University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'auteur
Auteur Medani,Khedidja |
Documents disponibles écrits par cet auteur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Efficient Data Communication in UAVs Networks Type de document : texte imprimé Auteurs : Aymen Hamani ; Abderrahmane Meziane Cherif ; Medani,Khedidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol. (62 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Unmanned Aerial Vehicles communication UAVs network FANET k-means clustering mobility Index. décimale : 004 Informatique Résumé : Recent advancements in the technology of Unmanned Aerial Vehicles (UAVs) have
enabled their effectiveness in several applications in today’s research and industrial
communities. This is mainly owed to their high degree of stability and agility in harsh
areas. The proper coordination and collaboration of multiple UAVs wirelessly linked
with the central entity as a Flying Ad hoc NETwork (FANET) is vital to organize data
and to improve a wide range of tasks. Meanwhile, Data communication and mobility
patterns remain the most critical issues that should be addressed for maintaining both
connectivity and coverage requirements in the area of interest. However, there is a
conflict between network connectivity and area coverage during network design and
maintenance. The aim of this work is to investigate data communication over UAVs
networks while optimizing area coverage and exploration. To this end, we propose a
new Cluster-based Random Pheromone Zone (C-RDPZ) for data communication and
mobility control in UAVs networks. The simulation of the proposed protocol carried
out using the network simulator 3 (NS3) has yielded convincing results, in terms of
energy consumption and data communication, outperforming those exhibited by the
referred protocolCôte titre : MAI/0742 En ligne : https://drive.google.com/file/d/1avrCeNc_ZKkHuUv1ZXf3QJCGZTIpKGzw/view?usp=drive [...] Format de la ressource électronique : Efficient Data Communication in UAVs Networks [texte imprimé] / Aymen Hamani ; Abderrahmane Meziane Cherif ; Medani,Khedidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol. (62 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Unmanned Aerial Vehicles communication UAVs network FANET k-means clustering mobility Index. décimale : 004 Informatique Résumé : Recent advancements in the technology of Unmanned Aerial Vehicles (UAVs) have
enabled their effectiveness in several applications in today’s research and industrial
communities. This is mainly owed to their high degree of stability and agility in harsh
areas. The proper coordination and collaboration of multiple UAVs wirelessly linked
with the central entity as a Flying Ad hoc NETwork (FANET) is vital to organize data
and to improve a wide range of tasks. Meanwhile, Data communication and mobility
patterns remain the most critical issues that should be addressed for maintaining both
connectivity and coverage requirements in the area of interest. However, there is a
conflict between network connectivity and area coverage during network design and
maintenance. The aim of this work is to investigate data communication over UAVs
networks while optimizing area coverage and exploration. To this end, we propose a
new Cluster-based Random Pheromone Zone (C-RDPZ) for data communication and
mobility control in UAVs networks. The simulation of the proposed protocol carried
out using the network simulator 3 (NS3) has yielded convincing results, in terms of
energy consumption and data communication, outperforming those exhibited by the
referred protocolCôte titre : MAI/0742 En ligne : https://drive.google.com/file/d/1avrCeNc_ZKkHuUv1ZXf3QJCGZTIpKGzw/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0742 MAI/0742 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Fault-tolerant communication strategy in UAV-aided networks Type de document : texte imprimé Auteurs : Wissam Ait Aissa, Auteur ; Mohamed Sami Tayeb ; Medani,Khedidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2024 Importance : 1 vol (66 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : UAVs
Drone
Capteurs
IoT
TSP
Tol´erance aux fautes
Apprentissage AutomatiqueIndex. décimale : 004 - Informatique Résumé :
Les avanc´ees r´ecentes dans la technologie des v´ehicules a´eriens sans pilote (UAV : Unmanned
Aerial Vehicles), ´egalement connus sous le nom de drones, ont permis leur
