Étude et conception d'algorithmes et de mécanismes adaptatifs pour le transport des données dans l'Internet des objets mobiles (IoMT)

Study and conception of adaptive algorithms and mechan in the Internet of Mobile Things (IoMT)

• Auteur / Autrice : Philippe Fabian
• Direction : Abderrezak Rachedi
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 14/12/2020
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Mathématiques, Sciences et Technologies de l'Information et de la Communication (Champs-sur-Marne, Seine-et-Marne ; 2010-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de l'Institut Gaspard Monge (1997-2009) - Laboratoire d'informatique de l'Institut Gaspard Monge
• Jury : Président / Présidente : Marcelo Dias De Amorim
• Jury : Examinateurs / Examinatrices : Abderrezak Rachedi, Samuel Pierre, Lyes Khoukhi, Samia Bouzefrane, Abbas Bradai
• Jury : Rapporteurs / Rapporteuses : Samuel Pierre, Lyes Khoukhi

Mots clés

Mots clés contrôlés

Apprentissage automatique

Internet des objets

Routage (informatique)

Mots clés libres

Internet des objets mobiles

Protocole de routage

Mobilité

Internet des véhicules

Fonction multi-Objectifs

Apprentissage artificiel

IoMT

Routing protocol

Mobility aware

IoV

Multi-Objective function

Machine learning

Résumé

La quantité de données produite par l'internet des objets augmente de plus en plus rapidement. Qu'il s'agisse du déploiement à grande échelle de capteurs dans une ville ou du nombre croissant d'utilisateurs de téléphones mobiles (smartphones), le nombre d'appareils connectés n'a jamais été aussi important. L'avènement des véhicules autonomes et des nouvelles technologies telles les villes jumelles numériques requièrent une qualité de service élevée. En effet, nous avons d'une part les véhicules autonomes et plus généralement les appareils et utilisateurs mobiles qui affectent la topologie du réseau par leurs déplacements dans le temps et, d'autre part, nous avons la navigation en temps réel dans une ville avec de la réalité augmentée ou dans un jumeau numérique de ville en réalité virtuelle qui nécessitent un grand débit, un faible délai ainsi qu'une consommation d'énergie réduite. Une panne d'équipement, un événement social causant une soudaine augmentation du trafic réseau ou une catastrophe naturelle qui endommage l'infrastructure réseau sont des exemples de situations compliquées à gérer.L'objectif de cette thèse est de développer une nouvelle approche à la fois flexible et globale en vue d'améliorer et de garantir la qualité de service au sein de réseaux sans infrastructure et très dynamiques. L'approche s'appuie sur divers aspects au niveau du réseau, du système, des applications ainsi que des utilisateurs. D'un point de vue théorique, ceci est accompli par la résolution d'un problème d'optimisation multi-contraintes où tous les aspects sont considérés à la fois. L'algorithme est distribué à cause du manque d'infrastructure et la nécessité de répondre aux besoins locaux. Un processus d'aide à la décision assisté par apprentissage artificiel est mis en place pour sélectionner l'élément optimal d'un ensemble de candidats potentiels.Nous commençons par établir le contexte des communications sans-fil dans l'internet des objets et présentons les différents types de réseaux pertinents pour ce travail. Ensuite, nous expliquons en détail le concept des métriques reliées au réseau, au système, à l'application et à l'utilisateur avant de présenter les défis quant à assurer la qualité de service dans les réseaux mobiles. Nous poursuivons par l'analyse et la comparaison des architectures sans-fil existantes comme les réseaux complètement centralisés basés sur une infrastructure dédiée et les réseaux ad hoc, plus adaptés à l'internet des objets mobiles et à l'internet des véhicules. Après, nous proposons un moyen pour l'amélioration du routage dans les réseaux mobiles en considérant plusieurs types de métriques à la fois, incluant la vitesse de déplacement des utilisateurs. Une architecture originale est également proposée pour la mise en place de la solution. Finalement, nous mettons en oeuvre une méthode d'apprentissage artificiel pour classifier le type de mobilité des utilisateurs en vue d'améliorer la sélection de noeuds relais mobiles dans l'internet des véhicules.Des simulations sont effectuées pour valider les contributions et les résultats démontrent que les solutions proposées augmentent les performances au niveau réseau (taux de délivrance des paquets, délai bout-en-bout, ...) et au niveau système (consommation énergétique, taux d'occupation des files d'attentes, ...). Par conséquent, la fiabilité au niveau applicatif s'en voit améliorée, augmentant la qualité de service et la qualité d'expérience du point de vue utilisateur

The amount of data generated in the Internet of Things (IoT) is increasing at a rapid pace. From the massive deployment of sensors in smart cities to the growing number of smartphone users, the number of connected devices is greater than ever. The advent of autonomous vehicles and emerging technologies such as digital twin cities impose strong Quality of Service (QoS) requirements. Indeed, on the one hand autonomous vehicles and, to a broader extent, mobile users and devices cause the network topology to constantly change through time. On the other hand, navigating in real-time through a city with augmented reality or through its digital twin in virtual reality require high throughput, low delay and reduced power consumption. A failing equipment, a sudden increase in network traffic caused by a social event or a natural disaster damaging the infrastructure are situations that are complicated to deal with.The objective of this thesis is to work on a global and flexible approach to improve and ensure QoS in very dynamic infrastructure-less networks by considering several different aspects related to network, system, application and user. From a theoretical point of view, this is achieved by solving a multi-constraint optimization problem where all aspects are considered at once. The algorithm is distributed due to the lack of infrastructure and to consider local needs. A Machine Learning (ML) assisted decision-making process is implemented to select the best element in a set of possible candidates.We first establish the context of wireless communications in the IoT and discuss the different types of network relevant to this work. We then explain in detail the concept of network-, system-, application- and user-related metrics before presenting the challenges of ensuring QoS in mobile networks. We continue by analyzing and comparing the existing wireless architectures such as fully centralized networks with a dedicated infrastructure and distributed ad hoc networks more adapted to the Internet of Mobile Things (IoMT) and the Internet of Vehicles (IoV). Next, we propose a scheme to improve routing in mobile networks through the consideration of several types of metric at once including the velocity of users. A novel architecture is proposed as well to deploy the solution. Finally, we provide a method based on a ML algorithm to classify the mobility-type of users to improve the selection of mobile relay nodes in the IoV.Simulations are run to validate the contributions and results show the proposed solutions increase performance at the network level (packet delivery ratio, end-to-end delay, ...) and system level (energy consumption, buffer occupancy, ...). This in turn yields better reliability at the application level, increasing QoS and Quality of Experience (QoE) from the user's point of view