Partitionnement logique dans les réseaux de capteurs sans fil

Julien Beaudaux: Partitionnement logique dans les réseaux de capteurs sansfil, Mémoire de Master, © Août 2010

"L’amitié n’est pas moins mystérieuse que l’amour ou l’une quelconque desfacettes de cette chose confuse qu’est la vie."— Jorge Luis Borges (1899 - 1986)R E M E R C I E M E N T SLe présent stage ne m’aurait très probablement pas été aussi agréablesans l’appui plein et entier que m’ont apporté un certain nombre depersonnes. Il m’a semblé indispensable de les remercier ici pour leursoutien.Je tiens en premier lieu à remercier Antoine Gallais pour l’attentionqu’il a apporté à mes travaux, son expérience qu’il m’a fait partagerainsi que sa bonne humeur en toute circonstance.Je souhaite remercier Thomas Noël pour la confiance qu’il a toujourseu à mon égard et les critiques constructives qu’il m’a fait partager.Mes remerciements les plus sincère vont à l’ensemble de l’équipeRéseaux et Protocoles du LSIIT, et plus particuliérement à Alexander,Vincent, Erkan, Damien, Romain, Julien et Jean-Jacques pour l’excellenteambiance qu’ils ont su créer et la considération qu’il m’ont apporté.Je remercie aussi chaleureusement mes parents Brigitte et Gérard, messœurs Valérie et Stéphanie, ainsi que Thierry, Jordan et Harold pourleur présence, leur soutien indéfectible et leur confiance toujours renouveléequ’ils ont su m’apporter à tout moment.De même, mes pensées vont à Jean-Claude, dont la Nyckelharpa m’auradonné du fil à retordre, mais m’aura permis de vider mon esprit auxmoments les plus critiques, à Jean-Marc qui m’aura fait découvrir avecune joie sans cesse renouvelée le Tango, ainsi qu’à mes cavalières, dontla proximité aura rendu mes soirées si agréables.Enfin, je tiens à dédier les présents travaux à Jean Lorchat, sans quije ne me serais probablement pas découvert cette passion pour lesmathématiques et l’informatique, et qui a toujours répondu présentpour me prodiguer conseils et encouragements.iii

A B S T R A C TWireless Sensor Networks (WSN) are often meant to retrieve informationfrom remote or hostile environment. Consequently, sensor nodesare deployed without any a priori knowledge of the target area, thusimposing a need for increased communication density that would ensurenetwork connectivity. Deployed devices are also expected to sensethe environment, the inherent coverage constraint depending on theapplication characteristics.In this paper, we focus on full area coverage that should be achieved bya connected set of active sensors in order to allow monitoring reportsto reach the sink stations. The proportion of active sensors should belimited and the communication overhead induced by the protocol itselfshould remain negligible compared to the application related traffic.Such energy-efficiency has already been targeted by many works, eitherfocusing on centralized or localized solutions. While the former providegood performances by assuming every entity to know about the wholenetwork topology, the latter, solely based on local information, providenon optimal sets of active nodes but require much less communications.In this paper, we consider k-localized approaches adapted from twowell-known schemes of the literature. We show that k-localized solutionscan achieve results similar to some centralized algorithms, with areduced communication overhead. We also consider several schemesto determine a subset of active nodes, which should not necessarilyparticipate in the routing process. Such nodes can then shut their radiodown in reception, in order to save energy.R É S U M ÉLes réseaux de capteurs sans-fil ont souvent pour objectif de récupérerdes informations concernant un environnement isolé ou hostile. Parconséquent, les nœuds capteurs sont déployés sans connaissance initialea priori de la zone à surveiller, ce qui impose une augmentationde la densité de communication afin d’assurer la connexité du réseau.Les entités déployées sont aussi supposées surveiller leur environnement,la contrainte de couverture dépendant des caractéristiques del’application.Dans le présent mémoire, nous concentrons notre étude sur la couverturecomplète d’une zone d’intérêt par un ensemble connexe decapteurs, afin de permettre la remontée des informations en directiondu puits. La proportion de nœuds actifs doit être limitée et le surcoûten communications induit par le protocole doit rester négligeable encomparaison du traffic de l’application. De nombreux travaux répondentà ces contraintes, soit avec des solutions centralisées, soit localisées.Bien que les premières assurent de bonnes performances en assumantque chaque entité connait l’ensemble de la topologie du réseau, lessecondes, basées sur de simples informations locales, fournissent univ

ensemble non-optimal de nœuds actifs mais induisent beaucoup moinsde communications.Dans ce mémoire, nous envisageons des solutions k-localisées afinde déterminer cet ensemble de nœuds actifs, adaptées de mécanismesbien connus. Nous démontrons que ces solutions ont des performancestrès proches de leur équivalent centralisé, avec un surcoût moindre.Nous proposons en outre de déterminer par plusieurs méthodes unsous-ensemble de nœuds actifs nécessaires pour assurer la couverturede la zone mais dont la participation au routage n’est pas indispensable.Ces nœuds peuvent alors couper leur radio en réception afin de limiterleur consommation énergétique.v

P U B L I C AT I O N SVous trouverez ci-dessous l’ensemble des idées présentées dans leprésent mémoire ayant donné lieu à la soumission d’un article.Julien Beaudaux, Antoine Gallais, and Tahiry Razafindralambo. MultipleCoverage with Controlled Connectivity in Wireless Sensor Networks.In ACM PE-WASUN 2010, Bodrum, Turkey.vi

C O N T E N T S1 introduction 11.1 Qu’est-ce qu’un réseau de capteurs 11.2 Quelques exemples d’applications 21.3 Partitionnement logique 32 articles connexes 53 modèles, suppositions et définitions 74 contribution 94.1 Algorithmes de référence 94.1.1 Couverture simple 94.1.2 Comparaison des deux mécanismes 104.1.3 Couverture multiple 114.2 Utilisation de la k-connaissance 124.3 Introduction d’un état Sensing-Only 134.3.1 Construction et utilisation d’un gradient 144.3.2 Cas de l’Arbre Couvrant de Poids Minimal k-Local 154.3.3 Cas particulier de la k-couverture 164.4 Récapitulatif 175 résultats expérimentaux 195.1 Résultats par simulation 195.1.1 Impact de la k-connaissance sur PO et PR 205.1.2 Construction des ensembles Sensing-Only 215.1.3 Cas de la couverture multiple 235.2 Expérimentations en conditions réelles 246 conclusion et perspectives 276.1 Conclusion 276.2 Perspectives 27bibliography 28vii

viiicontents

I N T R O D U C T I O N1Le présent mémoire a pour but de présenter les travaux effectués toutau long de mon stage au sein de l’équipe Réseaux et Protocoles duLaboratoire des Sciences de l’Image, de l’Informatique et de la Télédétection.Ce stage s’est déroulé dans le cadre de la deuxième année deMaster Réseaux Informatiques et Systèmes Embarqués de l’Universitéde Strasbourg.Ce travail s’inscrit en outre dans le projet Senslab, visant à déployerune plateforme d’expérimentation de réseaux de capteurs à grandeéchelle. L’Université de Strasbourg fait partie des quatres universitéssélectionnées pour accueillir cette plateforme et, parallélement, participerà son développement. Cette situation nous a ainsi permis dedisposer de toute latitude pour implémenter nos protocoles dans desconditions réalistes.Figure 1: Plateforme d’expérimentations SenslabNous avons, à cette occasion, concentré nos recherches sur le partitionnementlogique dans les réseaux de capteurs sans-fil, avec pour objectifde fournir une solution efficace, fonctionnelle, et auto-adaptative pourlimiter l’utilisation d’un sous-ensemble de capteurs du réseau touten conservant une couverture identique de la zone d’intérêt, et ainsipréserver les ressources énergétiques du réseau sans influer sur sonfonctionnement général.1.1 qu’est-ce qu’un réseau de capteursLes réseaux de capteurs forment une discipline ayant émergé récemmentcomme domaine de recherche de premier plan. Ils forment une approchenouvelle et pluri-disciplinaire combinant notamment les réseauxinformatiques, le traitement du signal et les systèmes embarqués.Un capteur est une entitité électronique autonome apte à récolter1Un capteur TelosB

