les capteurs effectuent des
mesures numériques relatives à l’environnement observé puis les convertissent en
signaux analogiques grâce au convertisseur analogique-numérique.
— l’unité de traitement : elle est composée d’un microcontrôleur et des mémoires.
Elle s’occupe aussi de la coordination avec les autres modules. Pour une bonne
coordination, elle est dotée de deux interfaces ; l’une avec l’unité de capture et
l’autre avec l’unité de transmission.
— l’unité de communication : ce module, identique à ceux que l’on retrouve dans les
réseaux sans fil classique, est composé d’un émetteur-récepteur et d’une mémoiretampon. L’émetteur-récepteur dont la consommation énergétique est proportion-
8
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
nelle à la puissance de transmission utilisée, s’occupe des échanges d’information
via les ondes radio.
— l’unité d’énergie : ce module est une composante cruciale car il alimente tous les
autres modules. Elle est souvent constituée de deux batteries AA d’environ 2,2 à
2,5 Ah fonctionnant à 1,5 volt.
Module de localisation
Mobilisateur
Lumière
Température
Humidité
Antenne
capteurs
Conditionnemt
du signal
TX
ADC
Processeur
RX
Mémoires
Module
de
transmission
Unité d’énergie
Figure 2.1 – Anatomie d’un nœud capteur
Un nœud capteur sans fil peut aussi être doté d’un module de localisation (Global Position
System) et/ou d’un mobilisateur. C’est le cas souvent des noeuds embarqués dans des
systèmes robotiques. Le module de localisation est utilisé pour guider les mouvements du
nœud à travers la zone d’intérêt.
2.2.2
Architectures des réseaux de capteurs sans fil
Les réseaux de capteurs sans fil font partie de la famille des réseaux ad hoc. Un réseau
de capteurs sans fil est généralement constitué d’un ensemble de nœuds, à dimension très
réduite, répartis à travers une zone de surveillance (sensor field). Un réseau de capteurs
sans fil est souvent composé de deux (02) types de nœuds : les nœuds capteurs sans fil
et le nœud puits ou encore Sink Node en anglais. Les nœuds capteurs sans fil ont la
capacité de collecter des informations relativement à leur environnement immédiat, de
faire si nécessaire des traitements et de les transmettre vers une passerelle ou nœuds
2.2. Concepts et caractéristiques des réseaux de capteurs sans fil
Internet
9
Noeuds capteurs
sans fil
Internet
Station de base
Utilisateur final
Figure 2.2 – Architecture générale d’un réseau de capteurs sans fil
puits (Sink Node en anglais) via Internet ou par liaison satellite. Le nœud Sink, ayant
suffisamment de ressources, est quant à lui destiné à collecter les données de captures des
nœuds puis de les retransmettre vers un autre réseau ou un centre de traitement. Il peut
être vu comme une passerelle entre le réseau de capteurs sans fil et d’autres réseaux ou
comme une interface avec les utilisateurs du réseau. Les données recueillies (température,
humidité, pression, son, image, vidéo, etc.) sont routées vers une ou plusieurs stations de
base puis vers un centre de traitement pour des fins d’aide à la décision, à la prévision,
etc. (cf. Fig. 2.2). Les architectures des réseaux de capteurs sans fil peuvent être classées
selon la topologie du réseau (architecture physique du réseau) ou suivant le modèle de
communication adoptée (architecture logique du réseau).
• Architecture physique : elle renvoie à l’organisation ou à la répartition spatiale des
nœuds du réseau. Nous pouvons distinguer deux (02) grandes classes d’organisation
spatiale des réseaux de capteurs sans fil : les réseaux dits plats et ceux dits hiérarchiques. Dans une architecture plate, tous les nœuds ont la même responsabilité,
donc aucune hiérarchie dans l’organisation. Une illustration simple est fournie à la
figure 2.3, cas (1) et (2). Quant à l’architecture hiérarchique, les nœuds sont organisés en classes ou encore clusters. Et deux types de responsabilités peuvent être
notés : les nœuds simples et ceux chef de classe ou cluster head (voire Fig. 2.3, cas
10
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
(3) et (4)). Seuls les chefs de clusters ont la possibilité d’interagir avec la station
de base, tandis que les nœuds membres d’un cluster doivent nécessairement passer
par le cluster head pour atteindre la station de base.
• Architecture logique : ou encore architecture de communication représente la manière dont les nœuds du réseau relaient les données de capture jusqu’à l’utilisateur
final. Deux modèles de communication peuvent être retenus : le modèle de communication direct ou single hop et celui multi-saut ( multi hop). Comme illustré à
la figure 2.3, cas (1) et (4), le modèle de communication direct consiste à envoyer
les données directement à la station de base. Dans le premier cas (cas (1)) de la
figure 2.3, tous les nœuds envoient directement leur données à la station de base,
cela nécessitent une puissance de transmission adaptée par rapport à la position de
la station de base. Cette approche est souvent utilisée dans les réseaux de petite
taille. Dans le cas où le réseau serait organisé en clusters, le modèle de communication direct s’applique seulement aux clusters head, qui sont souvent dotés de
suffisamment de ressources pour transmettre jusqu’à la station de base. Le modèle
de communication multi saut, le plus utilisé dans les réseaux de capteurs sans fil
surtout dans les réseaux denses, consiste à transmettre les données en passant par
des relais pour atteindre la station de base (voire Fig. 2.3, cas (2) et (3)). Dans
le cas d’une architecture plate, les nœuds transmettent l’information vers le voisin
le plus proche sur le chemin menant à la station de base. Et quand il s’agit d’un
réseau hiérarchique, le même procédé est adopté mais cette fois-ci avec les clusters
head, c’est-à-dire, les données sont relayées vers les clusters head les plus proches
de la station de base.
2.2.3
Caractéristiques des réseaux de capteurs sans fil
Considérés comme une sous-classe des réseaux ad hoc, les réseaux de capteurs sans
fil héritent certaines caractéristiques de ces derniers[Yong-Min 2009]. Parmi elles nous
pouvons citer la topologie dynamique, le déploiement rapide et à moindre coût, la faible
capacité énergétique, les communications multi-sauts, etc. Outre celles-là, les réseaux de
capteurs sans fil ont d’autres caractéristiques spécifiques à eux même telles que l’identification, la faible capacité de traitement, la densité, etc.
• Capacité de traitement : à cause des faibles coûts, de la taille et du fonctionnement
sur batterie, les nœuds capteurs sans fil sont très limités en matière de capacité de
traitement. Ils sont souvent équipés d’un microcontrôleur Atmel AVR 8535 à 4 MHz
2.2. Concepts et caractéristiques des réseaux de capteurs sans fil
(1)
11
(2)
(4)
(3)
Figure 2.3 – Les différentes architectures des réseaux de capteurs sans fil
et 8 ko de mémoire flash pour les instructions et une capacité de stockage de 512
Ko.de mémoire RAM et 512 Ko de EEPROM. Les systèmes d’exploitation utilisés
occupent presque la moitié (TinyOS occupe 3,5 ko), ce qui laisse aux concepteurs
une faible marge.
• Réserve énergétique : dans la plupart des cas, le nœud fonctionne avec une batterie
d’où une capacité énergétique limitée et sa validité est étroitement liée à la capacité
de la batterie. Ce qui fait que souvent le nœud est considéré comme « mort »si sa
batterie est épuisée et ainsi l’utilisation de l’énergie doit être soigneusement suivie
pour assurer une fonctionnalité optimale du nœud tout au long de la vie du réseau.
• Topologie : généralement très dense (très grand nombre de nœuds déployés à travers
la zone d’intérêt), les réseaux de capteurs sans fil sont souvent sujets à des pannes
récurrentes qui sont soit natives (défaut de fabrication) soit accidentelles (épuisement de la batterie ou défaillance d’autres unités fonctionnelles telles que la radio,
entre autres). Tout cela fait que la topologie de tels réseaux est très changeante.
• Communication : vu qu’ils héritent des caractéristiques des réseaux sans fil de manière générale, les réseaux de capteurs sans fil ont une bande passante très étroite
et souvent instable avec une portée de la radio allant d’une dizaine à quelques centaines de mètres. Les communications se heurtent à certains obstacles relativement
à l’environnement à surveiller et aux interférences avec d’autres rayonnements.
12
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
• Déploiement : fonctionnant en mode égal à égal, le déploiement d’un réseau de
capteurs sans fil ne requiert souvent pas la préinstallation d’aucune infrastructure. Donc les noeuds sont suffisamment autonomes pour qu’après déploiement, ils
puissent s’auto-configurer et s’auto-organiser indépendamment d’une infrastructure
extérieure.
2.3
Applications des réseaux de capteurs sans fil
Les réseaux de capteurs sans fil, grâce à leur faible coût d’acquisition et de déploiement
ajouté à cela leur aptitude à s’auto-organiser et s’auto-maintenir, couvrent aujourd’hui
une large palette d’application allant du domaine militaire au domaine civil.
Applications des
Réseaux de Capteurs
Sans Fil
Insfrastructure &
Urbanisme
BAN
Villa & Ville
Intelligentes
Santé
Mesures
automatiques
Industrie &
Agriculture
Système de transport
Intelligent
Ferme
Agricole
Militaire &
Prévention de crime
Environnement
Sécurité &
Surveillance
Équipement &
suivie des plantes
Prévisions
Climatiques
Pistage des
Animaux
Gestion des
Catastrophes
Figure 2.4 – Mosaïque des applications des réseaux de capteurs sans fil [Rawat 2013]
2.3.1
L’agriculture de pointe
Les réseaux de capteurs sans fil (RCSF) peuvent être utilisés dans le domaine de l’agriculture pour le monitorage du climat, des cultures et des caractéristiques du sol dans les
zones de culture [ur Rehman 2011] mais aussi le contrôle des intrants et l’irrigation des
sols. Un bon contrôle de ces paramètres permettrait aux agriculteurs de réaliser des actions proactives afin de mieux améliorer les productions [Díaz 2011, Garcia-Sanchez 2011,
Riquelme 2009, Wark 2007].
• Irrigation des sols : les méthodes d’irrigation traditionnelles (par inondation, par
sillon, etc.) gaspillent énormément d’eau alors que cette ressource devient de plus en
plus rare dans certaines zones. L’utilisation des réseaux de capteurs sans fil conju-
2.3. Applications des réseaux de capteurs sans fil
13
Figure 2.5 – Méthodes d’irrigation moderne utilisant les RCSF
guée avec les méthodes récentes telles que l’irrigation par goutte-à-goutte ou par
rampe arroseur ou center pivot (irrigation de précision voire Fig. 2.5), permettrait
une utilisation efficace et efficiente de l’eau dans les zones de culture. Les capteurs
(underground sensors) déployés pour l’irrigation de précision effectuent des mesures
des caractéristiques des zones de culture (climat, sols, etc.).
• Fertilisation des sols : l’application de fertilisants et des pesticides dans les zones
de culture nécessite certaines précautions et dispositions à prendre telles que la
température, l’humidité, le vent, etc. L’utilisation des nouvelles technologies de
pointe (capteurs sans fil, actuateurs, etc) pourrait venir en aide aux agriculteurs
pour l’application des intrants et des pesticides. Ces derniers renseignent sur les
conditions idéales dans les zones de culture mais aussi permettent d’éviter des
débordements par rapport à la zone cible [Santos 2012]. Ils peuvent alerter dès la
présence d’une certaine population d’insectes dans les zones de culture et/ou agir
en effectuant un pompage efficace des insecticides au moment opportun.
2.3.2
Applications dans le domaine militaire
Les caractéristiques telles que la facilité de déploiement, l’autoconfiguration, l’automaintenance font que ce type de réseaux est très adapté pour les applications militaires.
Les réseaux de capteurs sans fil peuvent être intégrés dans le commandement militaire,
les systèmes de contrôle, la communication, le calcul, les renseignements, la surveillance
et le ciblage [Akyildiz 2002].
• Détection d’intrusion : les réseaux de capteurs sans fil sont très utiles en ce qui
concerne la surveillance des zones cibles afin de détecter la présence de tout corps
14
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
étrangers et signaler sa position en temps réel. Ils peuvent être déployés en territoires ennemi pour la détection d’arme nucléaire, biologique ou chimique avant
le déploiement des troupes ou encore signaler les systèmes espions. Les réseaux de
capteurs sans fil sont aussi utilisés dans les zones de conflits pour détecter les tireurs
embusqués ou sniper (exemple de PinPtr) lors du déplacement des troupes.
• Surveillance des zones de conflits : la surveillance continue et minutieuse des champs
de bataille est impérative pour la prise de bonnes décisions. Ainsi, les réseaux de
capteurs sans fil peuvent assurer cela pour les endroits stratégiques et alerter le commandement dès l’observation d’une irrégularité dans la zone cible afin d’anticiper
sur les nouveaux plans d’attaques et de défenses.
• Évaluation des dégâts : les réseaux de capteurs sans fil s’avèrent être un outil
adéquat pour être déployés dans les zones d’après combat afin d’évaluer les dégâts
et de dégager des statistiques. Ils peuvent aussi être déployés sur les équipements
de guerre tels que les chars et autres véhicules pour renseigner en temps réel des
pertes. Cela permettrait aussi de mieux organiser le déploiement des renforts de
troupes et les opérations de sauvetage.
2.3.3
La télémédecine
Le secteur de la santé fait face à de nombreux défis tels que l’accroissement incessant de la demande (avec l’accroissement des populations), l’insuffisance des infrastructures de proximité, etc. L’émergence des réseaux de capteurs sans fil s’avère
être une véritable bouffée d’oxygène pour de tels secteurs en offrant de nouvelles opportunités telles l’utilisation des BANs (Body Area Networks) [Rawat 2013] pour la
télé diagnostic des patients mais aussi le déploiement de réseaux de capteurs sans
fil pour des alertes à temps réel des services d’urgence (voire Fig. 2.6). Les réseaux
de capteurs sans fil ont aujourd’hui inspiré beaucoup de secteurs tel que l’industrie
de l’habillement. L’intégration des systèmes micro-électromécaniques a favorisé l’émergence de nouveaux termes, les “biomonitoring MEMSWear” ou encore les habits intelligents [Tay 2009, Lee 2009, Pandian 2008, Milenkovi 2006], ceintures intelligentes
[Sardini 2010], etc. Cela permet d’avoir un diagnostic continu des données biologiques
des patients ainsi que sa localisation géographique. De tels dispositifs sont souvent dotés
de capteurs de mouvement pour suivre les déplacements de capteurs positionnés au niveau du cœur pour mesurer l’activité cardiaque (ECG), de capteurs de température et
SpO2 pour mesurer la température corporelle ainsi que le taux d’oxygène dans le sang. Un
2.3. Applications des réseaux de capteurs sans fil
15
Prévision Météo
Capteurs ECG &
Inclinaison
Capteurs spO2
& Mouvement
ZigBee
Urgence
BAN
Serveur
Personnel
GPRS
Internet
Infirmier
Bluetooth
WiFi
Capteur de
mouvement
Coordonateur du réseau &
Capteurs de température/humidité
Serveur Médical
Médecin
Figure 2.6 – Applications des réseaux de capteurs sans fil (BANs) dans la télé-médecine
Smart phone est utilisé comme station de base permettant d’effectuer certains traitements
pour ensuite envoyer les données vers les centres médicaux. Les capteurs de mouvement
ont aussi leur importance en ce qui concerne la rapidité des interventions des services
d’urgences en cas d’incidents. Cette technologie vient en aide à la médecine pour le suivi
des personnes âgées, des enfants, mais surtout des personnes ayant une maladie chronique
[Alemdar 2010].
2.3.4
Surveillance de l’environnement
La surveillance de l’environnement est un candidat naturel pour l’utilisation des réseaux de capteurs sans fil. Deux volets peuvent être notés en ce qui concerne ce domaine :
la surveillance domicile (indoor) avec la mesure de la qualité de l’air dans les immeubles
et la surveillance des espaces inhabités (outdoor) pour la détection des tremblements de
terre, des irruptions volcaniques, des feux de forêt, des inondations, etc. [Oliveira 2011].
Ce type de réseau est très utile pour la surveillance environnementale et peut servir de
système d’alerte pour les feux de forêt, la détection de polluants dans l’atmosphère et
dans les aires marines. Par exemple, au Sénégal, le déploiement de réseaux de capteurs
16
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
sans fil au niveau des bassins de rétention et autres milieux de reproduction pourrait permettre une meilleure organisation de la lutte contre les maladies telle que la bilharziose,
le paludisme, etc.
• Surveillance écologique : d’un point de vue écologique, les réseaux de capteurs sans
fil peuvent jouer un rôle fondamental pour la protection et le suivi des oiseaux
marins (exemple du réseau déployé par l’Université de Berkeley aux États-Unis),
de la faune dans les parcs zoologiques (exemple du ZebraNet au Centre de Recherche
à Mpala, Kenya), des oiseaux migrateurs, etc.
• Lutte contre les inondations : un système d’alerte sur les zones fréquemment inondables permettrait de limiter les dégâts mais aussi de mieux organiser les secours.
Le système ALERT 1 , fut l’un des premiers réseaux de capteurs sans fil déployé à
cet effet par la NWS (National Weather Service) dans les années 70. ALERT a été
utilisé pour une observation à temps réel des niveaux de précipitation afin d’anticiper sur d’éventuelles inondations. Actuellement, le réseau ALERT est utilisé sur
presque tout le long de la côte Ouest des États-Unis notamment en Californie et en
Arizona pour alerter sur des inondations à grande envergure. Dans le même sillage,
le réseau CORIE [Xu 2002] est déployé sur le fleuve Colombia avec treize nœuds
statiques pour guider les bateaux de sauvetage mais aussi alerter sur d’éventuelles
crues du fleuve.
• Détection des feux de forêt : la planète est aujourd’hui menacée par une dégradation
alarmante des espaces verts due aux agressions incessantes par l’homme. Ajouté à
cela, les feux de forêts qui font souvent des ravages tant du point de vue environnemental qu’humaine. En début 2009, les feux de forêts en Californie (États-Unis)
et dans l’État de Victoria (Australie), où 173 personnes ont perdu la vie, ont causé
des pertes évaluées à plusieurs milliards de dollars américains. Pour lutter efficacement contre ce fléau, le monde scientifique et les protecteurs de l’environnement
ont recours à la technologie des capteurs sans fil.
1. www.alertsystems.org
2.3. Applications des réseaux de capteurs sans fil
17
Figure 2.7 – Détection des feux de forêt grâce aux réseaux de capteurs sans fil
Le signalement des feux de forêts par des hommes accuse souvent un retard
[Hefeeda 2007, Hefeeda 2009], car il arrive au moment où les feux ont déjà pris
de l’ampleur. Le déploiement de réseaux de capteurs sans fil dans les forêts et les
zones souvent exposées aux feux pourrait permettre de détecter et d’alerter les
services d’intervention et de lutte (pompiers, etc.) à temps. Les capteurs utilisés
à cet effet permettent de mesurer des paramètres tels que la température, le niveau du monoxyde de carbone (CO) et celui du dioxyde de carbone (CO2 ) dans
l’air et remplacer parfaitement la détection par satellite qui semble moins efficace
[Yu 2005, Son 2006, Lloret 2009]. Récemment des prototypes de réseaux de capteurs sans fil comme FireWatch [Andreou 2012] ont été proposés pour remplacer
les systèmes classiques de détection (satellites, caméra de surveillance, etc.) en prenant en compte les manquements dont souffraient ces derniers à savoir la lenteur
de la détection et l’absence de précision durant la nuit.
2.3.5
Habitats et villes intelligentes
Les réseaux de capteurs sans fil sont aujourd’hui très présents dans les habitations
d’où l’émergence d’un nouveau terme : habitats ou villes intelligent(e)s. Les capteurs
déployés dans les habitations peuvent servir sous plusieurs angles. Ils peuvent : contrôler
les fondations et la structure des bâtiments (en génie civil), assurer la gestion des stocks
(dans les commerces). Ils peuvent aller plus loin en permettant la surveillance des trafics
(dans les transports), la surveillance de l’éclairage, de la climatisation, du chauffage, de la
ventilation (dans la domotique). Les smart homes, smart office et smart cities deviennent
aujourd’hui le point de convergence des géants de la technologie telle que IBM, Orange,
Cisco, etc.
• Parking et route intelligent(e) : Actuellement, on parle de routes intelligentes
18
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
[Karpiriski 2006] afin de prévenir les conducteurs de véhicules sur l’état des routes,
de la circulation et des éventuels dangers. Cela permettrait de réduire considérablement le nombre d’accidents sur les routes mais aussi de baisser le taux d’émission
de gaz polluants des véhicules en évitant les embouteillages. Un autre volet très
en vogue aujourd’hui, est les parkings intelligents ou en anglais smart parkings
[Chinrungrueng 2007]. Des prototypes de tels réseaux ont été déployés par exemple
dans les villes de Santander, en Espagne (Smart Santander), Nice, en France, la gare
de Lyon, en France, etc. Grâce à ces réseaux de capteurs sans fil, les conducteurs
de véhicules pourront localiser très rapidement, à partir de leur situation géographique, le parking le plus proche et ainsi économiser considérablement l’énergie qui
aurait pu être consommée pour les grandes tours à la recherche d’un parking. Outre
cette économie de la consommation en carburant, cela aussi permet de lutter contre
la pollution atmosphérique.
Figure 2.8 – Smart parking dans la ville de Nice, France
• Les habitats intelligents : la domotique est aujourd’hui très rapidement passée des
thermostats programmables aux systèmes intégrés, intelligents et centralisés accessibles via plusieurs points tels que les écrans tactiles, les ordinateurs, les téléphones
et de manière générale sur les équipements mobiles (smart phone, tablets). Cela
résulte de ces habitations hautement personnalisées qui réagissent en fonction des
besoins et du confort de ses occupants. Cette perspective est l’impact des conséquences dramatiques de la technologie pervasive sur la société. La notion d’habitats
intelligents peut s’expliquer suivant ce scénario très simple à savoir ; le réveil matinal jouant la musique préférée tandis que le volume du son est gentiment contrôlé
jusqu’à ton réveil, au même moment se déclenche par anticipation le chauffage
de la salle de bain alors que la machine à café se met en marche. En résumé,
un habitat intelligent est un assistant qui anticipe sur les gestes et désir de l’occupant [Viani 2013, Castello 2013, Yamazaki 2006]. Les habitations intelligentes
2.4. Les défis et problématiques dans les réseaux de capteurs sans fil
19
constituent aussi un grand progrès en ce qui concerne l’assistance et la sécurité des
personnes âgées. Par exemple, au Japon, des capteurs sont déployés au niveau des
éclairages des domiciles de telle sorte que si une lampe reste allumée pendant un
délai seuil, le nœud capteur intégré déclenche automatiquement une alerte vers les
services d’urgence afin qu’ils viennent au secours de l’occupant.
2.3.6
Applications dans l’industrie
L’utilisation des capteurs est essentielle dans l’industrie car elle assure le lien entre les
systèmes de contrôle et le monde physique [Shen 2004]. Et les réseaux de capteurs sans fil
permettent aujourd’hui de lever la barrière tels que l’encombrement des capteurs filaires,
les coûts d’installation, etc. et ainsi, rendent de plus en plus intelligente l’industrie. Ils
permettent aujourd’hui d’automatiser certaines tâches telles que l’inventaire en temps
réel des produits, la détection des fuites de gaz et/ou d’eau [Akhondi 2010], le suivi en
temps réel de l’état de santé des machines, le contrôle du processus de fabrication, etc.
[Christin 2010]. Les réseaux de capteurs sans fil peuvent aussi être utilisés dans l’industrie
afin de veiller au respect des normes écologiques [Valverde 2012].
2.4
Les défis et problématiques dans les réseaux de capteurs
sans fil
Les réseaux de capteurs sans fil reçoivent aujourd’hui une attention significative aussi
bien dans le domaine de la recherche que celui de l’industrie. Cependant, du fait des
nombreuses limitations en matière de ressources, de tels systèmes font face à de nombreux
défis allant de la collecte à la transmission des données. Cette section est consacrée à une
brève présentation de quelques défis de recherche des réseaux de capteurs sans fil qui
nécessitent d’être étudiés afin d’établir des applications adaptées à la technologie des
capteurs sans fil.
2.4.1
L’efficacité énergétique
Veiller à une utilisation judicieuse et efficace de l’énergie est d’une importance capitale
dans les réseaux de capteurs sans fil. Vu que les nœuds capteurs sans fil sont le plus
souvent équipés de batteries non rechargeables avec une réserve énergétique limitée, le
bon fonctionnement du réseau serait compromis si certains ou une bonne partie des nœuds
épuisent leur énergie. Ainsi, la durée au bout de laquelle, le réseau reste opérationnel ou
20
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
encore durée de vie du réseau est limitée dans le temps et est étroitement liée à la réserve
d’énergie du réseau. Plusieurs mécanismes de conservation d’énergie, tels que l’utilisation
différents modes opérationnels avec différents niveaux d’énergie, ont été implémentés au
niveau matériel lors de la conception des nœuds (phase industrielle). Parallèlement à cela,
l’ordonnancement d’activité doit cependant être coordonné et renforcé de façon étendue
afin de préserver les performances du réseau et ainsi utiliser de façon rationnelle l’énergie
des nœuds capteurs.
2.4.2
Le déploiement
Le déploiement dans les réseaux de capteurs sans fil constitue après la gestion de
l’énergie, l’un des défis et issues de recherche qui attirent de plus en plus d’attention.
Le déploiement peut se réaliser de deux manières, déterministe ou aléatoire, selon les
exigences de l’application et la nature de la zone étudiée. Le déploiement déterministe,
souvent applicable à la surveillance urbaine, industrielle ou à la domotique, nécessite
une étude de prédéploiement et fait face aux problèmes des obstacles. L’autre type de
déploiement, celui-ci dit aléatoire, interpelle le plus le monde de la recherche car consiste
souvent à l’unique alternative pour des zones d’intérêt hostiles à l’accès humain. Dans ce
cas, les nœuds doivent avoir suffisamment d’autonomie pour s’auto-configurer et s’autoorganiser afin d’établir une structure et une topologie cohérentes du réseau. Dans un tel
réseau, les nœuds doivent être capables d’organiser de façon coopérative les tâches de
détection, de capture et de transmission des données sans l’intervention d’un tiers mais
aussi s’auto-adapter par rapport aux conditions changeantes du réseau.
2.4.3
La robustesse ou tolérance aux pannes
Les nœuds capteurs sans fil sont des équipements électroniques ou électromécaniques
bon marché et souvent très exposés aux pannes. Une panne de nœud peut subvenir lors
de sa conception (défaut de fabrication au niveau industriel), mais peut être due dans
la plupart des cas aux incidents lors du déploiement. En outre, une panne peut aussi
subvenir au cours de la phase opérationnelle du réseau et dans la plupart des cas, une
dissipation complète de la réserve d’énergie. Cependant, la robustesse du réseau est un
paramètre crucial à prendre en considération lors de la conception de tels réseaux ; car
une très grande perte de nœuds non planifiée peut écourter considérablement la durée de
vie du réseau. Ainsi, il est très souhaitable de mettre en œuvre des solutions adaptées de
sorte que les performances du réseau puissent être garanties au mieux tout en annihilant
2.5. Conclusion
21
l’impact des pannes susceptibles de perturber son bon fonctionnement.
