Intégration du Cloud Computing pour le stockage et l’agrégation de données dans les réseaux de capteurs sans fil

Abstract

Cette thèse traite l’intégration des réseaux de capteurs sans fil (RCSFs) au Cloud Computing. L’objectif étant de résoudre les problèmes intrinsèques que posent ces réseaux en termes de stockage de données, d’énergie limitée des batteries des capteurs et d’accès au médium (congestion). En fait, il s’agit d’améliorer les performances des RCSFs pour une plus grande durée de vie et une plus large exploitation. Comme les transmissions de données sont à la base des problèmes évoqués, nous avons commencé dans un premier temps par étudier l’impact de leur réduction à l’aide des techniques de prédiction duale et d’agrégation de données. Ainsi, nous avons mis au point un nouvel algorithme de prédiction, appelé EADPS (Extended Adaptative Dual Prediction Scheme). Ensuite, nous avons comparé l’agrégation des données à chacun des schémas ADPS (Adaptive Dual Prediction Scheme) et EADPS. Il ressort que l’agrégation est une technique bien meilleure que le schéma ADPS pour les réseaux de petite taille et quel que soit la précision des prédictions. Cependant, elle ne devient sérieusement concurrente au schéma EADPS que pour des RCSFs de grandes tailles. Nous avons effectué différentes simulations sur des données réelles à l’aide de la prédiction seule, de l’agrégation seule et ensuite de leur combinaison. Il ressort qu’avec la combinaison de ces deux techniques nous avons maximisé le taux de réduction des transmissions. Partant de ces résultats encourageants, nous avons conçu et réalisé une plateforme de simulation pour l’intégration des RCSFs au Cloud Computing.