efficacit´e dans plusieurs applications au sein des communaut´es de recherche et industrielles
actuelles. Cela est principalement dˆu `a leur haut degr´e de stabilit´e et d’agilit´e
dans des environnements difficiles. La coordination et la collaboration ad´equates de
multiples drones reli´es sans fil `a une station de base et `a un r´eseau de capteurs IoT
sont essentielles pour organiser les donn´ees et am´eliorer une large gamme de tˆaches,
dont la collecte fiable de donn´ees repr´esente un defi majeur, y compris des applications
comme l’agriculture intelligente. Cependant, le mod`ele de communication et d’envoi
des donn´ees ainsi que la tol´erance aux fautes restent les probl`emes les plus critiques
`a r´esoudre pour maintenir les exigences d’un syst`eme de collecte de donn´ees efficace
afin de garantir la fiabilit´e de ce syst`eme. Le but de ce travail est d’´etudier la communication
des donn´ees sur les r´eseaux de capteurs sans fil assist´es par drones. `A cette
fin, nous proposons un syst`eme o`u des capteurs sont d´eploy´es `a l’aide d’un algorithme
de clustering K-means am´elior´e et les drones sont dirig´es vers des points de collecte
optimis´es en utilisant notre approche QLDR (Q-learning-based Drones Routing), un
mod`ele de probl`eme du voyageur de commerce (TSP : Travelling Salesman Problem)
r´esolu par l’algorithme Q-learning. La simulation du syst`eme propos´e, r´ealis´ee `a l’aide
du simulateur de r´eseau NS3, a donn´e des r´esultats convaincants en termes de consommation
d’´energie, de temps de vol, de points de collecte et de taux de livraison des
paquets..Note de contenu : Sommaire
R´esum´e i
Table des mati`eres vii
Liste des figures ix
Liste des tables x
Liste des algorithmes xi
Liste des abbr´eviations xii
Introduction 1
1 R´eseaux assist´es par drones et tol´erance aux fautes 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 D´efinition des drones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Les diff´erents types des drones . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Domaines d’applications des drones . . . . . . . . . . . . . . . . . . . . 7
1.4.1 Utilisation militaire . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2 Utilisation civil . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.3 Utilisation en agriculture . . . . . . . . . . . . . . . . . . . . . . 8
1.5 L’importance des drones en agriculture moderne . . . . . . . . . . . . 8
1.5.1 Mobilit´e des drones . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.2 La capacit´e de charge . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.3 L’endurance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Internet des objets/Capteurs . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1 Caract´eristiques de l’IoT . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2 Utilisation des Capteurs dans l’IoT . . . . . . . . . . . . . . . . 14
1.6.3 Les applications des capteurs IoT . . . . . . . . . . . . . . . . . 15
1.7 Int´egration des drones et de l’IoT pour la collecte de donn´ees . . . . . . 16
1.7.1 Fonctionnement et composants cl´es . . . . . . . . . . . . . . . . 16
1.7.2 Technologies de communication . . . . . . . . . . . . . . . . . . 17
1.7.3 Applications et exemples concrets . . . . . . . . . . . . . . . . . 17
1.8 La tol´erance aux fautes . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8.1 D´efinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8.2 Les types de pannes . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8.3 Le principe de la tol´erance aux fautes . . . . . . . . . . . . . . . 20
1.8.4 Approches de la Tol´erance aux Fautes . . . . . . . . . . . . . . 20
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Travaux connexes 24
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Travaux Connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.1 Area Coverage Aware Approach for Data Communication in UAVs
Networks (2023) . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.2 Trajectory design for uav-based data collection using clustering
model in smart farming (2021) . . . . . . . . . . . . . . . . . . . 26
2.2.3 UAV-assisted sleep scheduling algorithm for energy-efficient data
collection in agricultural Internet of things (2021) . . . . . . . . 27
2.2.4 UAV Swarm Deployment and Trajectory for 3D Area Coverage
via Reinforcement Learning (2023) . . . . . . . . . . . . . . . . 30
2.2.5 Advanced UAV-WSN system for intelligent monitoring in precision
