Luận văn thạc sĩ déploiement efficace de réseaux de capteurs luận văn ths công nghệ thông tin

Luận văn thạc sĩ về triển khai hiệu quả mạng cảm biến. Nghiên cứu chuyên sâu công nghệ thông tin, tối ưu hóa mạng lưới và nâng cao hiệu suất.

• Tác giả: Cheikh Mbacke Thiam
• Người hướng dẫn: Dr. Tan Hwee Pink
• Trường học: IFI & I2R
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Déploiement efficace de réseaux de capteurs (Triển khai hiệu quả mạng lưới cảm biến)
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2011-2013
• Địa điểm: Singapore

Tóm tắt

I. Hướng dẫn luận văn thạc sĩ về déploiement efficace WSN

Luận văn thạc sĩ về déploiement efficace de réseaux de capteurs là một chủ đề chuyên sâu trong lĩnh vực công nghệ thông tin, tập trung vào việc triển khai hiệu quả mạng cảm biến không dây (WSN). Một WSN bao gồm một lượng lớn các nút cảm biến dùng để giám sát các hiện tượng vật lý như nhiệt độ, âm thanh, áp suất và truyền dữ liệu về một máy chủ trung tâm. Việc triển khai các nút cảm biến là yếu tố quyết định đến hiệu suất toàn mạng. Kế hoạch triển khai xác định số lượng cảm biến cần thiết và vị trí chính xác của từng nút. Một chiến lược triển khai tốt phải đáp ứng các yêu cầu về vùng phủ sóng của mạng cảm biến và khả năng kết nối, đồng thời tối ưu hóa chi phí. Luận văn này, một ví dụ điển hình cho luận văn ths ngành CNTT, giải quyết bài toán phức tạp này, đặc biệt trong môi trường đô thị. Môi trường đô thị đặt ra nhiều thách thức do sự hiện diện của các tòa nhà, cây cối và các phương tiện di động, gây nhiễu và ảnh hưởng đến phạm vi liên lạc. Mục tiêu chính của nghiên cứu là phát triển một quy trình cho phép triển khai WSN hiệu quả bằng cách xây dựng các mô hình thống kê từ dữ liệu thực địa. Để làm được điều này, một công cụ khảo sát mang tên SmartPloy đã được phát triển. Công cụ này giúp thu thập dữ liệu hiệu quả về chất lượng tín hiệu vô tuyến và các hiện tượng vật lý cần quan sát, chẳng hạn như tiếng ồn. Các mô hình thống kê sau đó được xây dựng để cải thiện và tối ưu hóa vị trí cảm biến, có tính đến các ràng buộc vật lý và môi trường thực tế.

1.1. Tổng quan về mạng cảm biến không dây WSN và tầm quan trọng

Một mạng cảm biến không dây (WSN) là một hệ thống gồm nhiều nút cảm biến tự trị được phân tán trong một khu vực để theo dõi các điều kiện vật lý hoặc môi trường. Các ứng dụng của WSN rất đa dạng, từ giám sát quân sự, theo dõi môi trường, nông nghiệp chính xác đến các ứng dụng của IoT và WSN trong thành phố thông minh. Tầm quan trọng của việc triển khai hiệu quả nằm ở việc đảm bảo chất lượng dữ liệu thu thập được, tối đa hóa tuổi thọ mạng (network lifetime) và giảm thiểu chi phí đầu tư ban đầu.

1.2. Mục tiêu cốt lõi của luận văn công nghệ thông tin này

Mục tiêu chính của luận văn là xây dựng một quy trình tối ưu hóa việc triển khai WSN trong môi trường đô thị. Cụ thể, nghiên cứu tập trung vào việc: (1) Phát triển một công cụ thu thập dữ liệu thực địa (SmartPloy) để đo cường độ tín hiệu và các hiện tượng vật lý. (2) Sử dụng dữ liệu thu thập được để xây dựng các mô hình thống kê chính xác về kênh truyền và hiện tượng quan tâm. (3) Dựa trên các mô hình này để đề xuất chiến lược tối ưu hóa vị trí cảm biến, đảm bảo cả vùng phủ sóng và kết nối mạng.

