Dans ce chapitre, nous avons proposé une approche pour améliorer la méthode opportuniste de collecte de données dans les zones blanches étendues. Cette mé-thode consiste à placer des relais entre les sources de données éloignées et non couvertes par les avions d’une part, et des points de collecte couverts, d’autre part.
D’abord, nous avons montré qu’il est possible d’interconnecter toutes les sources de données entre elles et avec les différents points de collecte, ceci en for-mant une structure minimale de type arbre minimal de Steiner ou en forfor-mant une structure de réseau tolérant aux fautes. Ensuite, chaque source transmet ses
don-(a) Etat de la file d’attente.
(b) délai de transmission des données collectées Figure 5.19 –Comparaison des deux méthodes de collecte.
nées au point de collecte caractérisé par la moindre latence. Alors, elle détermine le plus court chemin afin d’atteindre le point de collecte choisi.
Pour évaluer notre méthode, à travers différents scénarios, nous avons observé et analysé des métriques que sont le nombre de relais utilisés pour interconnecter toutes les sources de données, le nombre de relais qui constituent les différents chemins qui relient les sources aux points de collecte, le volume de données sto-ckées dans les files d’attente des points de collecte et enfin le délai nécessaire aux points de collecte pour transmettre les données qu’ils ont stockées dans leur file d’attente, aux avions.
Nous avons ainsi comparé nos résultats avec plusieurs méthodes de collecte de données dans les réseaux de capteurs sans fil à puits mobiles. Notre méthode est plus efficace car elle repartit le volume de données en tenant compte de la capacité
(a) Etat de la file d’attente.
(b) délai de transmission des données collectées Figure 5.20 –Comparaison avec des sources de même débit.
des points de collecte. Ce faisant, il n’y a pas de sous-utilisation ou de saturation des points de collecte. Le délai de collecte dans le réseau est alors réduit, ce qui correspond aux pré-requis de plusieurs types d’application supportés par les DTN.
(a) Etat de la file d’attente après 10 périodes de trans-mission
(b) délai de transmission des données collectées
6.1 Synthèse
Les zones blanches étendues sont principalement caractérisées par des condi-tions climatiques extrêmes rendant la vie difficile pour les populacondi-tions peu nom-breuses qui y vivent. Par ailleurs, ces zones souffrent d’un manque d’infrastruc-ture routières, distribution d’énergie et moyens de télécommunication. Pourtant, de nombreuses activités économiques s’y développent comme des extractions mi-nières, des pipelines ou des exploitations forestières, qui nécessitent une infra-structure de réseaux de capteurs sans fil. La surveillance de ces zones étendues, comme les frontières ou les feux de forêt, est une autre activité utilisant massive-ment des réseaux de capteurs. Cependant, quelques îlots d’activités sont éparpillés dans ces grandes étendues, distants les uns des autres de dizaines voire de cen-taines de km. Couvrir ces immenses zones avec des réseaux de capteurs sans fil représente alors un défi, en termes de couverture, de portée des liens radio et de connectivité du réseau. Les satellites sont un bon moyen pour assurer la couver-ture des ZBE mais leur coût d’exploitation est très élevé pour des applications qui génèrent du trafic intermittent avec un faible débit. Le développement des nou-velles générations de réseaux de capteurs sans fil telles que les technologies de communication longue distance à faible consommation d’énergie offre une alter-native prometteuse et bon marché au problème de couverture des zones blanches étendues. Ainsi, la technologie LoRa a une portée théorique de 30 kilomètres. En plus de leur grande portée et de leur consommation d’énergie limitée, les technolo-gies LPWAN sont multi-applicatifs et permettent d’ adapter le débit de transmis-sion à l’application, la portée souhaitée ou à l’énergie disponible dans le capteur. Contrairement aux réseaux d’accès des opérateurs des réseaux cellulaires, le coût de l’infrastructure est très limité.
Cependant, l’ingénierie des réseaux de collecte de données dans les zones blanches étendues fait face à de nombreux problèmes de déploiement et de col-lecte efficace.
