Publication en ligne des thèses de Télécom SudParis

Retrouvez sur theses.fr l'ensemble des thèses soutenues par les docteurs de Télécom SudParis, membre de la Comue Université Paris-Saclay.

Publication en ligne des thèses de Télécom SudParis

Soutenances de thèses

L'Ecole doctorale : Sciences et Technologies de l'Information et de la Communication et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux présentent

l’AVIS DE SOUTENANCE de Monsieur Nikesh Man SHAKYA

Autorisé à présenter ses travaux en vue de l’obtention du Doctorat de l'Université Paris-Saclay, préparé à Télécom SudParis en :

Informatique

« Conception et développement d'une transmission écoénergétique pour les modules IoT sans fil »

le MERCREDI 6 FéVRIER 2019 à 9h00

à

MEU-CR-Paris

2 Rue de Paris, 92190, Meudon, France

  Membres du jury :   M. Noel CRESPI, Professeur, Télécom SudParis, FRANCE - Directeur de thèse M. Naceur  MALOUCH, Maître de Conférences, Université Pierre et Marie Curie (UPMC), FRANCE - Rapporteur M. Stefano SECCI, Professeur, CNAM, FRANCE - Rapporteur Mme Maria POTOP-BUTUCARU, Maître de Conférences, Campus Pierre et Marie Curie - Sorbonne Université - LIP6, FRANCE - Examinatrice M. Nazim AGOULMINE, Professeur, Université d'Évry Val d'Essonne, FRANCE - Examinateur M. Mehdi MANI, Sr. Project Manager, Itron, FRANCE - Encadrant de thèse  

Résumé :

 

La transmission radio est une des principales sources de consommation d’énergie des objets connectés dans les réseaux IoT. La durée de vie des objets IoT est le facteur principal qui permet le développement massif d’une solution IoT. La puissance de transmission et le débit binaire de transmission sont les deux paramètres radio qui affectent principalement la consommation d'énergie avec la portée radio, le brouillage, la fiabilité des liaisons et la réutilisation des canaux/de l'espace, Les conditions variables des liaisons radios nécessite le niveau de puissance/débit varie de manière dynamique pour s’aligner à telles conditions instables. Des algorithmes de contrôle de puissance/débit de transmission (TX) ne doivent pas poser des charges supplémentaires pour qu’ils soient applicable pour les appareils IoT avec des ressources de l’énergie limitées. Ils doivent être adaptables et polyvalents aux différentes conditions environnementales et de l’autre côté, être simple et facilement implémentable dans les plateformes capteur/IoT. De nombreux algorithmes dynamiques de transmission de puissance et / ou de contrôle de débit ont été proposés dans la littérature pour économiser la consommation d'énergie. Mais ils ne parviennent pas à satisfaire toutes ces exigences. Chacun d’entre eux a ses forces et ses faiblesses. Par conséquence, il existe le besoin d'un nouvel algorithme qui effectue un contrôle de puissance et / ou de débit qui peut être facilement implémenté dans une véritable plateforme de réseau IoT. Cette thèse présente REACT (Responsive Energy-efficient Adaptive Control of Transmission), une technique qui prend en compte plus d'une information de qualité de liaison pour une meilleure adaptation de la puissance et du débit TX. Il dispose d'une technique de contrôle à auto-apprentissage, polyvalente et adaptative pour l'environnement, avec un objectif global de réduction de la consommation d'énergie de transmission tout en maintenant une fiabilité similaire. Il possède la phase initiale la plus légère possible avec une surcharge nulle et un comportement réactif qui réagit de manière appropriée aux variations des conditions radio. Pour atteindre cet objectif, nous avons commencé par l'étude et la sélection d'une métrique d'estimation de la qualité de la liaison qui constitue un élément crucial de tout mécanisme de contrôle de la puissance ou de la vitesse. ETX (nombre de transmissions prévu) du côté de l'expéditeur et RSSI du côté du récepteur ont été utilisés respectivement comme métrique primaire et secondaire pour fournir des informations de liaison. Deuxièmement, nous avons conçu et développé un mécanisme de contrôle de puissance de transmission réactive à débit binaire fixe (REACT-P). Nous avons prouvé son efficacité en comparant l'utilisation de la puissance constante maximale à débit constant (CPCR) et l'un des algorithmes existants dominants. Troisièmement, cette conception est élargie en ajoutant l’option d’adaptation de débit donnant lieu à REACT ou REACT-PR qui permet de réaliser des économies d'énergie plus importantes en contrôlant à la fois la puissance et le débit. Nous avons évalué nos solutions en utilisant à la fois la simulation et l'expérimentation dans les environnements encombré et non encombré. Les résultats des tests ont montré que, comparé à la CPCR et REACT-P, avec un taux de livraison de paquets similaire, REACT consomme beaucoup moins d'énergie, réduit les interférences, l'occupation des canaux et contribue à prolonger la durée de vie de l'appareil. Même dans le pire des cas, où tous les nœuds transmettent en même temps, l’amélioration de la consommation totale d’énergie était de 46% avec REACT et de 30% avec REACT-P par rapport à CPCR. Les nœuds les plus proches de point d’accès gagnent le maximum de durée de vie par rapport de ceux plus éloignés. Les résultats montrent également que l'amélioration de la consommation d'énergie diminue avec l'augmentation de nombre de transmissions simultanées.