II. Thách thức cốt lõi khi triển khai mạng cảm biến WSN hiệu quả

Việc triển khai mạng cảm biến không dây (WSN) trong thực tế, đặc biệt là tại các khu vực đô thị, đối mặt với nhiều thách thức đáng kể. Vấn đề cơ bản nhất là làm thế nào để cân bằng giữa vùng phủ sóng của mạng cảm biến và kết nối mạng. Nếu các nút đặt quá gần nhau, dữ liệu thu thập sẽ bị dư thừa và vùng phủ sóng bị hạn chế. Ngược lại, nếu đặt quá xa, kết nối giữa các nút sẽ kém, dẫn đến mất dữ liệu và tăng độ trễ mạng (network latency). Một thách thức lớn khác là ảnh hưởng của môi trường vật lý. Các vật cản như tòa nhà, xe cộ, cây cối gây ra các hiện tượng phản xạ, nhiễu xạ và tán xạ tín hiệu vô tuyến, làm suy giảm chất lượng liên lạc. Điều này khiến các mô hình triển khai theo mẫu hình học (lục giác, hình vuông) trở nên kém hiệu quả. Hơn nữa, việc đảm bảo tiết kiệm năng lượng cho mạng cảm biến để kéo dài tuổi thọ mạng (network lifetime) là một bài toán khó. Nguồn năng lượng của các nút cảm biến thường bị giới hạn (pin), do đó, cần có các giao thức định tuyến trong WSN và thuật toán hoạt động hiệu quả để giảm tiêu thụ năng lượng. Cuối cùng, an ninh và bảo mật mạng cảm biến cũng là một vấn đề không thể bỏ qua, đặc biệt khi WSN được ứng dụng trong các lĩnh vực nhạy cảm. Luận văn này phân tích các thách thức trên và đề xuất giải pháp dựa trên dữ liệu thực nghiệm, thay vì chỉ dựa vào các mô hình lý thuyết.

2.1. Vấn đề về vùng phủ sóng và cấu trúc topo mạng

Đảm bảo vùng phủ sóng toàn diện (area coverage) hoặc phủ sóng các điểm quan trọng (point coverage) là yêu cầu cơ bản. Tuy nhiên, việc này bị ảnh hưởng trực tiếp bởi phạm vi cảm biến và phạm vi truyền thông của mỗi nút. Tài liệu gốc chỉ ra rằng các mô hình triển khai theo mẫu hình học như hình vuông hay lục giác thường không khả thi trong môi trường có vật cản. Việc lựa chọn một cấu trúc topo mạng phù hợp để duy trì kết nối trong khi tối đa hóa vùng phủ sóng là một bài toán tối ưu hóa phức tạp.

2.2. Ảnh hưởng của môi trường đến cơ chế lan truyền tín hiệu

Môi trường đô thị phức tạp làm thay đổi đáng kể cơ chế lan truyền tín hiệu vô tuyến. Các hiện tượng như phản xạ (reflection), nhiễu xạ (diffraction) và tán xạ (scattering) gây ra hiện tượng đa đường (multipath fading) và suy hao do che khuất (shadowing). Điều này làm cho việc dự đoán cường độ tín hiệu (RSSI) tại một vị trí bất kỳ trở nên khó khăn, ảnh hưởng trực tiếp đến việc thiết kế giao thức định tuyến trong WSN và đảm bảo kết nối ổn định.