Pour résoudre le problème du déploiement, nous avons proposé une heuristique qui permet d’interconnecter avec un puits collecteur, des sources de données épar-pillées sur un grand territoire. Le réseau à déployer consiste en un réseau multi-sauts qui permet à une donnée collectée par une source d’être relayée de nœud en nœud jusqu’au point de collecte, ces nœuds relais étant à portée radio les uns des autres. Le problème à résoudre est celui du déploiement de ces nœuds relais de manière à interconnecter toutes les sources de données, puis à créer un graphe qui relient les nœuds et les sources jusqu’au point de collecte. Ce problème
d’intercon-nexion avec un nombre minimal de relais ressemble au problème de construction d’un arbre minimal de Steiner sur l’ensemble des sources. Le problème de l’arbre minimal de Steiner est un problème de type NP-difficile pour lequel il existe des heuristiques efficaces.
Notre heuristique, qui a une complexité polynomiale, est inspirée de la crois-sance du physarum qui est un organisme biologique qui sait optimiser les res-sources de son corps lors des disettes. La structure de sortie est une topologie d’in-terconnexion de toutes les sources de données à un même puits avec un nombre minimum de relais. Plusieurs combinaisons des paramètres de l’algorithme ont permis d’obtenir diverses topologies que nous avons comparées avec une autre heuristique qui calcule des solutions approchées au problème de l’arbre minimal de Steiner.
Nous avons montré que, selon la configuration des paramètres du physarum, notre heuristique était capable de créer plusieurs chemins redondants pour aller d’une source au puits, mais au prix de quelques relais supplémentaires. La redon-dance des liens permet au réseau d’être tolérant à la panne des liens. A partir de cette propriété, nous avons défini un compromis entre le nombre de relais déployés et la tolérance aux fautes. De plus, la méthode du Physarum donne une indication sur la quantité de données qui transite sur les liens de communication entre les noeuds. Cela permet de déterminer les liens du réseau qui doivent offrir le plus grand débit car c’est par ceux-ci que transite le plus de flux d’information.
Malgré tout, dans les zones blanches étendues, il n’est pas toujours possible de connecter tous les capteurs tout le temps au réseau. Une solution est d’utiliser des puits mobiles qui se déplacent régulièrement à proximité des capteurs non-connectées pour collecter leurs données. Cette approche est couramment utilisée dans les réseaux tolérants au délai ou DTN (Delay Tolerant Network). Cependant, nous avons montré que les puits mobiles terrestres (véhicules) et aériens tels que les drones, les satellites ou les ballons stratosphériques ne sont pas efficaces pour la collecte dans les ZBE. Nous avons alors proposé une nouvelle approche oppor-tuniste qui consiste à utiliser les avions des vols commerciaux pour collecter les données lorsqu’ils survolent des zones d’intérêt. En effet, des avions de ligne équi-pés d’un module LoRa peuvent communiquer avec les capteurs pendant une fe-nêtre de transmission lors de leur survol de la zone. Le grand nombre d’avions de ligne, leur périodicité, leur indépendance énergétique, leur vitesse, l’immensité des zones survolées nous ont incités à explorer cette approche. Nous avons fait une étude de faisabilité de notre méthode opportuniste de collecte. Pour évaluer ses performances, nous avons considéré une zone d’intérêt située dans le désert du
Sahara. Nous avons analysé la fenêtre de communication entre un avion et un cap-teur, le taux de couverture de la zone, le débit de collecte et le volume de données qui peut être collecté en tout endroit de la zone d’intérêt. Nous avons aussi montré que cette méthode conviendrait à des applications couramment rencontrées dans les zones blanches étendues.
Cependant, la méthode de collecte opportuniste laisse encore des zones non couvertes, c’est pourquoi nous l’avons couplé avec le déploiement Physarum afin de couvrir tous points de la zone d’intérêt. Il s’agit de placer des relais entre les sources de données non couvertes et les points de collecte couverts par des vols commerciaux, au moyen de l’heuristique du Physarum. Comparé à d’autres mé-thodes de collecte utilisant des puits mobiles, notre méthode est plus efficace car elle répartit le volume de données en tenant compte de la capacité des points de collecte. Le délai de collecte dans le réseau est alors réduit, ce qui correspond aux pré-requis de plusieurs types d’application supportés par les DTN.