2 introductiondes informations concernant l’environnement dans lequel il évolue.Chaque capteur est aussi équipé d’une interface de communication(e.g. interface radio) lui permettant de communiquer avec ses pairs.Ainsi, un ensemble de ces entités peuvent s’organiser en un réseau ens’échangeant des informations entre eux.Les capteurs étant bien souvent des entités de petite taille devant opérersur de longues périodes pouvant être de l’ordre de l’année, l’économied’énergie est ici un défi perpétuel et de première importance. Lescommunications sans-fil sont de loin l’activité la plus consommatriced’énergie pour un capteur, et nous nous appliquons donc dans nosrecherches à minimiser autant que possible l’utilisation de la radio età solliciter au minimum chaque capteur du réseau. Aussi les capteursne bénéficient que de capacités de calcul et de mémoire très limitées,ce qui nous limite naturellement dans la complexité algorithmique dessolutions proposées.Enfin, du fait du grand nombre potentiel de capteurs à surveilleret de leurs conditions de déploiement parfois singulières (e.g. environnementisolé, hostile), il est le plus souvent impensable de gérerindividuellement chaque entité en continu. Pour répondre à cette problématique,il est admis qu’une entité particulière (le plus souvent appelée"puits"), moins contrainte en termes d’énergie et de capacité de stockage,est chargée de récupérer les informations. Pour ce faire, l’ensembledes capteurs communiquent entre eux pour relayer les informationsjusqu’au puits en communication multi-sauts. Cette opération est appeléeroutage multi-sauts.1.2 quelques exemples d’applicationsLes applications, présentes comme futures, impliquant les réseauxde capteurs, sont légion, dans des domaines aussi vastes que la télémédecineou encore la récolte de données pour la recherche scientifiques.Les applications que nous allons décrire ci-dessous sont cellessur lesquelles j’ai pu participer, et participerai probablement encoredans le cadre de ma thèse.Dans le cadre de la télé-médecine, il a été envisagé d’utiliser un ensemblede capteurs communiquant pour récolter des informationsconcernant les patients. Ces informations peuvent ensuite être soit conservéespour une utilisation directe ou ultérieure par le médecin encharge ou l’infirmière de garde, soit être automatiquement traitées afin,par exemple, de prévenir les secours en cas de problème avéré, et ceafin d’éviter les fausses alarmes. Ces besoins sont typiques au maintiende personnes à domicile, qui est une alternative à l’hospitalisation prolongéede patients dont la sécurité n’est pas menacée.Nous expérimentons ce type de déploiement dans le cadre du projetDAHLIA, avec pour objectif l’aide à domicile de personnes âgées.De même, il est possible de se servir de capteurs pour recueillir desinformations d’ordre scientifique. Typiquement, des capteurs peuventêtre déployés sur des zones d’intérêt, souvent difficiles d’accès soit dufait de leur position, comme par exemple pour étudier le mouvement

1.3 partitionnement logique 3des glaciers, soit des conditions environnementales, par exemple pourla surveillance d’une zone fortement radioactive.Nous sommes amenés actuellement à travailler en collaboration avecdes ingénieurs et chercheurs de l’Institut Pluridisciplinaire HubertCurien, avec pour intention l’utilisation de capteurs disposés sur despopulations animales afin de mieux étudier leur comportement. Typiquement,les informations sont alors relayées jusqu’à un puits situéau niveau d’un point de passage régulier des populations à étudier, etsont conservées jusqu’à leur récupération par le personnel scientifique.1.3 partitionnement logiqueL’intention première de nos présentes contributions est le partionnementlogique du réseau de capteurs, avec la mise en place d’uneforme d’ordonnancement d’activité. Partant du constat que, bien souvent,seul un sous-ensemble des capteurs est suffisant à la surveillancede la zone d’intérêt tout en garantissant la connexité du réseau,nous déterminons alternativement un de ces sous-ensemble, qu’il seraalors possible d’éteindre jusqu’au prochain cycle. Le fait de choisiralternativement un nouveau sous-ensemble permet éventuellementd’homogénéiser l’utilisation des nœuds et donc la consommation énergétiquedans le réseau.De plus, nous avons distingué, au sein même de ce sous-ensemble, unensemble de nœuds dont la participation au routage de l’informationjusqu’au puits n’est pas essentielle. Ces nœuds peuvent alors se contenterde transmettre leurs propres informations, sans se soucier decelles de leurs voisins. De fait, il est alors possible d’éteindre la radiode ces nœuds hormis lors de l’envoi de leurs propres messages, et doncéconomiser encore un peu plus d’énergie.Nous avons porté une attention toute particulière à ce que nos solutionssoient simple, nécessitent la transmission de peu de messages pourleur organisation et n’altèrent pas le bon fonctionnement du réseaudans son ensemble. En somme, nous nous sommes concentrés sur dessolutions réalistes et adaptées aux contraintes uniques des réseaux decapteurs sans-fil.

A RT I C L E S C O N N E X E S2Le partitionnement logique dans les réseaux de capteurs constitueun problème largement étudié dans la littérature. Parmi les solutionsproposées, nombre d’entre elles présentent des caractéristiques intéressanteset ont influencé d’une manière ou d’une autre nos présenttravaux. Certains nous ont même servi de point de comparaison pourmieux évaluer les performances de nos solutions. Nous allons ci-aprèsfaire un bref récapitulatif des solutions en lien avec notre sujet nousayant semblé les plus pertinentes.Les articles suivants concernent le partitionnement logique dans uneapproche de garantie de couverture de surface. Ainsi, chacune de cessolutions vise à réduire le sous-ensemble de nœuds actifs, tout en conservantune couverture de la zone d’intérêt identique à l’initiale et engarantissant la connexité finale du réseau.Dans [13], les capteurs renouvellent régulièrement leur décision concernantleur activité. À chaque cycle, un unique capteur initie le processusde décision, qui se propage ensuite au reste du résau. Les capteursactifs sont sélectionnés de façon à être positionnés le plus près possibledes sommets d’un pavage hexagonal de la zone d’intérêt. La sélectiondes nœuds est effectuée de manière centralisée, puis le pavage obtenuest communiqué à l’ensemble du réseau. Par la suite, chaque capteurpeut alors décider s’il doit ou non être actif pour le cycle courant. Bienqu’élégante et proche de l’optimal, cette solution présente comme inconvénientmajeur d’être centralisée, et donc peu réaliste. Cependant,une version distribuée a été étudiée, mais, comme le montrent les résultatsfournis, cette dernière ne permet pas toujours de conserver unecouverture totale de la zone d’intérêt.L’algorithme présenté dans [11] fonctionne sur le même principe queprécédemment. En effet, dans cet article, la zone d’intérêt est diviséeen petites grilles, chacune d’entre elles étant couverte par un capteur.Chaque capteur pouvant couvrir une grille conserve alors en mémoireune liste des autres capteurs pouvant eux aussi la couvrir, par ordre depriorité. Les capteurs couvrant une même grille peuvent communiquerentre eux de façon à synchroniser leurs tables d’activité pour la surveillancede la zone. En plus de nécessiter un calcul centralisé des grilles,le surcoût en communication destinées à opérer la décision d’activitéde manière collaborative est prohibitif. Ce procédé a été récemmentétendu par Lu et Suda [7], qui garantissent une couverture de la zoned’intérêt lorsque des congestions se produisent lors du partage destables d’activité.Un algorithme aléatoire a été proposé dans [12]. Basé sur un modèlede Markov, il permet à chaque nœud de s’éteindre suivant une certaineprobabilité tout en préservant la couverture et la connexité. Cependant,la nécessité d’une nouvelle analyse lorsque l’on considère des topologiesnon-homogènes peut être un obstacle aux déploiements réalistes,où des informations exactes sur le voisinage sont nécessaires afin de5