III. Phương pháp SmartPloy Công cụ thu thập dữ liệu WSN thực địa

Để giải quyết các thách thức của việc déploiement efficace de réseaux de capteurs, luận văn đã phát triển công cụ SmartPloy. Đây là một hệ thống khảo sát thực địa toàn diện, được thiết kế để thu thập dữ liệu hiệu quả về môi trường. SmartPloy bao gồm một ứng dụng Android, một module XBee, một bo mạch Arduino tích hợp cảm biến và một máy chủ trực tuyến. Ứng dụng Android đóng vai trò là giao diện người dùng, cho phép cấu hình các tham số thử nghiệm, lưu trữ dữ liệu và đồng bộ hóa với những người dùng khác. Module XBee, sử dụng giao thức IEEE 802.15.4, chịu trách nhiệm truyền và nhận các gói tin dữ liệu, cho phép đo cường độ tín hiệu nhận được (RSSI) giữa hai điểm bất kỳ. Bo mạch Arduino được trang bị cảm biến (ví dụ: cảm biến tiếng ồn) để đo lường các hiện tượng vật lý cụ thể. Dữ liệu từ Arduino được gửi đến điện thoại thông qua module XBee tích hợp. Máy chủ trực tuyến có vai trò quan trọng trong việc điều phối nhiều người dùng tham gia vào cùng một chiến dịch thu thập dữ liệu, đảm bảo sự đồng bộ về thời gian và cấu hình. Nhờ SmartPloy, nghiên cứu có thể thu thập dữ liệu thực tế về kênh truyền không dây và hiện tượng vật lý, tạo cơ sở cho việc xây dựng các mô hình thống kê chính xác, một bước tiến quan trọng trong các luận văn ths ngành CNTT về WSN.

3.1. Kiến trúc phần cứng và sự kết hợp của các thiết bị

Kiến trúc phần cứng của SmartPloy là sự kết hợp thông minh giữa các thiết bị di động và các module cảm biến. Điện thoại Android (Nexus 7 trong nghiên cứu) được sử dụng để lưu trữ dữ liệu, xử lý và cung cấp giao diện người dùng. Module XBee kết nối với điện thoại cho phép giao tiếp không dây ở tầng vật lý. Bo mạch Arduino, một nền tảng mã nguồn mở, được tích hợp cảm biến tiếng ồn và module XBee riêng, hoạt động như một nút cảm biến thực thụ, có khả năng đo đạc và truyền dữ liệu về hiện tượng vật lý.

3.2. Chức năng phần mềm và quy trình thu thập dữ liệu

Ứng dụng Android của SmartPloy được trang bị nhiều chức năng: (1) Cấu hình các tham số như khoảng thời gian gửi gói tin, kênh truyền. (2) Hiển thị bản đồ vị trí của những người tham gia. (3) Giao tiếp (chat) giữa các người dùng để phối hợp. (4) Chức năng chính là thu thập dữ liệu hiệu quả, ghi lại thông tin RSSI từ các điện thoại khác và dữ liệu cảm biến từ bo mạch Arduino. Quá trình thu thập được đồng bộ hóa thông qua máy chủ, đảm bảo tính nhất quán của dữ liệu.

IV. Cách mô hình hóa thống kê để tối ưu hóa vị trí cảm biến

Sau khi thu thập dữ liệu hiệu quả bằng công cụ SmartPloy, bước tiếp theo trong luận văn thạc sĩ này là xây dựng các mô hình thống kê. Quá trình này là chìa khóa để tối ưu hóa vị trí cảm biến. Nghiên cứu tập trung vào hai mô hình chính: mô hình hóa công suất tín hiệu và mô hình hóa hiện tượng vật lý (tiếng ồn). Đối với công suất tín hiệu, mô hình suy hao đường truyền (Path Loss) được sử dụng. Mô hình này mô tả sự suy giảm công suất tín hiệu khi nó lan truyền trong không gian. Công thức tổng quát có dạng: PL(d) = PL(d₀) + 10αlog(d/d₀) + ω, trong đó α là hệ số suy hao và ω là một biến ngẫu nhiên tuân theo phân phối Gaussian, đại diện cho hiệu ứng che khuất (shadowing). Bằng cách sử dụng dữ liệu RSSI thu thập được, nghiên cứu đã tiến hành ước tính các tham số α và ω cho các môi trường cụ thể (khu vực không có vật cản và khu vực gần đường giao thông). Việc đánh giá hiệu năng triển khai mô hình cho thấy nó phù hợp khá tốt với dữ liệu thực tế, với khoảng tin cậy 95%. Đối với hiện tượng vật lý (tiếng ồn), nghiên cứu sử dụng phân tích chuỗi thời gian để tìm ra các mối tương quan. Kết quả cho thấy có thể dự đoán giá trị tiếng ồn tại thời điểm t dựa trên các giá trị tại các thời điểm trước đó, ví dụ X(t) = 0.7 * X(t-1). Điều này mở ra khả năng tiết kiệm năng lượng cho mạng cảm biến bằng cách điều chỉnh tần suất lấy mẫu một cách thông minh.

