Localisation collaborative dans les réseaux de capteurs

Présentation au sujet: "Localisation collaborative dans les réseaux de capteurs"— Transcription de la présentation:

1 Localisation collaborative dans les réseaux de capteurs
Karel Heurtefeux1, Fabrice Valois2 ARES INRIA / CITI, INSA-Lyon, F-69621, France Journées ResCom Université Paris-Est Marne-La-Vallée – 7 et 8 février 2008 Localisation collaborative dans les réseaux de capteurs 1 2 ResCom Février 2008

2 Karel Heurtefeux (CITI, INSA-Lyon)‏
Plan Contexte et motivations Protocole Résultats Conclusion et perspectives My presentation is organizes as follow Worldsens, a small sensor node developped in the CITI lab Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

3 Contexte et motivations
Localisation dans les réseaux de capteurs Localisations fines ToA (Time of Arrival) TDoA (Time difference of Arrival) AoA (Angle of Arrival) Localisations approximatives Badges actifs, intersections de signaux, etc… Nécessité d’avoir une information géographique pour certaines couches ou applications: routage, aggrégation de données, suivi de feu de forêts, etc… Coût élevé des noeuds du aux équipements spéciaux Consommation énergétique importante En général, inutilité d’une localisation fine Compromis entre la localisation, le coût énergétique et le coût financier est à réévaluer. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

4 Karel Heurtefeux (CITI, INSA-Lyon)‏
Protocole QLoP (Qualitative Localization Protocol): idée générale Des nœuds proches géographiquement vont posséder un voisinage proche numériquement Des nœuds proches géographiquement vont posséder un voisnage distinct faible numériquement On va déterminer une métrique qui mette en rapport ces deux valeurs Il est souvent inutile d’obtenir une localisation très précise On va donc définir différentes classes de proximité Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

5 Protocole QLoP (Qualitative Localization Protocol): détails
Chaque noeud du réseau calcule un indice de proximité pour chacun de ses voisins Indice de proximité du voisin B Voisinage de a Voisinage de b Pondération RNG LMST Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

6 Karel Heurtefeux (CITI, INSA-Lyon)‏
Protocole QLoP (Qualitative Localization Protocol): classes de proximité On détermine une classe pour chaque voisin en fonction de l’étendue de l’indice de proximité Voila ce Quand on regarde un réseau de capteurs dans sa totalité. On remarque qu’il existe plusieurs phase distinctes avec des caractéristiques particulières: La phase de naissance d’un réseau de capteurs correspond à l’arrivée progressive des nœuds. C’est-à-dire qu’il ne commence pas à émettre en même temps. Il y a une phase d’une durée constante qui va dépendre de la densité du réseau: la découverte du voisinage. Chaque nœud envoie des paquets « hello » périodiques pour à la fois signifier sa présence à ses voisins radio et également transmettre des informations sur son état et son voisinage. L’auto-organisation va rallonger cette période de naissance. , à partir d’un certain instant tous les nœuds ont une connaissance complète de leur voisinage. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

7 Heurtefeux, Valois (CITI, INSA-Lyon)
Modélisation Simulateur Modélisation de réseau de capteurs, distribué (JIST/SWANS) Simulateur avec couche physique réaliste développé au CITI (WSNet) Hypothèses Topologie régulière dans un premier temps Topologie aléatoire et uniforme des nœuds dans un deuxième temps Pas de mobilité géographique Modèle de propagation radio simplifié Heurtefeux, Valois (CITI, INSA-Lyon) ResCom Février 2008

8 Karel Heurtefeux (CITI, INSA-Lyon)‏
Méthodologie‏ Simulation Envoie de paquets "hello" périodique Echange des tables de voisinage à 1 saut Observations-clés Déploiement de l’algorithme sur une topologie régulière (grille) Déploiement de l’algorithme sur une topologie aléatoire Mesure de la distance quadratique en fonction du degré moyen du réseau et des différentes classes de proximité Evolution de la cardinalité des différentes classes en fonction du degré moyen du réseau Mesure de la fiabilité de l’algorithme en fonction du degré moyen du réseau Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

9 Résultats: application sur une topologie régulière
L’algorithme est déployé sur une grille et la puissance de transmission de chaque noeud est augmentée Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

10 Résultats: distance quadratique
La distance quadratique: Elle mesure la dissimilarité entre deux vecteurs. Si le classement des voisins obtenu par l’algorithme est le même que celui réel, cette métrique est nulle. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

11 Résultats: classes de proximité
Exemple d’exécution de l’algorithme sur un noeud: Division de ses voisins en 3 classes de proximité. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

12 Résultas: Evolution de la cardinalité en fonction du degré
On mesure ici la taille relative des classes proche (bleu) et très proche (rouge) en fonction du degré moyen du réseau. Donner l’intérêt des métrique: ici la « qualité » des organisation à mettre en parallèle avec le slide précédant. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

13 Résultats: fiabilité de l’algorithme en fonction du degré moyen
Fiabilité en fonction du degré moyen: La courbe rouge représente le pourcentage de noeuds des 2 premières classes de proximité qui sont effectivement proche et très proche géographiquement. En bleu, les noeuds proches et très proches géographiquement, non classé comme tels par l’algorithme. Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

14 Karel Heurtefeux (CITI, INSA-Lyon)‏
Conclusion Algorithme sans GPS, ancres ou équipement spécial Algorithme localisé: connaissance limitée à 2 sauts Algorithme fiable: capable de déterminer un noeud proche ou très proche à 80% We have define 3 phases corresponding in various states of a sensor networks. We believe that if we want to characterize precisely a self-organization protocol we must investigate the protocols during thoses phases. Whereas their have the same goals, construct a CDS through the networks, all the studied organization don’t have the same beavior. Algorithme efficace en milieu dense et très dense Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

15 Karel Heurtefeux (CITI, INSA-Lyon)‏
Perspectives Application de QLoP pour le routage Application de QLoP pour améliorer la capacité globale, la fiabilité Continuer de regarder des protocoles d’auto-organisation Protocole adaptatif Karel Heurtefeux (CITI, INSA-Lyon)‏ ResCom Février 2008

16 Questions ? Karel Heurtefeux http://perso.citi.insa-lyon.fr/kheurtef/
Worldsens, a small sensor node developped in the CITI lab