Soutenance mémoire
La voiture est de nos jours le moyen de locomotion le plus répandu. Aujourd’hui cette voiture est de plus en plus munie d’équipements électroniques et informatique qui ont conduit à l’apparition du terme « véhicule intelligent ». Ainsi, armé d’un ensemble de radars, de caméras, de scanners et de capteurs, un véhicule intelligent se trouve capable de reconnaître les objets, de détecter les marquages au sol, de « lire » les panneaux de signalisation, d’éviter les cyclistes et les dangers, d’interpréter les comportements des piétons ou encore de s’adapter aux conditions météo et à la surface du sol. Un ensemble de véhicules intelligents construit ce que nous appelons « les systèmes de transport intelligents » (ITS – Intelligent Transportation System) qui visent à améliorer la sécurité et l’efficacité dans les transports routiers ou encore à réduire les émissions de gaz polluants.
Dans l’environnement routier, les systèmes de gestion de trafic sont basés sur des infrastructures centralisées où des caméras et des capteurs implantés sur la route qui collectent des informations sur la densité et l’état du trafic et transmettent ces données à une unité centrale pour les traiter et prendre les décisions adéquates. De tels systèmes exhibent un coût de déploiement assez important et se caractérisent par un temps de réaction long pour le traitement et le transfert des informations, dans un contexte où le délai de transmission de l’information revêt une importance majeure. De plus, les équipements mis en place sur les routes nécessitent une maintenance périodique et chère. Par conséquent, pour un déploiement à grande échelle, un important investissement dans l’infrastructure de communication et de capteurs est nécessaire. Cependant, avec le développement rapide des technologies de communication sans fil, des systèmes de localisation et de collecte d’information via différents capteurs, une nouvelle architecture décentralisée (ou semi-centralisée) basée sur des communications véhicule à véhicule (V2V – Vehicle-to-Vehicle) suscite ces dernières années un réel intérêt auprès des constructeurs automobiles, de la communauté R&D et des opérateurs Télécoms. Ce type d’architecture s’appuie sur un système distribué et autonome, formé par les véhicules eux-mêmes, sans l’appui nécessaire d’une infrastructure préexistante pour la diffusion des données et des messages. Nous parlons dans ce cas d’un réseau Ad-Hoc de véhicules (VANET – Vehicular Ad-Hoc NETwork) qui vise à permettre les communications au sein d’un groupe de véhicules à portée les uns des autres (Inter-Vehicle Communication – IVC) et avec les équipements fixes de la route à portée pour fournir des informations opportunes aux conducteurs et aux autorités intéressées.
Protocoles de communication pour VANETs
Dans les VANETs, la dissémination consiste à acheminer, au travers de communications multi-sauts, une information d’une source (e.g., véhicule ou hotspot) vers une ou plusieurs destinations (véhicule(s)), en limitant le délai d’acheminement et en maximisant les garanties de bon acheminement.
Dissémination d’informations dans les VANETs
De nombreux protocoles ont été proposés ces dernières années pour acheminer des informations à un ensemble de destinataires via un réseau véhiculaire. Ainsi, IVG (Inter-Vehicle Geocast) [Bachir 2004] est une méthode de diffusion qui permet de surmonter les problèmes de dynamicité du réseau grâce à des relais dynamiques introduits pour rediffuser périodiquement les messages d’alerte. Dans [Wu 2004], les auteurs introduisent MDDV (Mobility-Centric Data Dissemination Algorithm for Vehicular Networks), un algorithme de diffusion considèrant que les véhicules ne disposent pas des positions des véhicules voisins. Dans cette approche, le réseau routier est modélisé comme un graphe orienté où les nœuds représentent les intersections, et les liens les segments routiers. Un poids est associé à chaque lien pour refléter la distance et la densité de trafic correspondante. MDDV utilise une trajectoire de relayage spécifiée comme le chemin ayant la plus petite somme des poids d’une source vers la « région destination » dans le graphe orienté. Dans [Lochert 2007], Lochert et al. se concentrent sur les environnements urbains. Ils font notamment une distinction intéressante entre le transport des informations via locomotion (avec des stratégies dénommées « store-andforward » [Adler 2006] ou « carry-and-forward » [Zhao 2006] dans lesquelles les véhicules transportent une information dans une zone géographique où elle peut être diffusée) et via dissémination (diffusions successives). Cette distinction permet notamment de supporter des densités de véhicules différentes lors de la dissémination. Tonguz et al. [Wisitpongphan 2007] fournissent un cadre global (DV-CAST) pour gérer la diffusion dans les VANETs en considérant trois densités de trafic possible (dense, régulier, et rare). Dans un trafic dense, ils suggèrent d’utiliser une technique nommée timer-based [Wisitpongphan 2007], tandis que dans le trafic rare, ils vous suggèrent d’utiliser multi-diffusion role-based [Briesemeister 2000].