4.1. Xây dựng mô hình suy hao tín hiệu Path Loss trong WSN

Mô hình Path Loss là công cụ cơ bản để dự đoán cường độ tín hiệu tại một khoảng cách nhất định. Nghiên cứu đã áp dụng quy trình gồm: (1) Thu thập dữ liệu RSSI và khoảng cách tương ứng bằng SmartPloy. (2) Ước tính các tham số mô hình (α và ω) bằng phương pháp hồi quy. (3) Tính toán khoảng tin cậy để đánh giá độ chính xác của ước tính. (4) Kiểm tra xem phần dư (residuals) có tuân theo phân phối Gaussian hay không để xác nhận tính hợp lệ của mô hình. Kết quả mô phỏng mạng cảm biến dựa trên mô hình này sẽ gần với thực tế hơn.

4.2. Phân tích tự tương quan của dữ liệu hiện tượng vật lý

Đối với dữ liệu tiếng ồn thu thập từ các địa điểm khác nhau (công trường xây dựng, nhà hàng, lề đường), nghiên cứu đã sử dụng hàm tự tương quan (Auto Correlation Function) và tự tương quan riêng phần (Partial Correlation Function). Phân tích này giúp xác định mối quan hệ giữa một giá trị đo được tại thời điểm hiện tại với các giá trị trong quá khứ. Việc tìm ra các quy luật này giúp tối ưu hóa chu kỳ lấy mẫu của cảm biến, góp phần kéo dài tuổi thọ mạng (network lifetime).

V. Kết quả nghiên cứu và đánh giá hiệu năng triển khai thực tế

Phần đánh giá hiệu năng triển khai là một cấu phần quan trọng của luận văn thạc sĩ công nghệ thông tin này. Dựa trên dữ liệu thu thập từ các kịch bản khác nhau, nghiên cứu đã đưa ra những kết quả và phân tích sâu sắc. Trong kịch bản thu thập tại khu vực không có vật cản, dữ liệu RSSI cho thấy một xu hướng giảm rõ rệt khi khoảng cách tăng lên, phù hợp với mô hình suy hao lý thuyết. Điều này xác nhận tính nhất quán và độ tin cậy của công cụ SmartPloy. Tuy nhiên, trong kịch bản tại khu vực đô thị gần đường giao thông, mối quan hệ giữa RSSI và khoảng cách trở nên phức tạp hơn nhiều do sự hiện diện của xe cộ và người đi bộ. Phân tích hồi quy cho thấy một khoảng tin cậy rộng hơn, phản ánh sự biến động lớn của kênh truyền. Khi so sánh mật độ của phần dư với phân phối Gaussian, mô hình thống kê đề xuất vẫn cho thấy sự tương thích tốt, chứng tỏ khả năng áp dụng trong môi trường thực tế. Về phân tích dữ liệu tiếng ồn, kết quả chỉ ra rằng các tần số thấp tại công trường xây dựng chứa nhiều năng lượng hơn đáng kể so với trong nhà hàng. Phân tích chuỗi thời gian đã xác định được các hệ số tự tương quan, cho phép dự đoán giá trị tiếng ồn trong một khoảng thời gian ngắn (tối đa 3 giây). Đây là cơ sở để đề xuất một lịch trình lấy mẫu thông minh, giúp tiết kiệm năng lượng cho mạng cảm biến.