agriculture (2020) . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Contribution 36
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Structure de r´eseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.1 Algorithme de clustering K-means . . . . . . . . . . . . . . . . . 38
3.2.2 Probl`eme de voyageurs de commerce . . . . . . . . . . . . . . . 39
3.2.3 Apprentissage par renforcement . . . . . . . . . . . . . . . . . . 40
3.2.4 L’algorithme Q-learning . . . . . . . . . . . . . . . . . . . . . . 41
3.3 Solution propos´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.1 Groupement des capteurs . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 S´election de points de collecte (PC) . . . . . . . . . . . . . . . . 45
3.3.3 Planification de la trajectoire des drones . . . . . . . . . . . . . 46
3.3.4 Extension de l’Algorithme pour QLDR . . . . . . . . . . . . . . 49
3.3.5 Etape de maintenance . . . . . . . . . . . . . . . . . . . . . . . 51
3.4 Environnement de d´eveloppement et configuration de simulation . . . . 52
3.5 Simulation et analyse des performances . . . . . . . . . . . . . . . . . . 53
3.5.1 Analyse des r´esultats . . . . . . . . . . . . . . . . . . . . . . . . 53Côte titre : MAI/0833 Fault-tolerant communication strategy in UAV-aided networks [texte imprimé] / Wissam Ait Aissa, Auteur ; Mohamed Sami Tayeb ; Medani,Khedidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2024 . - 1 vol (66 f .) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : UAVs
Drone
Capteurs
IoT
TSP
Tol´erance aux fautes
Apprentissage AutomatiqueIndex. décimale : 004 - Informatique Résumé :
Les avanc´ees r´ecentes dans la technologie des v´ehicules a´eriens sans pilote (UAV : Unmanned
Aerial Vehicles), ´egalement connus sous le nom de drones, ont permis leur
efficacit´e dans plusieurs applications au sein des communaut´es de recherche et industrielles
actuelles. Cela est principalement dˆu `a leur haut degr´e de stabilit´e et d’agilit´e
dans des environnements difficiles. La coordination et la collaboration ad´equates de
multiples drones reli´es sans fil `a une station de base et `a un r´eseau de capteurs IoT
sont essentielles pour organiser les donn´ees et am´eliorer une large gamme de tˆaches,
dont la collecte fiable de donn´ees repr´esente un defi majeur, y compris des applications
comme l’agriculture intelligente. Cependant, le mod`ele de communication et d’envoi
des donn´ees ainsi que la tol´erance aux fautes restent les probl`emes les plus critiques
`a r´esoudre pour maintenir les exigences d’un syst`eme de collecte de donn´ees efficace
afin de garantir la fiabilit´e de ce syst`eme. Le but de ce travail est d’´etudier la communication
des donn´ees sur les r´eseaux de capteurs sans fil assist´es par drones. `A cette
fin, nous proposons un syst`eme o`u des capteurs sont d´eploy´es `a l’aide d’un algorithme
de clustering K-means am´elior´e et les drones sont dirig´es vers des points de collecte
optimis´es en utilisant notre approche QLDR (Q-learning-based Drones Routing), un
mod`ele de probl`eme du voyageur de commerce (TSP : Travelling Salesman Problem)
r´esolu par l’algorithme Q-learning. La simulation du syst`eme propos´e, r´ealis´ee `a l’aide
du simulateur de r´eseau NS3, a donn´e des r´esultats convaincants en termes de consommation
d’´energie, de temps de vol, de points de collecte et de taux de livraison des
paquets..Note de contenu : Sommaire
R´esum´e i
Table des mati`eres vii
Liste des figures ix
Liste des tables x
Liste des algorithmes xi
Liste des abbr´eviations xii
Introduction 1
1 R´eseaux assist´es par drones et tol´erance aux fautes 4
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 D´efinition des drones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Les diff´erents types des drones . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Domaines d’applications des drones . . . . . . . . . . . . . . . . . . . . 7
1.4.1 Utilisation militaire . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.2 Utilisation civil . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4.3 Utilisation en agriculture . . . . . . . . . . . . . . . . . . . . . . 8
1.5 L’importance des drones en agriculture moderne . . . . . . . . . . . . 8
1.5.1 Mobilit´e des drones . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.2 La capacit´e de charge . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5.3 L’endurance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.6 Internet des objets/Capteurs . . . . . . . . . . . . . . . . . . . . . . . 12