2.4.4
Routage et agrégation de données
Les réseaux de capteurs sans fil sont caractérisés par leur forte densité, donc une forte
redondance des données de capture. Laisser à chaque nœud la liberté de transmettre ses
données de capture entrainerait une duplication significative de l’information au niveau de
la station de base et ainsi, une surconsommation (inutile) de l’énergie. De ce fait, un choix
efficace des nœuds relais et une fusion des données reçues de plusieurs sources permettent
de réduire de façon considérable la consommation globale de l’énergie. Cependant, selon
les applications, un compromis se pose souvent entre la qualité des données transmises et
la durée de vie du réseau.
2.4.5
La sécurité
Étant donné qu’un réseau de capteurs sans fil est un type spécial de réseau ad-hoc,
il hérite de caractéristiques de ce dernier. Dans certains cas d’application (surveillance,
etc.), garantir la protection des données est une tâche fondamentale. Mais cela est rendu
difficile, outre l’environnement sans fil, par les contraintes telles que l’accès difficile à la
zone d’intérêt, la faible capacité de traitement et d’énergie des nœuds, etc. Tout cela fait
que le problème de la sécurité dans les réseaux de capteurs sans fil reste une issue très
ouverte et très discutée.
2.5
Conclusion
Dans la première partie de ce chapitre, nous avons abordé les notions de nœud et
de réseau de capteurs sans fil avec leur organisation structurelle et fonctionnelle. Nous
avons par la suite procédé à la présentation d’un panorama de domaine d’application des
réseaux de capteurs sans fil.
Ce chapitre nous a aussi permis, dans sa dernière partie, d’aborder les différentes problématiques relatives à la technologie des capteurs sans fil et les nombreuses interrogations
ouvrant ainsi de nombreuses issues de recherches.
Étant donné que la conservation de l’énergie et la maximisation de la durée peuvent
être considérées comme des défis transversaux tout le long de la conception de réseaux
de capteurs sans fil, nous allons dans la suite de ce manuscrit, tenter de faire une étude
22
Chapitre 2. Généralités sur les réseaux de capteurs sans fil
élargie de ces concepts et passer en revue les différentes solutions qui ont été proposées à
cet effet.
Chapitre 3
État de l’art
Toutes les sciences qui sont soumises à l’expérience et au
raisonnement, doivent être augmentées pour devenir
parfaites ; les anciens les ont trouvées seulement
ébauchées, et nous les laisserons à ceux qui viendront
après nous en un état plus accompli que nous ne les
avons reçues.
Pascal - Fragment d’un traité du vide
Sommaire
3.1
Introduction
3.2
La consommation d’énergie d’un nœud capteur sans fil
. . . . .
24
3.3
Facteurs de surconsommation d’énergie . . . . . . . . . . . . . . .
25
3.4
Notion de durée de vie dans les réseaux de capteurs sans fil . .
26
3.5
Conservation de l’énergie dans les réseaux de capteurs sans fil .
29
3.6
3.1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
3.5.1
Approches basées sur le «Duty Cycling» . . . . . . . . . . . . . . . .
29
3.5.2
Approches orientées données . . . . . . . . . . . . . . . . . . . . . .
32
3.5.3
Approches basées sur la mobilité . . . . . . . . . . . . . . . . . . . .
37
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
Introduction
Un réseau de capteurs sans fil consiste en une multitude de nœuds alimentés par
batterie et déployés dans des zones souvent difficilement accessibles (voire impossible
d’accès). Cependant, la durée de vie du réseau dépend de façon étroite de celle des nœuds
capteurs. C’est ce qui justifie le fait que la durée de vie est l’une des métriques, si ce
24
Chapitre 3. État de l’art
n’est la plus, importante pour l’évaluation des performances des solutions destinées à de
tels réseaux. Ainsi, elle occupe une place remarquable sur les réflexions menées avant et
pendant la conception de protocoles spécialisés pour les réseaux de capteurs sans fil.
Dans ce chapitre, nous allons d’abord passer en revue les différents composants sources
de consommation d’énergie au niveau d’un nœud capteur sans fil. Ensuite, nous allons
essayer d’analyser les facteurs pouvant influencer une surconsommation de l’énergie visà-vis du nœud dans sa conception et dans son fonctionnement en réseau.
La maximisation de la durée d’un réseau de capteurs sans fil, revient à l’optimisation
de la consommation énergétique des nœuds qui le constituent. Après une synthèse des
différentes définitions de la durée de vie, la dernière partie de ce chapitre est consacrée
à une étude détaillée des approches de conservation d’énergie les plus courantes dans la
littérature.
3.2
La consommation d’énergie d’un nœud capteur sans fil
Cette section met en relief la consommation énergétique au niveau des différents composants d’un nœud capteur sans fil. Un nœud capteur sans fil est un dispositif électronique ou encore électromécanique multicomposant. Il est essentiellement composé, selon ce qui est généralement retenu dans la littérature, de quatre composants de base :
l’unité de capture comportant un ou plusieurs capteurs accompagnés de convertisseurs
analogique-numérique, l’unité de traitement (microcontroleur + mémoire), l’unité de
transmission (émetteur-récepteur + antenne) et l’unité d’énergie (batteries 2 AA à 1,5
volt) [Anastasi 2009, Mukherjee 2013]. Nous allons nous focaliser sur la consommation
de ces composantes de base. Néanmoins, selon le type d’application, un nœud peut être
équipé d’autres composantes, comme une unité mobile pour déplacer le nœud ou changer l’orientation de l’antenne, une unité de géolocalisation pour déterminer la position
du nœud, entre autres. Étant donné que ces derniers sont optionnels, ils ne seront pas
considérés dans cette section.
• Niveau capture : L’énergie de capture est dissipée pour accomplir les tâches
d’échantillonnage, de traitement du signal, de conversion analogique/numérique et
d’activation/désactivation de la sonde du capteur. En général, l’énergie de capture
représente un faible pourcentage de la consommation globale d’un nœud donné.
Mais, selon les exigences de certaines applications, elle peut s’avérer non négligeable
[Srivastava 2013].
3.3. Facteurs de surconsommation d’énergie
25
• Niveau traitement : L’énergie de traitement représente la quantité d’énergie dissipée pour le traitement des instructions (énergie de commutation) mais aussi pour le
fonctionnement du microcontrôleur et des mémoires (énergie de fuite). Cette quantité d’énergie est négligeable devant celle dissipée par l’unité de communication. Il
est néanmoins beaucoup plus judicieux de concevoir des solutions et algorithmes
moins gourmands en mémoire et simples en terme de ressources processeur pour
une utilisation raisonnable de l’énergie.
• Niveau communication : la radio d’un nœud capteur fonctionne généralement
suivant quatre modes : émission, réception, passif ou «idle» et veille ou sommeil [Mahfoudh 2008]. Et chacun de ces modes, fonctionne avec différents niveaux
d’énergie ; nous les avons énumérés selon l’ordre décroissant de quantité d’énergie
dissipée. L’énergie dissipée durant les phases de transmission est proportionnelle à
la portée du signal ; c’est-à-dire, plus la puissance du signal est importante, plus
l’énergie l’est aussi. Le mode passif ou idle, mode durant lequel la radio reste allumée et qu’il n’ y ait aucun bit de données à transmettre ou à recevoir, est aussi une
source non négligeable de consommation d’énergie mais est néanmoins moins gourmand que la transmission. Le mode veille est celui avec la plus faible consommation
d’énergie parmi les quatre, dans ce cas, la radio est complètement inactive. Outre
ces quatre modes, l’unité de communication connaît d’autres formes de consommation d’énergie, les phases de transition entre les différents modes [Wang 2007].
3.3
Facteurs de surconsommation d’énergie
• La retransmission : les nœuds capteurs sans fil utilisent le support radio pour
échanger des données. Ainsi, plusieurs transmissions simultanées et dirigées vers une
même destination peuvent aboutir à des collisions au niveau de la destination, d’où
une perte de données. Certaines applications exigent une retransmission des données
perdues ; et cela engendre des coûts supplémentaires en terme d’énergie dissipée. Si
nous considérons une seule retransmission, la quantité d’énergie dissipée est deux
(02) fois celle qui devait être utilisée pour une transmission normale. Beaucoup de
travaux dans la littérature tentent de solutionner ce problème en proposant des
mécanismes d’accès au canal (niveau MAC) taillé pour les réseaux de capteurs sans
fil afin de permettre une utilisation efficiente et efficace de l’énergie.
• L’écoute active : l’écoute active ou encore «idle listerning» se produit lorsqu’un
26
Chapitre 3. État de l’art
nœud est à l’écoute du canal alors qu’il y a aucune transmission. Cela peut, de
façon abusive, engendrer une consommation considérable et inutile d’énergie. La
solution basique qui est préconisée contre ce phénomène est de faire basculer la
radio en mode veille le plus longtemps possible surtout dans le cas des réseaux à
faible trafic.
• L’écoute abusive : l’écoute abusive ou encore «overhearing» se produit lorsqu’un
nœud reçoit des données qui ne lui sont pas destinées. Cela peut engendrer une
surconsommation importante d’énergie surtout dans le cas des réseaux très denses
et à très fort trafic.
• La surcharge : les protocoles d’accès au média et de routage fonctionnent en
échangeant des informations de signalisation, de connectivité, de réservation de
ressources, etc. Ces informations sont connues sous le terme messages de contrôle ou
overhead et permettent de garantir une certaine cohérence du réseau. Cette charge
additionnelle du réseau entraine une consommation supplémentaire de l’énergie
mais aussi une détérioration des performances (si c’est généré de façon abusive).
• La taille des paquets : la taille des paquets transmis peut aussi être source de
surconsommation d’énergie. Ainsi, la taille des paquets ne doit être ni trop courte
ni trop longue. Une taille de paquet trop petite nécessite souvent qu’une donnée
soit segmentée en plusieurs paquets, d’où plusieurs transmissions accompagnées
des informations de contrôle. Le contraire, c’est-à-dire, une taille de paquet trop
importante nécessite elle aussi plus de puissance de transmission donc plus d’énergie
dissipée par la radio.
3.4
Notion de durée de vie dans les réseaux de capteurs
sans fil
Un réseau de capteurs sans fil n’a d’intérêt que s’il reste fonctionnel pendant la durée
d’étude bien déterminée. Cette durée d’étude est souvent définie sous l’appellation durée
de vie du réseau. Ainsi, Chen et al. [Chen 2005] définissent la durée de vie d’un réseau
de capteurs sans fil comme étant le temps écoulé depuis son déploiement jusqu’à ce que
le réseau devient non fonctionnel. La notion «fonctionnel ou non» du réseau peut avoir
plusieurs interprétations selon le type d’application considérée. Dans la littérature, nous
pouvons avoir plusieurs définitions de la durée de vie qui sont généralement basées sur différentes métriques relativement au domaine d’application [Champ 2009, Dietrich 2009].
3.4. Notion de durée de vie dans les réseaux de capteurs sans fil
27
• La durée de vie basée sur la proportion de nœuds opérationnels : c’està-dire le temps écoulé depuis l’activation du réseau jusqu’à atteindre une fraction
définie de nœuds «en survie». Cette métrique est aussi formulée dans la littérature
comme étant la durée de vie k-sur-n. Cependant, cette métrique ne permet pas
de prendre en considération la possibilité de relayer les données jusqu’à la station
de base. Car la proportion de nœuds survivant peut être éparpillée à travers la
zone d’intérêt, ce qui fait que le réseau présente plusieurs segments isolés. Si nous
considérons les applications de sorte que tout nœud peut joindre avec un seul saut
la station de base, les segments isolés ne seront plus un souci mais cela est moins
réaliste car les réseaux de capteurs sans fil sont souvent de nature multi-sauts.
• La durée de vie basée sur la proportion de nœuds «morts» : considérant
cette métrique, nous retrouvons aussi plusieurs variantes. Luo et al. définissent la
durée de vie du réseau [Luo 2011] comme étant le temps écoulé depuis le déploiement du réseau jusqu’à ce que le premier nœud épuise sa batterie ; c’est-à-dire qu’ils
considèrent la fin du réseau 1-sur-n perte de nœud. Tian et al. pour leur part parlent
de la durée de vie [Georganas 2002] en considérant que le réseau devienne plus opérationnel que si tous les nœuds épuisent leurs batteries. Le problème avec cette
métrique est qu’elle néglige, au delà du problème de l’existence de route jusqu’à
la station de base, le fait que la perte ou «mort» d’un nœud peut être due à une
défaillance de l’une de ses unités de base (radio, capteur, etc.). Les auteurs qui utilisent cette métrique supposent que seul l’épuisement de la batterie est susceptible
de provoquer une disparition d’un nœud du réseau ; ce qui n’est pas toujours le cas.
Par exemple pour Luo et al., la durée d’un réseau peut être de quelques secondes si
nous considérons le cas d’un déploiement par largage par avion où certains nœuds
peuvent être défaillants au moment du contact avec le sol.
• La durée de vie basée sur le α-couverture : cette métrique est très utilisée
dans la littérature. Dans les cas d’étude de la couverture par domaine ou «area
coverage», la durée de vie est souvent définie comme étant l’intervalle de temps
entre l’activation du réseau jusqu’à ce qu’une proportion α de la zone d’intérêt
ne soit plus couverte [Zhang 2005a, Zhang 2005b, Zhang 2006, Gentili 2013]. Une
autre variante [Wu 2005] consiste à définir la durée de vie comme étant l’intervalle
de temps écoulé depuis le déploiement jusqu’à ce que le pourcentage de couverture
passe en deçà d’un seuil prédéfini α. Kasbekar et al. [Kasbekar 2011] quant à eux,
considèrent que le réseau atteint sa durée de vie limite dès l’apparition du premier
28
Chapitre 3. État de l’art
trou sur la couverture ; c’est-à-dire que les nœuds restants ne peuvent plus constituer
un ensemble couvrant. Dans [Shirazi 2011], les auteurs définissent la durée de vie
comme étant la durée maximale durant laquelle des événements donnés puissent
être détectés avec une probabilité définie.
• La durée de vie basée sur la connectivité : comme la couverture, la métrique
de durée de vie basée sur la connectivité aussi est très répandue dans la littérature.
Nous avons plusieurs variantes de durée de vie reposant sur la connectivité du
réseau, parmi lesquelles le pourcentage de nœuds pouvant atteindre la station de
base via une communication multi-sauts. Cette définition de la durée de vie utilisée
est celle qui propose une fraction de nœuds opérationnels puis y ajoute la condition
de maintenir une route jusqu’à la station de base [Cărbunar 2006]. Sha et Shi dans
[Sha 2005] combinent la couverture et la connectivité dans leur définition de la durée
de vie. Ils considèrent que la durée de vie du réseau est le temps écoulé depuis le
déploiement jusqu’à ce que la connectivité ou la couverture atteigne un seuil bien
défini.
• La durée de vie basée sur la qualité de service requis par l’application : le
plus souvent dans la littérature, les chercheurs et concepteurs de solutions pour les
réseaux de capteurs sans fil expriment la durée de vie du réseau en matière de qualité
de service (QoS) requis par les applications [Béjar 2012, Chen 2011, Pham 2011,
Zairi 2012]. Le choix de cette métrique nous semble tout à fait cohérent et justifié vu
que tout réseau de capteurs est déployé pour satisfaire un ou des besoins spécifiques ;
c’est-à-dire qu’une application donnée a ses exigences spécifiques qui peuvent être
exprimées en terme de couverture, de débit, de disponibilité, de fiabilité, etc. Chen
et al., définissent la durée de vie en se basant sur le taux de paquets transmis. Pour
cela, ils essayent de déterminer le niveau de redondance optimal pour satisfaire la
QoS désirée et ainsi prolonger la longévité du réseau. D’un autre côté, Pham utilise
le niveau de criticité nécessaire pour la détection des événements dans les réseaux de
capteurs multimédias. Son approche repose sur les courbes de Bezier pour fournir
le niveau de QoS requis et permet en même temps de maximiser la durée de vie du
réseau.
En résumé, une métrique de définition de la durée de vie n’est pertinente que dans le
contexte applicatif dans lequel elle est utilisée. Toutefois, la combinaison de plusieurs
métriques permet de donner plus de souplesse aux solutions destinées aux réseaux de
capteurs sans fil. Ainsi, les objectifs implicites de l’une ou de l’autre définition dans une
3.5. Conservation de l’énergie dans les réseaux de capteurs sans fil
29
solution protocolaire donnée peuvent se résumer en l’efficacité énergétique. Car la finalité
principale qui incite à déployer un réseau de capteurs sans fil, est de collecter des données
relatives à un phénomène dans une zone d’étude donnée et pour une période de temps bien
définie. Atteindre ce temps désiré pour l’étude ou l’observation d’un phénomène physique
donné crée une véritable interrogation aussi bien dans le milieu universitaire qu’industriel.
3.5
Conservation de l’énergie dans les réseaux de capteurs
sans fil
Dans les réseaux ad hoc en particulier les réseaux de capteurs sans fil, la consommation de l’énergie est généralement considérée comme un facteur déterminant et suscite
beaucoup de réflexions. Les concepteurs de solutions pour de tels réseaux se focalisent
souvent sur la qualité de service requise par l’application au premier plan pour ensuite
assujettir cela avec l’efficacité énergétique. Une telle attention est accordée à l’efficacité
énergétique, car le fonctionnement d’un nœud est étroitement lié à la quantité d’énergie disponible dans sa batterie. Ce qui fait que la durée de vie du réseau est en général
fortement dépendante des quantités individuelles d’énergie des différents nœuds capteurs.
Ainsi, plusieurs solutions ont été proposées dans la littérature et utilisent différentes techniques qui peuvent être classées en trois grandes approches (cf. figure 3.1) [Alippi 2009, Anastasi 2009, Mahfoudh 2008, Mukherjee 2013, Srivastava 2013,
Vincent 2007, Wang 2007] : l’approche basée sur le Duty Cycling, celle basée la réduction
des données et enfin l’approche basée sur la mobilité.
Approches de
conservation d’énergie
"Duty Cycling"
Approche orientée données
Approche orientée mobilité
Figure 3.1 – Les approches de bases pour la conservation de l’énergie dans les RCSFs
3.5.1
Approches basées sur le «Duty Cycling»
Le «Duty Cycling» de manière générale consiste à la proportion de temps durant
laquelle un composant, un périphérique ou un système est opérationnel. Dans un contexte
30
Chapitre 3. État de l’art
relatif aux réseaux de capteurs sans fil, le «duty cycling» peut être défini comme étant la
fraction de temps durant laquelle un nœud reste actif (opérationnel). La technique consiste
à mettre les nœuds en mode basse consommation d’énergie dès que nécessaire c’est-à-dire,
s’il y a aucune donnée à transmettre. Cependant, les nœuds en mode économie d’énergie
sont réactivés aussitôt qu’il y a des données à transmettre ou à recevoir. Ainsi, les nœuds
commutent fréquemment entre les modes actif et veille selon l’activité du réseau. Plusieurs
solutions dans la littérature utilisent cette technique surtout au niveau MAC et routage,
et peuvent être classées en deux principales catégories différentes et complémentaires : le
contrôle de topologie et la gestion de la consommation de l’énergie (cf. figure 3.2). Dans
Contrôle
de topologie
Duty
Cycling
Gestion de la consommation d’énergie
Figure 3.2 – L’approche du «duty cycling» dans les RCSFs
un réseau de capteurs sans fil, les nœuds sont souvent déployés en surnombre, créant
ainsi une redondance dans la répartition de ces derniers à travers la zone d’intérêt. Le
contrôle de topologie a pour objectif d’exploiter cette redondance en partitionnant les
nœuds en plusieurs sous-ensembles dont chacun est capable de couvrir la zone d’étude
dans sa totalité (ensembles couvrants) ou partiellement (clusters). Quant à la gestion
de la consommation de l’énergie, elle consiste à mettre les nœuds en mode d’économie
d’énergie lorsqu’ils ne sont pas acteurs d’une communication.
Beaucoup de travaux dans la littérature s’adressent au partitionnement du réseau
en utilisant la redondance des nœuds. Ainsi, le partitionnement peut se faire sur deux
niveaux : spatial ou protocolaire. Nous allons discuter du problème du partitionnement
en considérant le modèle d’organisation protocolaire qui veut que le réseau ait, soit une
structuration plate ou hiérarchique.
3.5.1.1
Partitionnement hiérarchique
Le partitionnement hiérarchique ou encore clustering, consiste à répartir les nœuds en
plusieurs groupes distincts et chacun doté d’un chef de groupe dit chef de cluster ou cluster head (cf. figure 3.3b). Le cluster head a pour rôle de collecter les données des nœuds
membres du cluster qu’il gère avant de les retransmettre vers la station de base soit par un
3.5. Conservation de l’énergie dans les réseaux de capteurs sans fil
31
Noeuds dans l’ensemble couvrant actif
Noeud membre inactif
Points cibles à couvrir
Noeud membre actif
Noeuds dans l’ensemble couvrant inactif
Chef de cluster
Station de base
Station de base
(a) Ensembles couvrants
(b) Clusters
Figure 3.3 – Partitionnement par ensembles couvrants et par clusters dans les RCSFs
saut direct soit en passant par ses homologues jusqu’à atteindre la station de base. Deux
types de communication peuvent être notés dans un réseau hiérarchique, les échanges
intra-clusters où les nœuds membres dialoguent avec le chef, et ceux interclusters où les
chefs de clusters communiquent entre eux pour relayer des données. Ce type de partitionnement permet une efficacité énergétique, car les nœuds membres d’un cluster, s’ils n’ont
aucune donnée à transmettre ou à recevoir, peuvent se mettre en mode d’économie d’énergie. Ce processus est réglementé par un ordonnancement des activités des nœuds, le plus
souvent effectué au niveau MAC. Nous n’ allons pas dans ce travail insister sur comment
les clusters sont établis, mais juste sur la structuration fonctionnelle afin d’économiser
l’énergie. LEACH [Banerjee 2001], est l’un des pionniers dans le domaine, où les chefs de
clusters sont choisis aléatoirement et pour un temps ∆t selon la politique du round robin
pour un équilibrage de la consommation énergétique. Tandis que les nœuds membres de
cluster communiquent, si nécessaire, directement avec leur chef de cluster. Les auteurs
dans LEACH, considèrent que les chefs de cluster peuvent via une communication directe
atteindre la station de base, ce qui n’est pas toutefois très réaliste. Car, dans le cas des
réseaux déployés dans de vastes étendues, il serait très difficile voire impossible que chaque
potentiel chef de cluster puisse être à portée de la station de base. Cependant, plusieurs
variantes ont été proposées pour améliorer le protocole [Farooq 2010, Loscri 2005].
3.5.1.2
Partitionnement plat
Ce mode organisationnel ne définit aucune hiérarchie dans le réseau, de ce fait, tous
les nœuds ont les mêmes responsabilités. Dans ce type de partitionnement, les nœuds sont
organisés soit en sous-ensembles couvrants soit en une organisation libre. L’organisation
32
Chapitre 3. État de l’art
des nœuds du réseau en sous-ensembles couvrants est une technique souvent centralisée
et permet de répartir les nœuds capteurs en plusieurs dont chacun est capable de couvrir
à lui seul toute la zone d’intérêt (cf. figure 3.3a). Ensuite, une politique d’ordonnancement est appliquée pour l’activation des sous-ensembles couvrants un à un permettant
ainsi de prolonger la longévité du réseau d’un facteur k avec k étant le nombre de sousensembles couvrants obtenus [Abrams 2004, Cardei 2005, Slijepcevic 2001, Zorbas 2010].
D’autres solutions adoptent une organisation libre du réseau, où les nœuds effectuent un
ordonnancement de leur activité de façon individuelle. Dans ce cas, chaque nœud choisit
d’entrer en mode actif ou veille en se basant sur le contexte de son voisinage immédiat.
Généralement, dans de tels cas de figure, les réveils sont souvent contrôlés par un processus probabiliste. Ye et al. [Ye 2003], proposent le protocole PEAS qui est un algorithme
distribué utilisant le principe du sondage du voisinage. Ainsi, tous les nœuds doivent procéder au sondage de leur voisinage afin de détecter la présence d’un voisin actif. Si un
nœud se réveille et trouve qu’il y a déjà un voisin actif qui couvre sa zone, il retourne
en mode veille afin d’économiser sa batterie, sinon il commence aussitôt son activité et
assure la surveillance. Les auteurs de PEAS considèrent que le temps de réveil d’un nœud
suit une distribution exponentielle de paramètre λ (λ, représente le taux de sondage du
nœud en question). Cependant, le problème avec ce mode de partitionnement est que les
nœuds en veille ou redondants ne sont pas tout de suite informés lorsqu’il y a disparition
(mort ou panne) d’un nœud actif. Ce qui fait que la capture des événements ne peut pas
être garantie à tout moment. Une solution par rapport à ce problème consiste à doter
les nœuds d’un mécanisme efficace de reprise afin de mettre à jour la topologie en cas de
perte d’un nœud.
En résumé, nous pouvons noter qu’en général, l’approche du duty cycling met en
exergue des techniques d’économie d’énergie vis-à-vis du module radio et vis-à-vis de
l’organisation spatiale du réseau [YILMAZ 2007]. De ce fait, elles oublient souvent le
prélèvement des données.
3.5.2
Approches orientées données
L’approche orientée donnée vient ajouter une autre touche sur l’efficacité énergétique.
Cette approche est mise au point pour réduire le nombre d’échantillonnage tout en maintenant des prélèvements pertinents pour le module de détection. Toutefois, les données
capturées affectent la consommation d’énergie au niveau d’un nœud capteur de deux
manières [Anastasi 2009, Mukherjee 2013] :
3.5. Conservation de l’énergie dans les réseaux de capteurs sans fil
33
Approche
orientée données
Réduction des
données
Traitement
intra-réseau
Compression
des données
Acquissition efficace
des données
Prédiction
des données
Échantillonage
adaptatif
Échantillonage
hiérarchique
Échantillonage
actif
Figure 3.4 – Approche de conservation d’énergie orientée données
• L’échantillonnage excessif ou inutile : en général, les données transmises à la station de base ont une corrélation spatiale et/ou temporelle, entrainant ainsi une
surconsommation au niveau des nœuds responsables. Par exemple, un capteur de
température qui envoie des données toutes les 30 secondes causerait une surconsommation aussi bien au niveau de la détection qu’à la transmission de l’information
vers la station de base.