5.1. Phân tích dữ liệu RSSI trong các kịch bản triển khai khác nhau

Nghiên cứu đã thực hiện hai kịch bản chính: một ở khu vực trống trải (Fusionopolis way) và một ở khu vực đô thị đông đúc (Dover). Kết quả cho thấy ở khu vực trống, RSSI giảm tuyến tính theo logarit của khoảng cách. Trong khi đó, ở khu vực đô thị, sự biến động của RSSI lớn hơn nhiều. Các phân tích này cung cấp cái nhìn thực tế về ảnh hưởng của môi trường, giúp hiệu chỉnh các thuật toán triển khai nút cảm biến để đạt hiệu quả cao hơn.

5.2. Bài học kinh nghiệm từ việc thu thập dữ liệu thực địa

Quá trình nghiên cứu cũng rút ra nhiều bài học quý báu. Ban đầu, nhiều dữ liệu thu thập không thể sử dụng được do chưa xác định rõ các tham số quan trọng như thời điểm, thời lượng, tốc độ gửi gói tin. Việc cải tiến liên tục các kịch bản thu thập là cần thiết để có được dữ liệu chất lượng. Kinh nghiệm này nhấn mạnh tầm quan trọng của việc lập kế hoạch kỹ lưỡng trước khi tiến hành một chiến dịch thu thập dữ liệu hiệu quả quy mô lớn.

VI. Kết luận luận văn và hướng phát triển tương lai cho WSN

Luận văn thạc sĩ về déploiement efficace de réseaux de capteurs đã đạt được những đóng góp quan trọng cho lĩnh vực mạng cảm biến không dây (WSN). Đóng góp chính là việc phát triển thành công công cụ SmartPloy, một hệ thống toàn diện cho phép thu thập dữ liệu thực địa một cách hiệu quả và có hệ thống. Dựa trên dữ liệu thu thập được, luận văn đã xây dựng và kiểm chứng các mô hình thống kê cho cả kênh truyền không dây và hiện tượng vật lý (tiếng ồn). Các mô hình này cung cấp một cơ sở khoa học vững chắc để tối ưu hóa vị trí cảm biến, thay vì dựa trên các giả định lý thuyết đơn giản. Kết quả phân tích cho thấy tiềm năng lớn trong việc cải thiện vùng phủ sóng của mạng cảm biến, duy trì kết nối và đặc biệt là tiết kiệm năng lượng cho mạng cảm biến, từ đó kéo dài tuổi thọ mạng. Mặc dù vậy, nghiên cứu vẫn còn một số hạn chế, chẳng hạn như chưa thực hiện phân tích không gian (spatial analysis) của dữ liệu. Hướng phát triển trong tương lai bao gồm việc lập kế hoạch các kịch bản thu thập dữ liệu phức tạp hơn, thu thập lượng dữ liệu lớn hơn để cải thiện độ chính xác của mô hình, và tiến hành phân tích không gian-thời gian. Những cải tiến này sẽ mở đường cho các ứng dụng của IoT và WSN trong các bối cảnh thực tế như thành phố thông minh, giám sát môi trường và quản lý giao thông.

6.1. Tóm tắt các đóng góp chính của luận văn công nghệ thông tin

Các đóng góp chính bao gồm: (1) Phát triển công cụ SmartPloy để thu thập dữ liệu WSN trong môi trường thực. (2) Xây dựng mô hình thống kê suy hao tín hiệu phù hợp với môi trường đô thị. (3) Phân tích chuỗi thời gian của dữ liệu tiếng ồn và đề xuất khả năng dự đoán giá trị. Những đóng góp này là nền tảng quan trọng cho việc thiết kế và đánh giá hiệu năng triển khai các mạng cảm biến trong tương lai.

6.2. Hướng nghiên cứu và phát triển tiềm năng trong tương lai

Hướng phát triển tương lai nên tập trung vào việc thu thập thêm dữ liệu để xác thực chéo (cross-validation) và cải thiện mô hình. Bên cạnh đó, việc thực hiện phân tích không gian để hiểu rõ sự biến thiên của tín hiệu và hiện tượng vật lý theo vị trí địa lý là rất cần thiết. Tích hợp các nguồn năng lượng tái tạo (như năng lượng mặt trời) vào mô hình tối ưu hóa cũng là một hướng đi đầy hứa hẹn để tăng cường tuổi thọ mạng (network lifetime).