6 articles connexesgarantir un comportement cohérent des nœuds lors d’un quelconquechangement dans la table de voisinage (e.g. mobilité, défaillance).Dans [5], les auteurs visent à garantir tant la connexité du réseauque la k-couverture de la zone d’intérêt. Pour ce faire, une requête estenvoyée au voisinage à k-sauts afin d’effectuer la décision d’activitéen fonction des réponses reçues. Bien que cet algorithme permette deréduire la proportion de nœuds actifs requis, la complexité des versionsdistribuées et le surcoût en communication peut s’avérer prohibitif.Les contributions suivantes concentrent leurs efforts sur la suppressiond’arêtes dans le graphe représentant le réseau, notamment par approximationsde l’Arbre Couvrant de Poids Minimal dans les réseaux decapteurs. Nous nous sommes inspirés de certaines d’entre elles afin dedéterminer un ensemble de nœuds non-nécessaires au routage, et quipourront donc ne pas participer à ce dernier (en ne relayant pas lesinformations de ses voisins).Dans [10], les auteurs présentent une vue d’ensemble de plusieurs techniqueexistantes afin de diminuer le nombre d’arêtes dans le graphereprésentant un réseau de capteurs sans-fil, telles que le Graphe deGabriel, le Graphe de Yao ou encore le Graphe de Voisinage Relatif. Deplus, certaines nouvelles techniques permettant d’approximer l’ArbreCouvrant de Poids Minimal sont présentées.Dans [2], une solution localisée est proposée pour construire un ArbreCouvrant de Poids Minimal. Cette solution suggère la suppressiondes boucles présentes dans un graphe résultant d’une des techniquesprésentées dans [10], via un contournement des boucles . Cependant,le coût d’une telle méthode n’est pas bien explicité, et cette solution nefonctionne que pour les topologies à plat (en deux dimensions), ce quiréduit fortement son cadre d’utilisation.Dans [8], une solution purement locale est proposée pour construire unarbre à partir du graphe représentant le réseau. Plutôt que de chercherà construire un arbre de poids faible, l’algorithme proposé rechercheune diminution du coût de construction dudit arbre. Ici, chaque nœudest doté d’un identifiant unique, et se connecte alors à son plus prochevoisin possédant un identifiant inférieur au sien (l’arête est alors ajoutéeà l’arbre. Cette solution est simple et relativement économique, mais lepoids de l’arbre est ici nettement supérieur au minimal, en particulierpour des topologies particulièrement denses.Dans [9], les auteurs proposent d’obtenir un arbre de poids faibleen construisant une version locale de l’Arbre Couvrant de Poids Minimalentre les nœuds faisant partie de la même zone de capture. Ensuite,les nœuds les plus proches du puits sont considérés comme racines etsont connextés au reste du réseau. La construction locale des arbres sefait via une propagation en vague. Cette méthode permet d’utiliser lescaractéristiques de la couverture de surface pour construire un arbre etce de manière purement locale, mais ne propose malheureusement pasde preuve ou expérimentataions de leur solution.

M O D È L E S , S U P P O S I T I O N S E T D É F I N I T I O N S3Par soucis de clarté et d’uniformité, nous allons dans cette sectiondéfinir les termes et notations spécifiques utilisés dans la suite duprésent mémoire.Le rayon de communication (CR) d’un nœud est la distance euclidiennemaximale entre lui-même et tout autre nœud avec qui il estcapable de communiquer. Le rayon de capture ou de couverture (SR)représente la distance euclidienne maximale à laquelle un nœud estcapable de percevoir un évènement, de récolter des informations pertinentesconcernant son environnement. Les zones de communicationet de couverture sont donc présentement représentées par des disquesunitaires centrés sur chaque nœud.Un nœud est dit voisin direct d’un autre nœud si et seulement siune communication peut être établie entre les deux sans passer parun autre nœud intermédiaire. De même, un nœud est dit voisin à ksauts d’un autre nœud si un minimum de k nœuds intermédiaires sontnécessaires pour faire transiter l’information entre les deux. Aussi, ledegré d’un noeud représente ici le nombre de ses voisins directs. Parextension, le degré d’un réseau est le degré moyen de l’ensemble desnœuds capteurs le composant.Une zone d’intérêt est dit couverte si et seulement si pour chaquepoint de cette dernière il existe au moins un capteur actif à une distanceeuclidienne inférieure à son rayon de capture. Identiquement, une zoned’intérêt est dite k-couverte si et seulement si chaque point de cettedernière est couvert par au moins k capteurs distincts.Nous supposons ici que chaque capteur a connaissance de sa positionprécise ou relative dans le plan bidimentionnel. Cette position peutêtre obtenue via un quelconque mécanisme individuel, tel que le GPS,ou collectif, par exemple via l’utilisation d’ancres dans le réseau. Uncapteur est identifié par sa position, et n’a aucune identité hormis cettedernière.Chaque nœud est capable d’évaluer la couverture fournie par un ensemblede nœuds voisins. Une telle évaluation peut se faire soit par calculà partir des intersections des zones de couverture, soit en discrétisantla zone de couverture. Cette dernière méthode, récemment discutéedans [1], bien qu’inexacte, permet une évaluation relativement préciseet algorithmiquement peu complexe, et donc parfaitement adaptée àune entité aussi contrainte qu’un capteur.Toutes les solutions présentées par la suite ont été simulées dans desconditions physiques réalistes. Ainsi, les congestions et collisions inhérentesaux communications sans-fil ont été considérées. Nous utilisonsaussi une couche MAC IEEE 802.15.4 standard [6], et considéronsdonc des graphes de communication potentiellement asymétriques.7

8 modèles, suppositions et définitionsAfin de préserver la connexité du réseau, chaque capteur devant êtrecapable de communiquer avec l’ensemble de ses pairs, tout particulièrementavec le puits, certains protocoles supposent CR 2SR. Celapermet de garantir la connexité en toute circonstance, dans la mesureoù la couverture initiale est conservée [13]. Lorsque CR < 2SR, la connexitéglobale du réseau peut être garantie en testant la connexité dusous-ensemble formé par les voisins directs , en plus du test habituelde couverture [4].

C O N T R I B U T I O N4Réduire la proportion de nœuds actifs dans le réseau tout en conservantles propriétés de couverture et de connexité de la topologie initiale estune tâche particulièrement complexe, d’autant plus losqu’il s’agit de lefaire de manière purement localisée. En effet, trouver un sous-ensembleminimal de nœuds garantissant la couverture de la zone d’intérêt esten soit un problème NP-difficile, il en va donc de même lorsque laconnexité doit elle aussi être garantie. De plus, une grande partie dessolutions développées à ce jour fonctionnent de manière centralisée,sont particulièrement complexes, et / ou nécessitent l’émission d’ungrand nombre de messages.4.1 algorithmes de référence4.1.1 Couverture simplePour toutes les raisons précédement citées, nous avons choisi de prendreappui pour nos présent travaux sur une solution bien connue,élégante et efficace. Cette solution se divise en deux mécanismes intitulésPositive-Only (PO) et Positive-Retreat (PR).Dans Positive-Only, chaque nœud prend une décision concernant sonactivité après un délai d’attente aléatoire. Une fois ce délai écoulé, troiscas de figure peuvent se présenter :• Si le nœud courant n’a reçu aucune notification en provenancede ses voisins, il n’est bien évidemment pas couvert et doit doncrester actif pour le cycle courant. Il doit alors alerter ses voisinsdirects de son activité afin qu’ils puissent mettre à jour leursinformations de couverture, via l’envoi d’un message en diffusion(Fig. 2a).• Si des notifications d’activité des voisins du nœud courant ontété reçues mais que la zone de couverture de ce dernier n’estpas encore entièrement couverte par le sous-ensemble des voisinsactifs, alors il doit rester actif pour le cycle courant et signaler sonactivité à ses voisins (Fig. 2b).• Si par contre des notifications d’activité des voisins du nœudcourant ont été reçues et que la zone de couverture de ce dernierest couverte dans sa totalité, alors le nœud courant peut devenirpassif, sans le signaler à son voisinage (Fig. 2c). S’il est nécessairede maintenir la connexité globale du réseau, préalablement à toutpassage en mode passif, le sous-ensemble formé par les voisinsdirects du nœud courant doit être connexe.Une fois la décision de chaque noeud prise, le sous-ensemble formépar les nœuds actifs est connexe et recouvre la zone d’intérêt.Cependant certains nœuds peuvent encore être actifs bien que nonnécessaireà la garantie des impératifs de connexité et de couverture.Leur élimination passe alors par une seconde phase, consécutive àPositive-only, se déroulant comme suit :9

