Une approche multi-agents pour la modélisation d’un système de communication en zones blanches

Télécharger le fichier pdf d’un mémoire de fin d’études

Composants

Un système IoT est composé d’un certain nombre de composants matériels pour faciliter divers utilitaires du système tels que la détection, l’identification, l’activation, la communication et la gestion.
La Figure 2.2 présente les différents composants qui constituent un système IoT. Ce dernier est basé sur un appareil qui fournit des activités de détection, d’actionnement, de contrôle et de surveillance. Les appareils peuvent échanger des données entre eux et entre les applications connectées, ou collecter des données d’autres appareils [8]. Ils peuvent traiter les données soit en local, soit les envoyer aux serveurs centralisés ou à des applications ‘backend’ du ‘cloud’ pour le traitement. Certaines tâches peuvent s’effectuer en local au sein de l’infrastructure IoT en fonction des contraintes temporelles et d’espace lié à la mémoire, la capacité de traitement, la latence, la vitesse de communication et le délai. Un appareil IoT peut être composé de plusieurs interfaces pour les communications filaires et sans fil avec d’autres appareils. Il s’agit notamment des interfaces d’E/S pour les capteurs, des interfaces pour la connectivité Internet, des interfaces de mémoire et de stockage et des interfaces audio/vidéo[45]. Les systèmes IoT peuvent également être de type varié, par exemple, des capteurs portables, des montres intelligentes, des lumières LED, des automobiles et des machines industrielles.

Outils de communication

Les progrès récents liés aux nouvelles technologies des systèmes micro-électromécaniques, des communications sans fil et de l’électronique numérique ont permis de donner naissance aux nœuds capteurs sans fil. Ces derniers multifonctionnels, de petite taille, à faible coût de consommation et peu coûteux, communiquent sur des portées courtes [9]. Les nœuds capteurs sans fil sont constitués de composants de détection, de traitement de données et de communication, ils coopèrent entre eux pour former une infrastructure de communication, dans le but d’accomplir une tâche commune, qui s’appelle Réseaux de Capteurs Sans Fil (‘Wireless Network Sensors’, WSN).
Les Réseaux de Capteurs Sans Fil sont des réseaux ad hoc particuliers qui se carac-térisent par leur contrainte d’énergie et leur puissance limitées. Ils sont composés d’un grand nombre de nœuds capteurs, qui sont des micro-capteurs capables de recueillir et de transmettre des données d’une manière autonome.
Parmi les réseaux longue portée, il existe également des réseaux étendus à faible puis-sance (LPWAN). Ils se positionnent comme un véritable concurrent car avec un faible débit, ils parviennent à atteindre de longues distances (ils ont une très grande portée de communication) tout en utilisant les bandes libres ISM (industriel, scientifique et médical) et en même temps ils ont une consommation très réduite en termes d’énergie. LPWAN (Low Power Wide Area Network) a été conçu pour connecter des applications du domaine M2M / IoT (Internet of Things) [66] [80]. Dans un passé récent, ce sont les réseaux mobiles (notamment 2G) qui supportaient ce type d’application, mais de nos jours, les LPWAN sont la forme dominante de technologie réseau pour un grand nombre d’applications M2M / IoT.
La plupart des réseaux LPWAN fonctionnent dans les bandes ISM sans licence à 169, 433, 868/915 MHz et 2,4 GHz selon la région d’exploitation. Certains des candidats LPWAN les plus prononcés sont SigFox, LoRa, Weightless et Ingenu [6]. Ils ont une longue durée de vie de la batterie et sont peu coûteux. La couverture est également l’une des mesures de performance les plus critiques pour les réseaux étendus à faible puissance (LPWAN). Parmi les principales applications prévues pour le LPWAN, il y a les systèmes de transport automobiles et intelligents (gestion de flotte, communication véhicule-infrastructure, trafic intelligent, informations routières en temps réel vers le véhicule, alertes et rapports de sécurité et d’incident,) et divers cas de comptage intelligent ( par exemple, surveillance de la consommation d’électricité, d’eau et de gaz, compteurs médicaux et alertes).
Ainsi, des stations de base LoRa ont été déployées à Oulu (Finlande) [62] et Rennes (France) [63] pour évaluer leurs performances de couverture en fonction du Received Signal Strength Indicator (RSSI). Une étude récente montre que LoRa peut être un lien fiable pour les applications de télédétection à faible coût.
Il est cependant important de noter que l’augmentation rapide des communications de type machine (MTC, Machine Type Communication) pose un défi aux opérateurs cellulaires pour prendre en charge les communications M2M sans entraver la qualité de service existante pour les communications interhumaines (H2H, human 2 human) déjà établies[64]. LTE-M est l’un des candidats pour prendre en charge les communications M2M dans les réseaux cellulaires à évolution à long terme (LTE). De plus, le narrow band IoT, plus communément appelé NB-IoT se met aussi en position pour le futur de l’IoT. Il s’agit plus concrètement d’un standard de communication LPWAN (Low Power Wide Area Network – réseau basse consommation longue portée, en français) dont la principale mission consiste à faciliter la communication d’importants volumes de données sur une très grande distance.
D’un point de vue plus technique, le NB-IoT fonctionne sur l’ancien réseau GSM (bande de fréquence de 200 kHz), avec le réseau LTE ou bien au sein d’un réseau indépendant. Il permet d’avoir des débits de 20 à 250Kbit/s en download ou upload avec une latence inférieure à 10 secondes environ.
Le Narrowband IoT se distingue du LTE-M par le fait de ne pas reposer sur le protocole IP, mais sur l’échange de messages. De fait, le NB-IoT se révèle plus adapté à la communication de grands volumes de données, en particulier dans le sens descendant (dans des bandes passantes de 200 kHz), à un rythme plus lent que le LTE-M (dans des bandes passantes de 1,4 KHz).