Abstract :

 

Radio Transmission is one of the major sources of energy consumption in today's rising IoT devices in low powered and lossy networks. Device longevity has become the foundation of the IoT’s entire value proposition and is a key to unravel the next great wave of IoT. Transmission power and transmission bit-rate are the two radio parameters that principally impact the energy consumption along with the radio coverage, interference, link reliability, channel/spatial reuse etc. Transmitting at a constant high/low power or rate leads to an inefficient energy usage due to the varying, unstable and unpredictable radio links. Hence, the power/rate level should dynamically vary with such erratic radio conditions. Transmission (TX) power/rate control algorithms for the constrained devices in IoT/WSN should have low overheads and must be energy efficient. They need to be adaptive and versatile to different environment conditions; yet be simple and easily implementable in the real sensor/IoT platform. Many dynamic Transmission Power and/or Rate Control algorithms have been proposed in the literature to economize the energy waste in the massive IoT deployments. But they fail to satisfy all these requirements alone. Each of them has its strengths and weaknesses. Therefore, there is a need of a new algorithm that performs an energy-efficient power and/or rate control which can be easily implemented in a real sensor platform. This thesis presents REACT (Responsive Energy-efficient Adaptive Control of Transmission power and rate), a technique that considers more than one link quality information for better adaptation of TX power and rate. It has a self-learning, versatile and environment-adaptive control technique with a global aim to reduce the transmission energy consumption with insignificant compromise on the packet delivery ratio or throughput. It has least possible initial phase with zero overhead and has a responsive behavior that reacts appropriately to the varying radio conditions. To attain this aim, we commenced with the study and the selection of a proper link quality estimation metric which is a crucial part in any power or rate control mechanism. ETX (Expected Transmission Count) from the sender-side and RSSI (Received Signal Strength Indicator) from receiver-side were used as a primary and a secondary metric respectively to provide multiple link information. Second, we designed and developed a responsive transmission power control at fixed bit-rate (REACT-P). We proved its efficiency comparing with using the maximum constant power at constant rate (CPCR) and one of the dominant existing algorithms. Third, this design is extended considering the bit-rate to give rise to REACT or REACT-PR that offers higher energy savings by controlling both transmission power and rate. We have evaluated our solutions using repetitive simulation and experimentation under both congested and un-congested environment. Simulation were performed in Cooja with TMote Sky motes whereas the experimentations were performed in Itron IoT device hardware compliant with IEEE802.15.4. The test results showed that, comparing to CPCR and REACT-P, with similar packet delivery ratio, REACT consumes much less energy, reduces interference, channel occupancy and aids to prolong the device lifetime. In a worst-case scenario, where all nodes compete for the channel at the same time, the improvement in the average node lifetime was 290% with REACT and 70% with REACT-P with respect to the CPCR. The nodes closer to the sink gain lifetime maximally than those farther away. The results also reveal that the improvement in the energy consumption improves with the decrease in the concurrent transmissions. Although the scope of the algorithm was designed for the battery-operated devices, it is equally applicable to mains line powered devices as well as it can aid in reducing interference, channel occupancy and improve the throughput and latency.