10 contribution(a) Topologie initiale du voisinaged’un nœud u.(b) Le nœud u n’est pas couvert,il doit rester actif etle signaler à ses voisins.Figure 2: Mécanismes de décision d’activité.(c) Les voisins actifs recensésrecouvrent u, quipeut alors devenir passif.• Chaque nœud encore actif après la fin de la phase Positive-Onlytire un second délai d’attente, après lequel il doit tester unenouvelle fois si sa zone de couverture est elle même recouvertepar ses voisins actifs.• Une fois ce délai achevé, si il est entièrement couvert, alors il peutentrer en mode passif et doit le signaler à son voisinage via unmessage de retrait.• Sinon, il reste actif jusqu’au prochain cycle, sans le signaler à sonvoisinage.La combinaison de ces deux étapes constitue le mécanisme Positive-Retreat.Ces deux méthodes présentent de nombreux avantages dans le domainequi nous intéresse. En effet, elles sont particulièrement peucomplexes d’un point de vue algorithmique, ce qui est idéal pour uneimplantation sur des entités à la puissance de calcul aussi limitée quedes capteurs. De plus, le surcoût engendré par ces solution est extrêmementfaible, mais permet néanmoins le passage en mode passif d’unnombre important de nœuds, garantissant par conséquent une forteéconomie des ressources énergétiques globales du réseau.Plus précisément, le coût en messages est de l’ordre d’un message émispar nœud décidant d’être actif en première phase pour Positive-Only,auquels s’ajoutent pour Positive-Retreat un message pour chaque nœuddevant se retirer en seconde phase.Un des autres avantages de ces solutions est son adaptabilité. En effet,le délai d’attente tant pour Positive-Only que pour Positive-Retreatpeut être adapté facilement pour se plier aux exigences induites parcertaines applications. Par exemple, il est possible de pondérer ce délaid’attente en fonction de l’état de la batterie, ce afin d’uniformiser laconsommation énergétique, les nœuds disposant de plus de ressourcesbatterie ayant des délais plus courts et étant donc plus enclins à resteractifs.4.1.2 Comparaison des deux mécanismesPositive-Retreat permet le passage en mode passif d’un plus grandnombre de nœuds, tout en engendrant un surcoût très faible et avecles mêmes garanties de couverture et de connexité que Postive-Only.

4.1 algorithmes de référence 11Cependant, dans le cas où la bonne réception des paquets ne peutêtre assurée, du fait du canal radio peu clair par exemple, ce qui estsouvent le cas, la non-réception des messages de retrait peut entaînerdes anomalies dans la topologie résultante, ce qui n’est pas le cas pourPositive-Only.Pour ce dernier, la non-réception de messages d’activité entrainera toutau plus un nombre plus important de nœuds actifs dans la topologierésultant. Positive-Retreat est donc un algorithme plus efficace pourun surcoût en nombre de messages particulièrement faible, mais quiconvient mieux à un environnement peu fiable et avec peu de perturbations.Par contre Positive-Only est légèrement moins complexe etcoûteux, et permet surtout de garantir la couverture et la connexitéde la topologie résultante en toute conditions, bien qu’étant légèrementmoins efficace. L’utilisation de l’un ou l’autre dépend donc desconditions de déploiement et de l’application.4.1.3 Couverture multiplePour certains déploiements de réseaux de capteurs, un simple couverturepeut ne pas être suffisante, et la couverture de chaque pointde la zone d’intérêt par k capteurs distincts peut alors s’avérer nécessaire.Les raisons d’une telle contrainte sont multiples. Par exemple, lasurveillance d’un même point par un ensemble de capteurs permet, enaugmentant le nombre de sources aptes à capter un évènement chacunedepuis une position différente, d’affiner la précision et la justesse desrésultats (par le biais d’une moyenne entre les résultats récoltés par lepuits) ainsi que d’éviter les faux-semblants (capture d’un évènementn’ayant pas réellement eu lieu, due à l’imprécision des appareils demesures et des variations rapides de l’environnement). Aussi, la redondancede l’information peut être une compensation acceptable despertes potentielles du réseau, chaque évènement étant alors retransmisau moins k fois en provenance de k capteurs différents, la probabilitépour qu’aucun de ces messages ne parvienne jusqu’au puits serad’autant plus faible.Pour ce faire, des modifications ont été apportées aux algorithmes deréférence dans [3]. L’ensemble des nœuds du réseau est alors diviséen k sous-ensembles distincts (appelés par la suite couches), chacungarantissant une couverture unique de la zone d’intérêt (Fig. 3). Chaquenœud doit alors déterminer son activité (et donc sa couverture) spécifiquementpour chaque couche. Pour maintenir la connexité globale duréseau, il suffit alors de garantir cette dernière sur une couche uniquement.Ainsi, le test déterminant l’activité d’un nœud dans chaque phasede Positive-Only et Positive-Retreat doit être modifié de la manièresuivante.• Plutôt que de tester de manière unique sa couverture, chaquenœud doit tenir état de la couverture de sa propre zone pour lesk couches considérées. Le test s’effectue alors successivement surchaque couche.• Si la zone de couverture du nœud considéré n’est pas encoreentièrement recouverte dans la couche en question par ses voisinsayant déclaré leur activité, alors il doit rester actif dans cette

12 contribution(a) Physiquement, la topologiereste inchangée.(b) Virtuellement, on considèrek sous-ensembles denœuds, chacun garantissantla couverture de lazone d’intérêt.Figure 3: L’ensemble des nœuds est divisé en k couches.couche (de la même manière que dans le cas de la couverturesimple) et n’a pas à effectuer ce test pour les couches supérieures.• Dans la cas contraire, il teste de la même manière successivementchaque couche supérieure.• Si toutes les couches ont été testées, il peut alors devenir passifde la même manière que dans le cas de la simple couverture.4.2 utilisation de la k-connaissanceA partir de ces deux algorithmes de référence, nous avons aussi remarquéque certains voisins hors de portée de communication directe pouvaientavoir une influence sur la couverture d’un nœud. Ainsi, un nœudpeut se considérer comme non-couvert lors de sa décision d’activitéalors que, dans les faits, il l’est. En effet, en considérant CR 2SR, cequi est le cas dans la grande majorité des applications, des voisins àplus d’un saut peuvent apporter une information importante (Fig. 4).Ce supplément d’information permet d’accroître l’efficacité de ces algorithmestout en conservant une solution peu complexe et économe enénergie.La récupération de la connaissance du voisinage indirect est cependantune tâche qui peut s’avérer coûteuse. Ainsi, naïvement, cetterécupération s’effectue en retransmettant les messages d’activité (pourPO et PR) ou de retrait (pour PR) d’un nœud par ses voisins jusqu’àk − 1 sauts récursivement. Cependant, une telle opération nécessitel’émission d’un grand nombre de messages, en l’occurrence un messagepar voisin à moins de k sauts, ce qui, en plus d’être gourmanden énergie, peut provoquer des collisions et congestions dans le réseau.Pour pallier à ce problème, nous avons évalué une solution épidémiquedans laquel chaque voisin à moins de k sauts retransmettra le messaged’un nœud que selon une certaine probabilité, adaptable en fonctiondes besoins (e.g. inversement proportionnelle à la densité du réseau).Cette méthode, bien que ne garantissant pas une connaissance exactedu k-voisinage, nous permet de récupérer une information quasimentcomplète pour un coût relativement faible.En outre, même si la connaissance du voisinage à k sauts n’est pasexacte, la couverture et la connexité globale du réseau sont toujours

