Protocoles MAC TDMA pour réseaux sans fil décentralisés denses et évolutifs

TDMA MAC protocols for scalable and dense wireless decentralized networks

• Auteur / Autrice : Khaled Abid
• Direction : Abdelmadjid Bouabdallah, Hicham Lakhlef
• Type : Thèse de doctorat
• Discipline(s) : Informatique : Unité de recherche Heudyasic (UMR-7253)
• Date : Soutenance le 13/11/2023
• Etablissement(s) : Compiègne
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Compiègne)
• Partenaire(s) de recherche : Laboratoire : Heuristique et Diagnostic des Systèmes Complexes [Compiègne] / Heudiasyc

Mots clés

Mots clés contrôlés

Systèmes de transport intelligent

Réseaux ad hoc de véhicules

Apprentissage automatique

Internet des objets

Réseaux d'ordinateurs -- Mesures de sûreté

Réseaux de capteurs (technologie)

Réseaux ad hoc (informatique)

Radiocommunications mobiles

Systèmes de communication sans fil

Protocoles de réseaux d'ordinateurs

Mots clés libres

Réseaux de capteurs sans fils

Réseaux mobiles

Medium access control (MAC)

Time Division Multiple Access (TDMA)

Cybersécurité

Sécurité informatique

IoT

Noeuds

Medium Access Control (MAC)

Time Division Multiple Access (TDMA)

Internet of things

Computer security

Wireless Sensor Network (WSN)

Mobile Networks

Intelligent Transportation Systems

Vehicular ad hoc networks

Nodes

Machine learning

Résumé

Cette thèse a pour objet l’allocation des ressources de communication sans fil au niveau de la couche MAC. L’allocation des ressources a été largement étudiée pour maximiser le débit global du système ou minimiser le délai moyen d’accès au canal par utilisateur. L’un des principaux défis dans les réseaux sans fil consiste à réduire les collisions de communication causées par des transmissions simultanées de plusieurs nœuds qui sont situés à proximité les uns des autres sur un canal commun. Avec l’augmentation du nombre de dispositifs, l’utilisabilité du spectre diminue en raison des interférences. De plus, la mobilité des nœuds, la topologie variable et la densité élevée du réseau posent des défis importants pour les protocoles MAC afin de gérer les collisions de communication, qui entraînent des perturbations du réseau, des délais de communication élevés, des pertes de paquets et un gaspillage d’énergie. Dans la première partie de cette thèse, nous avons mené une étude des travaux existants sur les protocoles MAC sans contention pour les réseaux sans fil. Tout d’abord, nous discutons des défis et des exigences auxquels les protocoles MAC sont confrontés dans les réseaux sans fil. Ensuite, nous classons les protocoles MAC récents en trois catégories en fonction du degré de mobilité des nœuds du réseau (Statique, Faible/Moyen, et Haute mobilité). Enfin, nous discutons de l’applicabilité de chaque protocole sur des réseaux avec des degrés de mobilité différents de ceux pour lesquels ils ont été proposés. Dans la deuxième partie de cette thèse, nous proposons une solution d’évitement de collision basée sur l’apprentissage automatique pour les réseaux mobiles sans fil. Cette solution peut être mise en œuvre sur presque tous les appareils IoT car elle utilise uniquement les données de contrôle échangées avec des nœuds voisins pour prédire les collisions. De plus, elle ne nécessite pas l’utilisation de systèmes de localisation GPS. Les résultats de simulation que nous avons obtenus montrent le potentiel prometteur de l’utilisation de modèles intelligents comme nouvelle approche pour éviter les collisions de communication. Dans la troisième partie de cette thèse, nous proposons une solution d’allocation préventive de créneaux horaires (time slots) pour un réseau hybride véhiculaire assisté par RSU nommé ”PTA-MAC”. Cette solution permet de prédire le temps de séjour des véhicules entrant dans un segment de route à l’aide d’un modèle d’apprentissage automatique. Sur la base de cette prédiction, un protocole d’attribution de créneaux horaires attribue le meilleur créneau horaire aux véhicules, réduisant ainsi la probabilité de futures collisions et les résolvant lorsqu’elles se produisent.

This thesis focuses on resource allocation in wireless communication at the Medium Access Control (MAC) layer. Resource allocation has been extensively studied to maximize system-wide throughput or minimize the average delay per user. One of the main challenges in wireless networks is mitigating communication collisions caused by simultaneous transmissions from multiple nodes located close to one another over a common channel. As the number of devices increases, the usability of the spectrum decreases due to interference.Additionally, high mobility, variable topology, and high density pose significant challenges for MAC protocols to handle communication collisions, leading to network disruptions, high delays, packet loss, and energy wastage. In the first part of this thesis, we review the existing research works on contention-free MAC protocols for wireless networks. First, we discuss the challenges and requirements that MAC protocols face in wireless networks. Then, we categorize the recently proposed MAC protocols into three categories based on the node’s mobility degree (Static, Low / Medium, and High mobility). Finally, we discuss the applicability of each protocol to networks with different mobility degrees than those for which they were proposed. In the second part of this thesis, we propose an Machine Learning (ML)-based solution for predicting and avoiding collisions in wireless mobile networks. This solution can be implemented on almost any IoT device since it uses only control data exchanged between neighboring nodes to predict collisions. Furthermore, it does not rely on GPS localization systems. The obtained simulation results demonstrate the promising potential of using intelligent models as a novel approach to avoid communication collisions. In the third part of this thesis, we propose a Preventive Time-slot Allocation Framework in a hybrid Road Side Unit (RSU)-assisted vehicular network called ”PTA-MAC”. This solution allows predicting the sojourn-time of incoming vehicles within a road segment using a ML model. Based on this prediction, a time-slot assignment protocol assigns the best time-slot to vehicles, reducing the probability of future collisions and resolving them when they occur.