Mécanismes d’adaptations pour les réseaux IoT utilisant les techniques d’intelligence artificielle
Porteurs du projet
- Rodrigue Domga Komguem, Université de Yaoundé I, Cameroun
- Fabrice Valois, équipe AGORA, Inria Grenoble – Rhône-Alpes
Résumé
Internet des objets devient de plus en plus présent dans nos vies quotidiennes, avec de nombreuses applications telles que les villes connectés, l’agriculture numérique, la surveillance de l’environnement, etc. Si l’IoT s’est imposé si rapidement sur le marché, c’est grâce aux efforts conjugués de la virtualisation et de l’informatique en nuage, mais aussi grâce aux protocoles et architectures réseaux devenus matures. Trois familles de réseaux permettent de couvrir les besoins et les applications de l’IoT sans fil : i) les réseaux courte portée (e.g. Bluetooth Low Energy, IEEE 802.15.4) ii) les réseaux longue portée à forte efficacité énergétique (e.g. LoRa, Sigfox) iii) et les réseaux industriels (e.g.IEEE 802.15.4e TSCH, ISA100). En fonction des besoins applicatifs, ces réseaux sont optimisés et préconfigurées pour un scénario fixé. Toutefois, au cours du temps, l’application évolue, l’environnement change, rendant le réseau inefficace avec des performances faibles. La question que nous adressons ici est : comment auto-adapter et auto-optmiser le réseau et les paramètres de la pile protocolaire, en particulier dans les trois premières couches de communications, pour maintenir la qualité de service requise ? Nous proposons de tirer partie des techniques de l’apprentissage et de l’apprentissage profond pour, en fonction des données échangées et des données de contrôle mesurées, proposer de nouveaux mécanismes d’adaptation du réseau.
Mots clés : reconfiguration dynamique, Internet des objets, Routage, Qualité de service, évaluation de performances
Site web : en construction