Réseaux tolérants aux délais: algorithme de clusterisation et routage

Definition DTN

DTN signifie Delay Tolerant Network, ce qui se traduit par réseaux tolérants aux délais. Le concept des DTN fut introduit par Kevin Fall en 2002. Il avait comme cible les réseaux interplanétaires. En effet, lorsque la distance qui sépare l’émetteur du récepteur est grande, elle devient directement la cause d’un quelconque délai [50]. De manière générale on dit que la technologie d’internet se base sur des protocoles dits conversationnels. C’est-à-dire qu’il y a communication répétée dans les deux sens de circulation entre l’émetteur et le récepteur afin de s’assurer que le message a été correctement transmis [15]. Cependant dans certains environnements ou dans certains contextes ces hypothèses ne se vérifient pas. Deux situations en particulier rendent le principe d’internet inadapté :
• Les délais sont tellement élevés qu’attendre un acquittement puis renvoyer le mes-sage s’il n’a pas été reçu peu prendre jusqu’à des heures.
• La connexion n’est pas continue et si le message n’a pas pu être transmis dans les temps il faut attendre la prochaine opportunité de transmission.
Un relais ne peut donc se contenter de router les paquets. Il doit aussi pouvoir les stocker, et les transmettre seulement quand une opportunité de connexion apparaît. C’est pourquoi les DTN fonctionnent sur une logique dites de « Store and Forward » similaire à celle utilisée par les services postaux : les données sont transmises d’une zone de stockage à une autre. Les données transmises sont un bloc complet de données compréhensibles isolément et non un fragment de message [49].

Principe du « Store and Forward »

Les méthodes de store and forward sont utilisées dans la vie de tous les jours. On peut par exemple citer l’acheminement d’un courrier, d’un e-mail, d’un message vocal, etc. Pour cela, l’utilisation d’espace de stockage s’avère nécessaire. Les espaces de stockage présents sur les nœuds réseaux conservent les données indéfiniment. Ils sont dits à stockage persistant, en opposition avec les mémoires à court terme. Les routeurs utilisés sur Internet sont basés sur des mémoires à court terme pour mettre en file d’attente les paquets entrants pendant la consultation de la table de routage et le transfert de ces données sur un port de sortie libre [11].
A l’inverse, les réseaux DTN utilisent des espaces de stockage plus importants (disque dur). En effet, pour les raisons ci-dessous, l’utilisation de stockage persistant est indispens-able :
• Le lien de communication de la source vers la destination peut être indisponible pour une durée.
• Un nœud du réseau peut émettre ou recevoir des données plus rapidement ou de manière plus fiable que les autres nœuds du réseau.
• Un message transmis doit être retransmis en cas d’erreur sur le réseau ou si les informations ne sont pas acceptées pour être transférées.
Tout ou une partie des données (en provenance d’une application) est déplacé d’un espace de stockage d’un nœud du réseau vers l’espace de stockage du nœud suivant tout au long d’un chemin qui permettra éventuellement de joindre le destinataire [15]. Lors du transfert de données (ou d’une portion de ces données) depuis un nœud du réseau vers le suivant, la taille du message est annoncée de manière à réserver l’espace de stockage nécessaire et la bande passante pour le transfert.