1.6.1 Caract´eristiques de l’IoT . . . . . . . . . . . . . . . . . . . . . . 12
1.6.2 Utilisation des Capteurs dans l’IoT . . . . . . . . . . . . . . . . 14
1.6.3 Les applications des capteurs IoT . . . . . . . . . . . . . . . . . 15
1.7 Int´egration des drones et de l’IoT pour la collecte de donn´ees . . . . . . 16
1.7.1 Fonctionnement et composants cl´es . . . . . . . . . . . . . . . . 16
1.7.2 Technologies de communication . . . . . . . . . . . . . . . . . . 17
1.7.3 Applications et exemples concrets . . . . . . . . . . . . . . . . . 17
1.8 La tol´erance aux fautes . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8.1 D´efinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8.2 Les types de pannes . . . . . . . . . . . . . . . . . . . . . . . . 19
1.8.3 Le principe de la tol´erance aux fautes . . . . . . . . . . . . . . . 20
1.8.4 Approches de la Tol´erance aux Fautes . . . . . . . . . . . . . . 20
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2 Travaux connexes 24
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Travaux Connexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.1 Area Coverage Aware Approach for Data Communication in UAVs
Networks (2023) . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.2 Trajectory design for uav-based data collection using clustering
model in smart farming (2021) . . . . . . . . . . . . . . . . . . . 26
2.2.3 UAV-assisted sleep scheduling algorithm for energy-efficient data
collection in agricultural Internet of things (2021) . . . . . . . . 27
2.2.4 UAV Swarm Deployment and Trajectory for 3D Area Coverage
via Reinforcement Learning (2023) . . . . . . . . . . . . . . . . 30
2.2.5 Advanced UAV-WSN system for intelligent monitoring in precision
agriculture (2020) . . . . . . . . . . . . . . . . . . . . . . . 33
2.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Contribution 36
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2 Structure de r´eseau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2.1 Algorithme de clustering K-means . . . . . . . . . . . . . . . . . 38
3.2.2 Probl`eme de voyageurs de commerce . . . . . . . . . . . . . . . 39
3.2.3 Apprentissage par renforcement . . . . . . . . . . . . . . . . . . 40
3.2.4 L’algorithme Q-learning . . . . . . . . . . . . . . . . . . . . . . 41
3.3 Solution propos´ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.1 Groupement des capteurs . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 S´election de points de collecte (PC) . . . . . . . . . . . . . . . . 45
3.3.3 Planification de la trajectoire des drones . . . . . . . . . . . . . 46
3.3.4 Extension de l’Algorithme pour QLDR . . . . . . . . . . . . . . 49
3.3.5 Etape de maintenance . . . . . . . . . . . . . . . . . . . . . . . 51
3.4 Environnement de d´eveloppement et configuration de simulation . . . . 52
3.5 Simulation et analyse des performances . . . . . . . . . . . . . . . . . . 53
3.5.1 Analyse des r´esultats . . . . . . . . . . . . . . . . . . . . . . . . 53Côte titre : MAI/0833 Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0833 MAI/0833 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Machine learning-based routing approach in UAV networks Type de document : texte imprimé Auteurs : Nadjia Tabet ; Raoudha Chaabi ; Medani,Khedidja, Directeur de thèse Editeur : Setif:UFA Année de publication : 2023 Importance : 1 vol. (45 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : FANETs UAVs Routing Machine learning Q-Learning NS3 Index. décimale : 004 Informatique Résumé : Flying Ad Hoc Networks (FANETs) have experienced significant advancements, primarily
driven by the collaboration among different Unmanned Aerial Vehicles (UAVs)
operating in an ad hoc manner. These networks offer a wide array of applications and
services, both in civil and military domains. Establishing efficient communication is
one of the most crucial issues in UAV networks, because it ensures the cooperation and
the collaboration between these UAVs. Consequently, several routing strategies have
been developed. However, implementing routing protocols in UAVs networks poses a
challenge for researchers due to the limited energy resources, network’s inherent high
mobility and rapid topology changes. Recently, machine learning-based techniques
become one of the most promising solutions employed to develop intelligent routing
approaches adapting to the frequent network changes. In this work, we investigate