• La consommation énergétique du module de capture : les opérations de capture
requièrent de l’énergie, qui est souvent négligée dans la conception de solutions
dédiées aux réseaux de capteurs sans fil. Cependant, la consommation énergétique
de l’unité de capture mérite parfois d’être minutieusement étudiée surtout dans
les cas d’application où cette dernière devient une véritable source de dissipation
d’énergie.
L’approche de conservation d’énergie basée sur les données utilise en général, deux principales techniques pour faire face à ces défis ; la réduction des données et l’efficacité énergétique au niveau acquisition (cf. figure 3.4).
3.5.2.1
Réduction des données
Durant ces dernières décennies, le problème de la réduction des données de capture a suscité beaucoup d’attention tant dans le domaine protocolaire que conceptuel
[Santini 2006]. Étant donné que les données collectées ont souvent une corrélation spatiotemporelle, la plupart des solutions proposées dans la littérature s’appuient soit sur la
réduction des données dans le temps soit dans l’espace. Comme illustré dans la figure
3.4, plusieurs techniques agissant sur des niveaux différents ont été proposées pour une
utilisation efficace de l’énergie vis-à-vis de la capture.
34
Chapitre 3. État de l’art
Prédiction des données :
Les techniques de prédiction des données s’appuient sou-
vent sur des modèles décrivant le phénomène surveillé. Ces modèles peuvent être exécutés
à deux niveaux ; au niveau de la station de base ou d’un nœud capteur simple. La station
de base traite les demandes des nœuds capteurs sans avoir recours à des communications supplémentaires. Ce qui permet ainsi de réduire de façon considérable les coûts des
échanges station de base - nœud capteur. Cela est possible seulement avec une "parfaite”
modélisation du phénomène étudié. Quand du coté d’un nœud, ce dernier effectue des
échanges avec la station de base que pour les échantillons de données pertinentes. Ainsi,
Le Borgne et al. proposent dans [Le Borgne 2007], un modèle d’échantillonnage temporel
en se basant sur le modèle Dual Prediction Scheme (DPS). Les nœuds capteurs utilisent le
modèle DPS pour la prédiction des temps d’échantillonnage et ont aussi la possibilité de
sélectionner de façon autonome grâce à la stratégie AMS (Adaptive Model Selection), un
modèle de prédiction parmi plusieurs en se basant sur le contexte actuel du réseau. Leur
solution permet de réduire le nombre d’échanges entre un nœud donné et la station de
base. Santini et al. suivent dans la même optique et proposent une solution de prédiction
adaptative sans se baser ni sur un modèle quelconque ni sur les connaissances à priori du
phénomène observé [Santini 2006]. Les nœuds utilisent l’algorithme Least-Mean Square
(LMS) pour décider s’il faut ou non envoyer des mesures à la station de base. Pour cela,
ils considèrent que l’erreur minimale que l’on peut commettre sur une mesure x[k] est
emax . Et que la station de base n’a pas besoin de connaitre avec exactitude la valeur x[k]
d’une mesure donnée mais plutôt x[k] ± emax . De ce fait, il n’est pas nécessaire d’envoyer
tous les flux de données x[k], mais plutôt envoyer quelques valeurs et la station de base
va reproduire le flux entier avec une certaine précision.
Compression des données : Chez un nœud capteur sans fil, toute capture du
phénomène physique est convertie en un flux binaire grâce à un convertisseur analogique/numérique (ADC). Si chaque nœud se met à communiquer ses échantillons de données vers la station de base (Base Station - BS), la durée de vie du réseau serait écourtée
proportionnellement au taux des échanges inter-nœuds et ceux entre les nœuds capteurs
et la station de base. De ce fait, la compression de données de capture est une issue très
discutée pour optimiser la consommation énergétique au niveau d’un nœud en particulier
et sur tout le réseau en général. Cela a ainsi suscité beaucoup de réflexion et de solutions
proposées dans la littérature [Kimura 2005, Li 2011, Luo 2009, Petrovic 2003].
Mina Sartipi et al. proposent dans [Sartipi 2011] CDS(RW) un algorithme distribué
de compression des données de capture, basé sur la marche aléatoire, indépendant des
3.5. Conservation de l’énergie dans les réseaux de capteurs sans fil
35
informations de routage et de la topologie. Ils partent de la technique dite Compressive
Sensing [Caione 2012] pour permettre aux nœuds de collecter de façon distribuée suffisamment de données puis de les agréger sans pour autant accroitre les coûts des communications inter-nœud. Dans la même lancée, Marcelloni et al. [Marcelloni 2008], proposent
un algorithme simple pour la compression des données de capture. Dans leur solution,
ils considèrent qu’à chaque fois qu’un nœud acquiert une mesure mi , il la convertit en
un flux binaire ri sur R bits ; avec R représentant la résolution du CAN (Convertisseur
Analogique/Numérique). Ensuite, pour une nouvelle capture, le nœud calcule grâce à
l’algorithme de compression, la différence di = ri − ri−1 qui représente l’entropie sur l’encodage. Cela permet de réduire de façon considérable les communications nœuds - BS.
Leur solution permet de faire un gain conséquent de la quantité d’énergie dissipée pour les
transmissions et le calcul mais aussi la quantité de mémoire pour le stockage des données.
Traitement intra-réseau :
Un réseau de capteurs sans fil est souvent composé d’une
multitude de nœuds distribués à travers une zone donnée pour la surveillance d’un phénomène physique. Les nœuds vont collecter de manière distribuée les données puis les
envoyer à la BS. Le traitement en local de toutes ces données pourrait être plus coûteux
que leur transmission vers la BS, pour un traitement centralisé. Cependant, le traitement
de toutes les données au niveau de la BS, contribue à isoler complètement l’utilisateur
du fonctionnement interne du réseau. De ce fait, l’utilisateur ne peut pas interagir directement avec le principal acteur du réseau à savoir le nœud capteur lui-même. Ainsi,
la technique du in-network processing permettrait comme à la manière des proxys d’attribuer certaines tâches d’agrégation et de traitement à des nœuds afin de réduire les
coûts des communications mais aussi de pouvoir fournir des informations avec une certaine fraicheur aux utilisateurs [Fasolo 2007]. Les auteurs dans [Yao 2002], proposent une
solution distribuée de traitement intra-réseau basée sur l’approche Cougar. Leur solution
permet, pour chaque requête d’un utilisateur, l’optimiseur de requête génère un plan de
traitement distribué. Cela permet de soulager l’utilisation des ressources tout en prolongeant la durée de vie réseau. Dans la même optique, Intanagonwiwat et al. proposent dans
[Intanagonwiwat 2002] une approche d’agrégation in-network des données le long d’une
route donnée. Leur solution est basée sur ce qu’ils appellent la greedy aggregation qui est
une nouvelle approche de diffusion pour construire de manière incrémentale l’arbre d’agrégation des données. Pour cela, ils considèrent le plus court chemin entre un nœud source
et la BS, puis les autres sources sont ajoutées en considérant le point le plus proche de
l’arbre existant. Cette approche trouve son importance sur le fait qu’elle peut être couplée
36
Chapitre 3. État de l’art
avec d’autres approches de conservation d’énergie telles que le partitionnement, etc.
3.5.2.2
Acquisition efficace des données
L’acquisition des données est l’une des tâches la plus fondamentales pour un réseau de
capteurs sans fil. Les nœuds sont destinés à collecter des données d’un phénomène physique relativement à un environnement donné. Cependant, le défi majeur qui se présente
est comment pouvoir récolter les informations de manière efficace et intelligente tout en
assurant leur pertinence. En effet, réaliser cet objectif devient pour certaines applications
une contrainte supplémentaire qui s’ajoute à celle de la consommation énergétique relative aux échanges radio. Ainsi, le module de capture peut devenir dans certains cas une
véritable source de surconsommation d’énergie si l’on considère plusieurs facteurs intrinsèques tels qu’un capteur ou CAN gourmand en énergie, les temps de capture très longs,
etc. De ce fait, réduire simplement le nombre de communications ne suffit plus mais l’intégration de nouvelles méthodes de conservation d’énergie au niveau de l’acquisition des
données s’impose afin de permettre une efficacité énergétique plus ou moins acceptable.
Ainsi, une réduction de la consommation d’énergie du module de capture permettrait
aussi une baisse implicite de l’énergie dissipée au niveau de la radio. Plusieurs solutions
ont été proposées dans la littérature et peuvent être classées en trois principales techniques
d’échantillonnage : adaptatif, hiérarchique et actif.
Échantillonnage adaptatif :
L’échantillonnage adaptatif a pour objectif de réduire
le nombre d’échantillons de données générées par un nœud en exploitant la corrélation
spatio-temporelle sur ces données [Kho 2009, Willett 2004a, Willett 2004b]. Kho et al.
[Kho 2009] s’appuient sur la corrélation temporelle pour proposer une méthode de contrôle
distribuée de l’échantillonnage dans un réseau de diffusion. Pour cela, ils subdivisent la
période d’observation en plusieurs intervalles de temps réguliers, et ainsi, chaque nœud
exécute l’algorithme pour déterminer le taux d’échantillonnage adéquat. Ainsi, à chaque
instant, on peut avec une certaine certitude avoir le taux d’échantillonnage d’un nœud
donné. Dans la même lancée, Rebecca Willett et al. proposent Backcasting [Willett 2004a].
L’idée de base dans Backcasting est que, du fait de la densité, tous les nœuds n’ont pas
besoin d’échantillonner des données de capture de manière uniforme à travers la zone
d’intérêt. En fait, plusieurs nœuds peuvent être activés pour capturer des données sensiblement identiques. De ce fait, les nœuds peuvent, au lieu d’effectuer un échantillonnage
continu, estimer l’état du phénomène observé en se basant sur les états précédents. Willett
3.5. Conservation de l’énergie dans les réseaux de capteurs sans fil
37
et al. continuent sur la même optique en proposant une nouvelle méthode d’échantillonnage spatial à trois rounds : «preview», «backcast» et «rafinement». La phase «preview»
consiste à faire une estimation à faible résolution d’une zone donnée puis vient la phase
dite «backcast». La phase «backcast» permet d’activer des nœuds supplémentaires afin
d’avoir une vue nette. Enfin, nous avons la phase dite «raffinement» qui est utilisée pour
avoir l’estimation finale avec une haute résolution.
Échantillonnage hiérarchique : il consiste à équiper les nœuds de plusieurs capteurs
simples et complexes. Les capteurs simples sont à basse consommation mais offrent une
résolution faible sur le phénomène observé. Contrairement aux capteurs simples, ceux
dits complexes sont plus sophistiqués en terme de résolution mais en contrepartie sont
plus gourmands en énergie. L’idée de base consiste à activer d’abord les capteurs basse
consommation pour la détection puis utiliser les capteurs à haute résolution pour raffiner
l’observation.
Échantillonnage actif : L’échantillonnage actif ou «model-based active sampling» est
un peu similaire à l’approche de prédiction des données. Mais contrairement à la prédiction qui effectue un échantillonnage périodique, l’échantillonnage actif s’appuie sur les
données déjà obtenues pour déterminer un modèle qui permettra de déduire l’état futur
du phénomène observé avec une certaine précision. Deshpande et al. [Deshpande 2004]
utilisent cette approche pour proposer BBQ. Leur solution est basée sur un modèle statistique permettant d’optimiser l’échantillonnage des nœuds capteurs. Ainsi, les nœuds
doivent capturer des données si et seulement si le modèle probabiliste n’est pas suffisamment riche pour répondre aux demandes avec une confiance acceptable.
3.5.3
Approches basées sur la mobilité
Outre les approches «duty cycling» et orientées données, la mobilité des nœuds aussi
est souvent utilisée pour une gestion efficiente de la consommation d’énergie dans les
réseaux de capteurs sans fil. Actuellement, la plupart des travaux de recherche dans la
littérature sont axés sur généralement deux principales techniques : la mobilité de la
station de base elle-même ou le choix de nœuds relais mobiles. La mobilité, en plus d’être
une solution au problème de la conservation de l’énergie, permet aussi de compenser un
autre vide relativement à la connectivité des nœuds. Car elle peut permettre de régler
définitivement le problème des zones isolées à cause des trous de couverture.
38
Chapitre 3. État de l’art
3.5.3.1
Techniques basées sur la mobilités de la BS
Les nœuds capteurs sont destinés à collecter des données et de les transmettre vers la
BS (nœud puits ou sink). Le plus souvent, ces communications sont réalisées de manière
multi-sauts, cela produit beaucoup d’échanges radio pour souvent transmettre une information redondante du fait du maillage du réseau. La mobilité du sink, consiste cependant
une solution très adéquate à certains types d’applications, par le fait qu’elle contribue
à réduire considérablement le flux de trafic (funneling effect) vers le nœud sink tout en
assurant la connectivité [Ekici 2006]. La plupart des solutions adoptant la mobilité du
sink utilisent la programmation linéaire (LP) pour optimiser la durée de vie du réseau. La
finalité première de la mobilité du sink est de pouvoir garantir un équilibrage des charges
en ce qui concerne la consommation énergétique, et aussi alléger la tâche de routage.
Wang et al. dans [Wang 2005] proposent une solution exploitant la mobilité du sink pour
une collecte de données efficace garantissant une longévité du réseau. Ils modélisent le
problème en utilisant la programmation linéaire afin de déterminer les déplacements du
sink ainsi que son temps de séjour au niveau de chaque point de collecte. De la même
manière, les auteurs dans [Yun 2010] proposent une solution avec mobilité du sink pour
des applications non contraignantes au délai. Ainsi, ils proposent que les nœuds doivent
stocker temporairement les données puis les transmettre une fois que le sink est dans le
voisinage.
La plupart de ces solutions relèvent du problème d’optimisation et de ce fait, elles
sont approximatives ou simplement applicables à des applications spécifiques.
3.5.3.2
Techniques basées sur la mobilité de nœuds relais
La mobilité du nœud relais est aujourd’hui très utilisée pour la collecte des données
dans les réseaux de capteurs sans fil. L’approche la plus courante consiste à utiliser des
nœuds dits «bac à message ou message ferries». Un bac à message est un nœud spécial
qui se déplace à travers le réseau pour collecter les informations des nœuds capteurs
statiques situés à proximité. Les auteurs dans [El-Moukaddem 2013], passent en revue les
différentes approches de mobilité puis proposent une nouvelle technique permettant de
calculer la trajectoire des nœuds mobiles en s’appuyant sur l’état actuel de la topologie.
En résumé, les solutions basées sur la mobilité utilisent en général des techniques
fondées sur les informations de topologie et négligent souvent la consommation du module
de mobilité intégré dans le nœud.
3.6. Conclusion
3.6
39
Conclusion
Dans ce chapitre, nous avons effectué une étude élargie de la consommation d’énergie
ainsi que les facteurs intrinsèques influençant cette dernière au niveau d’un nœud. Cela, a
permis de conclure que la longévité d’un réseau de capteurs sans fil est étroitement liée à
celle des nœuds qui le composent. Cette contrainte, constitue une influence considérable
pour les chercheurs et concepteurs lors de la mise en œuvre de solutions dédiées à de tels
réseaux.
Nous pouvons retenir, à travers cette étude que les modules de capture et radio, sont
souvent au cœur des sources de surconsommation de l’énergie. De ce fait, tout comme
la radio, le module de capture mérite aussi une attention particulière en ce qui concerne
l’échantillonnage et l’acquisition des données. Ces deux éléments ont suscité beaucoup de
réflexion et de nombreuses solutions ont été proposées, mais ils restent toutefois des issues
assez ouvertes pour une optimisation de la consommation énergétique.
Le dernier volet de notre étude à travers ce chapitre a été consacré aux approches
de conservation d’énergie. Ainsi, le taux de production dans la littérature permet de
déduire que l’approche du duty cycling demeure la plus couramment utilisée. Nous avons
cependant constaté que les promoteurs de cette approche se focalisent le plus souvent
sur l’organisation spatiale du réseau et oublient ou négligent l’impact de l’acquisition des
données sur la consommation énergétique. Car la plupart des solutions mettent en relief
la radio et négligent les autres modules qui, dans certains cas de figure, peuvent eux aussi
être de véritables sources de dissipation d’énergie.
La mobilité est aussi une autre issue très prisée pour réduire la consommation énergétique des nœuds et par conséquent prolonger la durée de vie du réseau. Cependant, cette
approche se heurte souvent, outre la nature accidentée des terrains observés, au problème
du module de déplacement «mobilizer» qui est souvent très gourmand en énergie.
Nombreuses sont les approches et techniques détaillées dans ce chapitre, mais la liste
est toutefois loin d’être exhaustive. Cela, nous mène dans la suite de ce travail à se pencher
sur les solutions protocolaires que nous avons proposées pour optimiser la durée de vie
du réseau en guise de contribution.
Chapitre 4
Sentinel : un modèle probabiliste
basé sur la distribution de Weibull
La science ne connaît qu’une loi : la contribution
scientifique.
Galilée - La Vie de Galilée, Bertolt Brecht (trad. Éloi Recoing)
Sommaire
4.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
41
4.2
Modèle de probabilité pour l’étude de la durée de vie . . . . . .
42
4.3
4.4
4.1
4.2.1
La distribution exponentielle . . . . . . . . . . . . . . . . . . . . . .
43
4.2.2
La distribution de Weibull . . . . . . . . . . . . . . . . . . . . . . . .
44
Le modèle Sentinel
. . . . . . . . . . . . . . . . . . . . . . . . . . .
44
4.3.1
Prolongation de la durée de vie avec le modèle Sentinel . . . . . . .
45
4.3.2
Description des états d’un nœud Sentinel . . . . . . . . . . . . . . .
47
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
Introduction
La conservation de l’énergie ou encore l’optimisation de la durée de vie constitue l’un
des critères clés de performance pour les réseaux de capteurs sans fil. Plusieurs solutions
existantes dans la littérature s’appuient sur la technique d’ordonnancement d’activité ou
scheduling pour prolonger la durée de vie du réseau. Cependant, la plupart de ces solutions
utilisent des modèles peu réalistes par rapport aux réseaux de capteurs sans fil. Car elles
considèrent souvent un ordonnancement périodique des activités des nœuds du réseau. De
ce fait, la maintenance du réseau nécessiterait, au plus, un délai égal à la période après
qu’une panne soit survenue. Cela signifie que dès qu’une panne survient, aucun événement
Chapitre 4. Sentinel : un modèle probabiliste basé sur la distribution de
42
Weibull
ne sera plus détecté sur la zone concernée jusqu’à la prochaine période. Donc, ces modèles
ne prennent pas en considération de manière réaliste la forte probabilité de panne dans
les réseaux de capteurs sans fil. Or, ces dernières peuvent avoir un impact significatif sur
la surveillance et la détection de phénomènes physiques sur la zone d’intérêt.
Dans ce chapitre, nous présentons un modèle probabiliste pour prolonger la durée de
vie des réseaux de capteurs sans fil. Le modèle que nous dénommons Sentinel est inspiré
du principe des gardes au niveau des zones militaires. C’est-à-dire, pour des endroits
stratégiques, on positionne des sentinelles pour assurer la surveillance et cela à tour de
rôle. Ainsi, au niveau d’un réseau de capteurs sans fil très dense, nous sélectionnons un
sous-ensemble minimal de nœuds qui seront désignés sentinelles. Les nœuds sentinelles
vont rester en mode actif pour assurer la garde. Afin de mieux exploiter la redondance
des nœuds et ainsi augmenter la durée de vie du réseau, les nœuds redondants passent
en mode d’économie d’énergie grâce à une technique d’ordonnancement adaptatif. Le
modèle Sentinel, pour gérer les réveils des nœuds redondants, s’appuie sur la distribution
de probabilité de Weibull pour déterminer les temps de veille des nœuds et la mise à jour
de leur taux de sondage.
4.2
Modèle de probabilité pour l’étude de la durée de vie
Les contraintes financières mais aussi d’accès aux zones de déploiement obligent les
concepteurs des réseaux de capteurs sans fil à améliorer la fiabilité des réseaux déployés.
Les concepteurs doivent mettre en œuvre des mécanismes adaptés afin d’assurer une disponibilité du réseau et à coût raisonnable. Pour cela, il est nécessaire de définir des politiques adaptées de prévention de panne mais aussi de reprise. C’est-à-dire des mécanismes
pouvant regrouper les deux piliers de bases de la maintenance à savoir la maintenance
préventive et celle corrective. La mission d’un mécanisme de maintenance pour un réseau
de capteurs sans fil est en priorité de :
— Assurer une disponibilité optimale du réseau ;
— Maintenir l’aptitude à réagir très vite face aux pannes de nœuds ;
— Assurer une gestion efficiente de l’énergie.
Cela évoque des questions qui méritent une importante réflexion sur les objectifs et le choix
des différents critères. Faut-il assurer la disponibilité du réseau quelqu’en soit le prix (par
rapport à la consommation d’énergie) ou (faut-il) assurer la disponibilité du réseau en
prenant en considération les contraintes énergétiques ? Répondre à ces questions serait
une tâche très difficile si nous considérons un réseau en général. Mais des éléments de
4.2. Modèle de probabilité pour l’étude de la durée de vie
43
solutions peuvent surgir dès que nous essayons de les traiter suivant des contextes bien
définis.
La fiabilité d’un système peut être définie qualitativement et quantitativement selon
AFNOR 1 .
Qualitativement : la fiabilité est l’aptitude d’un système à accomplir une fonction
requise dans des conditions données et pendant une période donnée.
Quantitativement : c’est la probabilité qu’un système accomplisse une fonction requise
dans des conditions données, pendant une période donnée.
Les problèmes de la fiabilité et de la maintenance ont, pendant très longtemps, suscité
des réflexions visant à amoindrir les coûts dans plusieurs domaines notamment l’électronique, l’hydraulique, l’aéronautique, etc.. Beaucoup de modèles mathématiques sont
utilisés pour analyser ces problématiques. Dans ce chapitre nous allons présenter le modèle
basé sur la distribution exponentielle et sur celle de Weibull.
4.2.1
La distribution exponentielle
En fiabilité, la loi exponentielle est très utilisée pour représenter la durée de bon fonctionnement des systèmes notamment les systèmes électroniques. Elle permet de modéliser
la durée de vie d’un système S ou son temps de bon fonctionnement. Nous considérons
T la variable aléatoire qui à tout système S associe son temps de bon fonctionnement
ou encore TBF (Time Between failure). La densité de probabilité de T , notée f (t) est
appelée densité de défaillance.
Fonction de défaillance du système S : la fonction de répartition ou la probabilité
que le système ait une défaillance avant l’instant t est donnée par :
F (t) = P rob(T ≤ t) =
Z t
f (x)dx
0 ≤ F (t) ≤ 1
(4.1)
0
Le taux de défaillance est donné par :
h(x) =
f (x)
f (x)
=
=λ
1 − F (x)
R(x)
(4.2)
Le taux de défaillance de la distribution exponentielle est constant, c’est-à-dire indépendamment du temps de fonctionnement du système. Quelles que soient les interactions
entre les différents composants du système, ce taux reste inchangé et ne subit pas les
influences des changements de comportement des composants voire du système lui-même.
1. Association Française de Normalisation, www.afnor.org
Chapitre 4. Sentinel : un modèle probabiliste basé sur la distribution de
44
Weibull
4.2.2
La distribution de Weibull
La loi de Weibull [Weibull 1951], très utilisée en fiabilité, permet de déterminer la
probabilité qu’un système S fonctionne pendant une durée T sans défaillance avec T > t.
Cette probabilité peut être formulée suivant la relation suivante.
t
P rob(T > t) = e−( α )
En d’autres termes,
t β
α
β
(4.3)
suit une loi exponentielle et nous obtenons la densité de t par
la relation (4.4).
f (t) =

β
 (βt)β−1 e−( αt )
αβ

t, α, β > 0
(4.4)
sinon
0
Où α est le paramètre d’échelle et β le paramètre de forme. Et le taux de défaillance de
Weibull est obtenu grâce à la relation suivante :
1
P (t < X ≤ t + ∆t | X > t)
∆t→0 ∆t
h(t) = lim
f (t)
1 − F (t)
Et ainsi, nous obtenons à partir de l’équation (4.6) :
h(t) =
h(t) = λ(t) =
β
α
β−1
t
α
(4.5)
(4.6)
(4.7)
La forme de la fonction de hasard dépend de la valeur du paramètre de forme β
[Barriga 2011]. Il peut prendre des valeurs entre 0 et 4 et présente des valeurs particulières. C’est ce qui fait que la loi Weibull peut substituer avec des valeurs particulières
de β d’autres lois telles que normales, log-normales, exponentielles, etc.
— Si β < 1, le système est dans sa phase infantile.
— Si β = 1, le système est dans une période dite de vie utile ou de panne fortuite. Dans
ce cas, le système suit une loi exponentielle avec un taux de défaillance constant en
fonction du temps. C’est-à-dire que la fiabilité du système est indépendante de son
âge. Elle ne dépend que de la durée de l’étude ou encore de la durée de la mission.
— Si 1 < β < 4, dans ce cas, le système est dans sa phase de vieillissement et la
probabilité de pannes est fonction de son âge.
4.3
Le modèle Sentinel
Le modèle Sentinel que nous utilisons ici a été inspiré du système de garde dans
l’armée où des sentinelles sont positionnées à des endroits stratégiques afin de prévenir
4.3. Le modèle Sentinel
40
30
10
20
Node Sleep Time
50
60
45
0
20
40
60
80
100
Time
Figure 4.1 – Évolution du temps de veille des nœuds en fonction du temps
d’éventuelles intrusions. Nous nous sommes inspirés de ce modèle basé sur la distribution
de probabilité de Weibull (Équation 4.4) pour proposer le modèle Sentinel.
4.3.1
Prolongation de la durée de vie avec le modèle Sentinel
Le modèle Sentinel, s’appuie sur la distribution de Weibull et consiste à sélectionner,
dans un réseau très dense, un sous-ensemble minimal de nœuds sentinelles qui vont assurer
la garde, permettant ainsi aux autres nœuds redondants de se mettre en mode d’économie
d’énergie. Contrairement au principe des gardes dans l’armée, dans le modèle Sentinel,
nous considérons qu’un nœud, une fois qu’il est désigné sentinelle, doit rester dans cet
état jusqu’à l’épuisement de sa batterie. Une sentinelle est un nœud qui est en pleine
activité avec tous ses composants de base fonctionnels. Le choix de Weibull se justifie par
le fait que cette loi est très utilisée en fiabilité notamment pour l’étude de la durée de vie
des systèmes électroniques et mécaniques mais aussi qu’elle prend en considération l’effet
de fatigue ou d’usure [Talreja 2013]. De ce fait, les nœuds redondants, qui sont utilisés
pour assurer la relève dans la tâche de surveillance, vont s’appuyer sur le modèle Sentinel
pour mettre à jour dynamiquement leurs paramètres et déterminer leur temps de veille
(pour de plus amples détails cf. chapitre 5). Cela signifie que ces derniers, étant en mode
Chapitre 4. Sentinel : un modèle probabiliste basé sur la distribution de
46
Weibull
d’économie d’énergie c’est-à-dire en mode veille, doivent se réveiller par moments afin
de vérifier si la sentinelle du voisinage est toujours «debout». Pour cela, ils se mettent à
chaque réveil dans un état intermédiaire dit état de sondage où ils envoient des messages
1.0
0.0
0.5
Node Probe Rate
1.5
2.0
sondes pour détecter la présence d’une sentinelle.