L'Ecole doctorale : Sciences et Technologies de l'Information et de la Communication et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux

  présentent

l’AVIS DE SOUTENANCE de Madame Danya BACHIR

  Autorisée à présenter ses travaux en vue de l’obtention du Doctorat de l'Université Paris-Saclay, préparé à Télécom SudParis en :

Réseaux, information et communications

 

« Estimation de la mobilité urbaine par l'exploitation des données de géolocalisation de téléphonie mobile »

  le VENDREDI 25 JANVIER 2019 à 14h00 Digiteo, Rue Noetzlin, 91190 Gif-sur-Yvette RDC Membres du jury :
  Mme Latifa OUKHELLOU, Directrice de Recherche, IFFSTAR, FRANCE - Rapporteur M. André-Luc BEYLOT, Professeur, ENSEEIHT (IRIT), FRANCE - Rapporteur M. Jakob PUCHINGER, Professeur, Centrale-Supelec, FRANCE - Examinateur M. Marco FIORE, Professeur, CNR - Conseil National de la Recherche- CNR-IEIIT, ITALIE - Examinateur M. Mounim EL YACOUBI, Professeur, Télécom SudParis, FRANCE - Directeur de thèse M. Vincent GAUTHIER, Maître de Conférences, Télécom Sudparis, FRANCE - Codirecteur de thèse  
Résumé :

Dans les prochaines décennies, la circulation et les temps de trajets augmenteront drastiquement en raison du fort taux d'accroissement de la population urbaine. L'augmentation grandissante de la congestion sur les réseaux de transports menace le bon fonctionnement des villes à plusieurs niveaux, tels que le bien-être des citoyens, la santé, l'économie, le tourisme ou la pollution. Ainsi, il est urgent, pour les autorités locales et nationales, de promouvoir l'innovation pour la planification urbaine, à l'aide d'une politique de soutien à l'innovation et de prises de mesures radicales. Pour guider les processus de décisions, il est crucial d'estimer, analyser et comprendre la mobilité urbaine au quotidien. Traditionnellement, les informations sur les déplacements des populations était collectées via des rapports nationaux et locaux, tels que les recensements et les enquêtes. Toutefois, ces derniers ont un coût important, induisant une très faible fréquence de mise-à-jour, ainsi qu'une temporalité restreinte des données. En parallèle, les technologies de l'information et de la communication fournissent une quantité de données de mobilité sans précédent, au jour le jour, toutes catégories de population confondues. En particulier, les téléphones portables accompagnent désormais la majorité des citoyens lors de leurs déplacements et activités du quotidien. newline Dans cette thèse, nous estimons la mobilité urbaine par l'exploration des données du réseau mobile, qui sont collectées en temps réel, sans coût additionnel, par les opérateurs télécoms. Le traitement des données brutes est non-trivial en raison de leur nature sporadique et de la faible précision spatiale couplée à un bruit complexe. La thèse adresse deux problématiques via un schéma d'apprentissage faiblement supervisé (i.e., utilisant très peu de données labellisées) combinant plusieurs sources de données de mobilité. Dans un premier temps, nous estimons les densités de population et le nombre de visiteurs au cours du temps, à une échelle spatio-temporelle relativement fine. Dans un second temps, nous construisons les matrices Origine-Destination qui représentent les flux totaux de déplacements au cours du temps, pour différents modes de transports. Ces estimations sont validées par une comparaison avec des données de mobilité externes, avec lesquelles de fortes corrélations et de faibles erreurs sont obtenues. Les modèles proposés sont robustes au bruit et à la faible fréquence des données, bien que la performance des modèles soit fortement dépendante de l'échelle spatiale. Pour atteindre une performance optimale, la calibration des modèles doit également prendre en compte la zone d'étude et le mode de transport. Cette étape est nécessaire pour réduire les biais générés par une densité urbaine hétérogène et les différents comportements utilisateur. Ces travaux sont les premiers à estimer les flux totaux de voyageurs routiers et ferrés dans le temps, à l'échelle intra-régionale. Bien qu'une validation plus approfondie des modèles soit requise pour les renforcer, nos résultats mettent en évidence l'énorme potentiel de la science des données de réseaux mobiles appliquées à la planification urbaine.