Les réseaux auto-organisables

Grâce à l’évolution des technologies de communication sans fil, l’utilisation des systèmes d’information a évolué et a notamment exprimé le besoin de mobilité et d’autonomie des utilisateurs. Les réseaux filaires ne pouvant plus offrir une telle possibilité d’utilisation, les réseaux sans fil auto-organisés ont permis de satisfaire partiellement ces nouveaux besoins. En particulier, les applications impliquant deux utilisateurs (e-mail, téléchargement de fichiers, etc.) ou les applications de groupe d’utilisateurs (télé-séminaire, téléconférence, jeux interactifs, etc.) [11][16]. Les réseaux auto-organisés fonctionnent de manière autonome, sans configuration, sans intervention et sans avoir besoin d’une infrastructure fixe. Ils rassemblent plusieurs types de réseaux tels que les réseaux ad hoc (MANET, Mobile Ad hoc Network ), les réseaux de capteurs (Sensor Networks) et les réseaux de véhicules (VANET, Vehicular Ad hoc Network ). Ces réseaux sont constitués de nœuds mobiles ou non mobiles qui peuvent communiquer directement les uns avec les autres s’ils sont situés à portée radio. La portée des nœuds étant relativement limitée, le déploiement d’un réseau à grande échelle nécessite que le réseau soit multi-hop, c’est-à-dire que les nœuds intermédiaires jouent le rôle de relais. Avec l’état imprévisible des liens et les changements continus de topologie, les réseaux auto-organisés soulèvent de nombreuses questions, notamment en ce qui concerne le routage dynamique. Dans un réseau auto-organisé, chaque nœud est tenu de jouer le rôle de relais et d’être à la fois hôte et routeur afin d’assurer l’acheminement du trafic traversant le réseau. Par conséquent, chaque nœud intermédiaire doit participer à la phase de découverte nécessaire à l’établissement du chemin, au transfert des paquets échangés et à la maintenance de ce chemin[15][11][49] . Cependant, le manque d’infrastructure fixe et d’administration centralisée rend la tâche de maintenance difficile. De plus, compte tenu de la limitation des ressources dans les réseaux auto-organisés, en termes de bande passante et d’énergie, la construction des routes et leur entretien doivent se faire avec un minimum de contrôle du trafic [37].