0
200
400
600
800
1000
Time
Figure 4.2 – Évolution du taux de sondage d’un nœud donné en fonction du temps
L’originalité du modèle Sentinel repose sur le fait qu’il permet la détermination du
temps de veille des nœuds redondants en prenant en considération l’effet de l’usure. C’està-dire, que nous considérons que la probabilité de panne d’un nœud sentinelle augmente
en fonction du temps. De ce fait, les nœuds redondants doivent prendre en compte cette
contrainte et ainsi, ajuster leur temps de veille. Ce qui fait que nous aurons théoriquement
le temps de veille d’un nœud redondant qui décroît et tend vers zéro dans le temps (cf.
figure 4.1). Cela permet, aux systèmes de réveil périodique, de maintenir très rapidement
la topologie en cas de panne. Cependant, il faut remarquer que le modèle Sentinel permet
la mise à jour des paramètres des nœuds dynamiquement et cela sans avoir un stockage
d’information de voisinage ou de topologie. Nous notons que la probabilité de défaillance
d’un nœud croît avec le temps (cf. figure 4.2), d’où le temps de veille qui est inversement
proportionnel décroît progressivement et tend vers zéro.
Une autre particularité de Sentinel relève du fait que c’est un modèle totalement
distribué et que les mises à jour au niveau d’un nœud peuvent s’effectuer indépendamment
4.3. Le modèle Sentinel
47
des autres. La seule influence que le voisinage peut avoir sur un nœud donné, est la
contribution par réponse des messages sondes durant la phase de sondage. Un nœud sonde
qui se retrouve à la fin de sa phase de sondage, prend une décision non pas par rapport
à ses homologues mais juste par rapport à l’issue de son dialogue avec les éventuelles
sentinelles.
4.3.2
Description des états d’un nœud Sentinel
Sleep
<sleep timer expire>
<receive notification from
older active neighbors>
<receive probe reply from
active neighbors>
Probing
Working
<wait for probe reply
timer expire>
<out of energy>
Dead
Figure 4.3 – Transition des états d’un nœud sentinel
Cette section présente les différents états d’un nœud fonctionnant avec le modèle
Sentinel. Nous considérons qu’un nœud peut se mettre sous l’un des modes suivants :
veille, sonde, actif ou mort. Chacun de ces modes met les différents modules de base du
nœud sous différents états.
Mode veille :
c’est le mode initial des nœuds au déploiement. En mode veille, un nœud
met ses unités de communication et de capture éteintes tandis que son microcontrôleur
Chapitre 4. Sentinel : un modèle probabiliste basé sur la distribution de
48
Weibull
reste actif c’est-à-dire que les composants de base du nœud sont à l’état suivant : radio_off,
sensor_off, cpu_on. Durant ce mode, chaque nœud calcule son temps de veille en fonction
de ses paramètres initiaux puis s’endort pendant ce temps.
Mode sonde :
le mode sonde est un mode intermédiaire permettant aux nœuds de
réserve de vérifier autour de leur voisinage si une sentinelle est toujours debout ou pas.
Pour cela, un nœud se trouvant dans ce mode interroge son voisinage en envoyant trois
(03) messages de découverte puis attend une réponse pendant un temps tw (compteur
d’attente) durant lequel il se met à l’état suivant : radio_rx, sensor_off, cpu_on. De ce
fait, le nœud sonde met ses modules de base sur l’état suivant : radio_tx, sensor_off,
cpu_on. Si le nœud reçoit une réponse d’une sentinelle voisine avant l’expiration de son
compteur d’attente, il met à jour son paramètre de sondage, recalcule son temps de veille
puis retourne en mode veille. Sinon, c’est-à-dire que le nœud ne reçoit aucune réponse
jusqu’à l’expiration du compteur, et dans ce cas, le nœud décide immédiatement de monter
la garde et bascule en mode actif.
Mode actif :
un nœud se met dans ce mode si et seulement s’il ne détecte aucune
sentinelle dans son voisinage. Et dans ce cas, il se déclare sentinelle et se met à l’état
suivant : radio_on, sensor_on, cpu_on. C’est-à-dire qu’il commence à remplir pleinement sa fonction de capteur proprement dit en assurant la surveillance, la détection et la
transmission des événements relativement à la zone dédiée et cela jusqu’à ce qu’il épuise
sa batterie.
Mode mort :
ce mode met fin au processus de vie d’un nœud capteur sans fil (ra-
dio_off, sensor_off, cpu_off ). Un nœud se retrouve dans ce mode lorsque sa réserve
d’énergie est épuisée en général ou encore qu’une défaillance d’un de ses modules de base
(radio, le ou les capteurs, etc.) ait été notée. Pour des soucis de simplicité de modélisation, nous considérons que la seule source de défaillance d’ un nœud est l’épuisement de
sa batterie.
4.4
Conclusion
Nous avons présenté dans ce chapitre notre modèle Sentinel sur lequel nous nous
appuyons pour élaborer nos différentes contributions dans cette thèse. Le modèle que
nous avons présenté, tire son fondement de la distribution de probabilité de Weibull qui
4.4. Conclusion
49
s’avère être une loi très répandue dans le domaine de l’étude de la durée de vie ou de
survie des systèmes notamment ceux électroniques. Nous avons aussi fait une présentation
de la distribution exponentielle car dans le chapitre 5, nous avons comparé notre solution
avec celle proposée dans [Ye 2003] qui utilise cette loi de probabilité.
Nous avons noté à travers ce chapitre, une différence du point de vue du vieillissement
du système avec ces deux lois de probabilité. La loi exponentielle considère que le taux
de panne du système est constant et ne dépend que de la période d’étude. Donc ne
prend pas en compte l’effet de l’usure des composants du système. Contrairement à la
loi exponentielle, Weibull a une fonction de hasard qui est fonction du temps et dont la
forme dépend du paramètre de forme β.
Le modèle que nous avons proposé dans ce chapitre est totalement distribué et permet
de garantir la mise à jour des paramètres des nœuds sans avoir à stocker des informations
de voisinage ou de topologie. En outre, Sentinel permet de prendre en considération l’effet
du vieillissement des nœuds c’est-à-dire de l’usure d’un ou plusieurs de ses composants en
particulier la batterie. De ce fait, il constitue un modèle efficace pour la conservation de
l’énergie mais aussi la maintenance de la topologie.
La suite de ce travail, sera consacrée à l’implémentation de solutions d’ordonnancement
basées sur le modèle Sentinel, cela afin de tirer un meilleur profit de la redondance du
réseau.
Chapitre 5
Méthode d’ordonnancement basée
sur l’approche Sentinel
Une des causes principales de la misère dans les
sciences est qu’elles se croient riches, le plus souvent
présomptueusement. Leur but n’est pas d’ouvrir une
porte à la sagesse infinie mais de poser une limite à
l’erreur infinie.
Galilée - La Vie de Galilée, Bertolt Brecht (trad. Éloi Recoing)
Sommaire
5.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.2
Ordonnancement des activités des nœuds . . . . . . . . . . . . . .
53
5.3
5.4
5.5
5.2.1
Terminologies utilisées . . . . . . . . . . . . . . . . . . . . . . . . . .
54
5.2.2
Gestion efficace de la redondance . . . . . . . . . . . . . . . . . . . .
55
5.2.3
Contrôle des conflits de surveillance des sentinelles . . . . . . . . . .
56
Gestion efficiente de l’énergie . . . . . . . . . . . . . . . . . . . . .
58
5.3.1
Méthode de calcul distribuée du temps de veille . . . . . . . . . . . .
58
5.3.2
Ajustement dynamique des paramètres des nœuds . . . . . . . . . .
60
Évaluation de performances . . . . . . . . . . . . . . . . . . . . . .
61
5.4.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . .
61
5.4.2
Efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
5.4.3
Gestion des messages de contrôle . . . . . . . . . . . . . . . . . . . .
64
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
52
5.1
Introduction
Les réseaux de capteurs sans fil sont aujourd’hui une technologie très prometteuse et
sont omniprésents dans toutes nos activités quotidiennes. De tels réseaux sont composés
de plusieurs nœuds minuscules, souvent alimentés par batterie, dotés de capacités de collecte, de calcul et de transmission de données physiques relativement à l’environnement
de déploiement. Cependant, les réseaux de capteurs sans fil font face au défi de la gestion
efficace de la batterie des nœuds qui ont une durée de vie limitée et cela est dû au fait
que les zones d’études sont souvent difficilement accessibles, le rechargement ou le changement de la batterie des nœuds est une tâche quasi impossible. De ce fait, le temps de
fonctionnement d’un nœud capteur sans fil est étroitement lié à sa durée de vie. Ainsi, cela
devient une contrainte transversale pour tout concepteur, de prendre en considération la
gestion efficace et efficiente de l’énergie pour les solutions dédiées aux réseaux de capteurs
sans fil. L’une des solutions les plus utilisées dans la littérature consiste à déployer une
quantité excédentaire de nœuds et d’exploiter la redondance afin d’atteindre la durée de
vie désirée. Cela passe par un ordonnancement des activités des nœuds pour en sélectionner un sous-ensemble actif et faire dormir le reste afin qu’ils puissent économiser leurs
batteries. Cependant, il s’avère judicieux de planifier des règles efficaces pour le contrôle
et l’activation des nœuds redondants.
Dans ce chapitre, nous proposons ALARM, une méthode d’ordonnancement basée sur
l’approche Sentinel. La solution proposée, s’appuie sur la technique d’ordonnancement
adaptatif ou adaptive scheduling technique et utilise un modèle probabiliste pour la gestion
des nœuds redondants. La plupart des solutions d’ordonnancement qui existent dans la
littérature, utilisent des modèles de probabilités comme c’est le cas avec le protocole PEAS
dans [Ye 2003].
Pour notre part, nous avons choisi le modèle probabiliste avec la distribution de Weibull comme loi de probabilité utilisée pour le calcul des paramètres des nœuds du réseau.
Le choix de la distribution de Weibull est motivé par le fait qu’elle est très adaptée et
aussi très utilisée pour l’étude de la durée de vie des composants électroniques. Car la
distribution de Weibull permet de prendre en considération l’effet de l’usure du composant dans le temps. Cet effet d’usure des composants électroniques est en corrélation avec
la probabilité de panne de ce dernier ; c’est-à-dire que plus un composant dure dans le
temps, plus sa probabilité de défaillance augmente.
Ainsi, ALARM permet une utilisation efficace de la redondance avec la sélection de
manière distribuée d’un sous-ensemble minimal de nœuds sentinelles pour assurer la sur-
5.2. Ordonnancement des activités des nœuds
53
veillance. Afin d’assurer une disponibilité du réseau durant tout son fonctionnement, nous
proposons une procédure de mise à jour dynamique et distribuée des paramètres des nœuds
redondants. En effet, cette procédure de mise à jour des propriétés des capteurs redondants ou encore nœuds de réserve utilise la distribution probabiliste de Weibull afin de
prendre en compte l’accroissement de la probabilité de défaillance des nœuds en fonction
du temps. Cela passe par l’ajustement automatique du temps de sommeil proportionnellement à cette probabilité de défaillance. Ainsi, nous avons le temps de veille des nœuds
redondants qui décroît progressivement vers zéro. Outre la mise à jour dynamique et la
gestion distribuée des réveils des nœuds redondants, nous avons réalisé à travers la solution ALARM l’optimisation de l’utilisation des messages de contrôle. Contrairement à la
solution présentée dans [Kasbekar 2011] où les auteurs utilisent un échange de messages
de contrôle actif, ALARM utilise un échange passif afin de réduire la surcharge due aux
messages de contrôle.
Nous avons ensuite validé par simulation la solution proposée sous l’environnement
OMNeT++ couplé avec son framework Castalia. Ainsi, nous avons procédé à une analyse
comparative avec le protocole PEAS qui utilise la même approche d’ordonnancement
qu’ALARM.
5.2
Ordonnancement des activités des nœuds
Les réseaux de capteurs sans fil connaissent aujourd’hui un essor fulgurant pour la surveillance mais aussi pour l’exploration des environnements qui ont été pendant longtemps
difficilement accessibles aux hommes. Ils ont permis aujourd’hui au monde scientifique de
franchir ce gap et de pouvoir mettre en place des systèmes d’études et d’alertes dans des
zones les plus hostiles à l’accès humain notamment les volcans, etc. Ces réseaux, malgré
leur charme vis-à-vis du monde scientifique et industriel, font face à de nombreux défis en
particulier la gestion efficace de l’énergie. Essentiellement composés de nœuds capteurs
sans fil, qui sont dépendants de leur batterie, le bon fonctionnement et/ou la durée de
vie de tels réseaux sont étroitement liés à la survie de la batterie des nœuds. Cependant,
il est judicieux, lors de la conception de solutions pour ces réseaux, de bien prendre en
considération ces contraintes. Plusieurs techniques (acquisition des données, routage, ordonnancement d’activité, etc.), à travers plusieurs solutions, ont été proposées dans la
littérature.
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
54
5.2.1
Terminologies utilisées
Le concept Sentinel, utilisé ici, est inspiré du processus des gardes dans les zones
militaires, où pour un endroit stratégique, une sentinelle monte la garde pour assurer
la surveillance pendant une période donnée. Le même principe est adopté ici, sauf que
nous considérons qu’une fois qu’un nœud prend le rôle de sentinelle, il le garde jusqu’à
l’épuisement de sa batterie ou qu’il soit désactivé par une autre sentinelle (ce cas sera traité
plus loin dans ce chapitre). Ainsi, un sous-ensemble de nœuds sentinelles est sélectionné
pour assurer la surveillance. Pour cela, nous considérons :
• Ω = {ω0 , ω1 , ...ωn } : l’ensemble des nœuds déployés sur la zone d’intérêt ;
• S = {s0 , s1 , ..., sm } : l’ensemble des nœuds sentinelles sélectionnés pour la surveillance ;
• S¯ = Ω − S : l’ensemble des nœuds redondants utilisés pour la maintenance ; S¯ =
{n0 , n1 , ...nl }.
Nous considérons dans notre étude, un réseau dense et homogène, où chaque nœud capteur
sans fil assure la couverture de tout point situé dans sa zone de capture. La zone de
capture est un disque C de centre O(x, y) et de rayon de capture Rs ; où le point O(x, y),
représente la position du nœud dans la zone d’intérêt. Les nœuds doivent communiquer
entre eux et le rayon de communication, Rc est considéré égal à la moitié du rayon de
capture (Rs = 2Rc ). Nous considérerons aussi que chaque nœud est équipé d’une unité
de géolocalisation (GPS) qu’il utilise, tout au début et une seule fois, pour déterminer
sa position dans la zone d’intérêt. Pour une utilisation efficace de la redondance et pour
assurer une bonne connectivité entre les nœuds sentinelles, nous considérons les propriétés
suivantes :
Propriété 1. Redundant Node Sleep Scheduling - RNSS
Un nœud est considéré redondant si et seulement si toute sa zone de capture est couverte
par ses voisins.
La redondance totale ou complète est souvent difficile à accomplir surtout pour les
zones clairsemées. Cependant, nous posons une contrainte sur la connectivité des nœuds
sentinelles.
Propriété 2. Strongly Connected Active Node - SCAN
Nous considérons que les nœuds actifs ou nœuds sentinelles doivent être deux à deux
séparés d’une distance seuil δ ≤ 2Rs .
5.2. Ordonnancement des activités des nœuds
5.2.2
55
Gestion efficace de la redondance
Dans ce chapitre, nous proposons une solution utilisant la technique d’ordonnancement
en particulier, l’ordonnancement adaptatif de l’activité des nœuds afin de prolonger la
durée de vie du réseau. La solution proposée, permet au réseau d’avoir suffisamment
d’autonomie afin de sélectionner de manière collaborative un sous-ensemble de nœuds
dits sentinelles pour assurer la surveillance de la zone d’intérêt pendant que les autres
nœuds ou nœuds redondants sont en veille pour économiser leur batterie.
Cependant, une mauvaise planification de l’ordonnancement des nœuds peut introduire des angles morts dans la surveillance ou encore trous de couverture, comme c’est
le cas dans la figure 5.1-(b). Dans LDAS [Wu 2005], les auteurs définissent la notion
de redondance complète (voir Propriété 1) comme illustrée dans la figure 5.1-(a). Dans
l’exemple de la figure 5.1-(a), le nœud n2 , dont la zone de couverture est représentée par
un cercle en pointillé, est considéré comme étant complètement redondant car sa zone
est couverte par les nœuds sentinelles s1 , s5 , s6 et s10 . Ainsi, le nœud n2 peut passer en
mode veille afin d’économiser sa batterie et va devoir se réveiller après ts pour vérifier si
sa redondance est toujours maintenue.
Pour une meilleure efficacité du réseau, nous considérons la redondance des nœuds
à travers la zone d’intérêt. Ainsi, nous utilisons la propriété RNSS, qui nous permet de
mettre en veille tous les nœuds redondants et ainsi sélectionner un sous-ensemble minimal
de nœuds sentinelles pour assurer la surveillance. Le sous-ensemble des nœuds sentinelles
est construit en considérant qu’au déploiement, tous les nœuds sont en mode veille pendant
une durée tsinitial calculée en fonction de la loi de Weibull. Ainsi, un nœud est initialement
considéré comme nœud de réserve et au bout de son temps de veille, il passe en mode
sonde afin de vérifier la présence d’une sentinelle dans son voisinage. Pour cela, un nœud
sonde (en mode sonde) envoie des messages de sondage en y incluant sa localisation,
ensuite attend une réponse d’une éventuelle sentinelle pendant un temps tw . S’il ne reçoit
aucune réponse jusqu’à l’expiration du temps d’attente tw , il décide de monter aussitôt la
garde afin d’assurer la surveillance de sa zone dédiée. Le même principe est adopté par les
autres nœuds jusqu’à ce que toute la zone d’intérêt soit couverte. Donc la sélection des
nœuds sentinelles se fait à travers une compétition, qui consiste à élire le nœud qui se lève
le plus tôt possible. Et tous les autres nœuds situés dans une zone donnée, trouveront une
sentinelle pour répondre à leurs messages de sondage. De ce fait, tout nœud qui reçoit
une réponse vérifiant la propriété SCAN, doit retourner en mode veille. Mais avant cela,
il met à jour son taux de sondage puis recalcule son nouveau temps t. Nous montrerons
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
56
(a)
Completly redundant node
(b)
Blind sectors
Figure 5.1 – Redondance totale ou complète (a) et redondance partielle (b)
comment on calcule t à la page 60.
5.2.3
Contrôle des conflits de surveillance des sentinelles
Les communications dans les environnements sans fil sont souvent sujettes à de nombreux problèmes tels que la sécurité des données, les collisions entre les échanges, etc.
Dans un réseau sans fil en général et dans un réseau de capteurs sans fil en particulier, le
média de communication est partagé et est souvent perturbé par le bruit externe entrainant ainsi beaucoup de perte dans les transmissions de messages. À cause des collisions et
de la nature de l’environnement (souvent très hostile), certains échanges entre les nœuds
capteurs sans fil n’aboutissent pas avec les résultats escomptés. De ce fait, dans le cas de
notre étude, nous avons constaté par expérimentation qu’un nœud sonde (nœud de réserve en mode sonde ou probing) pouvait envoyer des messages sonde dans son voisinage.
Et nous avons constaté que soit les messages eux-mêmes (flèche 2 de la figure 5.2) soit les
réponses des nœuds sentinelles (flèche 1 de la figure 5.2) pouvaient ne pas arriver jusqu’à
destination.
Comme premier élément de solution à ce fléau, nous avons essayé d’augmenter les
chances du nœud sonde à atteindre une sentinelle, si elle existe dans le voisinage, en
faisant passer le nombre de messages sonde envoyés pour chaque phase à 3. Mais nous
avions remarqué que cela permettait de réduire ces problèmes que dans un seul sens et
de ce fait, un nœud pouvait attendre jusqu’à l’expiration de son temps d’attente tw sans
recevoir de réponse d’une éventuelle sentinelle située dans son voisinage. Et de ce fait, il
passe en mode actif et monte la garde, croyant qu’aucune autre sentinelle est en garde.
Cela est considéré comme un conflit sur la surveillance de la zone partagée entre ces deux
nœuds. Ainsi, pour résoudre ce problème, c’est-à-dire lever le conflit sur la couverture,
nous avons introduit l’algorithme dit activity withdrawal. La solution consiste à imposer
5.2. Ordonnancement des activités des nœuds
57
Noeud sonde
2
1
Noeud sentinelle
Figure 5.2 – communication entre nœud sonde et sentinelle
à chaque nœud sentinelle d’introduire, outre sa position, sa durée d’activité dans ses
réponses aux nœuds sondes. Ainsi, le ou les nœuds sentinelles voisins pourront utiliser ces
informations afin de prendre une décision (voir Algorithme 1).
Pour expliquer le fonctionnement de l’algorithme activity withdrawal, nous considérons
le scénario de la figure 5.3 où nous avons une zone donnée avec deux nœuds sentinelles s5
et s0 et des nœuds de réserve n4 , n10 et n20 . Supposons que le nœud n10 passe en mode
sonde et envoie des messages sonde afin de détecter la présence de sentinelles. Les nœuds
s0 et s5 vont tous deux recevoir les messages sonde puis répondre à n10 en incluant dans
leurs réponses, leur position et leur durée d’activité (c’est-à-dire le temps écoulé depuis
qu’ils ont monté la garde). Étant donné que les échanges se font par diffusion, chacune
de ces sentinelles peut recevoir la réponse de son homologue. Et ainsi, chacune d’elles
va exécuter l’algorithme activity withdrawal afin de décider si elle restera en garde ou
pas. Pour cela, une sentinelle vérifie d’abord si la propriété SCAN est vérifiée ou non ;
c’est-à-dire vérifier si la distance euclidienne la séparant à l’autre sentinelle est inférieure
au seuil δ. Si oui, elle continue l’exécution en comparant maintenant sa durée d’activité
à celle de son homologue. Et si elle constate qu’elle est plus jeune, elle met à jour son
taux de sondage, recalcule son temps ts puis retourne en mode veille afin d’économiser sa
batterie. Sinon, elle ignore la réponse considérant que son homologue de sentinelle va de
son coté faire le même traitement.
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
58
Algorithme 1 Activity withdrawal : algorithme pour la levée des conflits de couverture
1: début
2:
Précondition
3:
d(si , sj ) : la distance euclidienne entre les sentinelles si et sj
4:
a.si , a.sj : la durée d’activité du nœud sentinelle si respectivement sj
5:
δ : distance seuil permise entre deux sentinelles données
6:
Initialisation : un nœud sentinelle reçoit une réponse de son homologue
7:
si d(si , sj ) ≤ δ alors
Ne rien faire
8:
9:
sinon si a.si ≤ a.sj alors
10:
% Le nœud si est plus jeune que sj du point de vue du temps d’activité%
11:
Le nœud si calcule son nouveau temps de veille ts
12:
a.si ← 0
13:
Le nœud si retourne en mode veille pour ts secondes
14:
sinon
Le nœud si ignore la réponse de sj et continue son activité
15:
16:
fin si
17:
fin
5.3
Gestion efficiente de l’énergie
La gestion efficiente et efficace de l’énergie est une problématique transversale pour
tous les concepteurs de solution des réseaux de capteurs sans fil. Cela parce que les
composants (nœuds capteurs sans fil) de tels réseaux ont un fonctionnement étroitement
lié à leur batterie d’où une durée de vie limitée dans le temps. De ce fait, tous les travaux,
allant de l’acquisition jusqu’au traitement des données partagent ce défi. Ce chapitre
présente une méthode d’ordonnancement efficace basée sur le modèle Sentinel (cf. chapitre
4).
5.3.1
Méthode de calcul distribuée du temps de veille
L’ordonnancement de l’activité des nœuds passe par la sélection d’un ensemble minimal S de nœuds sentinelles pour assurer la tâche de surveillance. Et ainsi, tous nœuds
redondants, c’est-à-dire ayant leur zone déjà couverte, vont passer en mode veille afin de
préserver leur batterie. Étant donné que nous considérons qu’un nœud sentinelle reste à
la garde jusqu’à l’épuisement de sa batterie, il faudrait donc une bonne planification des
5.3. Gestion efficiente de l’énergie
59
n10
s5
s0
n4
n20
n10
s5
n4
s0
n20
Figure 5.3 – Un cas de figure pour illustrer le conflit de couverture entre deux nœuds
sentinelles
réveils des nœuds redondants afin qu’ils puissent prendre le relais dès qu’une sentinelle
tombe. Pour cela, les nœuds redondants ou encore nœuds de réserve se réveillent de temps
en temps pour sonder la présence de sentinelles dans leur voisinage en envoyant des messages sondes. Dans le cas où un nœud sonde remarque la présence de nœuds sentinelles
dans son voisinage, il recalcule son temps de veille selon le théorème 1.
Théorème 1 (Sleep Time Computation). Le temps de veille d’un nœud est calculé en
utilisant la distribution Weibull et le taux de sondage. La distribution de Weibull est très
appropriée pour l’évaluation de la durée de vie des composants électroniques notamment
les capteurs sans fil. Dans notre cas d’étude, elle permet d’ajuster le temps de veille des
nœuds redondants à leur probabilité de panne. Et des expériences sur l’étude de la durée de
vie ont montré que la probabilité de panne d’un composant électronique augmente proportionnellement avec son temps de fonctionnement. Ainsi, la distribution de Weibull nous
permet d’avoir des temps de veille qui tendent progressivement vers zéro. Les paramètres
de Weibull utilisés ici sont :
— le paramètre d’échelle α : représente l’inverse du taux de sondage λ d’un nœud
donné ;
— le paramètre de forme β : valeur choisie entre 1 et 4
Démonstration. Soit R, la probabilité de réveil d’un nœud X donné. En utilisant la
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
60
fonction de survie de la distribution de Weibull, nous obtenons :
R = 1 − F (t)
(5.1)
= 1 − P [X ≤ t]
(5.2)
Z t
= 1−(
f (u)du)
(5.3)
0
t β
= 1 − (1 − e−( α ) )
= e
−( αt )β
(5.4)
(5.5)
Ainsi, à partir de la relation 5.5, nous en déduisons le temps de veille t.
β
t
α
lnR = −
1
ln
R
t
α
=
(5.6a)
β
t
(5.6b)
α
= (ln
1 β1
)
R
(5.6c)
Et à partir de l’équation 5.6c, nous déduisons :
1
t = αln
R
Avec α =
1
λ
1
β
(5.7)
et β sont respectivement les paramètres d’échelle et de forme de la distribution
de Weibull.