Abstract :

In the upcoming decades, traffic and travel times are expected to skyrocket, following tremendous population growth in urban territories. The increasing congestion on transport networks threatens cities efficiency at several levels such as citizens well-being, health, economy, tourism and pollution. Thus, local and national authorities are urged to promote urban planning innovation by adopting supportive policies leading to effective and radical measures. Prior to decision making processes, it is crucial to estimate, analyze and understand daily urban mobility. Traditionally, the information on population movements has been gathered through national and local reports such as census and surveys. Still, such materials are constrained by their important cost, inducing extremely low-update frequency and lack of temporal variability. On the meantime, information and communications technologies are providing an unprecedented quantity of up-to-date mobility data, across all categories of population. In particular, most individuals carry their mobile phone everywhere through their daily trips and activities. newline In this thesis, we estimate urban mobility by mining mobile network data, which are collected in real-time by mobile phone providers at no extra-cost. Processing the raw data is non-trivial as one must deal with temporal sparsity, coarse spatial precision and complex spatial noise. The thesis addresses two problematics through a weakly supervised learning scheme (i.e., using few labeled data) combining several mobility data sources. First, we estimate population densities and number of visitors over time, at fine spatio-temporal resolutions. Second, we derive Origin-Destination matrices representing total travel flows over time, per transport modes. All estimates are exhaustively validated against external mobility data, with high correlations and small errors. Overall, the proposed models are robust to noise and sparse data yet the performance highly depends on the choice of the spatial resolution. In addition, reaching optimal model performance requires extra-calibration specific to the case study region and to the transportation mode. This step is necessary to account for the bias induced by the joined effect of heterogeneous urban density and user behavior. Our work is the first successful attempt to characterize total road and rail passenger flows over time, at the intra-region level. Although additional in-depth validation is required to strengthen this statement, our findings highlight the huge potential of mobile network data mining for urban planning applications.

L'Ecole doctorale : Sciences et Technologies de l'Information et de la Communication

 

et le Laboratoire de recherche SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux

  présentent

l’AVIS DE SOUTENANCE de Madame Mira MORCOS

  Autorisée à présenter ses travaux en vue de l’obtention du Doctorat de l'Université Paris-Saclay, préparé à Télécom SudParis en :

Réseaux, information et communications

 

« Mécanismes d'Enchères pour l'Orchestration Dynamique des Ressources dans le Cloud-RAN »

  le MERCREDI 23 JANVIER 2019 à 14h00 au LINCS Salle Reine 23 avenue d’Italie, 75013 Paris, France Membres du jury :   M. Yezekael  HAYEL, Maître de Conférences, Université d'Avignon, FRANCE - Rapporteur M. Stefano  SECCI, Professeur des Universités, CNAM, FRANCE - Rapporteur M. Rami  LANGAR, Professeur des Universités, Université Paris-Est, FRANCE - Examinateur M. Salah Eddine ELAYOUBI, Maître de Conférences, CentraleSupélec, FRANCE - Examinateur Mme Jocelyne ELIAS, Maître de Conférences, Université Paris Descartes, FRANCE - Examinateur M. Martignon FABIO, Professeur des Universités, Université de Bergame, ITALIE - Examinateur M. Lin  CHEN , Maître de Conférences, Université Paris-Sud, FRANCE - Codirecteur de thèse M. Tijani CHAHED, Professeur, Telecom SudParis , FRANCE - Directeur de thèse
Résumé :  