Trích đoạn nội dung tài liệu

Rapport de Stage Master Option : Réseaux et systèmes communicants Sujet : Déploiement efficace de réseaux de capteurs Etudiant : Superviseur: Cheikh Mbacke Thiam Dr. Tan Hwee Pink 2011 - 2013 TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Tables des matières 1 Introduction .2 Énoncé du problème .4 Organisation du rapport. 8 2 Etat de l’art .1 Couverture et Connectivité.2 Mécanismes de propagation du signal radio. 11 3 Implémentation de SmartPloy .2 Modélisation statistique de la puissance du signal .1 Collection de données sur la puissance du signal .3 Modélisation statistique du phénomène physique .1 Collection des données de bruit.

37 5 Conclusion et Perspectives.41 IFI & I2R Page 1 TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Tables des illustrations Figure 1: Motifs réguliers (gauche) & Déploiement avec obstacles (droite). 9 Figure 2 : Triangulation de Delaunay. 10 Figure 3 : Mécanismes de propagation du signal. 12 Figure 4 : Configuration et Lancement serveur.

14 Figure 5 : L'outil SmartPloy sans le serveur. 15 Figure 6 : Interface utilisateur pour configuration. 16 Figure 7 : Affichage d'une carte. 17 Figure 8 : Organigramme de chat.

18 Figure 9 : Capture des messages de chat. 19 Figure 10 : Syncronisation entre Téléphones de SmartPloy. 20 Figure 11 : Mesure des données. 22 Figure 12 : Interface pour envoyer ou recevoir des données.

23 Figure 13 : Communication dans SmartPloy. 25 Figure 14 : Processus pour la mise en place d'un modèle. 27 Figure 15 : Collection de données dans une zone sans obstacles. 30 Figure 16 : Collection de données autour d'une route.

31 Figure 17 : RSSI sur Distance, en zone sans obstacles. 32 Figure 18 : RSSI sur Distance autour d'une route. 32 Figure 19 : Régression vers la moyenne. 33 Figure 20 : Comparaison avec la densité gaussienne.

34 Figure 21 : Analyse des fréquences. 36 Figure 22 : Analyse des fréquences (2). 36 Figure 23 : Collection de données de bruit. 37 Figure 24 : Times series pour l'utilisateur 1.

38 IFI & I2R Page 2 TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Résumé Le déploiement de nœuds dans un réseau de capteurs est une question très importante et non négligeable dans les réseaux de capteurs sans fil (WSN). Le plan de déploiement détermine le nombre de capteurs qui est nécessaire dans la région d’intérêt, ainsi que l'emplacement exact de chacun de ces capteurs. Un grand nombre de capteurs peut généralement être utilisé pour fournir un plus grand degré de redondance dans la zone d’intérêt, mais cela peut conduire à une augmentation du coût global de déploiement du réseau de capteurs, d’où la nécessité de l’optimiser. Un bon plan de déploiement doit satisfaire à la fois la demande et les exigences du réseau - tels que la couverture et la connectivité des nœuds dans le réseau.

En outre, il convient de tenir en compte l'hétérogénéité des types de nœuds dans le réseau, ainsi que la variabilité de l'environnement physique dans lequel les nœuds sont déployés. Par exemple, dans un environnement urbain où les bâtiments, les voitures, les arbres sont présents, il existe de nombreuses interférences de l'environnement qui peuvent affecter la portée de la communication et donc la connectivité des capteurs. Dans ce travail, nous développons d'abord un outil d'analyse de site, qui nous permet d'acquérir efficacement des données sur l'environnement physique - comme la qualité du signal radio et le phénomène à observer comme le bruit. Nous appellerons cet outil SmartPloy.