5.3.2
Ajustement dynamique des paramètres des nœuds
Nous pouvons constater que le temps de veille d’un nœud donné n’est dépendant que
de son taux de sondage et de sa probabilité de réveil qui est étroitement liée à celle de
tomber en panne. Ainsi, les nœuds sont suffisamment autonomes pour mettre à jour leur
taux de sondage et ensuite déterminer leur temps de veille. C’est-à-dire que la solution
d’ordonnancement proposée dans ce travail est complètement distribuée. Et contrairement
aux solutions dans PEAS [Ye 2003] et LDAS [Wu 2005], notre solution d’ordonnancement
permet aux nœuds de mettre leur taux de sondage indépendamment des informations de
voisinage. La mise à jour dynamique du taux de sondage est réalisée en utilisant la fonction
de hasard de la distribution de Weibull (voir Théorème 2).
Théorème 2 (Dynamic Probe Rate Adjustment). Avant chaque phase de veille, un nœud
de réserve ou nœud redondant met à jour son taux de sondage. La mise à jour du taux
de sondage utilise le temps de fonctionnement du nœud en question et son ancien taux de
sondage, et cela indépendamment des paramètres de ses voisins.
5.4. Évaluation de performances
61
Démonstration. Soit h(t), la fonction de hasard de la distribution de Weibull. Cette fonction h(t) est obtenue à partir de la fonction de survie ; ce qui donne :
h(t) =
=
=
1
P (t < X ≤ t + ∆t | X > t)
∆t
f (t)
1 − F (t)
lim
∆t→0
β
α
β−1
t
(5.8a)
(5.8b)
(5.8c)
α
Et nous avons à partir de la relation 5.8c :
β
h(t) =
α
5.4
β−1
t
α
(5.9)
Évaluation de performances
Cette section est consacrée à l’évaluation des performances de notre solution d’ordonnancement basée sur l’approche Sentinel que nous appelons ALARM - energy Aware
sLeep scheduling Algorithm for lifetime Maximization. Ainsi, nous avons essayé de valider notre solution par simulation en considérant deux métriques clefs pour les réseaux
de capteurs sans fil, à savoir la consommation de l’énergie et les messages de contrôle
ou «overhead». Ensuite nous avons comparé notre solution à PEAS, qui est un autre
protocole d’ordonnancement proposé par Ye et al. dans [Ye 2003]. Les auteurs de PEAS,
ont utilisé la distribution exponentielle pour calculer les temps de veille des nœuds et ont
considéré que le taux de sondage est constant.
5.4.1
Paramètres de simulation
Une validation expérimentale a été effectuée en utilisant la plateforme de simulation
OMNeT++ et son framework Castalia dédié aux réseaux de capteurs sans fil. Les paramètres utilisés pour la simulation sont résumés dans le tableau 5.1.
Remarque : La valeur du taux de sondage initial est obtenue en supposant qu’au
bout d’un temps t = 60s, au moins 50% des nœuds se réveilleront puis passeront en mode
sonde.
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
62
Table 5.1 – Paramètres de simulation
Champ de capture
Taille du réseau
[50 :1000]
Type de déploiement
uniforme
Environnement
bruyant
Rayon de détection - Rs
10 m
Rayon de transmission - Rc = 2Rs
20 m
Distance seuille δ
10 m
Énergie initiale de chaque nœud
2 piles AA
Le taux de sondage initial λinit
0.012
Paramètre de forme de Weibull β
5.4.2
50 x 50 m2
1.5, 2 et 3
Efficacité énergétique
L’énergie constitue l’une des contraintes cruciales pour les réseaux de capteurs sans fil.
Ainsi, la plupart des solutions proposées pour de tels réseaux sont validées en prenant en
considération la consommation énergétique des nœuds durant le processus de surveillance.
Motivés par cela, nous avons tenté de mesurer la consommation moyenne d’énergie de
notre solution (ALARM) et cela pendant une durée de simulation de 6000 secondes.
Ensuite, nous nous sommes mis à faire une comparaison dans les mêmes conditions qu’avec
le protocole PEAS. Mais avant cela, nous avons essayé de mesurer l’impact de la variation
du paramètre de forme de la distribution de Weibull sur la solution proposée.
La figure 5.4, montre que l’énergie moyenne consommée augmente légèrement avec β.
Cela s’explique par le fait que, plus β augmente, les temps de veille auront tendance à
décroitre plus rapidement et ainsi les nœuds auront à se réveiller très souvent pour sonder
leur voisinage. Toutefois, nous avons la même progression pour les différentes valeurs de
β, ce qui signifie que l’impact n’est pas aussi significatif. Ce qui permet de conclure que
notre solution se comporte bien avec d’autres distributions de probabilité telles que celles
de Rayleigh, Normale, etc.
Par rapport à PEAS, qui utilise la distribution exponentielle, la figure 5.5 montre que notre
solution ALARM offre plus de souplesse en ce qui concerne la consommation d’énergie
sur l’ensemble du réseau. Les courbes montrent que la solution ALARM est nettement
5.4. Évaluation de performances
35
ALARM, beta=3
ALARM, beta=2
ALARM, beta=1.5
30
Energy depletion
63
25
20
15
10
5
0
0
100 200 300 400 500 600 700 800 900 1000
Network density
Figure 5.4 – Énergie moyenne consommée avec différentes valeurs de β
plus performante du point de vue de la consommation moyenne énergétique avec un gain
G d’environ égal à 36%. Le gain G est obtenu par la relation 5.10.
G=
M Ealarm − M Epeas
M Ealarm
M E représente l’énergie moyenne consommée.
45
ALARM, beta=3
ALARM, beta=2
ALARM, beta=1.5
PEAS
40
Energy depletion
35
30
25
20
15
10
5
0
0
100 200 300 400 500 600 700 800 900 1000
Network density
Figure 5.5 – Énergie moyenne consommée : ALARM vs. PEAS
(5.10)
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
64
5.4.3
Gestion des messages de contrôle
Les informations de contrôles constituent souvent un handicap majeur pour les solutions destinées aux réseaux capteurs sans fil. Car il est démontré que les communications
via la radio constituent la plus grande source de consommation d’énergie. De ce fait, une
solution trop "bavarde" en ce qui concerne les échanges de messages en particulier ceux
de contrôles contribuerait à un épuisement abusif de la batterie des nœuds. Cependant, il
14
sent probe request
received probe request
Control message overhead
12
10
8
6
4
2
0
0
100 200 300 400 500 600 700 800 900 1000
Network density
Figure 5.6 – Messages envoyés par un nœud sonde vs. messages effectivement reçus par
une sentinelle
est nécessaire lors de la conception de solution protocolaire pour les réseaux de capteurs
sans fil, de penser à optimiser l’utilisation de l’énergie à travers la minimisation des informations de contrôle. C’est ce qui nous a motivé à adopter le type d’échange à la demande
afin d’éviter de polluer le réseau et ainsi consommer inutilement de la batterie.
En effet, ALARM est un protocole d’ordonnancement qui offre aux nœuds la totale autonomie de gérer leurs activités. De ce fait, il utilise des échanges de messages de contrôle
durant sa phase de sondage afin de maintenir le bon fonctionnement du réseau. Ainsi,
ces communications si elles ne sont pas contrôlées peuvent détériorer les performances du
réseau par une consommation de la bande passante mais plus fatale encore par une surconsommation de l’énergie. C’est d’ailleurs ce qui nous a motivé à utiliser le mode d’échange
de messages de contrôle passif. Cependant, dès nos premières expérimentations, nous nous
sommes confronté aux problèmes liés aux collisions. Nous avions constaté qu’après quelque
temps de fonctionnement du réseau, une bonne partie des nœuds (∼ 60%) passaient en
5.4. Évaluation de performances
65
mode actif et cela à cause des collisions sur les messages sondes échangés. Car un nœud
sonde envoyait à son réveil un seul message pour détecter la présence d’une sentinelle
dans son voisinage. Étant donné que l’environnement est ouvert et le canal de communication partagé, si ce message entre en collision avec celui d’un autre nœud, ce dernier
(nœud sonde) n’aura aucune information par rapport à son voisinage et de ce fait agira
en sentinelle après avoir attendu tw même si une sentinelle était déjà en place.
Pour surpasser cette barrière, nous avons par la suite permis aux nœuds sondes d’envoyer trois (03) messages de sondage (valeur fixée après plusieurs series de tests) dans
leur voisinage afin de maximiser les chances d’une communication réussie entre les nœuds
sondes et une éventuelle sentinelle présente dans une zone donnée. Les courbes de la figure 5.6, viennent en appui par rapport à l’impact des collisions et montre que la plupart
des messages sondes envoyés ne sont pas effectivement reçus par les sentinelles. Et nous
observons aussi que le taux de perte de paquets augmente avec la taille du réseau. La
figure 5.7, montre que, du coté des nœuds sondes, presque la moitié des messages ont
été effectivement répondus. Cela peut être interprété par : si un nœud sonde envoie 10
messages pour vérifier la présence d’une sentinelle dans le voisinage, il recevra environ 4
voire 5 réponses lui permettant d’avoir une connaissance de la présence d’un nœud actif
déjà en garde.
14
sent probe request
received probe reply
Control message overhead
12
10
8
6
4
2
0
0
100 200 300 400 500 600 700 800 900 1000
Network density
Figure 5.7 – Messages envoyés vs. réponses reçues par un nœud sonde
Chapitre 5. Méthode d’ordonnancement basée sur l’approche Sentinel
66
5.5
Conclusion
Nous avons consacré ce chapitre à notre solution protocolaire d’ordonnancement des
activités des nœuds pour une prolongation de la durée de vie des réseaux de capteurs
sans fil à forte densité. Nous avons présenté à travers ce chapitre notre solution ALARM
qui consiste à un algorithme d’ordonnancement adaptatif permettant de sélectionner un
sous-ensemble minimal de nœuds sentinelles pour assurer la surveillance et ensuite mettre
les nœuds redondants en veille pour économiser leur batterie. Chaque nœud sentinelle se
charge de la collecte et de la transmission des données recueillies ; cela comme une alerte
ou alarme déclenchée dans un secteur pour remonter le signal vers les autres.
L’idée originale dans ALARM, consiste à un contrôle intelligent des nœuds redondants
ou nœuds de réserve de sorte à mettre à jour leurs paramètres de réveil tout en prenant en
compte leur état d’usure. Pour cela, nous avons choisi d’utiliser la distribution de Weibull
qui est très connue dans le domaine de l’étude de la fiabilité. Ainsi, l’utilisation de la
fonction de survie de Weibull permet aux nœuds redondants d’adapter leur temps de réveil
par rapport à leur temps d’activité. Cela permet, dès qu’une défaillance se produise, qu’il y
ait le plus rapidement possible un nœud qui se réveille pour maintenir la topologie. Outre
l’adaptabilité par rapport à l’état du réseau des nœuds, ils ont aussi l’autonomie, grâce à
la fonction de hasard de Weibull, de mettre à jour de manière totalement distribuée leur
taux de sondage en fonction du temps. Ce qui permet de contrôler les nœuds redondants
indépendamment des informations de voisinage comme cela est utilisé dans de nombreuses
solutions dans la littérature.
Un autre atout remarquable de notre solution ALARM, est qu’elle utilise un contrôle
passif ou à la demande. Les échanges des informations de contrôle sont aléatoires (pas
périodique comme ce que l’on voit le plus souvent) et ne sont déclenchés que par les nœuds
de réserve. Une sentinelle n’initie jamais un dialogue de contrôle, elle se contente seulement
de deux choses à savoir : (1) répondre aux messages sondes des voisins vérifiant la propriété
RNSS et (2) s’occuper de la surveillance de sa zone dédiée (collecte et transmission des
données).
L’énergie constitue l’une des ressources les plus critiques pour la plupart des réseaux
de capteurs sans fil, ce qui fait de l’efficacité énergétique l’une des métriques les plus
utilisées pour la validation des solutions destinées à de tels réseaux. Pour cela, nous avons
tenté une validation par simulation de notre protocole ALARM puis nous avons comparé
sa consommation moyenne d’énergie à celle d’un autre protocole, PEAS [Ye 2003]. Et
les résultats des simulations ont montré que notre solution est nettement plus efficace
5.5. Conclusion
67
du point de vue de la consommation énergétique. Ce qui nous permet de conclure que
notre solution offre de meilleures performances par rapport à PEAS. Nous avons aussi les
courbes sur les messages de contrôle échangés qui réconfortent la thèse que nous avions
émise sur l’impact des collisions. Ce qui revient à consolider le pourquoi nous avons
introduit la procédure de règlement de conflit sur la couverture de zone entre les nœuds
sentinelles, et cela nous a permis de réduire la consommation inutile d’énergie.
Cependant, notre solution reste à parfaire sur les deux points ; l’un à court terme et
l’autre dans le long terme. Nous avons pensé à combler un vide connu pour le protocole
ALARM, c’est-à-dire consolider la connectivité entre les éléments du sous-ensemble sélectionné pour assurer la surveillance. Une bonne connectivité entre ces derniers permettrait
de pouvoir relayer les données de capture via des relais jusqu’à la station de base. Pour
cela, nous comptons au niveau de l’implémentation du protocole ALARM lui-même, ajouter un module de gestion de la connectivité pour renforcer la propriété RNSS. Et dans le
long terme, nous pouvons aller jusqu’au traitement des données, c’est-à-dire la collecte et
la transmission des données physiques vers un autre réseau pour un éventuel traitement.
Chapitre 6
Solution de maintenance des
topologies dynamiques
Une personne qui n’a jamais commis d’erreurs n’a
jamais tenté d’innover.
Albert Einstein - Mathématicien, Physicien, Scientifique (1879 - 1955)
Sommaire
6.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
69
6.2
Problème de la maintenance dans les RdCSFs . . . . . . . . . . .
70
6.3
6.4
6.5
6.1
6.2.1
Problématique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
70
6.2.2
État de l’art
71
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Auto-maintenance de la topologie basée sur le contrôle du lien .
73
6.3.1
Auto-adaptation des nœuds redondants . . . . . . . . . . . . . . . .
73
6.3.2
L’adaptation du lien des sentinelles . . . . . . . . . . . . . . . . . . .
74
Simulations et résultats . . . . . . . . . . . . . . . . . . . . . . . . .
77
6.4.1
Paramètres de simulation . . . . . . . . . . . . . . . . . . . . . . . .
77
6.4.2
Résultats et discussions . . . . . . . . . . . . . . . . . . . . . . . . .
77
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
79
Introduction
L’émergence des réseaux de capteurs sans fil, a constitué une véritable bouffée d’oxygène en ce qui concerne l’exploration et l’étude de zones qui ont été depuis très longtemps
inaccessibles à l’homme. La nature de ces zones, fait que le déploiement aléatoire se présente dans la plupart du temps comme étant la seule alternative afin de pouvoir les visiter.
70
Chapitre 6. Solution de maintenance des topologies dynamiques
Le déploiement aléatoire s’effectue souvent par largage par avion et par conséquent entraine une répartition non uniforme des nœuds à travers la zone d’intérêt.
Au-delà des problèmes relatifs au déploiement aléatoire, les réseaux de capteurs sans
fil font face aussi à d’autres défis (cf. chapitre 2) tels que l’agrégation des données, le
routage, la sécurité, la gestion de l’énergie, la gestion de la topologie, etc. Ce chapitre
s’adresse aux deux derniers défis, c’est-à-dire la gestion de l’énergie et de la topologie du
réseau qui méritent une attention particulière car une bonne connectivité et une bonne
couverture sont nécessaires pour tirer de meilleurs profits du réseau et tout cela pendant
la période d’étude escomptée.
Nous proposons à travers ce chapitre, une solution d’auto-maintenance à deux niveaux : une première étape vise à maintenir une bonne connectivité entre les nœuds
sentinelles et une deuxième et dernière étape s’appuie sur la redondance. Dans ces deux
étapes, nous avons introduit une procédure auto-adaptative couplée au contrôle de la
qualité du lien entre les nœuds afin de maintenir si nécessaire la topologie. La procédure
auto-adaptative consiste à la solution que nous avions présentée dans le chapitre 5 et
à cela nous avons ajouté celle dite d’adaptation de lien pour consolider la connectivité
du réseau. Nous avons soumis notre solution à une validation par simulation puis nous
avons comparé les performances avec celles de la solution ALARM. Nous avons évalué
la consommation moyenne d’énergie en mettant l’accent sur l’impact du contrôle du lien
basée sur le paramètre LQI (Link Quality Indication).
Les défaillances des nœuds et l’instabilité de la topologie sont des problèmes «naturels»
chez un réseau ad hoc en particulier un réseau de capteurs sans fil. De ce fait, un bon
fonctionnement nécessite une bonne gestion pour prendre en considération ces différentes
contraintes. Beaucoup de solutions sont proposées dans la littérature, mais nombreux
parmi elles reposent soit sur le déploiement de nœuds supplémentaires soit sur la mobilité.
Nous allons dans la suite de ce chapitre discuter de quelques solutions puis présenter notre
contribution qui s’appuie sur l’autoadaptation des nœuds.
6.2
6.2.1
Problème de la maintenance dans les RdCSFs
Problématique
Le bon fonctionnement d’un réseau de capteurs dépend de sa capacité à assurer la
couverture et la connectivité désirée mais aussi une utilisation efficace de l’énergie afin
que la longévité du réseau puisse couvrir la période d’étude. Cependant, les stratégies de
6.2. Problème de la maintenance dans les RdCSFs
71
déploiement notamment celles dites aléatoires ont souvent une influence remarquable sur
ces critères de performances mentionnés. L’idéal serait de pouvoir effectuer un déploiement
déterministe, mais la nature des zones surveillées constitue en général une entrave. De ce
fait, le déploiement aléatoire devient l’ultime recours pour certains cas d’application. Étant
donné que le déploiement s’effectue le plus souvent par largage par avion ou voie aérienne
de manière générale, il entraine par conséquent une certaine disparité par rapport à la
répartition des nœuds à travers la zone de surveillance. Ainsi, nous pouvons dans certains
cas, avoir des zones clairsemées tandis que d’autres concentrent un bon nombre de nœuds
avec une forte redondance.
Outre les problèmes liés au déploiement, les réseaux de capteurs sans fil font aussi face
aux problèmes de surconsommation d’énergie liés à une répartition inégale des charges ou
encore funneling effect (détection et routage) entre les différents nœuds du réseau. Par
exemple un nœud qui concentre un fort trafic épuise plus rapidement son énergie. De tels
cas de figure peuvent conduire à l’apparition de trous de couverture (coverage holes) ou
encore trous d’énergie (energy holes). Par exemple, le scénario de la figure 6.1 est une
illustration patente de ce genre de problème. L’état de la topologie à la date t montre une
stabilité du point de vue de la couverture (cf. figure 6.1a). Cependant, après un certain
temps t + ∆t, nous avons les nœuds S2 et S4 (cf. figure 6.1b) qui disparaissent et laissent
leur zone non couverte. De ce fait, ce problème peut être résolu avec une bonne politique
d’équilibrage des charges entre les nœuds et cette issue ne sera pas étudiée dans ce travail.
6.2.2
État de l’art
De nombreuses solutions traitant du problème de la maintenance de la topologie dans
les réseaux de capteurs sans fil ont été proposées dans la littérature. Ces solutions peuvent
être classées en trois approches : l’adaptation du nœud capteur, l’adaptation du lien et la
mobilité.
La technique d’adaptation de nœud s’appuie généralement sur l’organisation structurelle du réseau (clustering, les ensembles couvrants, l’ordonnancement, etc). Gupta et al.
dans [Sengupta 2012], utilisent la technique d’ordonnancement des activités des nœuds
pour maintenir les trous de couverture. Pour cela, ils utilisent un mécanisme probabiliste
pour déterminer le degré de redondance. Un peu plus tôt, Corke et al. proposent dans
[Corke 2007] deux algorithmes pour la maintenance. Le premier algorithme utilise les informations de voisinage afin de déterminer les nœuds défaillants et ainsi localiser les trous
72
Chapitre 6. Solution de maintenance des topologies dynamiques
(a) État du réseau à l’instant t
(b) État du réseau à l’instant t + ∆t
Figure 6.1 – Perte et apparition de trous de couverture dans les RCSFs
de couverture. Quant au second algorithme, il utilise les informations de routage afin de
détecter les trous de couverture (en quelque sorte de connectivité) le long d’une route et
essaie de maintenir le gap en faisant appel aux nœuds voisins. Cependant, il faut noter
que leur solution nécessite que les nœuds stockent en mémoire les informations d’état de
la topologie.
Une autre approche très utilisée pour faire face au problème de maintenance de la
topologie, est la mobilité des nœuds. Dans [Wang 2009], Wang et al. ont effectué une
étude élargie sur la maintenance de la topologie basée sur la mobilité. Deux principales
stratégies peuvent être tirées de cette étude ; la mobilité des nœuds et le déploiement
additionnel de robots munis de capteurs. Ghosh et al. dans [Ghosh 2004] proposent le
déploiement additionnel de nœuds mobiles pour compenser les trous de couverture. Pour
cela, ils utilisent les diagrammes de Voronoi pour détecter les trous de couverture et ainsi
guider le déplacement des nœuds vers les zones affectées. Les auteurs dans [Shiue 2005]
continuent sur la même optique. Ils définissent différents rôles assignés aux nœuds selon la
quantité résiduelle d’énergie et sa position relativement à la zone à maintenir. Un nœud
est choisi à l’issue d’une élection, et est ainsi désigné comme leader. Le nœud a, à lui
seul, la responsabilité d’interagir avec les nœuds mobiles afin de leur dire quand et où
intervenir. Cependant, il faut noter qu’une panne subite du nœud leader bloquerait le
système pendant un moment. D’autres travaux sont axés sur le déploiement précis de
robots équipés de capteurs. Fletcher et al. dans [Fletcher 2010] proposent un algorithme
6.3. Auto-maintenance de la topologie basée sur le contrôle du lien
73
qu’ils appellent R3S2 pour les réseaux de capteurs sans fil très denses (redondance) avec
des nœuds statiques. Ensuite pour régler le problème des trous de couverture, ils proposent
une variante, G-R3S2. Dans cette variante, ils proposent l’utilisation de robots en marche
aléatoire dans une grille virtuelle pour récupérer des nœuds et les redéployer dans des
zones affectées. Les robots se déplacent en continue à l’intérieur de la grille et peuvent
visiter plusieurs points afin d’augmenter les chances de retrouver un nœud redondant.
Le problème avec leur solution est que les robots sont généralement plus coûteux que les
nœuds capteurs.
6.3
Auto-maintenance de la topologie basée sur le contrôle
du lien
L’auto-maintenance consiste à la capacité d’un réseau à pouvoir réagir par rapport
à la dynamicité de la topologie. En effet, les nœuds doivent être autonomes afin que
lorsqu’ils détectent le départ d’un voisin (pannes), qu’ils puissent prendre le relai aussitôt
afin de maintenir la couverture. Pour cela, nous proposons une solution de maintenance
de la topologie en adoptant la technique d’adaptation du lien. Ce travail constitue une
amélioration de la solution qui a été présentée dans le chapitre 5. Ici, nous introduisons la
mesure de la qualité du lien afin de garantir une bonne connectivité entre les sentinelles.
Mais avant cela, nous tentons d’analyser quelques solutions de maintenance de la topologie
dans les réseaux de capteurs sans fil.
6.3.1
Auto-adaptation des nœuds redondants
L’autoadaptation des nœuds consiste à donner aux capteurs suffisamment d’autonomie
afin qu’ils puissent agir très rapidement dès qu’une défaillance est notée. C’est-à-dire que
les nœuds redondants, bien qu’ils soient pour la plupart du temps en mode d’économie
d’énergie, doivent pouvoir se réveiller et maintenir la topologie. Si nous considérons par
exemple le scénario de la figure 6.2, nous avons à l’instant t, un sous-ensemble de sentinelles
S = {S0 , S1 , S8 , S13 , S15 , S20 } pour assurer la surveillance tandis que les autres nœuds sont
en veille pour économiser leur batterie. Ensuite à l’instant t + ∆t, les sentinelles S0 et
S8 meurent. Ainsi, les nœuds S2 et S7 , à l’issue de leur phase de sondage, ne détectent
aucune sentinelle et montent aussitôt la garde. De ce fait, nous obtenons un nouvel sousensemble de sentinelles S = {S1 , S2 , S7 , S13 , S15 , S20 }. Ce mode de remplacement des
nœuds défaillants est ce que nous avons présenté dans le chapitre 5 et est détaillé dans
74
Chapitre 6. Solution de maintenance des topologies dynamiques
(a) État du réseau à l’instant t
(b) État du réseau à l’instant t + ∆t
Figure 6.2 – Maintenance de la topologie grâce à la redondance dans les RCSFs
l’algorithme 2.
6.3.2
L’adaptation du lien des sentinelles
Les liens de communications dans les réseaux de capteurs sans fil sont souvent extrêmement instables car ils sont sujets à des fluctuations de la qualité et à une connectivité
faible. Cette instabilité des liens est due en partie à la faible puissance des transmissions
radio qui fait qu’ils sont exposés au bruit et interférences extérieures. La mesure de la
qualité du lien est une approche très pratique pour la mise en œuvre de protocole fiable
de contrôle de topologie, de routage, etc. Plusieurs métriques sont utilisées pour évaluer la
qualité des liens de communication radio notamment le LQI (Link Quality Indicator), le
RSSI (Received Signal Strength Indicator), le SNR (Signal-to-Noise Ratio), etc. Ces métriques ont la particularité d’être directement accessibles via l’émetteur radio sans avoir
recours à aucun calcul supplémentaire. Ainsi, pour des raisons de simplicité, nous avons
choisi le LQI comme métrique pour estimer la qualité des liens entre nœuds sentinelles.
Le LQI permet d’estimer la facilité de modulation du signal reçu en considérant un canal
bruité [Benkic 2008].
La technique d’adaptation du lien, est utilisée ici afin de permettre aux sentinelles de
pouvoir ajuster dynamiquement leurs paramètres de transmissions et ainsi maintenir une
bonne connectivité entre eux. La procédure d’ajustement de ces paramètres est décrite
dans l’algorithme 3. Nous considérons que les nœuds redondants doivent se réveiller fréquemment afin de sonder leur voisinage et de détecter la présence de nœuds sentinelles
6.3. Auto-maintenance de la topologie basée sur le contrôle du lien
75
assurant la surveillance.