Le paradigme d'un réseau RAN basé sur le cloud (C-RAN) est une technologie clé qui combine les solutions habilitantes répondant aux exigences de la 5G en termes de débit de données, d'évolutivité et de réduction des coûts. Une architecture C-RAN repose sur deux caractéristiques principales, à savoir la centralisation, dans laquelle les ressources de calcul des stations de base, à savoir les unités de bande de base (BBU), sont regroupées dans un Cloud central, et la virtualisation, avec la possibilité que plusieurs opérateurs de réseau mobile virtuels (MVNO) partagent les ressources radio et les BBU afin de réduire les coûts et la maintenance des ressources physiques Dans cette thèse, nous visons à développer un cadre théorique pour la gestion de ressources virtuelles dans le contexte du réseau C-RAN, en déduisant les limites de performances fondamentales ainsi que les compromis entre divers paramètres de système. Nous proposons spécifiquement trois mécanismes différents d’allocation de ressources adaptés à la technologie C-RAN et permettant d’accroître l’efficacité de l’utilisation des ressources. Pour chaque mécanisme d'allocation, nous avons défini un cadre d'enchères permettant de générer des revenus élevés. Nous concevons une enchère à deux niveaux pour l'allocation de ressources radio, dans un scénario avec un opérateur central C-RAN, un ensemble de MVNO et leurs abonnés. Nous abordons le problème du extit{calendaring} pour la réservation des ressources radio dans le C-RAN, un contexte naturel dans lequel le extit{calendaring} pour la bande passante peut être appliqué grâce à son architecture centralisée. Un cadre basé sur la vente aux enchères est conçu de manière à garantir la maximisation des bénéfices. Nous traitons l’allocation conjointe radio et traitement dans le contexte de C-RAN en tant qu’enchère combinatoire. Nos approches répondent à des propriétés économiques fondamentales: la véracité et la rationalité individuelle. Les résultats numériques démontrent la performance de notre proposition dans divers contextes de réseau et montrent que nos propositions peuvent garantir des résultats efficaces en terme de revenue.

Abstract :  

The paradigm of a Cloud-based RAN (C-RAN) is a key technology that combines the enabling solutions for the 5G requirements in terms of data rate, scalability and cost savings. A C-RAN architecture is based on two key features namely, Centralization, wherein computational resources of base stations, namely Base Band Units (BBUs), are pooled together in a central Cloud, and Virtualization, with the possibility that several Mobile Virtual Network Operators (MVNOs) share the radio resources and the BBU pool in order to reduce operational expenditure costs. In this thesis, we develop a theoretical framework for dynamic resource management in the C-RAN and derive the fundamental performance limits as well as the trade offs among various system parameters. We specifically propose 3 different resource allocation mechanisms that suit the C-RAN technology and help boost resource utilization efficiency. For each allocation mechanism, we set an auction framework to help generate high revenues. We first design a two-level auction for the allocation of radio resources, in a scenario with a central C-RAN operator, a set of MVNOs and their subscribed users. We second tackle the problem of calendaring for radio resource reservation in the C-RAN, a natural context in which bandwidth calendaring can be applied owing to its centralized architecture. An auction-based framework is tailored so as to guarantee profit maximization and a market proof to manipulation. Third, we address the issue of joint radio and processing allocation in the context of C-RAN as a combinatorial auction. Our auction-based approaches satisfy fundamental economic properties: truthfulness, individual rationality and computational efficiency. Our numerical results demonstrate the performance of our proposals in various network settings in terms of revenue maximization.