Clustérisation et métriques pour réseaux auto-organisables

Pour permettre aux protocoles de routage de fonctionner plus efficacement, le clustering est souvent utilisé. Le clustering consiste d’abord à diviser le réseau en un ensemble de nœuds géographiquement proches. Il se présente ensuite comme une solution intéressante pour simplifier et optimiser les fonctions et services du réseau. Plusieurs algorithmes de clustering ont été proposés et évalués. Ces algorithmes ont des caractéristiques différentes et sont conçus pour répondre à certains objectifs en fonction du contexte dans lequel le clustering est déployé (routage, sécurité, économie d’énergie, etc.). Plusieurs études [1]
[78] se sont intéressées à établir une classification des approches de clustering existantes. La technique de clustering consiste à organiser les nœuds du réseau en groupes virtuels appelés «clusters». Les nœuds géographiquement voisins sont regroupés dans le même cluster selon certaines règles. Dans un cluster, il existe généralement trois types de nœuds comme le montre la Figure 2.3 : les nœuds «cluster-head», les «Gateway» ou passerelles, et les nœuds «ordinaires» également appelés membres. Dans chaque cluster, un nœud est élu comme chef de groupe, appelé cluster-head, qui a des fonctions supplémentaires (routage, accès au support, etc.). Une passerelle est un nœud non-chef de cluster qui a des liens inter-cluster et peut donc accéder aux clusters voisins et acheminer les données entre eux, tandis qu’un nœud ordinaire est un nœud non-chef de cluster qui n’a pas de liens avec d’autres clusters. Le clustering représente une solution prometteuse pour les réseaux «auto-organisés» avec un grand nombre de nœuds [61]. Cette technique de structuration de réseau présente au moins trois avantages. Premièrement, la structure du cluster permet la réutilisation des ressources réseau [46]. En effet, deux clusters peuvent utiliser la même fréquence ou le même jeu de codes s’ils ne sont pas voisins [38]. Le deuxième avantage est le routage. En effet, tous les chefs de cluster et passerelles de cluster peuvent former une épine dorsale virtuelle pour le routage inter-cluster. Ainsi, la génération et la diffusion des informations de routage peuvent être limitées à cet ensemble de nœuds [60], ce qui évite une diffusion fréquente des informations de routage qui peuvent surcharger le réseau et dégrader considérablement ses performances. Enfin, la structure du cluster rend le réseau plus petit et plus stable aux yeux de chaque nœud du réseau [53]. Lorsqu’un nœud mobile modifie son cluster domestique, seuls les nœuds, appartenant au même cluster du nœud sortant, mettent à jour leurs informations. Les changements locaux n’affectent donc pas l’ensemble du réseau mais seulement une partie. Ainsi, les informations traitées et stockées par chaque nœud seront réduites.
Comme le montre la Figure 2.4, plusieurs classifications des mécanismes de clustering ont été proposées dans la littérature [1] [78]. La classification des approches existantes peut être basée sur plusieurs critères. La première classification évidente est basée sur les critères et les métriques utilisés pour choisir le cluster-head. Dans ce domaine, certains mécanismes de clustering ont choisi des critères simples comme l’identifiant [22], tandis que d’autres approches ont adopté des sélections plus raffinées. Ces sélections combinent certains critères afin de sélectionner les nœuds les plus appropriés pour jouer le rôle de cluster-head [14]. Une autre classification peut prendre en compte le nombre de sauts qui séparent un nœud ordinaire du cluster-head auquel il est attaché. Dans cette classification, il existe deux catégories : les algorithmes à 1 saut et ceux à plusieurs sauts. Ces sauts représentent le rayon du cluster. Le rayon de cluster exprime la valeur maximale qui sépare le chef de cluster de tous ses membres.
Il existe de nombreux algorithmes de clustering à ce jour. L’analyse détaillée de ces algorithmes nous permet de profiter de leurs avantages et d’améliorer leurs limites. La plupart des algorithmes proposent l’utilisation d’une métrique de base qui permet d’élire un cluster-head et invoque parfois d’autres métriques pour rompre les liens. Cependant, certains algorithmes :
• N’utilisent aucune métrique particulière pour structurer le réseau en clusters.
D’autres algorithmes utilisent des métriques. Nous avons distingué quatre types de métriques de base utilisées par les algorithmes proposés.
• La métrique arbitraire qui est une métrique donnée arbitrairement ou aléatoirement à un nœud comme l’identifiant d’un nœud.
• Le deuxième type de métrique concerne les métriques calculées à partir de la topolo-gie du réseau comme la connectivité d’un nœud également appelée degré d’un nœud.

Agents et systèmes multi-agents

• D’autres métriques sont plus spécifiques au nœud mobile comme sa mobilité relative et son énergie résiduelle.
• Il existe des algorithmes qui combinent plusieurs métriques pour calculer un poids utilisé dans l’élection du cluster-head.

Agents et systèmes multi-agents

Definition

Les systèmes multi-agents appartiennent à un domaine de l’intelligence artificielle et ce sont des systèmes que l’on appréhende très différemment de l’ingénierie informatique classique. Les systèmes multi-agents interviennent là où la résolution classique des problèmes grâce à l’informatique a ses limites [56]. ·Ce domaine est très exploité aujourd’hui grâce aux possibilités qu’il offre dans de nombreux domaines comme les sciences sociales, sciences informatiques, sciences expérimentales ou encore l’industrie. De plus les limites des systèmes informatiques et industrielles actuels sont telles qu’il devient envisageable et même intéressant de développer des systèmes multi-agents pour répondre aux besoins croissants de nombreux domaines plus classiques, que ce soit en termes de temps, d’efficacité ou de productivité.
Ferber définissait les systèmes multi-agents comme des systèmes composés d’un ensemble d’entités, appelés agents, potentiellement organisés, partageant un environnement commun dans lequel ils peuvent interagir [40]. Les systèmes multi-agents sont donc basés sur un certain nombre de principes et concepts avec notamment les agents, l’environnement, les interactions.