utilizing Q-Learning algorithm as a foundation in the context of UAVs networks and
propose an improvement to enhance the efficiency of the routing algorithm. The implementation
of the proposed protocol has simulated using the Network Simulator 3
(NS3), and the outcomes demonstrate its effectiveness in terms of energy consumption,
packet delivery ration and average end to end delayCôte titre : MAI/0743 En ligne : https://drive.google.com/file/d/1_-rpDROZeJ-RBIIn-9p16N4P-DR8i_h9/view?usp=drive [...] Format de la ressource électronique : Machine learning-based routing approach in UAV networks [texte imprimé] / Nadjia Tabet ; Raoudha Chaabi ; Medani,Khedidja, Directeur de thèse . - [S.l.] : Setif:UFA, 2023 . - 1 vol. (45 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : FANETs UAVs Routing Machine learning Q-Learning NS3 Index. décimale : 004 Informatique Résumé : Flying Ad Hoc Networks (FANETs) have experienced significant advancements, primarily
driven by the collaboration among different Unmanned Aerial Vehicles (UAVs)
operating in an ad hoc manner. These networks offer a wide array of applications and
services, both in civil and military domains. Establishing efficient communication is
one of the most crucial issues in UAV networks, because it ensures the cooperation and
the collaboration between these UAVs. Consequently, several routing strategies have
been developed. However, implementing routing protocols in UAVs networks poses a
challenge for researchers due to the limited energy resources, network’s inherent high
mobility and rapid topology changes. Recently, machine learning-based techniques
become one of the most promising solutions employed to develop intelligent routing
approaches adapting to the frequent network changes. In this work, we investigate
utilizing Q-Learning algorithm as a foundation in the context of UAVs networks and
propose an improvement to enhance the efficiency of the routing algorithm. The implementation
of the proposed protocol has simulated using the Network Simulator 3
(NS3), and the outcomes demonstrate its effectiveness in terms of energy consumption,
packet delivery ration and average end to end delayCôte titre : MAI/0743 En ligne : https://drive.google.com/file/d/1_-rpDROZeJ-RBIIn-9p16N4P-DR8i_h9/view?usp=drive [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0743 MAI/0743 Mémoire Bibliothéque des sciences Anglais Disponible
Disponible
Titre : Réseaux de Capteurs Sans Fils Véehiculaire S^urs de Fonctionnement Type de document : texte imprimé Auteurs : Medani,Khedidja, Auteur ; Aliouat, Makhlouf, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (129 f .) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Informatique Mots-clés : Système de transport intelligent
STI
VANET
WSN
synchronisation d'horloge
synchronisation d'horloge tolérante aux pannes.Index. décimale : 004 - Informatique Résumé : Résumé
have emerged as an open and interesting research topic over the past decade. The deployment of
VANET systems combined with sensor technologies have increased development benefits
of these. Thus, they allow the collection and sharing of data in real time, so that new applications, such as
traceability reporting, reduced environmental monitoring and distributed monitoring are encouraged. Design
reliable, fault-tolerant, maintainable, safe and secure applications and standards for realistic, large-scale applications
The deployment environment, as in VANETs, ​​presents an extraordinary challenge, especially in the lack of
memory allowing the global recognition of the state of the system. In this context, the clock synchronization requirement
remains one of the most important problems to be solved in the measurement of these reliable systems
evolve The focal point of this PhD thesis is to give an analytical study of clock synchronization
problem in vehicular communication systems. The intrinsic characteristics of the unstable vehicle environment
The high speed of nodes and the lack of permanent network connectivity have created new
challenges and requirements, so the solutions already proposed to synchronize the nodes
physical networks are no longer appropriate. Therefore, new adaptive clock synchronization mechanisms
should be designed and implemented. Here we propose a new mechanism for synchronizing clocks in vehicles
environments, dealing with communication and scalability issues. The proposition, named \O?