4.3 introduction d’un état sensing-only 13garanties. En effet, si certains messages sont perdus, et que la k connaissanceest alors inexacte, la couverture du nœud sera tout au plussous-estimée, et un nombre plus important de nœuds devront potentiellementrester actifs. De plus, dans le pire des cas, le gain decette connaissances à plusieurs sauts sera nulle, mais elle ne peut pasparticulièrement pénaliser les algorithmes de référence.(a) Topologie initiale duvoisinage d’un nœud u.(b) Le nœud u n’est pas entièrementcouvert par sesvoisins directs actifs(c) Les voisins actifs indirectsrecensés permettentde constater la couverturede la zone, et u peutalors devenir passif.Figure 4: Impact de la k-connaissance sur la décision d’activité d’un nœud.4.3 introduction d’un état sensing-onlyLes deux algorithmes de référence nous permettent d’obtenir unetopologie de densité beaucoup plus faible dans la grande majoritédes cas. Bien qu’il soit particulièrement difficile de réduire davantage lenombre de nœuds actifs dans le réseau tout en conservant les propriétésessentielles de couverture et de connexité, nous avons remarqué quecertains nœuds, bien qu’essentiels au maintien de la couverture, peuventse dispenser de participer aux opérations de routage sans remettreen cause le bon acheminement de l’information jusqu’au puits. Ainsi,nous avons introduit un nouvel état intermédiaire, appelé "Sensing-Only" (SO) par la suite, dans lequel un nœud peut couper sa radio enréception, ce qui de fait le dispense de toute activité de routage. Saradio ne sera alors utilisée que pour transmettre ses propres informations,et ce jusqu’au cycle suivant (lors duquel l’ensemble des nœudsen Sensing-Only sera recalculé.Cette technique peut s’avérer particulièrement avantageuse si l’on prenden considération le fait que chaque nœud du réseau reçoive bien plus demessage qu’il n’en émet. En effet, compte tenu des densités considéréeset de la nature essentiellement multi-sauts des communications, cequi implique des retransmissions successives, chaque nœud du réseaurecevra non seulement les évènements captés par ses voisins directs,mais aussi les évènements retransmis par ses voisins directs dans lecadre du routage multi-sauts. Ainsi, une grande quantité énergétiqueest consommée pour la réception de messages, alors que le nœud récepteurn’est pas nécessairement indispensable au routage des donnéesjusqu’au puits.Trouver de manière localisée un ensemble maximal de nœuds nonessentielsau routage, qui se résume alors à la construction d’un Arbre

14 contributionCouvrant de Feuilles Maximales, est un problème NP-complet. Parconséquent, plusieurs méthodes ont été envisagées afin d’obtenir unensemble de nœuds placés en mode Sensing-Only se rapprochant autantque possible d’une solution optimale, sans pour autant avoir pourobjectif de l’égaler du fait de son caractère utopique dans le domainequi nous concerne.Nous avons aussi pris soin de sélectionner des solutions aussi simplesque possible afin de garantir leur portabilité sur des systèmes aussicontraints que le sont les capteurs. De même, nous avons toujours gardéà l’esprit la problématique énergétique et proposons donc des solutionsnécessitant dans l’ensemble l’émission d’un nombre très restreint demessages dans le réseau.4.3.1 Construction et utilisation d’un gradientDans un premier temps, nous avons utilisé une solution classiquede routage, dénommée routage par gradient, pour établir un sousensemblede nœuds pouvant être placés en état Sensing-Only. Danscette solution, un certain nombre de couches virtuelles sont construites,chacune composée de nœuds de même rang. Le rang d’un nœud correspondà sa distance minimale en nombre de sauts vis-à-vis du puits.La construction du gradient commence par le puits, qui prend la valeur0 comme rang et envoie ce dernier ainsi que son identifiant à ses voisinsdirects. Lors de la réception d’un message de construction de gradient,un nœud détermine son propre rang comme suit :• Si le nœud n’a pas encore choisi son rang, alors il sélectionnecelui de son voisin (appelé alors père), contenu dans le message,auquel il ajoute 1. Il retransmet alors son rang à ses voisins directspour que ceux-ci puissent déterminer le leur récursivement.• Si au contraire il avait déjà choisi son rang mais reçoit un ranginférieur au sien de la part d’un de ses voisins, alors il choisit cerang, auquel il ajoute 1, comme sien. Le voisin ayant provoqué lechangement de rang est alors considéré comme le nouveau pèredu nœud courant. Ce dernier retransmet alors son rang et sonidentifiant à ses voisins directs comme précédemment.• Dans tout autre cas de figure, le nœud conserve son rang etl’identifiant de son père courants et n’en informe pas ses voisins.Une fois le gradient construit (Fig. 5a), le routage s’effectue en neretransmettant récursivement que les messages provenant de nœudsde rang strictement supérieur, jusqu’au puits. Les nœuds n’ayant pasde voisins de rang strictement supérieur, appelés aussi nœuds feuilleet se trouvant souvent en périphérie du réseau, ne seront donc jamaissollicités pour des opérations de routage et peuvent donc entreren mode Sensing-Only sans nuire aux performances du réseau (Fig. 5b).Le routage peut aussi s’effectuer en prenant uniquement en considérationle père du nœud courant. Ainsi, plutôt que de faire retransmettrel’information par tout voisin de rang inférieur, cette dernière ne serarelayée que par le père du nœud courant, évitant ainsi les duplicationsde l’information et limitant de fait le nombre de retransmissions.

4.3 introduction d’un état sensing-only 15(a) Le gradient se met en place récursivement.(b) Les nœuds feuille peuvent passer enmode Sensing-OnlyFigure 5: Utilisation du gradient pour la détermination des candidats Sensing-OnlyCette technique a aussi pour avantage d’accroître la proportion denœuds feuilles. En effet, tout nœud n’étant le père d’aucun autre nœudest considéré comme feuille, et non plus seulement les nœuds de rangmaximal localement.4.3.2 Cas de l’Arbre Couvrant de Poids Minimal k-LocalDe la même manière, nous avons envisagé la construction d’un arbrecouvrant de poids minimal k-local (k-LMST), qui utilise les informationsdu k-voisinage, où k 1, pour construire une approximation del’arbre couvrant de poids minimal (Fig. 6b) issu de la topologie initiale(Fig. 6a).Pour ce faire, chaque nœud calcule l’arbre couvrant de poids minimalissu de la topologie formée par lui-même et ses voisins à k sauts au plus.Pour chaque arête le reliant directement à un autre nœud, il envoiealors à ce dernier un message en lui indiquant son identifiant. Une arêten’est conservée que lorsque les nœuds aux deux extrémités de cettedernière veulent tous deux la conserver. Les nœuds non-indispensablesau routage sont alors ceux aux extrémités, c’est à dire n’ayant qu’uneseule et unique arête, et sont alors appelés nœuds feuilles.Cette méthode particulièrement simple, élégante et économe en énergiea aussi pour intérêt d’utiliser avantageusement les informationsrelatives au k-voisinage. En effet, plus k est grand, plus l’approximationde l’arbre couvrant de poids minimal sera fidèle. Le nombre de nœudsfeuille sera alors plus élevé, ce qui nous permet alors de faire passerune plus grande proportion de nœuds en mode Sensing-Only.Il est utile de préciser qu’une même k-connaissance peut servir succéssivementà améliorer les performances des algorithmes PO et PR puisà construire un k-LMST pour déterminer les candidats Sensing-Only.Ceci nous permet de faire double-emploi de la k-connaissance, et ainside justifier d’autant plus le coût de son obtention.