Agent

Tout d’abord, voici quelques définitions de ce qu’est un agent, selon différents auteurs:
Selon S. Russell et P. Norvig : « On appelle agent toute entité qui peut être considérée comme percevant son environnement grâce à des capteurs et qui agit sur cet environnement via des effecteurs. » [67]. Selon M. Wooldridge : un agent est un système informatique situé dans un environnement donné, et qui est capable d’agir de manière autonome dans cet environnement en fonction des objectifs qui lui sont définis [81]. J. Ferber a une définition très détaillée prenant en compte toutes les composantes d’un agent : «On appelle agent une entité physique ou virtuelle :
• a) qui est capable d’agir dans son environnement,
• b) qui peut communiquer directement avec d’autres agents,
• c) qui est mue par un ensemble de tendances (sous la forme d’objectifs individuels ou d’une fonction de satisfaction, voire de survie, qu’elle cherche à optimiser),
• d) qui possède des ressources propres,
• e) qui est capable de percevoir (mais de manière limitée) son environnement,
• f) qui ne dispose que d’une représentation partielle de cet environnement (et éventuelle-ment aucune),
• g) qui possède des compétences et des offres de services,
• h) qui peut éventuellement se reproduire,
• i) dont le comportement tend à satisfaire ses objectifs, en tenant comte des ressources et des compétences dont elle dispose, et en fonction de sa perception, de ses représen-tations et des communications qu’elle reçoit. » [40].
L’ensemble de ces définitions mènent à definir un agent comme étant une entité logicielle ou matérielle située dans un environnement réel ou virtuel. L’agent est capable d’agir dans son environnement, d’être dirigé par ses tendances (objectifs individuel, buts, satisfaction, survie), posséder ses propres ressources, communiquer (directement ou indirectement), avoir une représentation partielle du monde dans lequel il évolue. Son comportement et son autonomie sont la conséquence de ses perceptions, représentations et interactions dans le monde avec les autres agents. Cet agent possède une structure interne que l’on appelle architecture qui peut être soit réactive; on ne considère que les perceptions-actions (ou réponse à des stimulis), soit cognitive; l’agent fait alors preuve de réflexion.
Une définition souple d’un agent pourrait être : Un agent est une entité située dans un environnement, qui peut percevoir cet environnement grâce à des capteurs, qui peut agir sur cet environnement grâce à des effecteurs, et qui a un ou des objectifs comme illustré par la Figure 2.5. Voici quelques exemples d’agents pour illustrer les précédentes définitions :
• Un robot d’exploration internet qui a pour objectif d’indexer du contenu pour un moteur de recherche, en naviguant de site internet en site internet et en analysant le contenu sémantique.
• Un virus biologique dont l’objectif est de se reproduire dans son environnement (un animal ou un être humain) en utilisant les cellules et leurs ressources.
• Un être vivant qui dispose d’yeux, d’oreilles (et d’autres organes sensoriels) comme capteurs, des membres supérieurs et inférieurs comme effecteurs, et qui a pour objectif de survivre et de se reproduire.
Le concept d’agent seul n’est pas suffisant lorsque l’on parle de systèmes multi-agents [47] : il est indissociable de celui d’environnement. En effet, l’ensemble des perceptions et des actions qu’un agent est susceptible de réaliser est entièrement défini par rapport à l’environnement où celui-ci va opérer.