Robust Broadcasting" (OTRB), exploits the broadcast channel to broadcast the weather information on
whole network. This protocol is well suited for random network topology changes, high node speed
o offering good accuracy and robustness against node failures and packet loss. Analytical study and protocol
simulation to evaluate system performance, performed by a combination of VanetMobiSim and NS2
simulators, gave convincing results, surpassing those presented by the basic protocols.Note de contenu :
Sommaire
Table of contents viii
List of gures x
List of tables xi
List of algorithms xii
Abbreviations xiii
Introduction 1
Background 8
1 Vehicular communications 8
1.1 introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 VANETs' de nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 VANETs' applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Safety applications . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Non-safety applications . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.3 A Literature review of VANET's projects . . . . . . . . . . . . . 12
1.4 VANET's characteristics, challenges and requirements . . . . . . . . . . 13
1.5 VANETs layered communication architecture . . . . . . . . . . . . . . . 15
1.5.1 Physical layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2 MAC layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.3 Network layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.4 Transport layer . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6 Security plane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7 VANETs simulation and mobility modeling . . . . . . . . . . . . . . . . 28
1.8 Related research topics . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8.1 Vehicular ad hoc sensor networks (VASNETs) . . . . . . . . . . 29
1.8.2 Vehicular cloud computing (VCC) . . . . . . . . . . . . . . . . . 30
1.8.3 Internet of Vehicle (IoV) . . . . . . . . . . . . . . . . . . . . . . 31
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2 VANETs Dependability and practical use of clock synchronization 33
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Dependability: De nition and related concepts . . . . . . . . . . . . . . 34
2.3 Failures in vehicular communications . . . . . . . . . . . . . . . . . . . 37
2.4 Timing notions and the practical use of clock synchronization for dependable systems . . . . . . . . .. 39
2.4.1 Clock terminology and basic notions . . . . . . . . . . . . . . . 39
2.4.2 Needs, challenges and requirements of clock synchronization in vehicular communication systems . . . 42
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3 Time synchronization for vehicular communication: A Survey 47
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Clock synchronization message exchange mechanisms . . . . . . . . . . 49
3.3 Synchronization via GPS/GNSS component . . . . . . . . . . . . . . . 55
3.4 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5 Taxonomy of clock synchronization in vehicular ad hoc networks . . . . 59
3.6 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Contributions 74
4 O sets Table Robust Broadcasting for Clock Synchronization in VANETs 74
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2 Time synchronization using time table di usion protocol . . . . . . . . 77
4.3 Contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.3.1 OTRB algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.3.2 Performances analysis . . . . . . . . . . . . . . . . . . . . . . . 92
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5 Impact of Clustering Stability on the Improvement of OTRB Proto-col 98
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.2 Basic clustering notions and requirements . . . . . . . . . . . . . . . . 100
5.3 Related work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.4 OTRB protocol overview . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.5 Simulation results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Conclusion 110
5.7 Future work and perspectives . . . . . . . . . . . . . . . . . . . . . . . 111
Bibliography 112
List of included publications 129Côte titre : MAPH/0032 En ligne : https://drive.google.com/file/d/1aumtsphWsAJNXgMTVZU5cu-ysu1LO0Q7/view?usp=shari [...] Format de la ressource électronique : Réseaux de Capteurs Sans Fils Véehiculaire S^urs de Fonctionnement [texte imprimé] / Medani,Khedidja, Auteur ; Aliouat, Makhlouf, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (129 f .) ; 29 cm.
Langues : Anglais (eng)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Système de transport intelligent
STI
VANET
WSN
synchronisation d'horloge
synchronisation d'horloge tolérante aux pannes.Index. décimale : 004 - Informatique Résumé : Résumé
have emerged as an open and interesting research topic over the past decade. The deployment of
VANET systems combined with sensor technologies have increased development benefits
of these. Thus, they allow the collection and sharing of data in real time, so that new applications, such as
traceability reporting, reduced environmental monitoring and distributed monitoring are encouraged. Design
reliable, fault-tolerant, maintainable, safe and secure applications and standards for realistic, large-scale applications
The deployment environment, as in VANETs, ​​presents an extraordinary challenge, especially in the lack of
memory allowing the global recognition of the state of the system. In this context, the clock synchronization requirement
remains one of the most important problems to be solved in the measurement of these reliable systems
evolve The focal point of this PhD thesis is to give an analytical study of clock synchronization
problem in vehicular communication systems. The intrinsic characteristics of the unstable vehicle environment
The high speed of nodes and the lack of permanent network connectivity have created new
challenges and requirements, so the solutions already proposed to synchronize the nodes
physical networks are no longer appropriate. Therefore, new adaptive clock synchronization mechanisms
should be designed and implemented. Here we propose a new mechanism for synchronizing clocks in vehicles
environments, dealing with communication and scalability issues. The proposition, named \O?
