Thèse soutenue

eHorizon électronique décentralisé et distribué dans le coeur du réseau 5G et impact sur la conduite autonome

FR  |  
EN
Auteur / Autrice : Ibtissam Labriji
Direction : Emilio Calvanese Strinati
Type : Thèse de doctorat
Discipline(s) : Mathématiques et Informatique
Date : Soutenance le 26/09/2022
Etablissement(s) : Université Grenoble Alpes
Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 1995-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire d'électronique et de technologie de l'information (Grenoble ; 1967-....)
Jury : Président / Présidente : Andrzej Duda
Examinateurs / Examinatrices : Emilio Calvanese Strinati, Andrea Zanella, Stefania Sesia
Rapporteurs / Rapporteuses : Josep Vidal, Paolo Di Lorenzo

Mots clés

FR  |  
EN

Mots clés contrôlés

Résumé

FR  |  
EN

Actuellement, nous assistons à l’intelligence croissante des véhicules et de grandes quantités de données sont générées par l’IoV ce qui exercera une pression sans précédent sur les capacités de calcul et de stockage embarquées. À cet égard, le MEC, est considéré comme une composante essentielle du futur écosystème IoV, car il a le potentiel de fournir des services directement à partir de la périphérie du réseau. Dans cette thèse, nous considérons le scénario où les véhicules déchargent, entièrement ou partiellement, des tâches de calcul à un MEC et s’attendent à atteindre une haute performance mesurée par la QoE telle que l’accès continu au service ou le respect du délai, à un coût minimal. Dans la première partie de cette thèse, nous présentons une étude de l’état de l’art de la recherche sur les VEC. Nous présentons également différents sujets de recherche identifiés comme des questions ouvertes et des directions de recherche futures dans le domaine du VEC. La deuxième contribution de cette thèse est la conception d’une solution pour les services entièrement déchargés afin de résoudre le problème de la discontinuité du service lorsque les véhicules changent leur zone de couverture MEC. L’algorithme proposé proactivement migre la VM exécutant le service lorsque le véhicule change son ES de desserte vers un ensemble de ESs voisins. Il estime la mobilité des véhicules à l’aide d’un prédicteur de mobilité et utilise les prédictions obtenues dans le cadre d’une optimisation décentralisée et en ligne basée sur Lyapunov pour décider de manière optimale où et combien de VM migrer de manière proactive pour chaque véhicule afin d’assurer la continuité du service tout en minimisant la consommation d’énergie, encourue par les migrations. Pour les services latency-critical, qui sont des applications déchargées et très exigeantes en termes de latence, nous proposons une solution pour résoudre le problème de discontinuité de service pour ce type d’application. Notre solution est basée sur la réplication, une technique inspirée d’un concept proposé par les normes ETSI. Notre algorithme sélectionne dynamiquement le nombre de réplicas et leurs emplacements avant le handover du véhicule en exploitant le même dispositif de prédiction de la mobilité que précédemment. Notre solution permet d’obtenir un bon compromis entre la minimisation de la consommation d’énergie au edge, la garantie de la continuité du service et le contrôle du taux de rejet de requête contrôlé par l’unité de contrôle d’admission. Nous étendons le travail effectué dans la deuxième contribution et nous étudions le moment optimal pour déclencher le processus de migration afin de garantir que le service est immédiatement accessible lorsqu’un véhicule reprend le service migré dans le ES après le transfert. L’algorithme que nous proposons utilise les estimations de probabilité sur l’ensemble des ES voisins et combine le EXP3 avec l’optimisation de Lyapunov pour décider conjointement quand et où de déclencher la migration des services pour assurer leur continuité à travers MEC. Nos décisions sont ajustées dynamiquement, ce qui permet de réaliser des économies importantes en énergie tout en respectant les contraintes de la continuité des services. Nous consacrons la dernière partie de notre travail aux services partiellement déchargés. Nous proposons un algorithme d’allocation de ressources en ligne pour le déchargement partiel d’un modèle CNN léger pour la classification d’images. Notre algorithme décide dynamiquement le point de division optimal du modèle CNN et des ressources de calcul et de communication à allouer pour permettre une inférence coopérative économe en énergie à la périphérie du réseau sans fil avec des garanties de continuité de service.