Algorithme 2 Algorithme de maintenance de la topologie utilisant les nœuds redondants.
status, est l’état d’un nœud ;
ts ,le temps de veille ;
tw , temps d’attente d’une réponse sonde ;
λ, paramètre d’échelle de Weibull ;
β, paramètre de forme de Weibull
1:
status = SLEEP ,rcvM sg = F ALSE
2:
ts > 0, λ > 0, tw > 0
3:
si (ts expires) alors
4:
status = P ROBE
5:
probe neighborhood
6:
set timer tw
7:
si (tw expires) alors
8:
si (rcvM sg) alors
R = unif orm(0, 1)
9:
1
10:
ts = λ1 log
11:
λ(t) = (β × λ) × (t × λ)β−1
12:
status = SLEEP
13:
set timer ts
1
R
β
sinon
14:
15:
status = ACT IV E
16:
wait connectivity check tc
fin si
17:
18:
fin si
19:
fin si
20:
fin
Ainsi, les éventuelles sentinelles, doivent de leur part répondre aux messages sondes
de ces derniers (cf. Chapitre 5 pour plus de détails). Nous avons introduit une procédure
de vérification de la qualité du lien durant cette phase de réponse. Étant donné que les
messages de réponses sont envoyés en diffusion, les autres sentinelles peuvent les recevoir.
Et dès qu’une sentinelle reçoit un message provenant d’une de ses homologues, elle en
profite pour tester la qualité de leur lien de communication. Pour cela, le nœud sonde
76
Chapitre 6. Solution de maintenance des topologies dynamiques
Algorithme 3 Algorithme de maintenance de la topologie utilisant les sentinelles (ajustement de la connectivité entre les sentinelles)
1:
linkState = {ST RON G, W EAK}
2:
nodeStatus = ACT IV E
3:
rcvP robeReplyM sg = F ALSE
4:
si (rcvP robeReplyM sg == T RU E) alors
5:
Check proximity from the sender j
6:
si (d(i, j) ≥ δ) alors
7:
8:
Do nothing
sinon
9:
si (LQI ≥ LQIseuil ) alors
10:
linkState = STRONG
11:
sinon
12:
linkState = WEAK
13:
Adjusts link parameters
14:
15:
16:
fin si
fin si
fin si
récupère le LQI du message et le compare au LQIseuil . Si la valeur du LQI reçue est
inférieure au LQIseuil , elle ajuste sa puissance de transmission afin de maintenir une bonne
connectivité avec ses voisines ; sinon elle ignore le message. L’utilisation des réponses
aux messages sonde permet aux sentinelles de vérifier la connectivité entre elles sans
pour autant introduire des messages de contrôle supplémentaires. D’où, cela contribue à
garantir la connectivité avec une utilisation efficace de la bande passante du réseau mais
aussi de l’énergie.
Table 6.1 – Paramètres de simulation
Taille de la zone d’intérêt
100 × 100m2
Taille du réseau
[50 :1000]
Type de déploiement
aléatoire et uniforme
Environnement surveillé
bruyant
Puissance de transmission des nœuds
-5 dBm, -10 dBm
LQI seuil
7
6.4. Simulations et résultats
6.4
77
Simulations et résultats
Cette section est réservée à l’évaluation des performances de notre proposition. Nous
avons analysé les performances pour ensuite comparer les résultats obtenus par simulation,
sous l’environnement OMNeT++/Castalia, avec notre première proposition sur laquelle
il n’y avait pas de contrôle du lien.
Sentinel Node
Sleep Node
46
13
25
11
42
16
10
36
49
2 45
15
34
23
32
33
18
2937
3 41
1
0
7
6
19
14
38
8
40
47
27 26 21
43
4
39
20
31
24
17
22
30
12
28
9
44
35
48
Figure 6.3 – Cliché du réseau à un temps t donné
6.4.1
Paramètres de simulation
Les simulations sont réalisées avec OMNeT++ et son framework Castalia (cf. Annexe),
dédié aux réseaux de capteurs sans fil. Les paramètres de simulations sont résumés dans
le tableau 6.1.
6.4.2
Résultats et discussions
Notre premier plan d’étude est orienté sur l’impact du contrôle du lien sur le fonctionnement antérieur de notre solution. Pour cela, nous avons essayé, comme dans le
chapitre 5, de mesurer la consommation moyenne d’énergie avec différentes valeurs du
paramètre de forme de Weibull. Ceci pour vérifier la propriété qui fait que cette loi généralise plusieurs autres lois telles que celle Log-normale, etc. Les résultats obtenus (cf.
figure 6.4) montrent que nous avons toujours la même progression. De ce fait, nous pou-
78
Chapitre 6. Solution de maintenance des topologies dynamiques
vons retenir que le contrôle du lien que nous avons introduit permet de mieux consolider
la connectivité des sentinelles (cf. figure 6.3) sans pour autant avoir un impact négatif sur
la consommation moyenne d’énergie. Ainsi, notre algorithme de contrôle du lien garantit
une adaptation dynamique des nœuds sentinelles afin de maintenir une bonne connectivité
et une route pour la transmission des données de capture vers la station de base.
Un autre atout remarquable de notre solution est que l’ajustement de la qualité du
lien s’effectue de manière passive. C’est-à-dire que les nœuds sentinelles n’ont pas besoin d’injecter du trafic de contrôle supplémentaire mais plutôt utilisent les échanges de
sondages déjà existants. Donc il permet une minimisation considérable des surcharges de
contrôle, d’où une utilisation optimale de la bande passante du réseau. Nous avons, tou45
β=1.5
β=2.0
β=3.0
Average energy consummed
40
35
30
25
20
15
10
5
0
0
100
200
300
400 500 600
Network density
700
800
900
1000
Figure 6.4 – Énergie moyenne consommée pour différentes valeurs de β
jours dans l’analyse des performances, mesuré la consommation moyenne d’énergie avec
et sans contrôle de lien sur l’ensemble du réseau. Les courbes de la figure 6.5 montrent
qu’une amélioration non négligeable a été réalisé. Cela s’explique par le fait que le contrôle
de lien permet aux nœuds sentinelles de débuter leur transmission avec de faibles puissances jusqu’à ce qu’elles constatent une baisse de la qualité du lien. Dès qu’une sentinelle
se rend compte qu’elle est en connexion faible avec une autre, elle ajuste sa puissance de
transmission. Cela permet au lien d’effectuer tous les échanges avec une grande puissance
de transmission, de pouvoir en fonction de l’état des liens, utiliser la puissance adéquate
et par conséquent épargner le nœud en question de la surconsommation de sa batterie.
6.5. Conclusion
79
55
With link control
Without Link control
50
Average energy consummed
45
40
35
30
25
20
15
10
5
0
0
100
200
300
400 500 600
Network density
700
800
900
1000
Figure 6.5 – ‘Énergie moyenne consommée avec et sans contrôle du lien
6.5
Conclusion
Dans ce chapitre, nous avons présenté une solution de maintenance de la topologie
basée sur les techniques d’autoadaptation et du contrôle de la qualité du lien (adaption
du lien). La solution que nous avons étalée dans ce chapitre constitue une amélioration de
ALARM, présentée dans le chapitre précédent. La solution de maintenance proposée est
efficace du point de vue de la consommation énergétique et garantit une bonne connectivité entre les sentinelles. La connectivité entre les nœuds sentinelles offre à ces dernières
la possibilité, après la collecte des données, de pouvoir les router jusqu’à un centre de
traitement (souvent la station de base).
Cependant, nous sommes persuadés que ce travail pourrait être encore plus valorisé
si nous avions aussi analysé l’impact du contrôle du lien sur la qualité des échanges en
mesurant par exemple le taux de pertes de paquets, etc. Mais nous pouvons toutefois
ranger cela dans nos perspectives sur l’évaluation de la robustesse de notre proposition.
En résumé, cette solution garantit dans un réseau de capteurs très dense, d’utiliser
l’autoadaptation des nœuds afin de pouvoir maintenir à tout instant un sous-ensemble
de sentinelles qui assurent la surveillance. Au-delà de l’autoadaptation, nous appliquons
l’adaptation du lien à travers la mesure la qualité des liens grâce au LQI. Cela a permis d’ajouter une touche renforçant la connectivité des sentinelles tout en veillant sur
l’utilisation efficace et efficiente de l’énergie.
80
Chapitre 6. Solution de maintenance des topologies dynamiques
La suite de notre travail, sera axée sur l’étude d’une possibilité d’hybridation de tech-
niques d’ordonnancements afin de rendre plus souple l’utilisation de l’énergie mais aussi
faire en sorte que juste après le déploiement, que des nœuds sentinelles puissent monter
la garde et assurer la surveillance de la zone d’étude.
Chapitre 7
Algorithme d’ordonnancement
hybride pour les RCSFs
Les sciences ont deux extrémités qui se touchent : la
première est la pure ignorance naturelle où se trouvent
tous les hommes en naissant ; l’autre extrémité est celle
où arrivent les grandes âmes, qui, ayant parcouru tout
ce que les hommes peuvent savoir, trouvent qu’ils ne
savent rien, et se rencontrent en cette même ignorance
d’où ils étaient partis.
Pascal - ib III, 18
Sommaire
7.1
Introduction
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
82
7.2
Méthode d’ordonnancement hybride . . . . . . . . . . . . . . . . .
83
7.3
7.4
7.2.1
Phase d’initialisation . . . . . . . . . . . . . . . . . . . . . . . . . . .
85
7.2.2
Phase de stabilisation . . . . . . . . . . . . . . . . . . . . . . . . . .
86
Analyse et évaluation de performance . . . . . . . . . . . . . . . .
88
7.3.1
Modèle et paramètres de simulation . . . . . . . . . . . . . . . . . .
88
7.3.2
Efficacité énergétique . . . . . . . . . . . . . . . . . . . . . . . . . . .
89
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
92
82
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
7.1
Introduction
L’ordonnancement d’activité ou encore scheduling est l’une des approches les plus
utilisées pour gérer le problème de la consommation d’énergie dans les réseaux de capteurs
sans fil. Les travaux basés sur cette approche, à travers la littérature, peuvent être classés
suivant trois groupes selon la technique utilisée ; nous avons les solutions dites always
on, les solutions d’ordonnancement aléatoire et celles dites adaptatives. Chacune de ces
techniques a ses avantages mais aussi ses faiblesses par rapport au contexte d’application.
Par exemple, dans un contexte de réseaux de surveillance à événements rares, la technique
always on permettrait de capturer tous les événements qui se produiraient dans le réseau,
mais en contrepartie entrainerait une usure rapide de la batterie des nœuds. Étant donné
que l’existence du réseau est étroitement liée à l’autonomie énergétique des nœuds ; la
question que nous nous posons face à ce défi est : pourquoi dépenser autant d’énergie pour
ne détecter que très peu d’événements ? Et là, un compromis, entre la qualité de détection
et la consommation d’énergie se présente aux concepteurs de solutions pour les réseaux.
Cependant, une solution très astucieuse consisterait à combler les faiblesses d’une
technique par les atouts d’une autre par hybridation. L’hybridation est une technique
très répandue dans le domaine des réseaux en particulier dans les réseaux de capteurs
sans fil.
Dans ce chapitre, nous proposons une solution d’ordonnancement pour une utilisation efficace de l’énergie des nœuds capteurs sans fil. La solution proposée utilise une
hybridation horizontale de deux techniques d’ordonnancement à savoir l’ordonnancement
aléatoire ou random scheduling et celui dit adaptatif ou adaptive scheduling.
Nous considérons une hybridation horizontale dans la mesure où, notre solution proposée est organisée en phase et qu’au niveau de chacune d’elles, nous avons une technique d’ordonnancement appropriée qui est utilisée afin d’atteindre les objectifs escomptés.
C’est-à-dire réduire la consommation d’énergie tout en préservant une bonne couverture
de l’espace à surveiller. Le processus mis en œuvre s’exécute en deux phases, une première
dite phase d’initialisation et une autre dite de stabilisation. Durant la phase d’initialisation, les nœuds capteurs sans fil exécutent la technique d’ordonnancement aléatoire. Ainsi,
chaque nœud tire aléatoirement un ticket et selon la valeur obtenue (veille ou actif), il
prend le rôle correspondant. De ce fait, nous avons dès le déploiement du réseau, des
nœuds prêts à monter la garde (valeur du ticket obtenue est actif) et ainsi remplir la
fonction de sentinelle. Les autres nœuds (ceux ayant tirés une valeur veille) vont entrer
en sommeil en éteignant leur unité de communication et ainsi économiser leur batterie.
7.2. Méthode d’ordonnancement hybride
83
Après la phase d’initialisation, nous avons la phase de stabilisation qui suit et permet de
compenser les trous de couverture en activant d’une part des nœuds de réserve si nécessaire et d’autre part en ordonnant des nœuds actifs à retourner en veille si une redondance
est constatée sur la surveillance d’une zone donnée.
Nous avons validé notre proposition par simulation avec une analyse de notre solution
hybride avec la solution d’ordonnancement adaptative présentée dans le chapitre 5. Nous
avons évalué la consommation d’énergie, avec une taille de réseau variable et sous différents
scénarios, durant la phase d’initialisation et durant tout le fonctionnement du réseau.
Nous avons aussi analysé l’impact de l’environnement d’exécution (bruité ou non) et la
variation de puissance de transmission sur la consommation énergétique du réseau en
d’autre termes sur la durée de vie du réseau.
7.2
Méthode d’ordonnancement hybride
L’ordonnancement d’activité des nœuds capteurs sans fil constitue l’une des issues de
recherche les plus discutées dans la littérature. La plupart des techniques font apparaître
un compromis entre la qualité de la surveillance et l’efficacité énergétique. Plusieurs solutions ont été proposés et ainsi peuvent être classées en quatre catégories : (i) always on ;
(ii) random on/off ; (iii) adaptive on/off ; (iv) et periodic on/off. La technique d’ordonnancement «always on», adaptée pour les applications de surveillance continue, consiste à
mettre les nœuds en activité et cela de façon continue. Cette technique est le plus souvent
utilisée dans des réseaux où les nœuds capteurs sans fil sont suffisamment autonomes en
énergie. La technique d’ordonnancement dite «random on/off», quant à elle, consiste à
activer les nœuds pendant une durée aléatoire puis retourne en veille afin d’économiser
leur énergie. Ce qui fait qu’il est difficile de se prononcer à priori sur la sélection du
nœud qui sera responsable de la surveillance d’une zone donnée. La technique d’ordonnancement adaptatif ou encore «adaptive on/off scheduling», consiste à activer suivant
le contexte courant du réseau, les nœuds qui se chargeront de la surveillance. Ainsi, leur
comportement est dicté par l’état du réseau. La quatrième et dernière technique est l’ordonnancement périodique ou «periodic on/off scheduling» et consiste à fixer un temps
périodique d’activité pour tous les nœuds du réseau. Dans ce cas, la surveillance est organisée en «round». Cela permet aux nœuds d’économiser leur batterie et ainsi, prolonger la
durée de vie du réseau. Cette politique n’est pas adaptée à certaines applications, car ne
prend pas en considération les pannes fréquentes. Cela signifie que si la période considérée
est de T , et qu’une panne survienne à T + ε, alors aucun événement ne sera détecté dans
84
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
la zone concernée jusqu’à la prochaine période 2T .
Chacune de ces techniques a des avantages et des inconvénients selon le type d’application
considérée. Ainsi, il serait très astucieux de combiner deux ou plusieurs techniques dans
une même solution d’ordonnancement afin de compenser les faiblesses de l’une par les
forces de l’autre et vice-versa. La première solution d’ordonnancement hybride à notre
connaissance a été proposée par Cheng et al. dans [Cheng 2010]. Ils compilent dans leur
solution les techniques d’ordonnancement périodique et adaptatif. Cependant, dans leur
solution, ils bloquent le changement d’état des nœuds de sorte qu’un nœud ne puisse passer d’un état à un autre qu’au début de chaque round. De notre part, nous proposons une
solution hybride d’ordonnancement par une combinaison de la technique dite aléatoire et
celle dite adaptative. Cette solution consiste à utiliser dans sa première phase ou phase
d’initialisation, un ordonnancement aléatoire de l’état des nœuds puis s’exécute dans la
RANDOM ON/OFF
phase de stabilisation utilisant l’ordonnancement adaptatif.
Initialization
(Ticket)
Ticket equal to 1
Ticket equal to 0
receive deseabling msg
from an active neighbor
ADAPTIVE ON/OFF
Sleep Mode
(Ts)
Ts timer
expire
Active Mode
receive a probe response
msg from an active neighbor
Receive no probe response
msg from an active neighbor
Probing Mode
Energy depletion
Dead Mode
Figure 7.1 – Diagramme d’états de l’algorithme d’ordonnancement hybride
7.2. Méthode d’ordonnancement hybride
7.2.1
85
Phase d’initialisation
La phase d’initialisation consiste à permettre aux nœuds de sélectionner, dès leur déploiement, leur état de démarrage (veille ou actif). Cela permet de garantir un «démarrage
à chaud» de la surveillance, c’est-à-dire que dès au début, que nous ayons une proportion
de nœuds prêts à assurer la fonction de surveillance dans la zone d’intérêt. Pour cela,
chaque nœud, au démarrage, tire un jeton aléatoire (voir Algorithme 4) dont la valeur
détermine le comportement à prendre par la suite. Le tirage d’un jeton peut aboutir à
une et une seule valeur parmi deux possibles, c’est-à-dire que le jeton tiré contient soit
veille soit actif et ces issues sont toutes deux équiprobables.
Algorithme 4 Génération d’un jeton aléatoire
1:
string ticketRandShot(){
2:
int value ;
3:
value = rand()%2;
4:
si (value == 1) alors
5:
{
6:
state = active
7:
retour state
8:
}
9:
sinon
10:
{
11:
state = sleep
12:
retour state
13:
fin si
14:
}}
Après avoir généré un ticket, chaque nœud fait appel à la procédure de vérification
(voir Algorithme 5) afin de déterminer la valeur obtenue. Si le ticket obtenu est actif, alors
le nœud prend aussitôt le rôle d’une sentinelle et monte la garde, c’est-à-dire commence à
exécuter la fonction de surveillance de sa zone dédiée. Cependant, dans le cas où le ticket
obtenu a la valeur veille, alors le nœud est mis dans la réserve. Et ainsi, il calcule son
temps de veille initial (voir Chapitre 5) puis passe en mode veille afin d’économiser sa
batterie.
86
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
Algorithme 5 Vérification de la valeur tirée
1:
bool checkTicket(string state){
2:
si (state ==”active”) alors
retour vrai
3:
4:
sinon
retour faux
5:
6:
fin si
7:
}
7.2.2
Phase de stabilisation
Après la phase d’initialisation où les nœuds utilisent la technique d’ordonnancement
aléatoire afin de déterminer leur comportement initial, vient la phase de stabilisation.
Cette phase consiste à permettre aux nœuds sentinelles de rester en garde pour assurer
la surveillance et cela jusqu’à ce que sa batterie soit vide. Quant aux nœuds de réserve,
ils utilisent la technique d’ordonnancement adaptatif afin d’ajuster leur paramètre en
fonction du contexte actuel du réseau. En effet, un nœud en réserve se réveille au bout
de ts pour sonder son voisinage. Ainsi, tous les nœuds situés à une distance δ et qui
recevront les messages sondes vont répondre. Les réponses des nœuds sentinelles sont
utilisées à deux fins : 1) pour maintenir la topologie ; et 2) pour garantir la connectivité
entre les différents nœuds sentinelles.
D’une part elles permettent d’assurer la maintenance de la topologie, car le nœud
sonde attend cette réponse pendant un temps tw ; et s’il reçoit une réponse, il recalcule
son nouveau temps de veille puis passe en mode veille sinon, il considère qu’il y aucune
sentinelle pour assurer la surveillance de cette zone et ainsi, il monte la garde aussitôt.
D’autre part, elles sont utilisées par les nœuds sentinelles pour maintenir une bonne
connectivité entre eux et aussi lever le conflit pour la surveillance d’une zone donnée. Ces
derniers comparent, à la réception d’une réponse, la durée d’activité de l’émetteur avec
la leur. Si un nœud sentinelle constate que la durée d’activité reçue est supérieure à la
sienne et que la distance est inférieure à δ, alors il décide de laisser, au nœud sentinelle
émetteur du message, la responsabilité d’assurer la surveillance puis retourne en mode
veille après avoir mis à jour ses paramètres. Et dans le cas contraire, c’est-à-dire si la
durée d’activité reçue est supérieure à sienne, alors il maintient sa posture de sentinelle
et continue d’assurer la surveillance de sa zone dédiée. Quant à l’autre nœud, il fera le
même traitement dès qu’il recevra une réponse sonde. Et ainsi, le conflit sur la surveillance
7.2. Méthode d’ordonnancement hybride
87
souvent dû aux collisions est résolu grâce à l’utilisation du temps d’activité des nœuds
sentinelles.
Begin
Randomize ticket tk
no
Compute sleep time
based on initial probe rate
is tk = 1
yes
Pass to Sleep Mode for Ts
Pass to Active Mode
(Sentinel)
no
Ts expire?
no
Energy
depletion?
yes
yes
Pass to Probing Mode
Update probe rate
and compute new Ts
Send probe request
Pass to Dead Mode
Remain probe
request to Tx
no
yes
End
yes
Received probe
response?
Wait for probe
response
no
Wait response
timer expire?
no
yes
Figure 7.2 – Algorithme d’ordonnancement hybride
88
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
7.3
Analyse et évaluation de performance
Dans cette section, nous allons essayer d’évaluer les performances de notre algorithme
d’ordonnancement hybride par une simulation. Nous allons commencer d’abord par présenter l’environnement de simulation qui a été considéré puis procéder à l’évaluation de
l’énergie consommée sous différents scénarios et comparer les résultats obtenus avec ceux
d’une technique d’ordonnancement classique. Dans ce travail, nous avons choisi de comparer notre algorithme avec celui que nous avions proposé [Diongue 2013] dans le Chapitre
5, c’est-à-dire la technique d’ordonnancement adaptative.
7.3.1
Modèle et paramètres de simulation
Nous avons évalué les performances de notre algorithme HSA par simulation avec le
framework Castalia sous OMNeT++. Les solutions d’ordonnancement reposent en général
sur la redondance, et de ce fait, nous avons considéré un déploiement uniforme d’un très
grand nombre de nœuds sur une zone de capture de 100 × 100 m2 . Afin de tester la
scalabilité de notre solution, nous faisons varier la taille de notre réseau de 50 jusqu’à
1000 par incrément de 50. Ensuite, nous avons évalué la consommation moyenne d’énergie
suivant deux scénarios ; en considérant l’impact de l’environnement d’application (via le
modèle d’interférence) et celui de la puissance de transmission des nœuds.
Castalia propose dans son implémentation trois modèles d’interférences : le modèle
idéal, le modèle simpliste et celui dit additif. (i)Le modèle idéal considère qu’aucune
collision ne peut se produire lors des communications. Ce modèle n’est pas réaliste car
considère que toutes les communications se passent normalement comme si chaque nœud
opérait à lui seul sur le canal. (ii) Le modèle d’interférence simpliste propose que si deux
nœuds donnés émettent en même temps des paquets vers une même destination, alors il se
produira toujours une collision. (iii) Et enfin le modèle d’interférence additif quant à lui
propose que si deux nœuds donnés émettent au même moment vers la même destination,
alors il existe une probabilité non nulle que la destination reçoive correctement un message
s’il est reçu avec une grande puissance de signal c’est-à-dire qu’une collision est étroitement
liée au SINR à la destination. Et dans le cas contraire, il se produit une collision au niveau
de la destination. Ainsi, pour plus de réalisme, nous avons évalué l’algorithme HSA en
considérant les deux derniers modèles d’interférences cités ci-dessus.
Le second scénario de nos simulations consiste à analyser la consommation moyenne
d’énergie avec différentes puissances de transmission. Castalia utilise au niveau radio avec
les paramètres définis dans CC2420 de Texas Instrument. Les détails des paramètres de
7.3. Analyse et évaluation de performance
89
Table 7.1 – Paramètres de simulation
Champ de capture
100 x 100 m2
Taille du réseau
[50 :1000]
Type de déploiement
uniforme
Modèles d’interference
simple interference (1), additive interference (2)
Puissances de Transmission
0, -5, -10, -15 and -25 dBm
simulation sont présentés dans le tableau ci-dessous.
7.3.2
Efficacité énergétique
L’efficacité énergétique est l’un des critères de base pour l’évaluation et la validation
des réseaux de capteurs sans fil. Ainsi, pour évaluer la robustesse énergétique de HSA,
nous avons essayé de mesurer la consommation moyenne d’énergie durant la phase d’initialisation puis en considérant toute la durée de la simulation et nous avons comparé les
résultats obtenus avec ceux de notre algorithme d’ordonnancement adaptatif.
7.3.2.1
La phase d’initialisation :
Nous avons analysé la quantité moyenne d’énergie dissipée lors de la phase d’initialisation pour les algorithmes HSA (Hybrid Scheduling Algorithm) et ASA (Adaptive Scheduling Algorithm) en faisant varier le paramètre de forme de Weibull. Pour rappel, nous
avions dit dans la section 4.2 que la distribution de Weibull permet, grâce à son paramètre
de forme, de généraliser plusieurs lois de probabilité notamment la loi exponentielle, celle
de Rayleigh, etc. Ainsi, les courbes de la figure 7.3 montrent une nette différence sur la
quantité d’énergie consommée dans la phase d’initialisation. Nous avons une consommation d’environ 2, 3 joules en 6000 secondes avec la méthode d’ordonnancement hybride et
quasiment la moitié avec celle adaptative. Cette surconsommation s’explique par le fait
qu’avec HSA, nous avons dès le déploiement un pourcentage des nœuds actifs pour assurer
la surveillance de la zone «Early wake-up for monitoring» et de ce fait, ces nœuds ont leur
radio par défaut en mode écoute (c’est-à-dire en réception). Tandis que pour ASA, tous les
nœuds sont initialement en mode veille pendant un temps aléatoire, puis certains d’entre
eux se réveillent pour monter la garde. Nous avons aussi analysé l’impact ou l’adaptabilité
de notre approche par rapport à différents modèles de probabilités sur la consommation
d’énergie. Cela est nettement visible sur la figure 7.3. Le second enseignement que nous
90
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
Energie moyenne consommee (Joule)
0.25
Hybrid Scheduling k=1.5
Hybrid Scheduling k=2
Hybrid Scheduling k=3
Adaptive Scheduling k=1.5
Adaptive Scheduling k=2
Adaptive Scheduling k=3
0.2
0.15
0.1
0.05
0
0
100
200
300
400
500
600
Taille du reseau
700
800
900
1000
Figure 7.3 – Énergie moyenne consommée en fonction de la taille du réseau durant la
phase d’initialisation
tirons à partir de cela est que notre approche sentinel (aussi bien avec HSA qu’avec ASA)
prend en compte l’évolutivité vers d’autres modèles comme nous l’avions pressenti plus
haut.
7.3.2.2
La phase de stabilisation :
Nous avons aussi essayé d’évaluer les performances de notre algorithme avec deux
paramètres importants à savoir le modèle d’interférence qui matérialise l’environnement
d’ exécution et la puissance de transmission de la radio qui, plus elle est importante, plus
la quantité d’énergie consommée l’est aussi. Ainsi, l’analyse montre d’une part, que la
solution hybride est plus efficace en terme de consommation globale d’énergie.
