Optimisation d'un algorithme de classification de paquets dans le contexte d'OpenFlow en vue d'une implémentation matérielle.
RÉSUMÉ:
Les opérateurs de télécommunication (internet, téléphonie) font face à une explosion de l’utilisation en bande passante par leurs clients. En effet, les utilisateurs ont changé leurs habitudes de consommation pour un usage nomade. Désormais, les consommateurs veulent pouvoir accéder à Internet, à partir d’un Smartphone, ordinateur, tablette ou télévision. La quantité de données échangées n’a cessé ainsi d’augmenter, poussant les fournisseurs d’accès à mettre en place des stratégies d’optimisation de l’utilisation des ressources de leur réseau. En effet, le déploiement d’une nouvelle architecture (fibre optique) entraine des couts très élevés. Ainsi, les opérateurs cherchent à identifier et traiter de manière optimale chaque type de trafic passant sur leurs liens. À cet égard, la classification de paquets (c’est-à-dire l’identification du trafic) doit se faire à une granularité très fine. Faisant face à un nouveau contexte, les algorithmes de classification de paquets doivent donc être repensés et optimisés. PROBLÉMATIQUE:
Le problème considéré porte sur l’isolation entre chacun des opérateurs partageant l’équipement physique. Il s’agit en effet de garantir à chacun d’eux des ressources dédiées d’une part, mais aussi la capacité à utiliser des ressources sous-utilisées par certains autres opérateurs. On comprend ainsi que ce partage des ressources s’effectue de manière dynamique.
MÉTHODOLOGIE:
La méthodologie suivante sera suivie :
Adaptation de l'algorithme EffiCuts au contexte d’OpenFlow Identification des causes de la sous-performance de l’algorithme Proposition de plusieurs optimisations algorithmiques préliminaires Conception d’un nouvel algorithme
Proposition d’une architecture matérielle RÉSULTATS:
Suite à la phase de test, plusieurs optimisations ont été intégrées et permettent dans un premier temps de diminuer la taille de la structure de donnée générée par l'algorithme de 35% tout en réduisant le nombre moyen d'accès mémoire par 2. Par ailleurs, les modifications apportées ont été réalisées dans le but de réaliser une implémentation matérielle de l’algorithme. La deuxième phase consistait à désigner un algorithme optimisé pour
TABOUBI, Mohamed DIPLÔME: M.Sc.A. TITRE:
Localisation des terminaux mobiles dans les environnements intérieurs en utilisant la technologie Wi-Fi. RÉSUMÉ:
En 2013, notre travail est divisé en quatre grands volets. Le premier volet concerne l’amélioration des résultats de la méthode de «Fingerprinting» aboutie en 2012. Le deuxième volet concerne l’établissement théorique des équations qi simulent les données du réseau afin de prévoir la valeur théorique de la puissance du signal Wifi reçu de chaque point d’accès du bâtiment. Le troisième volet concerne l’étude théorique de la méthode de multi altération. Finalement, le quatrième volet consiste à la simulation des résultats.
PROBLÉMATIQUE:
Trois problématiques sont notées:
Les résultats obtenus auparavant prennent en considération tous les points d’accès même si ces derniers sont défectueux ou affectés par l’environnement. Il serait logique de ne pas considérer ces points d’accès dans nos calculs.
La méthode de Fingerprinting demande un grand travail de collecte de données. Il sera logique de réduire ce travail en arrivant à simuler les données ou d’utiliser une autre méthode de localisation dans quelques endroits de l’édifice.
La complexité de l’environnement a rendu difficile l’estimation des paramètres du modèle de propagation.
MÉTHODOLOGIE:
On a amélioré l’algorithme de calcul de signatures et d’estimation de position. L’amélioration consiste à exploiter la différence de puissances et à ne pas utiliser les données reçues par les points d’accès affectés par l’environnement.
Pour simuler les données reçues par le réseau, on a utilisé un modèle de propagation. Les paramètres de ce modèle ont été calculés en utilisant les valeurs empiriques déjà collectées.
La localisation par multilateration introduite consiste à localiser les terminaux mobiles en calculant les distances à partir des différences de puissances reçues. Ceci est possible seulement dans le cas où on a au moins un point d’accès central pour lequel on connaît bien sa puissance partout dans l’étage. Nos résultats ont été simulés sous forme de statistiques et de cartes d’erreur. Ceci nous permet non
seulement d’évaluer notre travail, mais aussi de trancher sur nos choix d’algorithmes et de fonctions d’erreur. Ces résultats sont aussi utilisés pour réajuster les valeurs des atténuations choisies pour avoir le positionnement le plus précis possible.
RÉSULTATS:
Les résultats obtenus avec les nouvelles méthodes et manières de faire montrent que :
La simulation des données était validée pour quelques endroits de l’étage seulement ce qui va nécessairement alléger le grand travail qui doit être fait lors des collectes des données.
L’ensemble des points d’accès utilisés peut regrouper seulement ceux de l’étage actuel, d’un étage en dessous et un étage en dessus sans avoir besoin d’utiliser tous les points d’accès du bâtiment.
La non considération de quelques points d’accès qui causent des interférences améliore la précision de localisation de 3%.
Notre méthode de calcul d’erreur améliore les résultats de localisation de 4% en la comparant à une méthode classique.
l’erreur de précision de localisation par «Fingerprinting» est de moins de 2 mètres pour 57% des cas (contre 37% pour l’année 2012) et atteint 72% pour une localisation dans les corridors (contre 55% pour l’année 2012). Quelques endroits dans les corridors (généralement les milieux et les coins) peuvent être exclus de la collecte de données puisque les valeurs dans ces endroits peuvent être trouvées théoriquement par nos équations établies. Le travail de collecte de données fait au préalable peut être réduit donc de 40%.
La méthode de multilateration est valable dans quelques endroits seulement dans les espaces ouverts. Les statistiques de cette méthode ne sont pas encore quantifiées à l’heure actuelle.