Ensuite nous passons à une étape de collection de données. Ces données servirons à construire des modèles statistiques qui devront être ensuite utilisés pour améliorer et optimiser le plan de déploiement de capteurs, prenant en compte ainsi les différentes contraintes physiques, et environnementales qui existent dans un milieu urbain. IFI & I2R Page 3 (LUAN.tin TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs 1 Introduction Un réseau de capteurs sans fil (WSN) est composé d'un grand nombre de nœuds servant à surveiller les phénomènes physiques - comme la température, le son et la pression - et de transmettre les données détectées par le réseau à un serveur situé dans le backend (arrière plan). Le réseau de capteurs sans fil a été motivé par les applications militaires telles que la surveillance de champ de batailles.

Cependant, ces réseaux sont également utilisés aujourd'hui dans de nombreuses applications industrielles et grand public - comme la surveillance industrielle, la surveillance environnementale et le suivi agricole. Le déploiement de nœuds est un facteur important dans les réseaux de capteurs [5] et il peut être fait de manière aléatoire ou déterministe. Dans les zones urbaines, le déploiement est généralement déterministe puisque les nœuds sont généralement statiques, et un déploiement déterministe permet de placer efficacement les nœuds afin d'optimiser la durée de vie du réseau. Compte tenu de l'hétérogénéité des types de nœuds dans le réseau, ainsi que la variabilité de l'environnement physique dans lequel les nœuds sont déployés, le déploiement optimal est souvent un problème difficile à résoudre.

Le plan de déploiement détermine le nombre de capteurs qui sont nécessaires dans la région d’intérêt, ainsi que l'emplacement exact de chacun de d’eux. En milieu urbain, le déploiement est souvent une tâche laborieuse et difficile, car il existe de nombreux facteurs environnementaux qui influent sur le fonctionnement des nœuds - tels que la distance entre eux et la qualité des liens de communication sans fil.1 Contexte L'institut de recherche informatique I2R (Institute for Infocomm Research) est un membre de l’Agence pour la Science, la Technologie et la Recherche (A*STAR) à Singapore. A*STAR est un organisme officiel relevant du Ministère du Commerce et de l'Industrie de Singapore. L'agence a été créée en 1991 pour encourager et élever le niveau la recherche scientifique et technologique.

Elle est composée de 7 différents instituts de recherche. Différents domaines de recherches comme le stockage de données, les matériaux, les produits chimiques, les sciences informatiques, la microélectronique, la fabrication de pointe et la métrologie y sont étudié pour relever les défis technologiques mondiaux et créer des industries futures à son siège, à IFI & I2R Page 4 (LUAN.tin TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Fusionopolis 1 qui est un centre emblématique de Singapore pour la recherche scientifique et technologique. Fondée en 2002, la mission de I2R est d'être une source d’innovations en informatique grâce à la recherche par des passionnés dédiés à la réussite économique de Singapour. I2R effectue de la recherche et du développement dans l'informatique.

Différents domaines sont explorés dans cet institut comme les réseaux de communication sans fil et optiques, les médias interactifs et numériques, le traitement du signal etc. Dans le cadre de ce stage, nous travaillons dans cet institut, dans le cadre d’un programme de recherche sur les réseaux sans fil appelé S&S(Sense and Sensiblities). Le programme Sense and Sensibilities(S&S) L'urbanisation croissante exerce une pression sur les ressources foncières et la qualité de vie. Comme les villes et les routes deviennent de plus en plus encombrées, des solutions urbaines sont tenus de fournir des informations en temps réel sur l'environnement pour aider les différentes agences gouvernementales à prendre des décisions éclairées afin de fournir un milieu de vie sécuritaire et propre pour les habitants de la ville.

Avec la demande diverse et variée, les systèmes de détection doivent également répondre à l'hétérogénéité en termes de modalités de capteurs, les technologies ainsi que les applications de l'utilisateur final. Cependant, la plupart des solutions de détection d'aujourd'hui sont conçus uniquement pour un domaine de problème particulier et un domaine d'application. Le programme S&S de A*STAR fait de la recherche en vue de fournir une plateforme générique pour que le réseau puisse être utilisé par différentes applications avec différents besoins en infrastructure, dans différents domaines. Le programme dirigé par le Dr Tan Hwee Pink implique plus de 20 chercheurs à temps plein et d'ingénieurs ayant une expertise dans de nombreux domaines scientifiques, comme l'ingénierie électrique et électronique, l’informatique, les technologies de télécommunications, la physique et les mathématiques.