La figure 7.4 montre que quel que soit le niveau de transmission du signal, HSA
permet plus de souplesse dans la consommation d’énergie. Et cela est plus considérable
quand on considère de faibles puissances de transmission. L’explication que nous pouvons
donner à cela est qu’avec HSA, le réseau génère moins de surcharge due aux messages
de contrôle. Car, une partie du réseau est déjà fonctionnelle et de ce fait les nœuds dits
«early sentinels» n’ont pas besoin d’échanger des informations de sondage. Contrairement
à la méthode adaptative où, tous les nœuds devront nécessairement procéder au sondage
de leur voisinage afin de sélectionner coopérativement les nœuds sentinelles pour assurer
la surveillance. D’où, une surconsommation d’énergie lors de cette phase d’échange des
informations de sondage.
7.3. Analyse et évaluation de performance
450
ASA TxPower=0
HSA TxPower=0
ASA TxPower=−5
HSA TxPower=−5
ASA TxPower=−10
HSA TxPower=−10
ASA TxPower=−15
HSA TxPower=−15
ASA TxPower=−25
HSA TxPower=−25
400
Energie moyenne consommee (Joule)
91
350
300
250
200
150
100
50
0
0
100
200
300
400
500
600
Taille du reseau
700
800
900
1000
Figure 7.4 – Énergie moyenne consommée en fonction de la taille du réseau avec différentes puissances de transmission
450
Hybrid Scheduling Int. Model=1
Hybrid Scheduling Int. Model=2
Adaptive Scheduling Int. Model=1
Adaptive Scheduling Int. Model=2
Energie moyenne consommee (Joule)
400
350
300
250
200
150
100
50
0
0
100
200
300
400
500
600
Taille du reseau
700
800
900
1000
Figure 7.5 – Énergie moyenne consommée en fonction de la taille du réseau avec différents
modèles d’interférence
D’autre part, nous avons aussi le même constat sous un environnement d’ exécution
bruité.
La figure 7.5 montre que HSA présente plus de souplesse sur la consommation globale
d’énergie comparée à ASA. Nous avons avec HSA une consommation totale d’énergie
nettement plus faible quand on considère le modèle d’interférence additif, qui à notre avis
est plus proche de la réalité. Par conséquent, avec le modèle d’interférence simpliste, nous
92
Chapitre 7. Algorithme d’ordonnancement hybride pour les RCSFs
avons sensiblement les mêmes quantités d’énergie dissipées avec une faible baisse pour
ASA.
7.4
Conclusion
Dans ce chapitre, nous avons tenté d’analyser le problème d’ordonnancement des activités des nœuds et nous avons proposé HSA, un algorithme hybride d’ordonnancement
combinant les méthodes d’ordonnancement adaptatif et aléatoire. Notre solution HSA
s’exécute en deux phases ; une phase d’initialisation utilisant la méthode d’ordonnancement aléatoire et une deuxième phase dite de stabilisation utilisant la technique adaptative. Pour évaluer les performances, nous avons choisi de comparer la solution proposée
dans ce chapitre avec celle que nous avons présentée dans le chapitre 5. Pour cela, nous
avons choisi d’évaluer la solution en prenant en considération l’efficacité énergétique mais
aussi la robustesse de l’algorithme par rapport à l’environnement d’exécution et par rapport aux caractéristiques des communications (c’est-à-dire la puissance de transmission
utilisée par les nœuds du réseau).
Nous avons noté à travers l’évaluation des performances que HSA présente plus de
souplesse sur la quantité moyenne d’énergie consommée comparée à notre algorithme
d’ordonnancement adaptatif et cela quel que soit l’environnement et la puissance de transmission utilisés. L’hybridation de solutions d’ordonnancement, nous a permis d’avoir une
bonne partie des nœuds du réseau en activité (environ 50% car chaque nœud a 50%
de chance d’être en mode actif) dès le déploiement. D’où une réduction conséquente de
la surconsommation d’énergie qui aurait dû être utilisée pour les échanges de messages
sondes.
La solution présentée dans ce chapitre est une amélioration ou encore une extension
de l’algorithme d’ordonnancement probabiliste que nous avions au chapitre 5. Nous avons
constaté à travers plusieurs scénarios que la combinaison de la technique d’ordonnancement aléatoire à celle adaptative a abouti à une solution optimale garantissant la longévité
du réseau mais aussi le passage à l’échelle et la robustesse dans un environnement bruité.
Comme perspectives de recherche à ce travail, nous pourrions étudier le contrôle des réveils en se basant sur une étude statistique des événements dans la zone surveillée. Un
autre point qui serait intéressant d’être étudié, est l’évaluation de la robustesse face aux
attaques tels les dénis de services en particulier le «deny of wake-up». Puisque nous utilisons dans nos scénarii des nœuds de réserve pour maintenir la topologie, un attaquant
pourrait essayer de perturber le fonctionnement du réseau en s’attaquant à ces nœuds.
Chapitre 8
Conclusion et perspectives
Dans les sciences, le chemin est plus important que le
but. Les sciences n’ont pas de fin.
Erwin Chargaff
Sommaire
8.1
8.1
Conclusion
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
93
8.2
Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
95
Conclusion
Durant ces dernières décennies, les réseaux de capteurs sans fil ont réussi à conquérir
de nombreux secteurs d’activité et cela grâce aux avancées fulgurantes dans les domaines
de la micro-électronique et de l’électromécanique. Cet important essor de la technologie
des capteurs sans fil, fait que cette dernière attire aujourd’hui un très grand monde de
chercheurs aussi bien dans les universités que dans l’industrie. Cependant, ces réseaux, du
fait de plusieurs paramètres intrinsèques notamment l’énergie, font face à de nombreux
défis.
Dans cette thèse, nous nous intéressons au problème d’optimisation de la durée de
vie, qui est une métrique de qualité de service étroitement liée à celle de la conservation
de l’énergie. La prolongation de la durée de vie d’un réseau de capteurs fait intervenir
plusieurs paramètres allant de la conception matérielle à celle logicielle ou protocolaire.
Ainsi, nous nous sommes intéressés à l’élaboration d’une solution pour la maximisation
de la longévité des réseaux de capteurs sans fil.
Dans la première partie de notre travail, nous avons proposé le modèle Sentinel, une
solution probabiliste formatée pour les réseaux de capteurs à grande échelle et à forte
94
Chapitre 8. Conclusion et perspectives
densité. Le modèle, Sentinel, que nous avons proposé s’appuie sur la distribution probabiliste de Weibull. Sentinel, s’inspire du principe de garde dans les zones militaires afin de
contrôler les temps de veille des nœuds de réserve (la relève pour la garde). Ainsi, au-delà
de l’auto-organisation des nœuds, Sentinel, garantit aussi la reprise après qu’une panne
d’un nœud capteur ait été constatée. Cela permet de mettre les nœuds de réserve, pour
la plupart du temps, en veille (mode d’économie d’énergie) tout en veillant à l’ajustement
des paramètres de veille en fonction du temps et de l’état du réseau. Ce qui fait de Sentinel
un modèle auto-adaptatif très pratique pour les réseaux à topologie très instable tels que
les réseaux de capteurs sans fil.
Nous avons dans le cadre de l’application du modèle, utilisé Sentinel avec la technique
d’ordonnancement des activités des nœuds afin de mieux tirer profit de la forte densité
du réseau (beaucoup de redondance sur la couverture). Nous avons proposé ALARM, un
algorithme d’ordonnancement basé sur le modèle Sentinel. Le principe dans ALARM, est
de sélectionner au déploiement du réseau, un sous-ensemble minimal des sentinelles qui
vont assurer la garde c’est-à-dire la surveillance de la zone d’étude puis mettre les nœuds
redondants en mode d’économie d’énergie afin de préserver leur batterie. Cependant,
ALARM, grâce au modèle Sentinel, utilise la fonction de survie de Weibull pour déterminer et ajuster dynamiquement les temps de veille des nœuds redondants. Cette mise à jour
dynamique du temps de veille des nœuds en fonction de l’état du réseau, permet de faire
en sorte que s’il y a une sentinelle qui tombe en panne (car elle épuise sa batterie ou que
l’une de ses modules de base devient dysfonctionnel) qu’il ait un autre qui prend aussitôt
la relève. À la différence de la plupart des solutions d’ordonnancement proposées dans la
littérature qui utilisent des réveils périodiques ou aléatoire simple, ALARM permet aux
nœuds de déterminer de façon aléatoire leur temps de veille et cela sous la contrainte de
l’usure de la batterie en fonction du temps. C’est-à-dire que nous considérons que la probabilité de panne des nœuds augmente en fonction temps et par conséquent l’ajustement
des réveils en fonction de cette probabilité permet de réduire de façon considérable les
retards sur la reprise après panne.
À la suite de la validation par simulation de ALARM, nous avons poursuivi notre
étude en y ajoutant un mécanisme de contrôle de topologie basé sur l’adaptation de lien
afin de garantir une meilleure connectivité entre les nœuds sentinelles. Cela, permet de
maintenir durant tout le fonctionnement du réseau, une route vers le centre de traitement
ou la station de base. Ce mécanisme d’adaptation de lien s’appuie sur ALARM via ces
messages de sondage pour vérifier la connectivité en utilisant le LQI et éventuellement
8.2. Perspectives
95
ajuster si nécessaire la puissance de transmission. À travers nos simulations, nous avons
constaté que le contrôle de la topologie nous a permis à ALARM d’être plus efficace du
point de vue de la consommation d’énergie.
Enfin, nous avons, toujours dans le souci d’optimiser davantage la consommation de
l’énergie, hybridé notre solution d’ordonnancement en y introduisant une phase d’initialisation à état aléatoire. L’hybridation consiste à coupler deux techniques d’ordonnancement à savoir la technique adaptative et celle dite aléatoire. Ainsi, la solution s’exécute
sur deux phases : une phase d’initialisation basée sur la technique d’ordonnancement aléatoire afin de permettre, dès le déploiement du réseau qu’il y ait des sentinelles prêtes à
assurer la surveillance une deuxième phase qui consiste à celle de stabilisation du réseau
où les nœuds sentinelles, en cas de conflit sur la surveillance, exécutent l’algorithme 1
pour lever le conflit. Malgré la faible hausse d’énergie notée dans la phase d’initialisation,
l’hybridation a contribué à une baisse sur la consommation globale de l’énergie comparée
à notre solution basée uniquement sur l’ordonnancement adaptatif.
Cependant, tous ces efforts sur le plan de l’efficacité énergétique, ne constituent que les
jalons posés pour tendre vers une solution optimisée basée sur l’ordonnancement des activités des nœuds dans les réseaux de capteurs sans fil à forte densité afin de les permettre
une longévité en adéquation avec les périodes d’études escomptées.
8.2
Perspectives
Les réseaux de capteurs sans fil constituent en un vaste domaine de recherche avec une
panoplie d’applications possibles et de nombreux défis à relever. De ce fait, nous allons
dégagé un certain nombre de perspectives à court et à moyen terme pour la continuité de
ce travail.
— Nous envisagerons dans le court terme de développer un algorithme de suivi de la
couverture orientée événement afin de permettre aux nœuds de coupler la probabilité de production d’événements à celle des pannes pour calculer leur temps de
veille.
— Nous nous proposerons également de se pencher sur la gestion de l’énergie des
nœuds sentinelles elles-mêmes. Ainsi, nous avons considéré dans ce travail qu’une
sentinelle dès qu’elle monte la garde reste en mode actif jusqu’à l’épuisement de sa
batterie ou qu’elle soit désactivée avec l’algorithme de réglement de conflit sur la
couverture. Cependant, une politique de gestion de l’énergie peut être adoptée de
sorte qu’une sentinelle puisse se mettre dans un mode moins gourmand en énergie
96
Chapitre 8. Conclusion et perspectives
quand elle ne détecte aucune activité dans son voisinage.
— Dans le moyen terme, nous nous proposerons d’aller vers l’acquisition car nous
avons vu à travers l’état de l’art que la phase d’acquisition peut dans certains cas
être une véritable source de consommation d’énergie.
— La sécurité est un point très sensible pour les réseaux sans fil en particulier les
réseaux de capteurs. Cela, nous a motivé à projeter l’intégration d’un module de
sécurité pour faire face aux attaques qui viseraient à épuiser la batterie des nœuds
capteurs. Parmi tant d’autres types d’attaques, nous pouvons avoir par exemple
un attaquant qui empêche les nœuds de retourner en veille en lui faisant croire
qu’aucune sentinelle n’est présente dans son voisinage.
Annexe A
Outils de simulation
Les réseaux de capteurs sans fil constituent aujourd’hui un véritable champ d’attraction pour une variété d’applications. Ainsi, plusieurs solutions ont été proposées durant
ces dernières années ; et les chercheurs font souvent appel à la simulation pour la validation de leurs propositions. De ce fait, de nombreux simulateurs dédiés ou réadaptés
aux réseaux de capteurs sans fil ont été mis au point avec chacune de ces caractéristiques
[Egea-Lopez 2005, Jevtić 2009, Sundani 2011, Weingartner 2009].
Cependant, nous avons, dans cette thèse, évalué les performances de nos contributions
par simulation. Pour cela, notre choix par rapport aux outils de simulation disponibles,
était orienté sur le couple OMNeT++/Castalia [Xian 2008]. Castalia est un framework
fonctionnant au-dessus d’OMNeT++ et est spécialement conçu pour les réseaux de capteurs sans fil. Castalia a beaucoup attiré notre attention par le fait que c’est un simulateur
de réseaux de capteurs sans fil générique, c’est-à-dire que l’implémentation d’un nœud
n’est pas spécifique à telle ou telle autre modèle de capteurs. Outre cela, Castalia utilise
aussi des modèles plus ou moins réalistes, en particulier au niveau de l’utilisation de la
radio. La suite de cette partie du manuscrit est axée sur la présentation de cet outil mais
avant cela, nous allons présenter le simulateur de base qui est utilisé, à savoir OMNeT++.
A.1
OMNeT++
Nous avons évalué les performances de nos algorithmes avec OMNeT++, qui est un
simulateur à événements discrets orientés objet, basé sur C++ [Varga 2008, Varga 2001].
OMNeT++ a été conçu pour la simulation des systèmes de réseaux de communication,
des systèmes distribués, etc. C’est un projet open source, développé par Andras Varga
de l’Université de Budapest, qui connaît aujourd’hui plusieurs évolutions avec plusieurs
frameworks prenant en compte divers domaines d’application allant des réseaux classiques
jusqu’à ceux de dernière génération notamment les réseaux de capteurs sans fil et les
réseaux véhiculaires. Il est un simulateur programmable, paramétrable et modulaire ; ce
98
Annexe A. Outils de simulation
qui justifie qu’il soit adapté à une panoplie d’applications. OMNet++ a été développé
pour satisfaire principalement les besoins suivants :
• permettre des simulations suivant un modèle hiérarchique et à large échelle mais
qu’elles puissent aussi accepter la réutilisation des composants.
• offrir une traçabilité mais aussi plus de souplesse en ce qui concerne la maintenance
des programmes de simulation. Ce qui permettrait de réduire considérablement les
temps de débogage.
• être un outil de simulation modulaire, personnalisable et pouvant supporter des
modèles intégrés pour une variété d’applications.
A.1.1
Architecture
Le fonctionnement d’OMNet++ repose principalement sur des modules qui communiquent entre eux par le biais de messages ou encore messages passing. Les modules sont
organisés de manière hiérarchique et le module de base est appelé «module simple» ou
encore «simple module». Le regroupement de plusieurs modules simples forme un module
dit composé ou «compound module» qui a son tour peut être regroupé avec d’autres pour
donner aussi un module composé, et le nombre de niveaux hiérarchiques n’est pas limité.
Les modules sont implémentés en C++ et sont aussi de type de base module. L’architecture est conçue de telle sorte que les modules simples soient à la fois émetteurs et
récepteurs de messages. Le modules composés se contentent de relayer les messages aux
modules simples de façon transparente. Les différents modules sont reliés entre eux par
des liens ou connections ayant des paramètres tels que le délai de transmission, le débit
autorisé, le taux d’erreurs permis, etc.
Les points de connexion entre les modules et les liens sont assurés par des portes
ou «gates» où passent les messages échangés entre les différents modules. Les portes
permettent la communication inter-niveau. Cependant, une porte peut être créée dans un
niveau donné.
A.1.2
Le langage NED
La définition de la structure d’une simulation et la description de sa topologie se
font par le biais du langage NED (NEtwork Description language). Ainsi, la description
de la topologie est stockée dans un fichier .ned qui est essentiellement constitué de la
déclaration des modules simples (gates et paramètres de connexion) mais aussi de la
A.2. Castalia
99
définition des modules composés (interfaces externes) et du réseau de manière générale.
OMNet++ intégre même dans son implémentation, un éditeur graphique permettant
l’édition facile et aisée des fichiers NED. L’utilisateur a le choix, pour l’édition des fichiers
NED, d’utiliser l’interface avec le code source ou de procéder simplement à du «drag
and drop». Le langage NED est aussi compatible avec le standard XML en permettant
l’importation et l’exportation de fichiers au format XML ; ceci grâce à son riche NEDXML
API.
En résumé, OMNeT++ est un simulateur open source compatible avec quasiment
tous les environnements tels que Windows, Unix/Linux, Mac OS X, etc. Il a aussi une
documentation très fournie et des groupes d’échanges et de développement très dynamique. OMNeT++ supporte également une panoplie de framework (INET, INETMANET, ReaSE, MIXIM, Castalia, etc.) pour diférentes applications notamment les réseaux
de capteurs sans fil.
A.2
Castalia
Castalia est un framework dédié aux réseaux de capteurs sans fil et est basé sur
la plateforme de simulation OMNeT++ [Jevtić 2009]. Castalia a été développé par la
NICTA 1 (National ICT Australia) pour tester des algorithmes et protocoles dans le domaine des réseaux et de l’informatique «pervasive». C’est un simulateur générique conçu
pour la validation d’algorithmes distribués de haut niveau et/ou de protocoles dans un environnement sans fil et des modèles radios réalistes par rapport aux exigences des réseaux
de capteurs sans fil.
A.2.1
Caractéristiques de Castalia
Castalia peut être utilisé pour évaluer les caractéristiques de différentes solutions pour
des applications spécifiques, cela grâce à son héritage d’OMNeT++ sur sa souplesse et le
fait qu’il est hautement paramétrable. Ses principales caractéristiques sont les suivantes
[Boulis 2007, Rastegarnia 2011, Pediaditakis 2010] :
— Un modèle avancé du canal de transmission basé sur les données empiriques mesurées.
— Un modèle radio avancé utilisant des données réalistes des radios existantes pour
les transmissions basses portées.
1. http://castalia.npc.nicta.com.au
100
Annexe A. Outils de simulation
— Un modèle de données de capture étendu avec une modélisation très flexible des
processus physiques prenant en compte les effets du bruit et du biais relatifs à
l’environnement mais aussi à la consommation d’énergie.
— Intégre déjà la synchronisation des horloges des nœuds.
— Offre une base existante de protocoles (MAC et Routage) avec une facilité d’extension.
— Il a une documentation très fournie et une communauté très active via le forum.
Comme OMNeT++, Castalia utilise le langage C++ pour l’implémentation et le langage
NED pour la définition de la structure de la topologie.
A.2.2
Modélisation du média de transmission
Dans Castalia, les nœuds sont des modules d’OMNeT++ et par conséquent, ils ne se
connectent pas directement entre eux mais communiquent via le module du canal sans fil.
Un aspect important de la modélisation du canal sans fil selon Castalia, est l’estimation
de l’affaiblissement du signal sur les liens entre les différents nœuds ou de manière générale entre deux points quelconques de l’espace. Castalia utilise un modèle d’observation
lognormal le long du canal, permettant de déterminer la probabilité de réception des paquets (PRP) à partir du ratio signal sur bruit (SNR). Cela permet d’émuler les conditions
réalistes du canal sans fil.
En résumé, nous pouvons retenir que Castalia est un simulateur générique et modulaire
spécialement dédié aux réseaux sans fil à faible puissance de transmission et en particulier
les réseaux de capteurs sans fil. C’est un simulateur hautement paramétrable et très
extensible pour tester des algorithmes distribués et/ou des protocoles de haut niveau.
Parmi les atouts de Castalia, nous pouvons citer le fait qu’il se base sur des données
réalistes (par rapport à la radio, le média sans fil, etc.) avec une variété de processus
physiques prit en compte au niveau capture.
Liste des publications
Revues internationales
• DIONGUE, Dame and THIARE, Ousmane. "A New Sentinel Approach for Energy
Efficient and Hole Aware Wireless Sensor Networks". In International Journal of
Computer Science and Information Security (IJCSIS), vol. 11, num. 9. pp. 30-37,
Sept. 2013.
Conférences internationales
• DIONGUE, Dame and THIARE, Ousmane. "ALARM : An Energy Aware Sleep
Scheduling Algorithm for Lifetime Maximization in Wireless Sensor Networks". In
Proceedings of IEEE International Symposium of Wireless Technology and Applications (ISWTA), pp. 74-79, 2013.
• DIONGUE, Dame and THIARE, Ousmane. "An Energy Efficient Self-Healing Mechanism for Long Life Wireless Sensor Networks". In Proceedings on : 9th Annual
International Joint Conferences on Computer, Information, Systems Sciences, &
Engineering (CISSE), Springer/IEEE, 2013.
• DIONGUE, Dame and THIARE, Ousmane. "HSA : An Hybrid Scheduling Algorithm for Wireless Sensor Networks". In Proceedings on IEEE International Conference on Computer Communication and Informatics (ICCCI), 2014 IEEE Conference. IEEE, pp.160-165, 2014.
Conférences et colloques nationaux
• DIONGUE, Dame and THIARE, Ousmane. "SENTINEL : Un mécanisme pour
une prolongation de la durée de vie des réseaux de capteurs sans fil". In Proceedings
on : 5eme Colloque National sur la Recherche en Informatique et ses Applications
(CNRIA), Ziguinchor, Sénégal, pp. 14-21, Avril 2013.
102
Bibliographie
Bibliographie
[Abrams 2004] Zoë Abrams, Ashish Goel et Serge Plotkin. Set k-cover algorithms for
energy efficient monitoring in wireless sensor networks. In Proceedings of the
3rd international symposium on Information processing in sensor networks, pages
424–432. ACM, 2004. (Cité en page 32.)
[Akhondi 2010] Mohammad Reza Akhondi, Alex Talevski, Simon Carlsen et Stig Petersen. Applications of wireless sensor networks in the oil, gas and resources industries. In Advanced Information Networking and Applications (AINA), 2010 24th
IEEE International Conference on, pages 941–948. IEEE, 2010. (Cité en page 19.)
[Akyildiz 2002] Ian F Akyildiz, Weilian Su, Yogesh Sankarasubramaniam et Erdal
Cayirci. Wireless sensor networks : a survey. Computer networks, vol. 38, no. 4,
pages 393–422, 2002. (Cité en pages 1, 7 et 13.)
[Alemdar 2010] Hande Alemdar et Cem Ersoy. Wireless sensor networks for healthcare :
A survey. Computer Networks, vol. 54, no. 15, pages 2688 – 2710, 2010. (Cité en
page 15.)
[Alippi 2009] Cesare Alippi, Giuseppe Anastasi, Mario Di Francesco et Manuel Roveri.
Energy management in wireless sensor networks with energy-hungry sensors. Instrumentation & Measurement Magazine, IEEE, vol. 12, no. 2, pages 16–23, 2009.
(Cité en page 29.)
[Anastasi 2009] Giuseppe Anastasi, Marco Conti, Mario Di Francesco et Andrea Passarella. Energy conservation in wireless sensor networks : A survey. Ad Hoc
Networks, vol. 7, no. 3, pages 537–568, 2009. (Cité en pages 24, 29 et 32.)
[Andreou 2012] Panayiotis G Andreou, George Constantinou, Demetrios ZeinalipourYazti et George Samaras. FireWatch : gis-assisted wireless sensor networks for
forest fires. In Scientific and Statistical Database Management, pages 618–621.
Springer, 2012. (Cité en page 17.)
[Banerjee 2001] Suman Banerjee et Samir Khuller. A clustering scheme for hierarchical
control in multi-hop wireless networks. In INFOCOM 2001. Twentieth Annual
Joint Conference of the IEEE Computer and Communications Societies. Proceedings. IEEE, volume 2, pages 1028–1037. IEEE, 2001. (Cité en page 31.)
[Barriga 2011] Gladys DC Barriga, Franscisco Louzada-Neto et Vicente G Cancho. The
complementary exponential power lifetime model. Computational Statistics & Data
Analysis, vol. 55, no. 3, pages 1250–1259, 2011. (Cité en page 44.)
Bibliographie
103
[Béjar 2012] Benjamın Béjar, Santiago Zazo et Daniel P Palomar. Lifetime maximization
for beamforming applications in wireless sensor networks. In Acoustics, Speech
and Signal Processing (ICASSP), 2012 IEEE International Conference on, pages
2849–2852. IEEE, 2012. (Cité en page 28.)
[Benkic 2008] K. Benkic, M. Malajner, P. Planinsic et Z. Cucej. Using RSSI value for
distance estimation in wireless sensor networks based on ZigBee. In Systems,
Signals and Image Processing, 2008. IWSSIP 2008. 15th International Conference
on, pages 303–306, 2008. (Cité en page 74.)
[Boulis 2007] Athanassios Boulis. Castalia : revealing pitfalls in designing distributed algorithms in WSN. In Proceedings of the 5th international conference on Embedded
networked sensor systems, pages 407–408. ACM, 2007. (Cité en page 99.)
[Caione 2012] Carlo Caione, Davide Brunelli et Luca Benini. Distributed compressive
sampling for lifetime optimization in dense wireless sensor networks. Industrial
Informatics, IEEE Transactions on, vol. 8, no. 1, pages 30–40, 2012. (Cité en
page 35.)
[Cărbunar 2006] Bogdan Cărbunar, Ananth Grama, Jan Vitek et Octavian Cărbunar.
Redundancy and coverage detection in sensor networks. ACM Transactions on
Sensor Networks (TOSN), vol. 2, no. 1, pages 94–128, 2006. (Cité en page 28.)
[Cardei 2005] Mihaela Cardei, My T Thai, Yingshu Li et Weili Wu. Energy-efficient target
coverage in wireless sensor networks. In INFOCOM 2005. 24th Annual Joint
Conference of the IEEE Computer and Communications Societies. Proceedings
IEEE, volume 3, pages 1976–1984. IEEE, 2005. (Cité en page 32.)
[Castello 2013] Charles C Castello, Ruei-Xi Chen, Jeffrey Fan et Asad Davari. Context
aware wireless sensor networks for smart home monitoring. International Journal
of Autonomous and Adaptive Communications Systems, vol. 6, no. 2, pages 99–
114, 2013. (Cité en page 18.)
[Champ 2009] Julien Champ, Clément Saad et A-E Baert. Lifetime in wireless sensor
networks. In Complex, Intelligent and Software Intensive Systems, 2009. CISIS’09.
