Placement automatique de points d'accès

6.3.2.1 Les paramètres des points d'accès.

Dans cette approche, on considère l'utilisation d'un seul modèle de point d'ac-cès, et on cherche à minimiser le nombre de ces points d'accès N, tout en opti-misant pour chacun d'eux les 3 paramètres suivants :

 la position.

 la puissance d'émission.

 la direction d'émission si l'antenne est directionnelle.

L'approche choisie est combinatoire, c'est à dire que chacun des paramètres à optimiser peut prendre un nombre ni de valeurs.

Pour choisir les positions candidates des points d'accès, la méthode consiste à utiliser les centres des plus gros MR-nodes homogènes inférieurs à une certaine dimension. En eet, il a été montré que, tester une position de point d'accès par pièce (ou éventuellement plus dans les très grandes pièces) était susant pour faire une planication ecace.

Les valeurs de puissance d'émission candidates en dBm sont prises dans l'espace {13, 14, 15, 16, 17} pour les points d'accès à puissance réglable, car ces valeurs correspondent à des réglages usuels. Pour les points d'accès à puissance xe le paramètre de puissance n'est bien entendu pas optimisé.

Enn, pour les points d'accès non omnidirectionnels, la direction de l'antenne est aussi optimisée mais son espace a été réduit aux 4 directions cardinales de l'espace {E, W, S, N}, pour ne pas trop accroître la complexité.

6.3.2.2 Les fonctions à optimiser.

Le problème de planication est NP complet, il faut donc faire appel à des mé-thodes heuristiques pour minimiser une fonction de coût traduisant les pénalités de l'état du système. Ainsi, une solution parfaite aurait une fonction de pénalité après optimisation de 0. La méthode Tabou a été choisie et implémentée [95]. Plusieurs fonctions de coût ont été dénies :

La fonction de coût de couverture : Cette fonction a pour but d'assurer une puissance de réception supérieure à un certain seuil. Si on appelle FBS la valeur moyenne de la puissance du bloc honmogène de puissance la plus élevée (Best Server), Smin le seuil de puissance permettant d'avoir le débit minimum, et S_max celui permettant d'avoir le débit maximal, la fonction de coût fcouverture est dénie par :

f_couverture =   

0 si F^BS > Smax

|S_max− FBS| si S_min < FBS < S_max |S_max− S_min| si FBS < S_min

(6.5) La fonction de coût d'interférence : Pour minimiser les interférences il est proposé de réduire les recouvrements entre les cellules adjacentes. Il faut donc s'assurer que la puissance de l'interférent potentiel le plus fort Fh+1 (c'est à dire le point d'accès ayant la puissance la plus élevée après le Best Server) soit inférieure au niveau de bruit N .

f_{interf rence} =    0 si Fh+1< N |Smax− Fh+1| si N < Fh+1< Smax |S_max− N | si Fh+1> S_max (6.6) La fonction de coût de débit réel ou QoS : Enn, un critère de qualité de service permet de prendre en compte le nombre d'utilisateurs et les débits souhaités dans les diérentes zones de l'environnement. Il est déni par :

f_QoS = max(d_s− d_u, 0) (6.7) où dsest le débit souhaité dans le bloc homogène considéré, et du est le débit utile obtenu en tenant compte du nombre d'utilisateurs, estimé en faisant le rapport entre le débit total et le nombre d'utilisateurs [95].

6.3.2.3 L'optimisation.

Les fonctions de coût précédentes sont concurentes entre elles. Ainsi, par exemple, optimiser la couverture va augmenter les interférences et vice versa. Les diérentes fonctions de coût ne peuvent donc pas être optimisées séparément. Deux approches sont donc possibles :

Approche mono-objectif : Dans cette méthode une nouvelle fonction de coût f est développée. Elle est égale à la somme des fonctions de coût auxquelles des poids αi peuvent être donnés pour favoriser telle ou telle fonction :

f = α₁· f_couverture+ α₂· f_{interf erence}+ α₃· f_QoS (6.8) Approche multi-objectifs : Le but est ici d'optimiser tous les paramètres en parallèle. Pour cela il a été montré que chaque problème multi-objectifs a un ensemble de "bonnes" solutions qui constitue un front de Pareto. Ce front de Pareto constitue l'ensemble des solutions non dominées qui peut être recherché

Fig. 6.11  Ensemble des solutions du front de Pareto (points bleus) et solutions choisies étoiles rouges - Extrait de "Méthodologies pour la planication de réseaux sans ls", Thèse de K. Jares-Runser, 2005, INSA-Lyon [95].

par une méthode tabou [95]. La gure6.11 montre un exemple de front de Pareto obtenu avec les trois fonctions de coût dénies précédemment. Cette approche multi-objectifs est performante car, comme plusieurs objectifs concurents doivent être atteints, elle ne propose pas une solution unique, mais plutôt l'ensemble des meilleures solutions. C'est alors l'installateur qui doit choisir, en parcourant cet ensemble, quelle est la solution qui répond le mieux à ses exigences.

Nous avons pu vérier au cours des installations de réseaux de la société Syg-mum que l'approche mono-objectif n'était pas susante, car elle fournit une seule solution qui est souvent dicilement exploitable, et ne correspond pas toujours aux l'objectifs requis (par exemple : une bonne couverture mais beaucoup trop de points d'accès, ou encore peu d'interférences mais des débits faibles...). C'est pourquoi l'approche multi-objectifs a été implémentée pour faire de bonnes pla-nications de réseaux WiFi, où l'utilisateur nal aura toujours le choix entre plusieurs congurations.

Comme le temps de recherche de solutions optimales dépend de l'ordre de la fonction, donc du nombre de paramètres à optimiser, le problème de l'allocation des canaux n'a pas été implémenté dans cette optimisation. C'est pourquoi, pour réduire la complexité, une approche en deux temps nous a semblé plus percutante.

De plus, grâce à la fonction de coût finterf erence qui minimise les recouvrements entre zones de services, donc les interférences potentielles, la conguration des positions des points d'accès obtenue, devrait permettre de pouvoir ecacement, dans un deuxième temps, aecter les fréquences. C'est pourquoi, une fois l'opti-misation générale des positions, puissances d'émission, et directions des antennes eectuée, nous avons souhaité résoudre le problème des canaux dans un deuxième temps. C'est l'extension que nous proposons dans le paragraphe suivant.

6.3.3 Extension proposée : optimisation de l'allocation des