Ils ne suggèrent pas une technique spécifique pour qu’elle soit utilisée en cas de trafic à densité régulière car ils définissent la densité régulière comme un mélange de certains véhicules de détection de trafic dense et d’autres de détection du trafic rare. Un travail dans [Rahim 2009] consiste à proposer un mécanisme d’ordonnancement des messages à diffuser. Il explique le fait qu’une information soit pertinente n’est pas suffisant dans le cas où plusieurs messages doivent être diffusés. Cet ordonnancement est modélisé par des files d’attentes qui permettent de donner la priorité aux événements les plus importantes.
Dans [Xu 2004b], les auteurs proposent une approche inspirée de l’épidémiologie pour la dissémination d’informations sur des ressources (e.g., places de stationnement) entre véhicules. Un véhicule en possession d’une information peut ainsi en contaminer d’autres rencontrés sur son trajet. Pour contenir les informations disséminées dans une zone spatio-temporelle déterminée dans laquelle elle est pertinente, les auteurs utilisent une fonction de pertinence évaluée par chaque véhicule avant de relayer l’information. Dans [Delot 2011], les auteurs introduisent une probabilité de rencontre qui permet notamment d’adapter la dissémination des événements dans le réseau en fonction du type d’informations considérées (e.g., place de stationnement, accident, freinage d’urgence, etc.) [Cenerario 2011]. Cette probabilité est exploitée à la fois pour déterminer si une information reçue par un véhicule doit être communiquée au conducteur ou relayée vers d’autres véhicules. Ce travail s’intègre dans le projet VESPA .
Synthèse
La dissémination d’informations dans un réseau inter-vehicules avec les différents protocoles repose sur une approche coopérative où chaque noeud du réseau accepte de relayer les informations afin par exemple d’améliorer la sécurité sur les routes ou de réduire les temps de parcours. Ces protocoles doivent veiller à limiter le nombre de véhicules relayant l’information dans le réseau afin notamment d’éviter l’inondation de celui-ci [Lochert 2007]. La plupart des protocoles utilisent pour ce faire des mécanismes de contention [Füßler 2003]. D’autres approches utilisent des techniques de « machine learning » afin d’adapter le processus de dissémination en fonction de la disponibilité d’une information dans le réseau [Szczurek 2010].
Les protocoles présentés ici ne considèrent que l’échange de très faibles volumes de données. Les événements sont en effet représentés par des messages de très petites tailles contenant quelques attributs (e.g., localisation et type de l’événement traité). L’échange entre véhicules de volumes de données plus important pose évidemment de gros problèmes dans des environnements aussi dynamiques que les réseaux véhiculaires. Dans la section suivante, nous discutons des mécanismes d’agrégation généralement utilisés dans ce cas pour réduire la quantité d’informations à échanger.
Agrégation dans les VANETs
Type d’agrégation dans les VANETs
Dans la littérature les techniques d’agrégation sont classées en deux catégories : syntaxique ou sémantique. [Fabio 2006] L’agrégation syntaxique consiste à compresser ou encoder les données provenant de plusieurs véhicules dans le but de rendre les données dans un même format. Dans ce cas la structure d’agrégation comporte la localisation, la vitesse et l’identifiant du véhicule. Ce type d’agrégation réduit essentiellement la surcharge de messages entrainant un gain en terme de coût d’envoi. L’agrégation sémantique, est applicable uniquement sur des types d’informations comme la localisation et la vitesse. Avec ce type d’agrégation, au lieu de rapporter la position exacte de cinq véhicules, seul le fait que cinq véhicules existent sont signalés. Le compromis permet de générer un message à diffuser beaucoup plus petit au prix toutefois d’une dégradation de la précision des données.
Un autre type d’agrégation est étudié dans [Christian 2007] correspondant à des situations où l’utilisateur a besoin d’une connaissance fine de son voisinage et où cette connaissance peut devenir plus grossière au fur et à mesure que nous nous éloignons de ce voisinage. Ce type d’agrégation est appelé agrégation hiérarchique. Avec ce type d’agrégation nous partons de N individus nous agrégeons les deux les plus proches, et nous considérons le couple agrégé comme un nouvel individu. Nous sommes alors ramenés au problème précédent avec maintenant (N − 1) individus. Nous agrégeons à nouveau les deux plus proches et nous itérons le processus jusqu’à n’avoir plus qu’un seul individu, qui sera le sommet de l’« arbre hiérarchique».