Robust Broadcasting" (OTRB), exploits the broadcast channel to broadcast the weather information on
whole network. This protocol is well suited for random network topology changes, high node speed
o offering good accuracy and robustness against node failures and packet loss. Analytical study and protocol
simulation to evaluate system performance, performed by a combination of VanetMobiSim and NS2
simulators, gave convincing results, surpassing those presented by the basic protocols.Note de contenu :
Sommaire
Table of contents viii
List of gures x
List of tables xi
List of algorithms xii
Abbreviations xiii
Introduction 1
Background 8
1 Vehicular communications 8
1.1 introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 VANETs' de nition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 VANETs' applications . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Safety applications . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Non-safety applications . . . . . . . . . . . . . . . . . . . . . . . 11
1.3.3 A Literature review of VANET's projects . . . . . . . . . . . . . 12
1.4 VANET's characteristics, challenges and requirements . . . . . . . . . . 13
1.5 VANETs layered communication architecture . . . . . . . . . . . . . . . 15
1.5.1 Physical layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5.2 MAC layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.3 Network layer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.4 Transport layer . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.6 Security plane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7 VANETs simulation and mobility modeling . . . . . . . . . . . . . . . . 28
1.8 Related research topics . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8.1 Vehicular ad hoc sensor networks (VASNETs) . . . . . . . . . . 29
1.8.2 Vehicular cloud computing (VCC) . . . . . . . . . . . . . . . . . 30
1.8.3 Internet of Vehicle (IoV) . . . . . . . . . . . . . . . . . . . . . . 31
1.9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2 VANETs Dependability and practical use of clock synchronization 33
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2 Dependability: De nition and related concepts . . . . . . . . . . . . . . 34
2.3 Failures in vehicular communications . . . . . . . . . . . . . . . . . . . 37
2.4 Timing notions and the practical use of clock synchronization for dependable systems . . . . . . . . .. 39
2.4.1 Clock terminology and basic notions . . . . . . . . . . . . . . . 39
2.4.2 Needs, challenges and requirements of clock synchronization in vehicular communication systems . . . 42
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3 Time synchronization for vehicular communication: A Survey 47
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Clock synchronization message exchange mechanisms . . . . . . . . . . 49
3.3 Synchronization via GPS/GNSS component . . . . . . . . . . . . . . . 55
3.4 Related Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5 Taxonomy of clock synchronization in vehicular ad hoc networks . . . . 59
3.6 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
3.7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
Contributions 74
4 O sets Table Robust Broadcasting for Clock Synchronization in VANETs 74
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2 Time synchronization using time table di usion protocol . . . . . . . . 77
4.3 Contribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.3.1 OTRB algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.3.2 Performances analysis . . . . . . . . . . . . . . . . . . . . . . . 92
4.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5 Impact of Clustering Stability on the Improvement of OTRB Proto-col 98
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
5.2 Basic clustering notions and requirements . . . . . . . . . . . . . . . . 100
5.3 Related work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.4 OTRB protocol overview . . . . . . . . . . . . . . . . . . . . . . . . . . 105
5.5 Simulation results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Conclusion 110
5.7 Future work and perspectives . . . . . . . . . . . . . . . . . . . . . . . 111
Bibliography 112
List of included publications 129Côte titre : MAPH/0032 En ligne : https://drive.google.com/file/d/1aumtsphWsAJNXgMTVZU5cu-ysu1LO0Q7/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0032 DI/0032 Thèse Bibliothéque des sciences Anglais Disponible
Disponible