16 contribution(a) Topologie initiale du réseau.(b) Topologie résultante après contructiondu k-LMSTFigure 6: Construction d’un Arbre Couvrant de Poids Minimal 2-Local4.3.3 Cas particulier de la k-couvertureComme nous l’avons vu précédemment, la couverture multiple d’unemême zone d’intérêt peut s’avérer nécessaire pour diverses raisons.Cette caractéristique peut en outre être mise à profit pour accroître laproportion de nœuds ne participant pas au routage, et par conséquentplacés dans un état Sensing-Only (Fig. 7).En effet, seule une couche étant nécessaire pour garantir la connexitédu réseau tout entier (cette dernière sera appelée couche connexe pourplus de simplicité), tout nœud appartenant à une couche autre que celleremplissant les contraintes de connexité peut se dispenser de participeraux opérations de routage (Fig. 7b). La couche connexe se chargeraalors de retransmettre toute information (provenant de toute couchedu réseau) en direction du puits.De plus, il est possible de déterminer un sous ensemble de nœudsSensing-Only dans la couche connexe comme vu précédemment (e.g.via la construction d’un gradient), en prenant bien garde à ce que toutnœud des autres couches puisse communiquer avec au moins un nœudcomplètement actif de la couche connexe.La combinaison de ces deux méthodes permet de placer une proportionimportante de nœuds dans notre nouvel état (Fig. 7c).(a) L’ensemble des nœuds(b) Tout nœud appartenant (c) Un sous-ensemble deest divisé en k couches, à une couche autre que nœuds appartenant àune seule garantissantla connexité du réseau(celle du bas).la couche connexe peutpasser en mode Sensing-Only.la couche connexe peuventêtre placés en modeSensing-Only à leur tour.Figure 7: Détermination des nœuds Sensing-Only dans le cas de la couverturemultiple.

4.4 récapitulatif 174.4 récapitulatifNos travaux s’articulent donc autour de deux axes :• Dans un premier temps, nous utilisons une connaissance duvoisinage à plus d’un saut pour obtenir de meilleurs performancesau niveau des algorithmes de référence, tout en conservant tantla couverture de la zone d’intérêt que la connexité du réseau.• Ensuite, nous introduisons un état "Sensing-Only" dans lequelun nœud n’utilise sa radio qu’en émission, économisant de faitune grande quantité de ressources énergétiques. L’ensemble desnœuds "Sensing-Only" est alors construit en utilisant diversesméthodes, chacune présentant ses propres avantages et inconvéniants.Le choix se fait alors en fonction des conditions propres àchaque déploiement.

R É S U LTAT S E X P É R I M E N TA U X55.1 résultats par simulationAfin de valider nos solutions et mesurer précisément leurs propriétés,nous avons été amenés à mener une série de simulations. Pour ce faire,nous avons utilisé le simulateur à évènements discrets WSNet 1 , disposantd’un environnement radio très réaliste et qui fournit un grandnombre de couches MAC, routage, etc. modulables et fonctionnelles,nous permettant ainsi de tester intensivement nos propositions sousdiverses conditions réalistes.Nous avons aussi appliqué nos solutions sur des topologies tant homogènesqu’hétérogènes, ce qui nous permet d’en garantir la validitéen toutes conditions. Cependant, seules les topologies initialement connexesont été conservées pour nos simulations, afin de ne pas perturbernos résultats.La zone d’intérêt considérée est de de 50m × 50m. Pour les topologieshomogènes, les nœuds et le puits sont déployés sur une zone d’intérêtsuivant un processus de Poisson d’intensité λ > 0. Les topologieshétérogènes considérées sont les suivantes :• Le puits est déployé à une position aléatoire de la zone d’intérêt,puis chaque nœud est déployé suivant un angle et une distancechoisis aléatoirement, par rapport au puits. Ainsi la densité duréseau augmente à mesure que l’on se rapproche du puits.• Les nœuds et le puits sont déployés de manière uniforme auniveau de l’abscisse, et suivant une loi exponentielle pour ce quiest de l’ordonnée.Dans les résultats présentés ci-après, et comme nous l’avons montréprécédemment, l’ensemble des nœuds actifs couvre une zone aussilarge que celle couverte par l’ensemble des nœuds, tout en formant unréseau toujours connecté. En effet, ces propriétés sont conservées partous les algorithmes présentés dans le présent mémoire.Le rayon de communication (CR) et de capture (SR) ont été fixés à10m, sauf lorsqu’une mention contraire le précise. Les zones de communicationet de capture sont donc ici représentées comme des disquesunitaires. Les simulations ont été lancées sur des topologies de 100 à1000 nœuds, correspondant ici à des densités moyennes allant de 10 à100 nœuds par zone de communication. Une centaine de simulationsont été effectuées pour chaque densité.Chaque nœud u évalue sa couverture en discrétisant sa zone de capture(en utilisant une grille de 900 points) et est dit couvert à partirdu moment où chaque point est lui même recouvert par au moins uncapteur actif. À noter que les points en dehors de la zone d’intérêt n’ontpas été considérés, afin de limiter les effets de bord dans nos résultatsexpérimentaux. Cette étape de discrétisation a été mise en place afin de1 http://wsnet.gforge.inria.fr/19

20 résultats expérimentauxrester aussi proche que possible des capacités de calcul des capteurs.À noter que, contrairement à la majorité des solutions proposées à cejour, nos résultats ont été obtenus par simulation en conditions réalistes,notamment par l’usage d’une couche MAC 802.15.4 CSMA/CA [6].Les paramètres de simulations sont exposés dans Tab. 1.Paramètre de simulationZone d’intérêtNœuds déployésModèle d’antenneValeur50m × 50mentre 100 et 1000 nœuds statiquesomnidirectionnelleModèle de propagation radio disque unitaire (portée : 10m)Modèle de capture disque unitaire (portée : 10m)Modèle de couche MACIEEE 802.15.4 CSMA/CATable 1: Récapitulatif des paramètres de simulation.5.1.1 Impact de la k-connaissance sur PO et PRNous avons en premier lieu évalué les performances théoriques denos algorithmes de référence avec divers degrés de connaissance. Pourdes raisons évidentes, dans nos conditions expérimentales (CR SR,k-connaissance obtenue via une diffusion épidémique), une connaissancesupérieure à deux sauts ne peut pas apporter d’information decouverture supplémentaire.Tant dans le cas de Positive-Only que de Positive-Retreat, on remarqueque la 2-connaissance permet non seulement d’obtenir des performancesbien supérieures aux versions originales des algorithmes deréférence (Fig. 8c et Fig. 8d), mais permet aussi de s’approcher fortementd’une version utopique centralisée, où une connaissance totaledu réseau est garantie (Fig. 8a et Fig. 8b).En effet, une connaissance à deux sauts permet de diminuer d’environ24% le nombre de nœuds actifs par rapport à une simple connaissancedu voisinage direct dans le cas de PO, et 13% environ dans le cas de PR.De la même manière, une connaissance centralisée permet de diminuerd’environ 26% le nombre d’actifs pour PO et environ 14% pour PR, soitdes performances seulement légèrement supérieures.Parallèlement, nous avons déterminé le sourcoût relatif de la récupérationde la connaissance, à deux sauts avec la méthode naïve par immersionet notre méthode épidémique, (Tab. 2) ainsi que relativementaux nombre de nœuds passifs dans la topologie résultante (Fig. 9a).Comme nous pouvons le constater, notre méthode épidémique est bienplus efficace, et l’est d’ailleurs d’avantage en fonction de la densité etdonc du nombre de nœuds dans la topologie initiale. Nous pouvonsaussi alors affirmer que la récupération de la 2-connaissance n’entraînepas un coup particulièrement élevé (deux messages supplémentairespar nœud en moyenne), comparé au gain engendré par le surplus denœuds passifs dans la topoliogie résultante.