International Conference on, pages 293–298. IEEE, 2009. (Cité en page 26.)
[Chen 2005] Yunxia Chen et Qing Zhao. On the lifetime of wireless sensor networks.
Communications Letters, IEEE, vol. 9, no. 11, pages 976–978, 2005. (Cité en
page 26.)
104
Bibliographie
[Chen 2011] Ray Chen, Anh Phan Speer et Mohamed Eltoweissy. Adaptive fault-tolerant
QoS control algorithms for maximizing system lifetime of query-based wireless sensor networks. Dependable and Secure Computing, IEEE Transactions on, vol. 8,
no. 2, pages 161–176, 2011. (Cité en page 28.)
[Cheng 2010] Chi-Tsun Cheng, C.K. Tse et F.C.M. Lau. An Energy-Aware Scheduling
Scheme for Wireless Sensor Networks. Vehicular Technology, IEEE Transactions
on, vol. 59, no. 7, pages 3427–3444, 2010. (Cité en page 84.)
[Chinrungrueng 2007] Jatuporn Chinrungrueng, Udomporn Sunantachaikul et Satien
Triamlumlerd. Smart parking : An application of optical wireless sensor network.
In Applications and the Internet Workshops, 2007. SAINT Workshops 2007. International Symposium on, pages 66–66. IEEE, 2007. (Cité en pages 2 et 18.)
[Christin 2010] Delphine Christin, Parag S Mogre et Matthias Hollick. Survey on wireless
sensor network technologies for industrial automation : the security and quality of
service perspectives. Future Internet, vol. 2, no. 2, pages 96–125, 2010. (Cité en
page 19.)
[Corke 2007] Peter Corke, Ron Peterson et Daniela Rus. Finding holes in sensor networks.
In the IEEE Workshop on Omniscient Space : Robot Control, 2007. (Cité en
page 71.)
[Deshpande 2004] Amol Deshpande, Carlos Guestrin, Samuel R Madden, Joseph M Hellerstein et Wei Hong. Model-driven data acquisition in sensor networks. In Proceedings of the Thirtieth international conference on Very large data bases-Volume
30, pages 588–599. VLDB Endowment, 2004. (Cité en page 37.)
[Díaz 2011] Soledad Escolar Díaz, Jesús Carretero Pérez, Alejandro Calderón Mateos,
Maria-Cristina Marinescu et Borja Bergua Guerra. A novel methodology for the
monitoring of the agricultural production process based on wireless sensor networks.
Computers and Electronics in Agriculture, vol. 76, no. 2, pages 252–265, 2011.
(Cité en page 12.)
[Dietrich 2009] Isabel Dietrich et Falko Dressler. On the Lifetime of Wireless Sensor
Networks. ACM Trans. Sen. Netw., vol. 5, no. 1, pages 5 :1–5 :39, Février 2009.
(Cité en page 26.)
[Diongue 2013] Dame Diongue et Ousmane Thiare. ALARM : Energy Aware sLeep Scheduling AlgoRithm for Lifetime Maximization in Wireless Sensor Networks. In
2013 IEEE Symposium on Wireless Technology and Applications (ISWTA 2013),
Kuching, Malaysia, Septembre 2013. (Cité en page 88.)
Bibliographie
105
[Egea-Lopez 2005] E Egea-Lopez, J Vales-Alonso, AS Martinez-Sala, P Pavon-Marino et
J García-Haro. Simulation tools for wireless sensor networks. In Proceedings of
the International Symposium on Performance Evaluation of Computer and Telecommunication Systems (SPECTS05), page 24, 2005. (Cité en page 97.)
[Ekici 2006] Eylem Ekici, Yaoyao Gu et Doruk Bozdag. Mobility-based communication in
wireless sensor networks. IEEE Communications Magazine, vol. 44, no. 7, page 56,
2006. (Cité en page 38.)
[El-Moukaddem 2013] Fatme El-Moukaddem, Eric Torng, Guoliang Xing et G Xing. Mobile relay configuration in data-intensive wireless sensor networks. Mobile Computing, IEEE Transactions on, vol. 12, no. 2, pages 261–273, 2013. (Cité en page 38.)
[Farooq 2010] Muhamnmad Omer Farooq, Abdul Basit Dogar et Ghalib Asadullah Shah.
MR-LEACH : multi-hop routing with low energy adaptive clustering hierarchy. In
Sensor Technologies and Applications (SENSORCOMM), 2010 Fourth International Conference on, pages 262–268. IEEE, 2010. (Cité en page 31.)
[Fasolo 2007] Elena Fasolo, Michele Rossi, Jorg Widmer et Michele Zorzi. In-network
aggregation techniques for wireless sensor networks : a survey. Wireless Communications, IEEE, vol. 14, no. 2, pages 70–87, 2007. (Cité en page 35.)
[Fletcher 2010] Greg Fletcher, Xu Li, Amiya Nayak et Ivan Stojmenovic. Randomized
robot-assisted relocation of sensors for coverage repair in wireless sensor networks.
In Vehicular Technology Conference Fall (VTC 2010-Fall), 2010 IEEE 72nd, pages
1–5. IEEE, 2010. (Cité en page 72.)
[Garcia-Sanchez 2011] Antonio-Javier Garcia-Sanchez, Felipe Garcia-Sanchez et Joan
Garcia-Haro.
Wireless sensor network deployment for integrating video-
surveillance and data-monitoring in precision agriculture over distributed crops.
Computers and Electronics in Agriculture, vol. 75, no. 2, pages 288 – 303, 2011.
(Cité en page 12.)
[Gentili 2013] Monica Gentili et Andrea Raiconi. α-Coverage to extend network lifetime
on wireless sensor networks. Optimization Letters, vol. 7, no. 1, pages 157–172,
2013. (Cité en page 27.)
[Georganas 2002] N. D Georganas. A coverage-preserving node scheduling scheme for
large wireless sensor networks. In Proceeding of the 1st ACMInternational Workshop on Wireless Sensor Network and Application Workshop, pages 32–41. Citeseer, 2002. (Cité en page 27.)
106
Bibliographie
[Ghosh 2004] Amitabha Ghosh. Estimating coverage holes and enhancing coverage in
mixed sensor networks. In Local Computer Networks, 2004. 29th Annual IEEE
International Conference on, pages 68–76. IEEE, 2004. (Cité en page 72.)
[Hefeeda 2007] Mohamed Hefeeda et Majid Bagheri. Wireless sensor networks for early
detection of forest fires. In Mobile Adhoc and Sensor Systems, 2007. MASS 2007.
IEEE Internatonal Conference on, pages 1–6. IEEE, 2007. (Cité en page 17.)
[Hefeeda 2009] Mohamed Hefeeda et Majid Bagheri. Forest Fire Modeling and Early
Detection using Wireless Sensor Networks. Ad Hoc & Sensor Wireless Networks,
vol. 7, no. 3-4, pages 169–224, 2009. (Cité en pages 2 et 17.)
[Intanagonwiwat 2002] Chalermek Intanagonwiwat, Deborah Estrin, Ramesh Govindan
et John Heidemann. Impact of network density on data aggregation in wireless
sensor networks. In Distributed Computing Systems, 2002. Proceedings. 22nd
International Conference on, pages 457–458. IEEE, 2002. (Cité en page 35.)
[Jevtić 2009] Miloš Jevtić, Nikola Zogović et Goran Dimić. Evaluation of wireless sensor
network simulators. In Proceedings of the 17th Telecommunications Forum (TELFOR 2009), Belgrade, Serbia, pages 1303–1306, 2009. (Cité en pages 97 et 99.)
[Karpiriski 2006] M Karpiriski, Aline Senart et Vinny Cahill. Sensor networks for smart
roads. In Pervasive Computing and Communications Workshops, 2006. PerCom
Workshops 2006. Fourth Annual IEEE International Conference on, pages 5–pp.
IEEE, 2006. (Cité en page 18.)
[Kasbekar 2011] G.S. Kasbekar, Y. Bejerano et S. Sarkar. Lifetime and Coverage Guarantees Through Distributed Coordinate-Free Sensor Activation.
Networking,
IEEE/ACM Transactions on, vol. 19, no. 2, pages 470 –483, april 2011. (Cité
en pages 27 et 53.)
[Kho 2009] Johnsen Kho, Alex Rogers et Nicholas R Jennings. Decentralized control
of adaptive sampling in wireless sensor networks. ACM Transactions on Sensor
Networks (TOSN), vol. 5, no. 3, page 19, 2009. (Cité en page 36.)
[Kimura 2005] Naoto Kimura et Shahram Latifi. A survey on data compression in wireless
sensor networks. In Information Technology : Coding and Computing, 2005. ITCC
2005. International Conference on, volume 2, pages 8–13. IEEE, 2005. (Cité en
page 34.)
Bibliographie
107
[Le Borgne 2007] Yann-Aël Le Borgne, Silvia Santini et Gianluca Bontempi. Adaptive
model selection for time series prediction in wireless sensor networks. Signal Processing, vol. 87, no. 12, pages 3010–3020, 2007. (Cité en page 34.)
[Lee 2009] Young-Dong Lee et Wan-Young Chung. Wireless sensor network based wearable smart shirt for ubiquitous health and activity monitoring. Sensors and Actuators B : Chemical, vol. 140, no. 2, pages 390 – 395, 2009. (Cité en pages 2
et 14.)
[Li 2011] Shancang Li, Lida Xu et Xinheng Wang. Compressed sensing signal and data
acquisition in wireless sensor networks and internet of things. 2011. (Cité en
page 34.)
[Lloret 2009] Jaime Lloret, Miguel Garcia, Diana Bri et Sandra Sendra. A wireless sensor
network deployment for rural and forest fire detection and verification. Sensors,
vol. 9, no. 11, pages 8722–8747, 2009. (Cité en page 17.)
[Loscri 2005] V Loscri, G Morabito et S Marano. A two-levels hierarchy for low-energy
adaptive clustering hierarchy (TL-LEACH). In IEEE Vehicular Technology Conference, volume 62, page 1809. IEEE ; 1999, 2005. (Cité en page 31.)
[Luo 2009] Chong Luo, Feng Wu, Jun Sun et Chang Wen Chen. Compressive data gathering for large-scale wireless sensor networks. In Proceedings of the 15th annual
international conference on Mobile computing and networking, pages 145–156.
ACM, 2009. (Cité en page 34.)
[Luo 2011] Dijun Luo, Xiaojun Zhu, Xiaobing Wu et Guihai Chen. Maximizing lifetime
for the shortest path aggregation tree in wireless sensor networks. In INFOCOM,
2011 Proceedings IEEE, pages 1566–1574. IEEE, 2011. (Cité en page 27.)
[Mahfoudh 2008] Saoucene Mahfoudh et Pascale Minet. Survey of energy efficient strategies in wireless ad hoc and sensor networks. In Networking, 2008. ICN 2008.
Seventh International Conference on, pages 1–7. IEEE, 2008. (Cité en pages 25
et 29.)
[Marcelloni 2008] Francesco Marcelloni et Massimo Vecchio. A simple algorithm for data
compression in wireless sensor networks. Communications Letters, IEEE, vol. 12,
no. 6, pages 411–413, 2008. (Cité en page 35.)
[Milenkovi 2006] Aleksandar Milenkovi, Chris Otto et Emil Jovanov. Wireless sensor
networks for personal health monitoring : Issues and an implementation. Computer
108
Bibliographie
Communications, vol. 29, no. 13–14, pages 2521 – 2533, 2006. Wirelsess Senson
Networks and Wired/Wireless Internet Communications. (Cité en page 14.)
[Mukherjee 2013] Rumpa Mukherjee et Arindom Mukherjee. A Survey on Different Approaches for Energy Conservation in Wireless Sensor Networks. Internatonal Journal of Advanced Computer Research, vol. 03, no. 1, March 2013. (Cité en pages 24,
29 et 32.)
[Oliveira 2011] Luís Oliveira et Joel Rodrigues. Wireless Sensor Networks : a Survey on
Environmental Monitoring. Journal of Communications, vol. 6, no. 2, 2011. (Cité
en pages 2 et 15.)
[Pandian 2008] P.S. Pandian, K. Mohanavelu, K.P. Safeer, T.M. Kotresh, D.T. Shakunthala, Parvati Gopal et V.C. Padaki. Smart Vest : Wearable multi-parameter
remote physiological monitoring system. Medical Engineering and Physics, vol. 30,
no. 4, pages 466 – 477, 2008. (Cité en page 14.)
[Pediaditakis 2010] Dimosthenis Pediaditakis, Yuri Tselishchev et Athanassios Boulis.
Performance and scalability evaluation of the Castalia wireless sensor network simulator. In Proceedings of the 3rd International ICST Conference on Simulation
Tools and Techniques, page 53. ICST (Institute for Computer Sciences, SocialInformatics and Telecommunications Engineering), 2010. (Cité en page 99.)
[Petrovic 2003] Dragan Petrovic, Rahul C Shah, Kannan Ramchandran et Jan Rabaey.
Data funneling : routing with aggregation and compression for wireless sensor networks. In Sensor Network Protocols and Applications, 2003. Proceedings of the
First IEEE. 2003 IEEE International Workshop on, pages 156–162. IEEE, 2003.
(Cité en page 34.)
[Pham 2011] Congduc Pham. Network lifetime and stealth time of wireless video sensor
intrusion detection systems under risk-based scheduling. In Wireless and Pervasive
Computing (ISWPC), 2011 6th International Symposium on, pages 1–6. IEEE,
2011. (Cité en page 28.)
[Rastegarnia 2011] Adib Rastegarnia et Vahid Solouk. Performance evaluation of Castalia Wireless Sensor Network simulator. In Telecommunications and Signal Processing (TSP), 2011 34th International Conference on, pages 111–115. IEEE, 2011.
(Cité en page 99.)
[Rawat 2013] Priyanka Rawat, KamalDeep Singh, Hakima Chaouchi et JeanMarie Bonnin. Wireless sensor networks : a survey on recent developments and potential
Bibliographie
109
synergies. The Journal of Supercomputing, pages 1–48, 2013. (Cité en pages xi,
2, 12 et 14.)
[Riquelme 2009] J.A. López Riquelme, F. Soto, J. Suardíaz, P. Sánchez, A. Iborra et
J.A. Vera. Wireless Sensor Networks for precision horticulture in Southern Spain.
Computers and Electronics in Agriculture, vol. 68, no. 1, pages 25 – 35, 2009. (Cité
en page 12.)
[Santini 2006] Silvia Santini et Kay Romer. An adaptive strategy for quality-based data
reduction in wireless sensor networks. In Proceedings of the 3rd International
Conference on Networked Sensing Systems (INSS 2006), pages 29–36, 2006. (Cité
en pages 33 et 34.)
[Santos 2012] IM Santos et CE Cugnasca. PESTICIDE DRIFT CONTROL WITH WIRELESS SENSOR NETWORKS. In 11th International Conference on Precision
Agriculture, 2012. (Cité en pages 2 et 13.)
[Sardini 2010] E. Sardini et M. Serpelloni. Instrumented wearable belt for wireless health
monitoring. Procedia Engineering, vol. 5, no. 0, pages 580 – 583, 2010. Eurosensor
{XXIV}, Conference Eurosensor {XXIV} Conference. (Cité en page 14.)
[Sartipi 2011] Mina Sartipi et Robert Fletcher. Energy-efficient data acquisition in wireless sensor networks using compressed sensing. In Data Compression Conference
(DCC), 2011, pages 223–232. IEEE, 2011. (Cité en page 34.)
[Sengupta 2012] S. Sengupta, S. Das, M. Nasir, A.V. Vasilakos et W. Pedrycz. An Evolutionary Multiobjective Sleep-Scheduling Scheme for Differentiated Coverage in
Wireless Sensor Networks. Systems, Man, and Cybernetics, Part C : Applications
and Reviews, IEEE Transactions on, vol. 42, no. 6, pages 1093–1102, 2012. (Cité
en page 71.)
[Sha 2005] Kewei Sha et Weisong Shi. Modeling the lifetime of wireless sensor networks.
Sensor Letters, vol. 3, no. 2, pages 126–135, 2005. (Cité en page 28.)
[Shen 2004] Xingfa Shen, Zhi Wang et Youxian Sun. Wireless sensor networks for industrial applications. In Intelligent Control and Automation, 2004. WCICA 2004.
Fifth World Congress on, volume 4, pages 3636–3640. IEEE, 2004.
(Cité en
page 19.)
[Shirazi 2011] Ghasem Shirazi et Lutz Lampe. Lifetime maximization in uwb sensor
networks for event detection. Signal Processing, IEEE Transactions on, vol. 59,
no. 9, pages 4411–4423, 2011. (Cité en page 28.)
110
Bibliographie
[Shiue 2005] Hung-Yu Shiue, Gwo-Jong Yu et Jang-Ping Sheu. Energy hole healing protocol for surveillance sensor networks. In Workshop on WASN, volume 2005, 2005.
(Cité en page 72.)
[Slijepcevic 2001] Sasha Slijepcevic et Miodrag Potkonjak. Power efficient organization of
wireless sensor networks. In Communications, 2001. ICC 2001. IEEE International
Conference on, volume 2, pages 472–476. IEEE, 2001. (Cité en page 32.)
[Son 2006] Byungrak Son, Yong-sork Her et J Kim. A design and implementation of
forest-fires surveillance system based on wireless sensor networks for South Korea mountains. International Journal of Computer Science and Network Security
(IJCSNS), vol. 6, no. 9, pages 124–130, 2006. (Cité en page 17.)
[Srivastava 2013] Ajita Srivastava, Kumar Rahul Dev et Vinay Kumar Nassa. Energy
Conservation in Wireless Sensor Network. International Journal of Engineering
Sciences & Research, vol. 2, November 2013. (Cité en pages 24 et 29.)
[Sundani 2011] Harsh Sundani, Haoyue Li, Vijay K Devabhaktuni, Mansoor Alam et Prabir Bhattacharya. Wireless sensor network simulators a survey and comparisons.
International Journal of Computer Networks (IJCN), vol. 2, no. 5, pages 249–265,
2011. (Cité en page 97.)
[Talreja 2013] Ramesh Talreja et Waloddi Weibull. Probability of fatigue failure based on
residual strength. In ICF4, Waterloo (Canada) 1977, 2013. (Cité en page 45.)
[Tay 2009] Francis E.H. Tay, D.G. Guo, L. Xu, M.N. Nyan et K.L. Yap. MEMSWearbiomonitoring system for remote vital signs monitoring. Journal of the Franklin
Institute, vol. 346, no. 6, pages 531 – 542, 2009. (Cité en pages 2 et 14.)
[ur Rehman 2011] Aqeel ur Rehman, Abu Zafar Abbasi, Noman Islam et Zubair Ahmed
Shaikh. A review of wireless sensors and networks’ applications in agriculture.
Computer Standards & Interfaces, no. 0, pages –, 2011. (Cité en page 12.)
[Valverde 2012] Juan Valverde, Victor Rosello, Gabriel Mujica, Jorge Portilla, Amaia
Uriarte et Teresa Riesgo. Wireless sensor network for environmental monitoring :
application in a coffee factory. International Journal of Distributed Sensor Networks, vol. 2012, 2012. (Cité en page 19.)
[Varga 2001] András Vargaet al. The OMNeT++ discrete event simulation system. In
Proceedings of the European Simulation Multiconference (ESM’2001), volume 9,
page 185. sn, 2001. (Cité en page 97.)
Bibliographie
111
[Varga 2008] András Varga et Rudolf Hornig. An overview of the OMNeT++ simulation
environment. In Proceedings of the 1st international conference on Simulation
tools and techniques for communications, networks and systems & workshops,
page 60. ICST (Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering), 2008. (Cité en page 97.)
[Viani 2013] F. Viani, F. Robol, A. Polo, P. Rocca, G. Oliveri et A. Massa. Wireless
Architectures for Heterogeneous Sensing in Smart Home Applications : Concepts
and Real Implementation. Proceedings of the IEEE, vol. 101, no. 11, pages 2381–
2396, 2013. (Cité en page 18.)
[Vincent 2007] Patrick J Vincent. Energy conservation in wireless sensor networks. PhD
thesis, Monterey, California. Naval Postgraduate School, 2007. (Cité en page 29.)
[Wang 2005] Z Maria Wang, Stefano Basagni, Emanuel Melachrinoudis et Chiara Petrioli. Exploiting sink mobility for maximizing sensor networks lifetime. In System
Sciences, 2005. HICSS’05. Proceedings of the 38th Annual Hawaii International
Conference on, pages 287a–287a. IEEE, 2005. (Cité en page 38.)
[Wang 2007] Qin Wang et Woodward Yang. Energy consumption model for power management in wireless sensor networks. In Sensor, Mesh and Ad Hoc Communications and Networks, 2007. SECON’07. 4th Annual IEEE Communications Society
Conference on, pages 142–151. IEEE, 2007. (Cité en pages 25 et 29.)
[Wang 2009] Bang Wang, Hock Beng Lim et Di Ma. A survey of movement strategies for
improving network coverage in wireless sensor networks. Computer Communications, vol. 32, no. 13, pages 1427–1436, 2009. (Cité en page 72.)
[Wark 2007] T. Wark, P. Corke, P. Sikka, L. Klingbeil, Ying Guo, C. Crossman, P. Valencia, D. Swain et G. Bishop-Hurley. Transforming Agriculture through Pervasive
Wireless Sensor Networks. Pervasive Computing, IEEE, vol. 6, no. 2, pages 50–57,
2007. (Cité en page 12.)
[Weibull 1951] Waloddi Weibull. Wide applicability. Journal of applied mechanics, 1951.
(Cité en page 44.)
[Weingartner 2009] Elias Weingartner, Hendrik Vom Lehn et Klaus Wehrle.
A per-
formance comparison of recent network simulators. In Communications, 2009.
ICC’09. IEEE International Conference on, pages 1–5. IEEE, 2009. (Cité en
page 97.)
112
Bibliographie
[Willett 2004a] Rebecca Willett, Aline Martin et Robert Nowak. Backcasting : adaptive
sampling for sensor networks. In Proceedings of the 3rd international symposium
on Information processing in sensor networks, pages 124–133. ACM, 2004. (Cité
en page 36.)
[Willett 2004b] Rebecca M Willett, Aline M Martin et Robert D Nowak. Adaptive sampling for wireless sensor networks. In Information Theory, 2004. ISIT 2004. Proceedings. International Symposium on, page 519. IEEE, 2004. (Cité en page 36.)
[Wu 2005] Kui Wu, Yong Gao, Fulu Li et Yang Xiao. Lightweight deployment-aware
scheduling for wireless sensor networks. Mobile networks and applications, vol. 10,
no. 6, pages 837–852, 2005. (Cité en pages 27, 55 et 60.)
[Xian 2008] Xiaodong Xian, Weiren Shi et He Huang. Comparison of OMNET++ and
other simulator for WSN simulation. In Industrial Electronics and Applications,
2008. ICIEA 2008. 3rd IEEE Conference on, pages 1439–1443. IEEE, 2008. (Cité
en page 97.)
[Xu 2002] Ning Xu. A survey of sensor network applications. IEEE Communications
Magazine, vol. 40, no. 8, pages 102–114, 2002. (Cité en page 16.)
[Yamazaki 2006] Tatsuya Yamazaki. Beyond the smart home. In Hybrid Information
Technology, 2006. ICHIT’06. International Conference on, volume 2, pages 350–
355. IEEE, 2006. (Cité en page 18.)
[Yao 2002] Yong Yao et Johannes Gehrke. The cougar approach to in-network query
processing in sensor networks. ACM Sigmod Record, vol. 31, no. 3, pages 9–18,
2002. (Cité en page 35.)
[Ye 2003] Fan Ye, Gary Zhong, Jesse Cheng, Songwu Lu et Lixia Zhang. PEAS : A
robust energy conserving protocol for long-lived sensor networks. In Distributed
Computing Systems, 2003. Proceedings. 23rd International Conference on, pages
28–37. IEEE, 2003. (Cité en pages 32, 49, 52, 60, 61 et 66.)
[YILMAZ 2007] MÐNE YILMAZ. Duty cycle control in wireless sensor networks. PhD
thesis, MIDDLE EAST TECHNICAL UNIVERSITY, 2007. (Cité en page 32.)
[Yong-Min 2009] Liu Yong-Min, Wu Shu-Ci et Nian Xiao-Hong. The Architecture and
Characteristics of Wireless Sensor Network. In Computer Technology and Development, 2009. ICCTD ’09. International Conference on, volume 1, pages 561–565,
2009. (Cité en page 10.)
Bibliographie
113
[Yu 2005] Liyang Yu, Neng Wang et Xiaoqiao Meng. Real-time forest fire detection with
wireless sensor networks. In Wireless Communications, Networking and Mobile
Computing, 2005. Proceedings. 2005 International Conference on, volume 2, pages
1214–1217. IEEE, 2005. (Cité en page 17.)
[Yun 2010] YoungSang Yun et Ye Xia. Maximizing the lifetime of wireless sensor networks with mobile sink in delay-tolerant applications. Mobile Computing, IEEE
Transactions on, vol. 9, no. 9, pages 1308–1318, 2010. (Cité en page 38.)
[Zairi 2012] Sajeh Zairi, Belhassen Zouari, Eric Niel et Emil Dumitrescu. Nodes selfscheduling approach for maximising wireless sensor network lifetime based on remaining energy. IET wireless sensor systems, vol. 2, no. 1, pages 52–62, 2012.
(Cité en page 28.)
[Zhang 2005a] Honghai Zhang et Jennifer C. Hou. Maintaining Sensing Coverage and
Connectivity in Large Sensor Networks. Ad Hoc & Sensor Wireless Networks,
vol. 1, no. 1-2, 2005. (Cité en page 27.)
[Zhang 2005b] Honghai Zhang et Jennifer C. Hou. On the upper bound of alpha-lifetime
for large sensor networks. TOSN, vol. 1, no. 2, pages 272–300, 2005. (Cité en
page 27.)
[Zhang 2006] Honghai Zhang et Jennifer C. Hou. Maximising alpha-lifetime for wireless
sensor networks. IJSNet, vol. 1, no. 1/2, pages 64–71, 2006. (Cité en page 27.)
[Zorbas 2010] Dimitrios Zorbas, Dimitris Glynos, Panayiotis Kotzanikolaou et Christos
Douligeris. Solving coverage problems in wireless sensor networks using cover sets.
Ad Hoc Networks, vol. 8, no. 4, pages 400–415, 2010. (Cité en page 32.)

poster

Découvrez notre datalogger LYNX 32-128

capteurs et systèmes de mesure dans les matériaux

Voir mon projet "Maison Intelligente"

ATHENS-ORP-Progam -05 11 2014.xlsx

Telecharger la fiche produit

En Arpentant - Chambres d`agriculture

Diapositive 1

suggestions - CIFFUL - Université de Liège

psp_ds-0514_fr (2.09 Mo)

4DabadieECGFichier PDF - e