Déploiement des réseaux de capteurs sous-marins pour la surveillance de la pollution dans une rivière

Underwater Wireless Sensor Network Deployment forWater Pollution Monitoring in Rivers

• Auteur / Autrice : Zakia Khalfallah
• Direction : Guy Pujolle
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 16/12/2015
• Etablissement(s) : Paris 6
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Jury : Examinateurs / Examinatrices : Mounir Frikha, Paul Mühlethaler, Nadjib Ait Saadi, Ilhem Fajjari, Rami Langar
• Jury : Rapporteur / Rapporteuse : Dominique Gaïti, Lila Boukhatem

Mots clés

Mots clés contrôlés

Capteurs (technologie)

Pollution de l'eau -- Mesure

Mots clés libres

Déploiement

Réseaux de capteurs sous-marins

Pollution de la rivière

Barrière de détection

Connectivité

Qualité de surveillance

Water river monitoring

Underwater sensors

Barrier detection

Résumé

L'Internet des objets est un domaine en plein essor, qui a reçu une attention considérable à la fois académique et industrielle. En particulier, les réseaux de capteurs sans fil connectent les objets à Internet via une passerelle. Dans ce contexte, les réseaux de capteurs sous-marins sont un axe de recherche très récent qui joue un rôle clé dans plusieurs applications de surveillance, semblant être primordiales envers l’environnement et la santé humaine. Par conséquent, un déploiement judicieux et efficace des réseaux des capteurs sous-marins s’avère crucial. Dans cette thèse, nous abordons la problématique du déploiement 3D des réseaux de capteurs sous-marins dans une rivière caractérisée par l’irrégularité géographique de l’événement à surveiller. Notre application spécifique concerne la surveillance de la qualité de l’eau dans les rivières. L’instabilité de la qualité de l’eau est à l’origine de la répartition non uniforme de la pollution dans l’environnement 3D sous-marin. Dans cette optique, nous étudions séparément le déploiement 3D des réseaux de capteurs sous-marins pour détecter la pollution issue i) d’une substance chimique liquide et ii) d’un contaminant solide. Ces problèmes de déploiement sont NP-difficile et exigent une optimisation combinatoire judicieuse. Afin de surmonter cette complexité, nous proposons plusieurs heuristiques de déploiement et nous abordons le problème en trois étapes. En premier lieu, notre objectif est la génération de la meilleure topologie des stations géographiques de détection afin d’assurer la détection totale de la substance chimique le long de la rivière. Pour cela, nous proposons une première stratégie, BackTracking Field Installation Deployment Algorithm (BT-FIDA), basée sur l’algorithme du Backtracking. Par la suite, nous étudions la meilleure topologie des capteurs chimiques au sein de chaque station de détection. L’objectif est d’assurer une barrière de couverture totale de la substance polluante avec le minimum de coût. La solution est obtenue grâce à notre deuxième proposition, 2D-Underwater Barrier Deployment Algorithm (2D-UBDA), basée sur une optimisation non-linéaire et mixte. Enfin, on s’intéresse à la détection d’un polluant de type solide pour garantir la qualité de surveillance et la connectivité du réseau tout en minimisant le coût de déploiement. Pour cela, nous proposons une nouvelle heuristique de déploiement, 3D-UWSN-Deploy, basée sur la répartition cubique du volume surveillé et l’optimisation linéaire et mixte. Les résultats obtenus confirment une performance satisfaisante de nos algorithmes par rapport à la littérature.

The Internet of Things (IoT) is a booming field that has received considerable attention from both academy and industry. In particular, wireless sensor networks are connecting things to the Internet through a gateway. In this context, Underwater Wireless Sensors Network (UWSN) is a very recent network topic which is playing a key role in several sensing application, seeming to be mandatory towards environment and human health. Thus, suitable deployment of underwater sensors for efficient monitoring is a crucial task. In this thesis, we address the issue of deploying an underwater sensor network in a 3D area characterized by the geographical irregularity of the sensed event. Our specific application context regards the water river monitoring. The irregularity of water quality in river comes from the unsteady repartition of pollution within the 3D water environment. In this context, we separately study the 3D underwater sensor deployment problem to detect water pollution issued from i) chemical liquid and ii) solid wastes. The deployment problems require combinatorial optimization and are NP-hard. To overcome the great complexity involved, we propose several heuristic deployment strategies and we tackle the problem in three stages. In the first stage, our objective is to generate the best deployment of geographical Field Installations (FIs) to ensure the full detection of chemical pollutant along the river. An FI can be seen as a virtual wall able to detect the moving pollutant chemical substance over it. For this, we propose a novel backtracking-based deployment strategy named BackTracking Field Installation Deployment Algorithm (BT-FIDA) which minimizes the number of FIs while ensuring full coverage of the river. In the second stage, we aim to find the best topology of chemical sensors inside an FI in order to form a barrier detection of the polluting substance with the minimum deployment cost. This is performed thanks to our second proposal based on a mixed integer optimization namely 2D Underwater Barrier Deployment Algorithm (2D-UBDA). Finally, in the third stage, we move to the detection of a solid pollutant within an FI. Our objective is to minimize the number of deployed underwater sensors while ensuring i) the required Quality of Monitoring (QoM) (i.e., differentiated probabilistic detection) and ii) wireless network connectivity. To generate the best topology, we propose a novel deployment heuristic, named 3D-UWSN-Deploy, based on a sub-cube tessellation of the monitored FI and a mixed integer linear program optimization. Simulation results show that our contributions outperform the related deployment strategies.