5.1 résultats par simulation 21(a) Mécanisme Positive-Only avec k-connaissance(b) Mécanisme Positive-Retreat avec k-connaissance(c) Rapports de performances en fonctionde la connaissance pour PO(d) Rapports de performances en fonctionde la connaissance pour PRFigure 8: Performances des mécanismes de référence avec k-connaissanceNous avons aussi évalué l’impact de la k-connaissance lorsque CR > SR(Fig. 9b). Nous remarquons alors que, comme nous pouvions nousy attendre, plus le rapport CR/SR est faible, plus la connaissance ad’impact sur l’efficacité des algorithmes de référence. De plus, nouspouvons remarquer que même pour des ratios CR/SR assez faibles, laconnaissance a un impact significatif.(a) Ratio nœuds passifs / messages émis (b) Performances de PO et PR avec k-connaissance en fonction du ratioCR/SRFigure 9: Surcoût relatif de la connaissance et impact du ratio CR/SR5.1.2 Construction des ensembles Sensing-OnlyÀ partir de ces premiers résultats, nous avons introduit l’état Sensing-Only. Nous avons utilisé les diverses méthodes détaillées précédementpour déterminer le sous-ensemble des nœuds candidats.

22 résultats expérimentauxDensité du réseau 10 30 60PO avec diffusion 5.239 5.795 6.154aveugle à 2-saut [±0.537] [±0.723] [±1.055]PO avec diffusion 2.978 1.988 1.500épidémique à 2-saut [±0.264] [±0.237] [±0.246]PR avec diffusion 5.876 6.174 6.361aveugle à 2-saut [±0.696] [±0.984] [±1.145]PR avec diffusion 3.651 2.361 1.723épidémique à 2-saut [±0.434] [±0.387] [±0.431]Table 2: Nombre moyen de messages émis par nœud pour les solutions derécupération de la 2-connaissance.5.1.2.1 Via une approximation d’arbre couvrantDans un premier temps, nous avons utilisé la construction d’un k-LMST,en utilisant la k-connaissance tant pour Positive-Only et Positive-Retreatque pour la construction de l’arbre. Comme nous l’avions préciséprécédemment, plus la connaissance est élevée plus l’approximationde l’Arbre Couvrant de Poids Minimal sera proche de l’exactitude.Ainsi, avec une connaissance centralisée, un véritable Arbre Couvrantde Poids Minimal est construit.Comme nous pouvons le constater, une telle méthode permet de fairepasser entre 20% et 30% des nœuds actifs en mode Sensing-Only avecPO (Fig. 10a) et entre 25% et 40% avec PR (Fig. 10b). Plus la connaissanceest élevée, plus cette proportion augmente en conséquence, cequi nous confirme l’intérêt de cette dernière et rend le surcoût de sarécupération encore plus faible, relativement parlant.(a) Mécanisme Positive-Only avec k-connaissance(b) Mécanisme Positive-Retreat avec k-connaissanceFigure 10: Détermination de l’ensemble des Sensing-Only par la constructiond’un LMST avec k-connaissance5.1.2.2 Via la construction d’un gradientDe manière similaire, nous avons effectué des simulations en couplantnos algorithmes de référence (Positive-Only et Positive-Retreat) avec laconstruction d’un gradient pour déterminer le sous-ensemble de nœudsen mode Sensing-Only. Ainsi, chaque nœud n’étant père d’aucun autrenœud du réseau à la fin de la construction du gradient est placé en

5.1 résultats par simulation 23mode Sensing-Only.Comme le montrent les rrésultats, une telle méthode permet de placerplus de la moitié des nœuds actifs en mode Sensing-Only avec uneconnaissance simple (Fig. 11a), et plus du tiers avec une connaissance àdeux sauts. (Fig. 11b)(a) Mécanisme Positive-Only avec k-connaissance(b) Mécanisme Positive-Retreat avec k-connaissanceFigure 11: Détermination de l’ensemble des Sensing-Only par la constructiond’un gradient avec k-connaissance5.1.3 Cas de la couverture multipleNous avons aussi simulé notre solution pour la caractérisation d’unsous-ensemble de nœuds "Sensing-Only" dans le cas où la k-couvertureest nécessaire.Dans ce cas, nous avons virtuellement séparé les nœuds actifs enk couches distinctes dont une garantissant la connexité. Les nœudsn’appartenant pas à la couche connexe ont alors pu être placés en modeSensing-Only. Puis, un gradient a été construit au niveau de la coucheconnexe afin que les nœuds feuille résultant de cette opération puissentà leur tour passer en mode Sensing-Only (Fig. 12).(a) Mécanisme Positive-Only et gradienten couche connexe(b) Mécanisme Positive-Retreat et gradienten couche connexeFigure 12: Exemple d’application de la 3-couverture à partir d’une topologieinitiale de 300 nœudsComme nous pouvons le constater, les couches non-connexes comptentseulement légèrement moins de nœuds que la couche connexe, le critèresupplémentaire de connexité n’induisant qu’une faible proportion denœuds actifs supplémentaires. Ainsi, un grand nombre de nœuds

24 résultats expérimentaux(dépendant notamment du nombre k de couches) peuvent être directementplacés en mode Sensing-Only. De cette manière, au moins 50%des nœuds actifs sont affectés pour k > 1, tant pour Positive-Only quepour Positive-Retreat.De plus, la construction du gradient en couche connexe permet de fairepasser environ 10% des nœuds actifs de la couche en mode Sensing-Only après utilisation du mécanisme Positive-Only, et environ 20%d’entre eux après utilisation du mécanisme Positive-Retreat (Fig. 13).(a) Mécanisme Positive-Only et gradienten couche connexe(b) Mécanisme Positive-Retreat et gradienten couche connexeFigure 13: Application de la k-couverture et détermination d’un sous ensemble"Sensing-Only"5.2 expérimentations en conditions réellesEn complément des simulations, nous avons réalisé un certain nombred’expérimentations sur les capteurs que nous avions à disposition, etce dans l’objectif de valider nos algorithmes en conditions réelles.Pour ce faire, nous avons utilisé la plateforme Senslab à notre disposition,sur laquelle nous avons implanté certaines parties de nos solutions.Les 256 capteurs de la plateforme (244 en intérieur dont 4 mobiles et 12en extérieur) sont dotés d’interfaces radio omnidirectionnelles cc1100 2 ,dont la puissance peut être choisie dans un intervalle allant de −30dBmà 30dBm. Cependant, à trop forte puissance, le graphe devient fortementconnexe, c’est pourquoi nous avons limité nos expérimentationsà une puissance de −30dBm. De plus, nous avons utilisé différentsmodèles de couche MAC, notamment une couche MAC CSMA/CAsimple.Compte tenu des restrictions imposées par la plateforme, en termede taille, de nombre de nœuds, et de spécificités techniques, il nousaurait été difficile de tester l’ensemble de nos solutions en un seul bloc.Nous avons donc différencié les algorithmes de couverture de surface etde construction de l’ensemble "Sensing-Only", afin de nous rapprocherdes conditions réalistes de déploiement et ainsi obtenir des résultatsplus significatifs. Il nous semble cependant utile de préciser que cescontraintes impliquent des conditions expérimentales assez différentesdes conditions de simulation vues précédemment. En particulier, lataille de la grille ne représente qu’assez approximativement une topologierésultant des algorithmes de référence, ce qui explique en partie lesquelques différences de résultats entre simulations et expérimentations.2 Se référer à la documentation de Texas Instruments pour de plus amples informations