Environnement

L’environnement définit les conditions d’existence des entités qui y sont présentes. Il n’est donc généralement pas possible de parler d’agent sans parler d’environnement car ce dernier représente la modélisation du monde dans lequel évoluent les agents [79].
L’environnement est l’univers dans lequel l’agent évolue et effectue des tâches. Et quand on parle d’environnement, on parle d’environnement de tâches. Ceux-ci sont en fait les problèmes que les agents vont devoir résoudre. O. Bessiere synthétise plusieurs descriptions d’un environnement, qui peut être un espace de déplacement, un ensemble de ressources et de données disponibles, un milieu d’interaction avec ses propres lois, un espace où sont réalisées les actions, etc. En résumé, bien définir l’environnement revient à bien définir le problème, ce qui est primordial avant toute tentative de résolution de problème. L’environnement joue donc un rôle très important en ce qui concerne le comportement d’un agent, selon L. Magnin qui identifie la dualité agent/environnement comme on peut le voir sur la Figure 2.5 avec la partie cerveau qui commande les actions, et la partie agent qui est l’enveloppe physique en contact avec l’environnement [48].
Le nombre d’environnements de tâche possible est très grand, mais il est possible de catégoriser les environnements selon certaines propriétés, au nombre de six telles qu’elles sont présentées par S. Russell et P. Norvig [67]. Ces propriétés jouent un rôle dans le type d’agent qui peut être conçu pour certains ensembles d’environnements.
• Entièrement observable/partiellement observable : Si l’agent a accès à tout instant à tous les états de l’environnement grâce à ses capteurs, alors son environnement de tâche est entièrement observable. Cela est intéressant car l’agent n’a pas besoin d’avoir une représentation interne de son environnement. Dans les autres cas, l’environnement de tâche est partiellement observable. Par exemple, l’environnement de tâche d’un robot d’exploration sur Mars est partiellement observable, car l’agent ne peut observer que dans un certain périmètre autour de lui.
• Déterministe/stochastique : Quand le prochain état de l’environnement est déterminé par l’action d’un agent et l’état courant de l’environnement, l’environnement est déterministe. Dans les cas où l’on fait exception des actions des autres agents, on dit qu’il est stratégique. Dans tous les autres cas, on dit qu’il est stochastique, et il comprend la notion d’aléatoire.
• Épisodique/séquentiel : Dans un environnement épisodique, le comportement de l’agent est découpé en épisodes atomiques. À chaque épisode est associée une action spécifique, et toutes les actions sont indépendantes, n’ont aucune influence entre elles. Dans un environnement séquentiel, les prochaines actions dépendent des actions précédemment réalisées. Les environnements séquentiels sont plus simples du fait que l’agent n’a pas à s’occuper de ce qu’il pourrait se passer après.
• Statique/dynamique : Si l’environnement ne change pas pendant que l’agent réfléchit ou agit, c’est un environnement statique, car l’agent n’a pas besoin de continuer d’observer son environnement et n’a pas de contrainte de temps. Au contraire, si l’environnement peut changer pendant la phase de réflexion ou d’action de l’agent, c’est un environnement dynamique car l’agent doit constamment prendre en compte les percepts qui peuvent influencer ses choix d’action. Il se peut que l’on puisse définir un environnement comme semi-dynamique, par exemple quand l’environnement ne change pas en fonction du temps mais quand la performance d’un agent dépend du temps (l’exemple du joueur d’échec avec chronomètre).
• Discret/continu : Un environnement est discret quand les états de cet environnement sont distincts, même s’il y en a une infinité. À titre d’exemple, une partie d’échecs est un environnement discret. La manière de gérer le temps ou de considérer les percepts et les actions d’un agent déterminent aussi si l’univers est discret ou continu.
• Mono-agent/multi-agents : L’environnement est mono-agent lorsqu’un seul agent évolue dedans, et il est multi-agents lorsqu’il comprend au moins deux agents. Cette propriété de l’environnement est importante dans le cas où il est multi-agents car il va falloir détailler si l’environnement multi-agents est concurrentiel ou s’il est coopératif. Une partie d’échecs est un environnement purement concurrentiel car un seul des deux agents peut atteindre l’état recherché, la victoire, provoquant automatiquement la défaite et donc l’échec de l’autre. Un environnement où les agents évoluent sans s’affronter, comme dans un trafic routier par exemple, est coopératif. Il se peut qu’un environnement coopératif soit concurrentiel en partie, comme un trafic routier dans lequel le nombre de places de stationnement est limité et où les agents peuvent stationner. Dans les environnements multi-agents, on peut voir l’aspect de la communication, qui est alors un comportement rationnel.
Dans notre travail, nous partirons sur un environnement partiellement observable, stochastique, séquentiel, dynamique, discret et multi-agents.

Capteurs et effecteurs chez un agent

Les capteurs sont une caractéristique fondamentale des agents, et notamment pour la notion de perception. Les capteurs sont des mécanismes sensoriels permettant à l’agent de disposer d’un certain type d’informations sur ce qui l’entoure. Voici quelques exemples de capteurs classiques par rapport à des sens connus chez l’être humain : des yeux ou des détecteurs infrarouges pour la vision, des oreilles ou un micro ou des détecteurs de pression de l’air pour l’audition, des détecteurs de pression pour le toucher, des détecteurs d’acidité ou de salinité pour le goût. La fonction d’un capteur est de transformer un phénomène physique en un signal. Ce signal, qui est la forme d’un stimulus (ou de son absence) qui est perçue par un capteur, est ce que l’on appelle un percept [47]. Il est intéressant de noter la différence entre un percept et un stimulus. Le stimulus est le phénomène physique qui peut déclencher un percept, tandis que le percept est l’information perçue suite à la conversion par le capteur.
Les effecteurs sont, à l’instar des capteurs, une autre caractéristique fondamentale des agents[81]. Ils permettent à l’agent d’agir sur son environnement. Selon le niveau de détail utilisé et selon le type d’agent étudié, la définition peut varier. Un effecteur peut être :
• Un outil, une perceuse par exemple.
• Un organe de préhension , comme une pince mécanique.
• Les membres locomoteurs, permettant à l’agent de se déplacer dans son environnement, sont aussi des effecteurs.
• Un morceau de code qui exécute une action menant à la modification de l’environnement.
Mais il est possible de donner une définition générale couvrant tous les types d’effecteurs
: un effecteur est un dispositif propre à l’agent, lui permettant l’action, la locomotion ou la préhension dans et sur son environnement.