Solutions d’agrégation existantes
L’agrégation de données a été particulièrement étudiée dans le contexte des réseaux de capteurs [Madden 2002, Yi 2008, Rajagopalan 2006]. Plusieurs techniques d’agrégation développées dans le cadre des données spatio-temporelles existent également dans la littérature [Lopez 2005]. Dans [Stefan 2009] l’objectif principal de l’agrégation est de minimiser la consommation d’énergie en combinant des données provenant de nœuds de capteurs différents afin de réduire la redondance et minimiser ainsi le coût de la communication [Bhaskar 2002]. Toutefois, ces mécanismes de regroupement ne peuvent pas être appliqués directement pour VANETs pour plusieurs raisons :
– la plupart des mécanismes utilisent les nœuds de capteurs fixes afin de réaliser l’agrégation hiérarchique. Par exemple, les données sont agrégées sur une chaîne de nœuds [Lindsey 2002], une hiérarchie d’arborescence [Stephanie 2001, Haowen 2006] ou un cluster [Rabiner 2000]. Dans des réseaux très dynamiques comme les VANETs, la construction de telles hiérarchies n’est pas triviale, leur maintenance encore moins ;
– les architectures des réseaux de capteurs : de nombreuses applications considèrent dans ce contexte une station de base qui interroge les capteurs. Après une telle requête, les nœuds de capteurs propagent les informations collectées vers la station de base. Les protocoles qui utilisent ce mécanisme [Intanagonwiwat 2000], ne peuvent pas être déployés pour de nombreuses applications VANET puisqu’il n’y a pas de station de base dédiée. Tous les véhicules dans une région spécifique sont censés être des récepteurs.
|
Table des matières
1 Introduction Générale
1.1 Contexte
1.2 Problématiques
1.3 Contributions
1.4 Organisation du mémoire
2 État de l’art
2.1 Introduction
2.2 Protocoles de communication pour VANETs
2.2.1 Dissémination d’informations dans les VANETs
2.2.2 Synthèse
2.3 Agrégation dans les VANETs
2.3.1 Type d’agrégation dans les VANETs
2.3.2 Solutions d’agrégation existantes
2.3.3 Synthèse
2.4 Assistance au conducteur dans les VANETs
2.4.1 Systèmes autonomes
2.4.2 Systèmes coopératifs
2.4.3 Systèmes interactifs
2.4.4 Synthèse
2.5 Conclusion
3 Approche générale
3.1 Introduction
3.2 VESPA
3.2.1 Principes de VESPA
3.2.2 Classification et représentation des événements
3.3 Pourquoi agréger ?
3.4 Architecture globale
3.5 Conclusion
4 Construction du résumé
4.1 Introduction
4.2 Modèle spatio-temporel à deux niveaux
4.2.1 Niveau physique
4.2.2 Niveau logique
4.3 Construction des résumés des événements
4.3.1 Les Sketches
4.3.2 Structure d’agrégation
4.3.3 Evaluation théorique de la taille de la structure d’agrégation
4.4 Conclusion
5 Processus d’échange de résumés
5.1 Introduction
5.2 Propriétés du processus d’échange
5.3 Principe du processus d’échange
5.3.1 Notion de priorité
5.3.2 Matching des priorités
5.3.3 Fusion des résumés
5.4 Trace des derniers véhicules et échanges
5.5 Dynamique du processus d’échange
5.6 Conclusion
6 Exploitation des résumés
6.1 Introduction
6.2 Architecture d’exploitation du résumé
6.3 Niveau d’accés aux résumés
6.3.1 Cas de recherche d’une ressource
6.3.2 Cas de production d’alerte
6.4 Niveau d’assistance aux conducteurs
6.4.1 Recherche de ressources
6.4.2 Production d’alertes
6.5 Conclusion
7 Simulation et validation expérimentales
7.1 Introduction
7.2 Choix du simulateur
7.2.1 Les simulateurs existants
7.2.2 Simulateur « VESPA »
7.2.3 Adaptation du simulateur
7.3 Paramètres de simulations
7.4 Critères et stratégies utilisés dans les simulations
7.5 Évaluation qualitative du résumé spatio-temporel
7.6 Évaluation du processus d’échange
7.7 Dynamique des échanges
7.8 Conclusion
8 Conclusions et perspectives
8.1 Conclusions
8.2 Perspectives
Bibliographie
Télécharger le rapport complet