5.2 expérimentations en conditions réelles 25Les paramètres expériementaux sont exposés dans Tab. 3.Paramètres expérimentauxNœuds déployésModèle d’antennePuissance d’émissionOrganisation de la plateformeModèles de couche MACValeur240 nœuds statiquesinterface omnidirectionnelle cc1100−30dBmgrille 3D de 10m × 8m × 3mMAC CSMA/CA simpleTable 3: Spécifications de la plateforme SenslabLe routage par gradient a été longuement étudié dans la littératurescientifique et est considéré comme une des méthodes de routage debase dans les réseaux de capteurs du fait de sa simplicité et son faiblesurcoût en message. Cependant, à notre connaissance, rares sont lesexpérimentation à avoir été effectuées en conditions réelles sur un véritableréseau de capteurs à ce jour.Nous avons donc implanté cet algorithme sur notre plateforme avecpour double objectif d’en évaluer les performances et de l’avoir à dispositionpour d’eventuelles utilisations futures.Compte tenu de l’utilisation que nous en faisons dans le cas présent,nous avons orienté nos tests de façon à déterminer le nombre moyende nœuds feuilles obtenus en fonction de la puissance d’émission dusignal (en dBm), qui détermine la portée de communication (CR) etla qualité du signal. Cependant, la puissance d’émission a aussi uneinfluence sur les perturbations, notamment à cause de la réflexion dusignal sur les obstacles rencontrés.Avec une telle méthode et sur un échantillon de dix expériences, nousavons constaté que 58.122% des nœuds (avec un écart-type de 0,675)pouvaient passer en mode Sensing-Only, ce qui se recoupe bien avecnos expériences en simulation.

C O N C L U S I O N E T P E R S P E C T I V E S66.1 conclusionNous avons, dans le présent mémoire, détaillé les solution existantes enmatière de couverture de surface dans les réseaux de capteurs. Nous enavons alors sélectionné une qui nous a semblé simple, réaliste, efficaceet peu coûteuse, pour l’améliorer dans un premier temps et s’en servirpour introduire un nouvel état dans un second temps.En effet, nous avons tout d’abord démontré qu’une connaissance duvoisinage à plusieurs sauts pouvait avoir un impact non négligeable surla couverture et donc sur les performances générales du mécanisme deréférence.Aussi, nous avons utilisé les topologies résultantes, à partir desquellesnous avons déterminé un sous ensemble de nœuds dont la participationau routage n’est pas indispensable. Ces nœuds peuvent donc secontenter de transmettre uniquement leur propres informations (etdonc éteindre leur radio en réception) sans que cela ne nuise au fonctionnementgénéral du réseau. Ces nœuds n’ayant plus à recevoir demessages, ils économiseront une quantité non négligeable d’énergie.6.2 perspectivesNotre présente contribution est bien entendu susceptible de développementsultérieurs, aussi bien en termes d’évaluation des techniquespréalablement présentées que d’introduction de nouvelles.En effet, il nous semble indispensable dans un premier temps de poursuivreles expérimentations en simulation et plus particulièrement ensituation réelle, notamment en faisant état de la consommation desnœuds, et ce afin de souligner le gain induit par notre solution. Demême, nous envisageons à court terme d’implémenter sur notre plateformel’ensemble des solutions présentées dans le présent mémoire.De plus, nous envisageons d’utiliser de nouvelles techniques pourcaractériser le sous-ensemble de nœuds non-indispensables au routage,et notamment nous pencher sur des méthodes distribuées pour construireune approximation d’un Arbre Couvrant de Feuilles Maximalesou encore sur des solutions simples et économes pour construire unArbre Couvrant de Poids Minimal.Aussi, il nous semblerait intéressant de dissocier couverture et connexitédans les algorithmes de référence et d’étudier le comportementde telles solutions.Finalement, nous envisageons d’adapter les protocoles MAC existantsafin de les utiliser au mieux en conjonctions avec nos solutions développéesjusqu’à présent.27

B I B L I O G R A P H Y[1] G. Fan and S. Jin. A simple coverage-evaluating approach forwireless sensor networks with arbitrary sensing areas. InformationProcessing Letters (Elsevier), 106(4):159–161, 2008. (Cité à la page 7.)[2] Fabian Garcia-Nocetti Francisco Javier Ovalle-Martinez, Ivan Stojmenovicand Julio Solano-Gonzalez. Finding minimum tranmissionradii for preserving connectivity and constructing minimalspanning tree in ad-hoc and sensor networks. Journal of Paralleland Distributed Computing, 65(2):132–141, 2005. (Cité à la page 6.)[3] A. Gallais and J. Carle. An adaptive localized algorithm for multiplesensor area coverage. Ad Hoc and Sensor Wireless Networksjournal, 3(4), 2007. (Cité à la page 11.)[4] A. Gallais, J. Carle, D. Simplot-Ryl, and I. Stojmenović. Localizedsensor area coverage with low communication overhead. IEEETransactions on Mobile Computing, 7(5):661–672, May 2008. (Cité àla page 8.)[5] H. Gupta, S. Das, and Q. Gu. Connected sensor cover: Selforganizationof sensor networks for efficient query execution. InProc. of ACM Mobile Ad Hoc networking and Computing (MobiHoc),pages 189–200, Annapolis, MD, USA, 2003. (Cité à la page 6.)[6] IEEE. Part 15.4: Wireless medium access control (mac) and physicallayer (phy) specifications for low-rate wireless personal areanetworks (wpans), September 2006. (Cité à la page 7 et 20.)[7] J. Lu and T. Suda. Differentiated surveillance for static and randommobile sensor networks. IEEE Transactions on Wireless Communications,7(11-1):4411–4423, 2008. (Cité à la page 5.)[8] G. Pandurangan M. Khan and V. S. A. Kumar. Distributed algorithmsfor constructing approximate minimum spanning trees inwireless sensor networks. IEEE Transactions on Parallel and DistributedSystems, 20(1), 2009. (Cité à la page 6.)[9] Lianming Xu Weizheng Ren and Zhongliang Deng. A low-powerrouting protocol for wireless sensor networks based on data aggregation.International Symposium on Intelligent Information TechnologyApplication Workshop, 2008. (Cité à la page 6.)[10] Yu Wang Xiang-Yang Li and Wen-Zhan Song. Applications of k-local mst for topology control and broadcasting in wireless ad-hocnetworks. IEEE Transactions on Parallel and Distributed Systems, 15(12):1057–1069, 2004. (Cité à la page 6.)[11] T. Yan, T. He, and J. A. Stankovic. Differentiated surveillance servicefor sensor networks. In Proc. of ACM Conference on EmbeddedNetworked Sensor Systems (SenSys), pages 51–62, Los Angeles, CA,USA, 2003. (Cité à la page 5.)29

30 bibliography[12] Bülent Yener, Malik Magdon-Ismail, and Fikret Sivrikaya. Jointproblem of power optimal connectivity and coverage in wirelesssensor networks. Wireless Networks, 13(4):537–550, 2007. ISSN 1022-0038. doi: http://dx.doi.org/10.1007/s11276-006-5875-0. (Cité àla page 5.)[13] H. Zhang and J. C. Hou. Maintaining sensing coverage and connectivityin large sensor networks. Ad Hoc and Sensor WirelessNetworks journal (AHSWN), 1:89–123, 2005. (Cité à la page 5 et 8.)