Cette équipe a une expertise dans différents types d'applications de détection, y compris la surveillance de bruit, de l’eau, de la qualité de l'air, de la surveillance de parking. Voici une image de l’équipe qui vient de gagner un prix appelé « Award for Leading, Educating and Nurturing Talent », offert pat A*STAR. 1 Localité à Singapore IFI & I2R Page 5 (LUAN.tin TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Equipe S&S, Avril 2014 1.2 Énoncé du problème L'objectif du plan de déploiement est de trouver les endroits les plus appropriés pour surveiller les phénomènes physiques d'intérêts et d'obtenir des données significatives, tout en tenant compte des contraintes physiques de l’environnement, ainsi que les exigences d'application et de réseau. Pour déployer les nœuds, plusieurs questions peuvent se poser:  Où doivent être placé les nœuds, de sorte que la qualité du phénomène physique à mesurer donne une précision satisfaisante et acceptable ?  À quelle distance les nœuds doivent être placés entre eux, de sorte que le nombre de paquets reçus soit suffisant et la connectivité de l'ensemble du réseau puisse être assurée ?  Comment le nombre de nœuds à déployée peut être minimisée, de telle sorte que la couverture de détection soit maximale et le coût de déploiement soit réduit au minimum ?  Si les nœuds utilisent l'énergie solaire pour recharger leurs batteries, quels sont les endroits où ils peuvent recevoir assez de lumière pour recharger leurs batteries et se maintenir en vie ? IFI & I2R Page 6 (LUAN.tin TIEU LUAN MOI download : [e-mail] Déploiement efficace de réseaux de capteurs Si les nœuds sont placés trop près l'un de l'autre, les données recueillies par les nœuds seront fortement corrélées, et la zone de couverture sera faible.

D'autre part, si les nœuds sont placés trop loin les uns des autres, la connectivité entre nœuds sera médiocre. Par conséquent, plusieurs contraintes physiques et environnementales doivent être respectées afin de trouver les meilleurs emplacements possibles pour les nœuds. Pour satisfaire toutes ces contraintes, il est donc nécessaire d'observer et de modéliser la variation spatio-temporelle du canal de communication et les phénomènes physiques d'intérêt (tel que le bruit). En outre, l'observation de ces phénomènes doit résulter de l'analyse de données recueillies sur le terrain afin que les modèles statistiques soient aussi proches de la réalité que possible.3 Contributions Notre objectif est d'établir un processus qui nous permet de déployer efficacement les réseaux de capteurs dans les zones urbaines.

Nous avons d'abord élaboré un outil de sondage du site qui est capable de collecter : (i) l’intensité du signal reçu (RSSI) entre deux points quelconques ; (ii) le signal du phénomène physique à observer à un endroit donné. Une bonne compréhension de la propagation radioélectrique est essentielle pour proposer un design approprié et des stratégies de déploiement du réseau sans fil. C'est la nature du canal radio qui rend les réseaux sans fil beaucoup plus compliqués que leurs homologues filaires. Les caractéristiques de la propagation radio sont assez liées au site de déploiement et peuvent varier considérablement en fonction du terrain, de la fréquence d’envoie, des sources d’interférence, et d'autres facteurs.

La caractérisation du canal radio par le biais de modèle mathématique disposant de paramètres est importante pour prédire la couverture de signal et déterminer les meilleurs emplacements pour les nœuds. L'outil de sondage se compose d'une application Android installé sur un tablet, un module XBee [17], une carte Arduino[16] sur lequel un capteur de son est placé pour mesurer le phénomène physique qui est ici le bruit, et un serveur accessible via Internet. Ce serveur permet de régler les paramètres de configuration de l'application et aide à synchroniser les différents utilisateurs en ligne.