L’objectif chez un agent

Nous avons vu que les agents sont le moyen de résoudre un problème. Le besoin exprimé est la résolution d’une problématique, ce qui définit un outil permettant de satisfaire ce besoin. Cet outil est l’agent, et il peut donc avoir un ou plusieurs objectifs (ou buts) car c’est ce qui définit sa fonction, sa raison d’exister. Chez un agent, l’objectif est ce qui le pousse à agir. Nous pouvons nous demander ce que ferait un agent sans fonction, sans objectif à satisfaire. Il est possible qu’il ne fasse rien, il est possible qu’il agisse de manière chaotique ou incohérente, mais son comportement ne paraîtrait en rien rationnel pour l’environnement dans lequel il se trouve du fait de son absence de raison d’être.

La communication chez un agent

Chez les agents, la communication est une forme d’interaction . Cette possibilité de communiquer permet l’échange d’informations, et donc de connaissances. La communication rend également possible la coopération entre agents, par exemple quand plusieurs agents ont des objectifs complémentaires. Bien entendu, pour que la communication soit effective chez les agents, il faut qu’ils aient un protocole commun de communication ainsi qu’un canal commun et ce, afin d’assurer la cohérence dans les échanges d’informations..

Systèmes multi-agents

Parmi les approches multi-agent, certaines se fondent sur une démarche individus-centrée. En effet, elles considèrent qu’il est possible de modéliser, non seulement les individus et leurs comportements, mais aussi les interactions qui se déroulent entre ces individus. Elle considère ainsi que la dynamique globale d’un système, au niveau macroscopique, résulte directement des interactions entre les individus qui composent ce système au niveau microscopique. Ainsi, alors que les modèles classiques modélisent les relations qui existent entre les différentes entités identifiées d’un système à l’aide d’équations mathématiques, l’approche multi-agent modélise directement les interactions engendrées par des comportements individuels. Les systèmes multi-agents sont donc un moyen de comprendre, modéliser et implémenter un très grand nombre de systèmes distribués. Ils peuvent être aussi utilisé comme paradigme de développement pour des logiciels, particulièrement dans des contextes de calcul où le contrôle global n’est pas possible ou pour la représentation de phénomènes réels ou virtuels, en décomposant ces systèmes en entités individuelles pouvant interagir entre elles.

Application zone urbaine

Les mesures en zones urbaines ont été faites à Dakar (Sénégal). Du fait d’un réel problème de décentralisation, les activités économiques et les infrastructures urbaines au Sénégal sont majoritairement localisées à Dakar, et on note une forte croissance démographique dans la région. En fait, Dakar qui est une péninsule de 83342, est la région la plus petite et la plus peuplée du Sénégal. En effet, les travailleurs qui habitent dans la banlieue et autour du centre ville de dakar se retrouvent souvent dans un même axe et les routes sont dans le chaos pendant la journée de travail. Il en résulte plusieurs problèmes tels que les embouteillages diurnes et aux heures de pointe, les passagers de bus qui préfèrent utiliser du coup le transport privé même s’il est plus cher, et la pollution de l’air causée par le grand nombre de véhicules anciens. Certains chercheurs travaillent sur différentes thématiques pour améliorer la situation. Par exemple, afin d’améliorer le système de transport, les auteurs de [27] ont proposé un système de communication par GPS et SMS pour les passagers de la société nationale de transport «Dakar Dem Dikk». Ce système d’information permet aux passagers du bus de savoir soit combien d’arrêts il reste pour un bus donné avant d’atteindre un arrêt de bus fixe, soit la distance estimée entre un bus cible et sa position. Néanmoins, le système de suivi est basé sur le réseau cellulaire. On comprend alors que le coût du SMS devient une grande préoccupation afin de surveiller l’ensemble des bus «Dakar Dem Dikk».
Sur ce, en tirant parti des technologies LoRa à Dakar, nous pouvons, en plus de réaliser nos tests, penser à des services qui permettent d’améliorer les conditions so-ciales, économiques et environnementales, et également offrir de nouveaux types de services aux entreprises. Par exemple, aider les parties prenantes à créer un système de surveillance en temps réel pour les panneaux solaires afin de lutter contre les vols de ces panneaux et à programmer leur nettoyage périodique, d’un autre côté, assurer une surveillance des points d’eau en temps réel pour le modèle de prévision et de contrôle des maladies, une protection contre les menaces d’inondations, un surveillance à distance des consommations d’électricité et d’eau, etc.
Ce travail est la première évaluation LoRa à Dakar [36]. Étant donné que la fréquence radio dans les bandes ISM est prise en compte, il est obligatoire d’évaluer l’efficacité et la fiabilité de la communication LoRa dans la ville de Dakar. Ensuite, les technologies IoT et LoRa peuvent être déployées dans la péninsule de Dakar couvrant l’ensemble des points d’intérêt.
Afin d’avoir une bonne visibilité entre la station de base et la station mobile en mouve-ment, nous devions trouver la meilleure position géographique pour déployer notre station de base LoRa . Etant donné que Dakar est une ville avec presque 4 millions d’habitants
[13] et qu’il y a beaucoup de bâtiments d’au moins quatre étages, nous avons sur la base d’une enquête de terrain ciblé 4 positions pour y placer des stations de base pour pouvoir couvrir toute la ville. Ainsi, nous avons considéré les sites suivants à Dakar comme station de base :
• Le sommet du «Phare des Mamelles» qui s’étend jusqu’à 126m.
• L’esplanade du «Monument de la Renaissance» qui mesure 100m et se situe à prox-imité du «Phare des Mamelles». Le choix du «Monument de la Renaissance» comme station de base est dû au fait qu’il agit comme un masque pour les données provenant du «Phare des Mamelles» par rapport à quelques localisations. La Figure 3.3 illustre la répartition géographique des deux collines où se trouvent le «Monument de la Renaissance» à droite et le «Phare des Mammeles» à gauche. On peut voir que l’emplacement du «Monument de la Renaissance» rompt la ligne de mire du «Phare des mamelles» vers les différents emplacements situés après le site du «Monument de la Renaissance». Le choix de ces deux haut lieux permet de couvrir une grande partie de la ville de Dakar (Mermoz etc.)
• Le site «Virage» qui est le point le plus bas parmi nos quatre balises mesure environ 20m. Le choix de la balise «Virage» est motivé par la nécessité de couvrir la partie nord de la péninsule de Dakar.
• Le bâtiment le plus haut de Dakar, appelé «Immeuble Kebe», qui mesure 75,36 m. La Figure 3.2 montre la station de base LoRa qui est située au sommet du bâtiment «El Hadj Ndiouga Kebe». Ce site a été choisi pour couvrir le centre ville de Dakar ainsi que les alentours du port autonome de Dakar.

Table des matières

￿ Introduction Generale
1.1 Contexte et problématique
1.2 Enjeux de la thèse et contributions
1.3 Plan du manuscrit
￿ Etat de l’art
2.1 Introduction
2.2 IoT et transmission LPWAN
2.2.1 Architecture
2.2.2 Composants
2.2.3 Outils de communication
2.3 Réseaux tolérants aux délais: algorithme de clusterisation et routage
2.3.1 De￿nition DTN
2.3.2 Principe du « Store and Forward »
2.3.3 Les réseaux auto-organisables
2.3.4 Clustérisation et métriques pour réseaux auto-organisables
2.4 Agents et systèmes multi-agents
2.4.1 De￿nition
2.4.2 Agent
2.4.3 Environnement
2.4.4 Capteurs et e￿ecteurs chez un agent
2.4.5 L’objectif chez un agent
2.4.6 La communication chez un agent
2.4.7 Systèmes multi-agents
2.5 Synthèse
￿ Modèle d’atténuation et analyse de portée LoRa
3.1 Introduction
3.2 Con￿guration de mesure
3.3 Modèle de régression linéaire
3.3.1 Application zone urbaine
3.3.2 Application zone rurale
3.3.3 Application zone maritime
3.4 Analyse résultats et proposition modèle basé sur la couverture
3.5 Synthèse
COWSHeD : Mise en oeuvre d’un outil de communication en zones blanches
4.1 Introduction
4.2 Architecture de communication
4.3 Des services à valeurs ajoutées de COWSHeD
4.3.1 Service de Géolocalisation
4.3.2 Service de Messagerie vocal
4.3.3 Service de transmission d’information pour la collecte de lait
4.4 Synthèse
GAMMETA: Une approche multi-agents pour la modélisation d’un système de communication en zones blanches
5.1 Introduction
5.2 Clusterisation et notion d’oracle
5.3 Construction modèle
5.4 Analyse expérimentale
5.4.1 Implémentation
5.4.2 Métriques d’évaluation
5.4.3 Analyse et évaluation des résultats
5.5 Intégration environnement pastoral ou marin
5.5.1 Routage
5.5.2 Gestion des Fenêtres de transmission
5.5.3 Modèle de Gestion de l’espace et des ressources
5.6 Synthèse
Conclusion 
6.1 Bilan
6.2 Discussions et Perspectives
￿ Bibliographie

Télécharger le rapport complet